Kursbeschreibung
Viele KI-Programme scheitern nicht an der Technologie, sondern an unklaren Entscheidungen, fehlender Governance und falschen Erwartungen. In diesem Seminar lernst Du, wie Du als Top-Management KI so steuerst, dass Nutzen entsteht und Risiken beherrschbar bleiben. Wir starten mit einem Reality-Check zu GenAI: Wo sie Produktivität hebt, wo Qualitätsrisiken entstehen und warum Halluzinationen und Bias nicht „Fehler“, sondern systemische Eigenschaften sind, die Kontrollen brauchen. Anschließend erarbeitest Du, wie eine KI-Strategie in der Praxis aussieht: Use-Case-Portfolio, Priorisierung, KPIs, Budgetlogik und ein Operating Model, das Verantwortlichkeiten eindeutig macht. Du lernst, wie Du Build-, Buy- und Partner-Optionen bewertest, inklusive Lock-in, Datenflüssen, Auditierbarkeit und Exit. Ein zentraler Teil ist die regulatorische und rechtliche Seite: EU AI Act, DSGVO, Urheberrecht sowie der Schutz von Betriebsgeheimnissen werden in konkrete Anforderungen an Dokumentation, Rollen und Entscheidungsprozesse übersetzt. Ergänzend behandeln wir Cybersecurity-Risiken wie Data Poisoning, Model Stealing und Prompt Injection und welche Mindestmaßnahmen Du vom Management erwarten solltest. Am Ende kannst Du KI-Initiativen nicht nur genehmigen oder ablehnen, sondern aktiv so gestalten, dass sie messbar, prüfbar und verantwortbar sind.
Zielgruppe
- Aufsichtsräte und Beiräte
- CEOs, COOs und Geschäftsführungen
- CFOs und Leiterinnen und Leiter Governance, Risk, Compliance
- CISOs, DPOs und Leiterinnen und Leiter Internal Audit mit Board-Schnittstelle
- Für alle, die KI-Entscheidungen im Top-Management verantworten oder kritisch prüfen wollen
Voraussetzung für die Schulung
- Erfahrung in Führung, Strategie, Governance oder Unternehmenssteuerung
- Grundverständnis von Digitalisierung und Daten im Unternehmen ist hilfreich
Kursinhalte
- KI-Lagebild für das Top-Management
- Was GenAI wirklich kann und wo sie scheitert
- Marktdruck, Wettbewerbsdynamik, Produktivitätseffekte
- Make, Buy, Partner: typische Betriebsmodelle
- Strategie: von Use Cases zu Werttreibern
- Use-Case-Portfolio nach Wert, Risiko, Machbarkeit
- Build vs. SaaS: Vendor-Realität, Lock-in, Exit
- KPIs: Time-to-Value, Qualitäts- und Kostenhebel
- Governance, Haftung, Regulierung
- EU AI Act: Pflichten, Rollen, Nachweise
- DSGVO, Urheberrecht, Betriebsgeheimnisse
- Accountability: wer entscheidet, wer dokumentiert
- Risiko- und Kontrollsystem für KI
- Modellrisiken: Halluzinationen, Bias, Drift
- Kontrollen: Human-in-the-Loop, Freigaben, Logging
- Third-Party-Risiken: Cloud, Modelle, Daten
- Cybersecurity & Daten als Engpass
- Prompt Injection, Data Poisoning, Model Stealing
- Schutz von sensiblen Daten und IP
- Data Governance: Qualität, Zugriff, Klassifizierung
- Operating Model & Change
- Rollen: Product Owner, Legal, CISO, DPO, Audit
- AI Center of Excellence vs. Föderation
- Qualifizierung, Kommunikation, Betriebsrat
