Dieser Kurs vermittelt grundlegendes Wissen zum sicheren, verantwortungsvollen und praxisnahen Umgang mit Künstlicher Intelligenz im Arbeitsalltag. Die Teilnehmenden lernen, was KI und generative KI leisten können, wo ihre Grenzen liegen und welche Risiken bei Datenschutz, Vertraulichkeit, Urheberrecht, Qualität, Bias, Halluzinationen, IT-Sicherheit und Compliance entstehen können.
Im Mittelpunkt steht nicht die technische Entwicklung von KI-Modellen, sondern der bewusste und sichere Einsatz von KI-Tools durch Mitarbeitende, Führungskräfte und Fachbereiche. Der Kurs zeigt, welche Informationen in KI-Systeme eingegeben werden dürfen, wie KI-Ergebnisse geprüft werden müssen, warum menschliche Kontrolle wichtig bleibt und wie Organisationen klare Regeln für den KI-Einsatz schaffen.
Der Kurs unterstützt Organisationen dabei, KI-Kompetenz aufzubauen, sichere Nutzung zu fördern und typische Fehler wie unbedachte Eingabe personenbezogener Daten, Nutzung nicht freigegebener Tools, ungeprüfte Übernahme von KI-Antworten oder unklare Verantwortlichkeiten zu vermeiden.
Kursübersicht
| Feld | Inhalt |
|---|---|
| Kurstitel | KI-Awareness: Sicherer und verantwortungsvoller Umgang mit Künstlicher Intelligenz |
| Optionaler Untertitel | KI sicher, bewusst und regelkonform im Arbeitsalltag nutzen |
| Kurstyp | Awareness-Schulung / Mitarbeiterschulung / Compliance-Grundlagenschulung |
| Zielgruppe | Mitarbeitende, Führungskräfte, HR, Marketing, Support, Vertrieb, Verwaltung, Kursmanagement, IT-nahe Rollen, Datenschutzkoordination, Compliance, Qualitätsmanagement |
| Schwerpunkt | KI-Grundlagen, generative KI, sichere Nutzung, Datenschutz, Vertraulichkeit, Qualität, Bias, Urheberrecht, KI-Sicherheitsrisiken, EU AI Act, KI-Governance |
| Empfohlene Gesamtdauer | ca. 7–10 Stunden, abhängig von Vertiefung und Übungen |
| Schwierigkeitsgrad | Einsteiger bis Fortgeschrittene |
| Format | LearnDash-Kurs mit Lektionen, Tabellen, Praxisbeispielen, Merksätzen, Übungen, Antwortvorlagen und Abschlussprüfung |
| Quizstruktur | Keine Quizfragen innerhalb einzelner Lektionen; Prüfungsfragen gesammelt am Kursende als separate Abschlussprüfung |
| Abschluss | Abschlussprüfung mit Fragen zum gesamten Kurs |
| Ziel des Kurses | Teilnehmende können KI-Tools sicher, bewusst und verantwortungsvoll nutzen und typische Risiken im Arbeitsalltag vermeiden. |
Einordnung zu aktuellen Anforderungen
| Thema | Bedeutung für den Kurs |
|---|---|
| EU AI Act | Der AI Act ist am 1. August 2024 in Kraft getreten und gilt stufenweise; die Europäische Kommission nennt unter anderem den 2. Februar 2025 für allgemeine Bestimmungen, Definitionen, KI-Kompetenz und Verbote sowie weitere Anwendungsschritte in 2025, 2026 und 2027. |
| AI Literacy / KI-Kompetenz | Art. 4 des AI Act verlangt Maßnahmen zur KI-Kompetenz für Personen, die im Auftrag von Anbietern oder Betreibern mit KI-Systemen umgehen. |
| Vertrauenswürdige KI | NIST beschreibt vertrauenswürdige KI unter anderem anhand von Merkmalen wie Zuverlässigkeit, Sicherheit, Resilienz, Transparenz, Erklärbarkeit, Datenschutzfreundlichkeit und Fairness. |
| Generative KI-Risiken | NIST stellt mit dem Generative AI Profile ein ergänzendes Profil zum AI Risk Management Framework bereit, um spezifische Risiken generativer KI systematisch zu behandeln. |
| KI-Managementsysteme | ISO/IEC 42001 ist laut ISO der erste internationale Standard für KI-Managementsysteme und unterstützt Organisationen dabei, Risiken und Chancen von KI strukturiert zu steuern. |
| Datenschutz und KI | Der Europäische Datenschutzausschuss betont, dass verantwortliche KI-Innovation den Schutz personenbezogener Daten und die Einhaltung der DSGVO berücksichtigen muss. |
Übergeordnete Lernziele des Kurses
Nach Abschluss des Kurses können die Teilnehmenden:
| Nr. | Lernziel |
|---|---|
| 1 | erklären, was Künstliche Intelligenz und generative KI im Arbeitsalltag bedeuten, |
| 2 | typische Einsatzmöglichkeiten und Grenzen von KI-Tools erkennen, |
| 3 | sichere und unsichere Eingaben in KI-Systeme unterscheiden, |
| 4 | personenbezogene Daten, vertrauliche Informationen und Geschäftsgeheimnisse beim KI-Einsatz schützen, |
| 5 | KI-Ergebnisse kritisch prüfen und Halluzinationen erkennen, |
| 6 | Bias, Diskriminierung und Fairness-Risiken grundlegend einordnen, |
| 7 | urheberrechtliche und quellenbezogene Risiken bei KI-Inhalten erkennen, |
| 8 | KI-Sicherheitsrisiken wie Prompt Injection, Datenabfluss, Deepfakes und Schatten-KI verstehen, |
| 9 | geeignete Freigabe-, Nutzungs- und Meldeprozesse für KI anwenden, |
| 10 | die Bedeutung von menschlicher Kontrolle und Verantwortung erklären, |
| 11 | den EU AI Act und KI-Kompetenzpflichten auf Grundlagenniveau einordnen, |
| 12 | KI verantwortungsvoll, sicher und regelkonform im eigenen Arbeitsbereich einsetzen. |
Kursinhalt
| Nr. | Lektion | Lernziel | Inhalt |
|---|---|---|---|
| 1 | Einführung in Künstliche Intelligenz und KI-Awareness | Verstehen, was KI ist und warum KI-Kompetenz im Arbeitsalltag wichtig ist. | KI-Begriff, generative KI, typische Tools, Chancen, Risiken, AI Literacy, Verantwortung jedes Einzelnen. |
| 2 | Grundlagen generativer KI: Prompts, Modelle und Ausgaben | Verstehen, wie generative KI grundsätzlich arbeitet und warum Ergebnisse geprüft werden müssen. | Sprachmodelle, Prompts, Kontextfenster, Wahrscheinlichkeiten, Trainingsdaten, Ausgaben, Grenzen, typische Fehlannahmen. |
| 3 | Chancen und Grenzen von KI im Arbeitsalltag | Sinnvolle Einsatzbereiche und ungeeignete Nutzungssituationen unterscheiden. | Textentwurf, Zusammenfassung, Analyse, Ideensammlung, Automatisierung, Entscheidungsunterstützung, Grenzen, menschliche Prüfung. |
| 4 | Sicheres Prompting und Qualitätsprüfung | KI-Anfragen sicher formulieren und Ergebnisse kritisch bewerten. | Prompt-Regeln, Kontext, Rollen, Qualitätskriterien, Faktenprüfung, Quellenprüfung, Plausibilität, Review und Dokumentation. |
| 5 | Datenschutz und personenbezogene Daten bei KI | Datenschutzrisiken beim Einsatz von KI erkennen und vermeiden. | Personenbezogene Daten, besondere Kategorien, Zweckbindung, Datenminimierung, Rechtsgrundlage, KI-Eingaben, Betroffenenrechte, Auftragsverarbeitung. |
| 6 | Vertraulichkeit, Geschäftsgeheimnisse und Datenklassifizierung | Vertrauliche Informationen vor unkontrollierter KI-Nutzung schützen. | Geschäftsgeheimnisse, Kundendaten, HR-Daten, Sicherheitsinformationen, interne Dokumente, Klassifizierungsstufen, erlaubte und verbotene Eingaben. |
| 7 | Halluzinationen, Fehler, Bias und Fairness | KI-Antworten kritisch bewerten und Risiken fehlerhafter oder unfairer Ergebnisse erkennen. | Halluzinationen, Verzerrungen, diskriminierende Ergebnisse, unvollständige Daten, falsche Sicherheit, Fairness-Prüfung, menschliche Kontrolle. |
| 8 | Urheberrecht, Quellen und Kennzeichnung von KI-Inhalten | Rechtliche und praktische Risiken bei KI-generierten Inhalten verstehen. | Quellen, Zitate, Plagiate, Bild- und Textgenerierung, interne Nutzung, externe Veröffentlichung, Kennzeichnung, Freigabeprozesse. |
| 9 | KI-Sicherheitsrisiken: Prompt Injection, Datenabfluss und Deepfakes | Cybersecurity-Risiken durch KI erkennen und sicher reagieren. | Prompt Injection, Jailbreaks, manipulierte Inhalte, Schatten-KI, Deepfakes, Phishing mit KI, Datenabfluss, Tool-Freigabe. |
| 10 | KI in Arbeitsprozessen sicher einsetzen | KI-Nutzung in Fachbereichen strukturiert und kontrolliert einführen. | Use-Case-Prüfung, Toolfreigabe, Rollen, Verantwortlichkeiten, Eingabe- und Ausgabeprüfung, Dokumentation, Prozessintegration. |
| 11 | EU AI Act, KI-Kompetenz und Compliance-Grundlagen | Rechtliche Grundanforderungen und KI-Kompetenzpflichten einordnen. | EU AI Act, AI Literacy, verbotene Praktiken, Risikoklassen, Hochrisiko-KI-Grundlagen, Transparenz, menschliche Aufsicht, Nachweise. |
| 12 | KI-Governance, Richtlinien, Meldewege und kontinuierliche Verbesserung | Organisationale Regeln für sicheren KI-Einsatz verstehen und anwenden. | KI-Richtlinie, Freigabeprozess, Rollenmodell, KI-Inventar, Schulungsnachweise, Monitoring, Vorfälle, Beschwerden, Änderungen und Reviews. |
Didaktischer Aufbau
| Bestandteil | Umsetzung im Kurs |
|---|---|
| Grundverständnis | Die ersten Lektionen erklären KI, generative KI, Prompts und typische Nutzungssituationen. |
| Sichere Anwendung | Teilnehmende lernen, welche Daten sie eingeben dürfen, wie Prompts formuliert werden und wie Ergebnisse geprüft werden. |
| Risikoerkennung | Datenschutz, Vertraulichkeit, Bias, Halluzinationen, Urheberrecht und Sicherheitsrisiken werden praxisnah behandelt. |
| Arbeitsalltag | Beispiele beziehen sich auf E-Mail, Support, HR, Marketing, Kursmanagement, Dokumentenerstellung und Analyse. |
| Governance und Compliance | EU AI Act, AI Literacy, Rollen, Freigaben, Dokumentation und Meldewege werden verständlich eingeordnet. |
| Praxisübungen | Jede Lektion enthält Übungen und Antwortvorlagen für den eigenen Arbeitsbereich. |
| Fehlervermeidung | Typische Fehlhandlungen werden klar benannt und durch bessere Vorgehensweisen ersetzt. |
| Abschlussprüfung | Die Prüfungsfragen werden gesammelt am Ende des Kurses erstellt. |
Geeignet für
| Zielgruppe | Nutzen |
|---|---|
| Alle Mitarbeitenden | Sicherer und bewusster Umgang mit KI-Tools im Arbeitsalltag. |
| Führungskräfte | Verantwortung, Freigabeprozesse und Vorbildfunktion beim KI-Einsatz verstehen. |
| HR | KI-Risiken bei Bewerbungen, Beschäftigtendaten, Schulungen und Leistungsbezug erkennen. |
| Marketing und Kommunikation | KI-Inhalte, Quellen, Urheberrecht, Kennzeichnung und Freigaben sicherer handhaben. |
| Support und Kundenservice | Kundendaten, Tickets, Freitexte und KI-Antworten sicher prüfen. |
| Vertrieb und Verwaltung | KI für Texte, Zusammenfassungen und Analysen nutzen, ohne vertrauliche Daten offenzulegen. |
| Datenschutz und Compliance | KI-Nutzung, Datenschutz, Auftragsverarbeitung, Nachweise und Meldewege verbinden. |
| IT und Informationssicherheit | Schatten-KI, Prompt Injection, Toolfreigabe, Datenabfluss und technische Schutzmaßnahmen einordnen. |
| Kursmanagement / LearnDash-Administration | KI bei Schulungsinhalten, Teilnehmerkommunikation und Zertifikatsprozessen sicher einsetzen. |
Abschluss des Kurses
Am Ende des Kurses wird eine separate Abschlussprüfung erstellt. Die Prüfung sollte praxisnahe Fallbeispiele enthalten, zum Beispiel:
| Prüfungsbereich | Beispielhafte Inhalte |
|---|---|
| KI-Grundlagen | KI, generative KI, Prompts, Ausgaben und Grenzen. |
| Sichere Nutzung | erlaubte und ungeeignete Eingaben, Toolfreigaben, Reviewpflichten. |
| Datenschutz | personenbezogene Daten, besondere Kategorien, Datenminimierung, Zweckbindung. |
| Vertraulichkeit | Geschäftsgeheimnisse, Kundendaten, HR-Daten, Sicherheitsinformationen. |
| Qualität | Halluzinationen, Faktenprüfung, Quellenprüfung, menschliche Kontrolle. |
| Fairness und Bias | Verzerrungen, Diskriminierung, Risikobewertung. |
| Urheberrecht und Quellen | KI-Inhalte, Zitate, Veröffentlichung, Kennzeichnung. |
| KI-Sicherheit | Prompt Injection, Deepfakes, Schatten-KI, Datenabfluss. |
| Compliance | EU AI Act, AI Literacy, Rollen, Nachweise, Freigabeprozesse. |
| Governance | KI-Richtlinie, KI-Inventar, Meldewege, kontinuierliche Verbesserung. |
