Kursbeschreibung
Dieser Kurs vermittelt die Grundlagen und die praktische Umsetzung eines KI-Managementsystems nach ISO/IEC 42001:2023. Die Teilnehmenden lernen, wie Organisationen Künstliche Intelligenz verantwortungsvoll entwickeln, bereitstellen, einsetzen, überwachen und verbessern können.
Im Mittelpunkt steht der Aufbau eines Artificial Intelligence Management System, kurz AIMS. Dieses Managementsystem unterstützt Organisationen dabei, Richtlinien, Rollen, Ziele, Prozesse, Risiken, Chancen, Kontrollen, Nachweise und Verbesserungen rund um KI systematisch zu steuern.
ISO/IEC 42001:2023 ist ein internationaler Standard für KI-Managementsysteme. ISO beschreibt ihn als Standard, der Anforderungen für das Einrichten, Umsetzen, Aufrechterhalten und kontinuierliche Verbessern eines Artificial Intelligence Management System innerhalb von Organisationen festlegt. Der Standard richtet sich an Organisationen, die KI-basierte Produkte oder Dienstleistungen entwickeln, bereitstellen oder nutzen.
Der Kurs ist praxisorientiert aufgebaut und eignet sich für Organisationen, die KI bereits einsetzen oder den Einsatz strukturieren möchten. Dazu gehören zum Beispiel KI-Tools im Büroalltag, generative KI, Assistenzsysteme, KI-gestützte Entscheidungsunterstützung, automatisierte Analysen, Chatbots, KI in Supportprozessen, KI in HR, Marketing, IT, Schulungsentwicklung oder Kundenprozessen.
Kursübersicht
| Feld | Inhalt |
|---|---|
| Kurstitel | ISO/IEC 42001:2023 KI-Managementsystem – Grundlagen, Anforderungen und praktische Umsetzung |
| Optionaler Untertitel | KI verantwortungsvoll steuern, Risiken beherrschen und ein AI Management System aufbauen |
| Kurstyp | Awareness-Schulung / Grundlagenkurs / Managementsystem-Schulung |
| Zielgruppe | Geschäftsleitung, Führungskräfte, KI-Verantwortliche, Datenschutz, Informationssicherheit, Compliance, Qualitätsmanagement, IT, HR, Einkauf, Fachbereiche, interne Auditoren |
| Schwerpunkt | KI-Governance, KI-Risikomanagement, KI-Policy, AI Management System, Rollen, Verantwortlichkeiten, KI-Lebenszyklus, Daten, Transparenz, Monitoring, Audits, Verbesserung |
| Normbezug | ISO/IEC 42001:2023 Information technology — Artificial intelligence — Management system |
| Empfohlene Gesamtdauer | ca. 5–8 Stunden, abhängig von Übungen und Vertiefung |
| Schwierigkeitsgrad | Einsteiger bis Fortgeschrittene |
| Format | LearnDash-Kurs mit Lektionen, Tabellen, Praxisbeispielen, Übungen, Antwortvorlagen und Abschlussprüfung |
| Quizstruktur | Keine Quizfragen innerhalb einzelner Lektionen; Prüfungsfragen gesammelt am Kursende als separate Abschlussprüfung |
| Abschluss | Separate Multiple-Choice-Abschlussprüfung |
| Ziel des Kurses | Teilnehmende verstehen die Anforderungen und Grundprinzipien von ISO/IEC 42001 und können den Aufbau eines KI-Managementsystems praktisch unterstützen. |
Übergeordnete Lernziele des Kurses
Nach Abschluss des Kurses können die Teilnehmenden:
| Nr. | Lernziel |
|---|---|
| 1 | erklären, was ISO/IEC 42001:2023 ist und welchen Zweck ein KI-Managementsystem erfüllt, |
| 2 | den Begriff Artificial Intelligence Management System, kurz AIMS, verständlich einordnen, |
| 3 | typische KI-Anwendungsfälle, KI-Systeme und KI-Risiken im Unternehmen erkennen, |
| 4 | den Zusammenhang zwischen KI-Governance, Datenschutz, Informationssicherheit, Compliance, Qualität und Ethik verstehen, |
| 5 | Kontext, interessierte Parteien und Anwendungsbereich eines KI-Managementsystems bestimmen, |
| 6 | Rollen, Verantwortlichkeiten, KI-Policy und Führungsaufgaben im KI-Management einordnen, |
| 7 | KI-Risiken und Chancen über den KI-Lebenszyklus hinweg bewerten, |
| 8 | KI-Systeme, Daten, Modelle, Anbieter, Tools und Drittparteien systematisch steuern, |
| 9 | Transparenz, menschliche Aufsicht, Fairness, Bias, Datenschutz und Sicherheit als zentrale KI-Anforderungen berücksichtigen, |
| 10 | Monitoring, interne Audits, Managementbewertung und kontinuierliche Verbesserung im KI-Managementsystem unterstützen. |
Kursinhalt
| Nr. | Lektion | Lernziel | Inhalt |
|---|---|---|---|
| 1 | Einführung in ISO/IEC 42001:2023 und KI-Managementsysteme | Verstehen, was ISO/IEC 42001 ist und warum ein KI-Managementsystem benötigt wird. | Zweck der Norm, AIMS-Begriff, Nutzen, Anwendungsbereich, Managementsystemgedanke, PDCA-Zyklus, verantwortungsvolle KI, Zertifizierungsbezug. |
| 2 | Grundlagen von KI, KI-Systemen und KI-Lebenszyklus | Zentrale KI-Begriffe und den Lebenszyklus von KI-Systemen verstehen. | KI-Systeme, generative KI, Modelle, Daten, Training, Einsatz, Monitoring, Stilllegung, Chancen und Grenzen von KI, typische KI-Anwendungsfälle. |
| 3 | Kontext, interessierte Parteien und KI-System-Inventar | Relevante Rahmenbedingungen, Stakeholder und KI-Anwendungen erfassen. | interne und externe Themen, Kunden, Behörden, Mitarbeitende, Betroffene, Anbieter, KI-Inventar, Geltungsbereich des AIMS, Schnittstellen zu bestehenden Managementsystemen. |
| 4 | Führung, KI-Policy, Rollen und Verantwortlichkeiten | Führungspflichten und Verantwortlichkeiten im KI-Managementsystem verstehen. | Management Commitment, KI-Policy, Rollenmodell, KI-Verantwortliche, Fachbereiche, IT, Datenschutz, Informationssicherheit, Compliance, menschliche Verantwortung. |
| 5 | KI-Risikomanagement und AI Impact Assessment | KI-Risiken und Auswirkungen systematisch bewerten. | Risiken und Chancen, Risikokriterien, betroffene Personen, Bias, Fehlentscheidungen, Transparenz, Sicherheit, Datenschutz, Impact Assessment, Risikobehandlung. |
| 6 | Daten-, Modell- und System-Governance | Daten, Modelle und KI-Systeme kontrolliert steuern. | Datenqualität, Datenherkunft, Trainingsdaten, Validierung, Modellverhalten, Dokumentation, Zugriffsschutz, Informationssicherheit, Änderungen, Versionierung. |
| 7 | Transparenz, Fairness, menschliche Aufsicht und verantwortungsvolle Nutzung | Anforderungen an vertrauenswürdige KI praktisch einordnen. | Erklärbarkeit, Transparenz, Kennzeichnung, menschliche Aufsicht, Bias-Prüfung, Fairness, Datenschutz, Betroffenenperspektive, sichere Nutzung generativer KI. |
| 8 | Betrieb, Beschaffung, Drittparteien und KI-Toolfreigabe | KI-Systeme und externe Anbieter sicher in Prozesse integrieren. | Toolfreigabe, Lieferanten, Cloud- und KI-Anbieter, Verträge, Auftragsverarbeitung, Drittparteienrisiken, Schatten-KI, operative Steuerung, sichere KI-Nutzung im Alltag. |
| 9 | Monitoring, Messung, interne Audits und Managementbewertung | Wirksamkeit des KI-Managementsystems überwachen und bewerten. | Kennzahlen, Kontrollprüfungen, Vorfälle, Abweichungen, interne Audits, Auditnachweise, Managementbewertung, Berichtswesen, Nachweisfähigkeit. |
| 10 | Verbesserung, Zertifizierungsvorbereitung und regulatorischer Kontext | AIMS kontinuierlich verbessern und auf externe Prüfung vorbereiten. | Nichtkonformitäten, Korrekturmaßnahmen, Lessons Learned, Zertifizierungsvorbereitung, EU AI Act, KI-Kompetenz, Integration mit ISO 27001, ISO 9001 und Datenschutzmanagement. |
