Vollständiger Kursplan

AI Governance & Transformation

Künstliche Intelligenz verändert Unternehmen grundlegend – doch eine gelungene KI-Transformation braucht mehr als neue Technologie. Sie braucht Menschen, die Innovation mit Verantwortung verbinden und Wandel strategisch begleiten. Genau dort setzt diese sechswöchige Weiterbildung an.

Zurück zum Kurs
Dauer: 6 Wochen in Vollzeit
Format: 100 % Remote · Vollzeit
Sprache: Deutsch
Vorkenntnisse: Keine Vorkenntnisse erforderlich
Abschluss: Zertifikat
Förderung: 100 % Bildungsgutschein

Phase 1: Digitale Transformation & KI-Kompetenz für Führungskräfte

  • Die vier Wellen der Digitalisierung kategorisieren und KI-Technologien auf Leadership-Ebene bewerten.
  • Ein umfassendes Digital Maturity Assessment für ein Beispielunternehmen durchführen, gestützt auf AI-Readiness-Scorecards und branchenspezifische Benchmarks.
  • Artikel 4 des EU AI Acts – die Pflicht zur KI-Kompetenz – praktisch im Unternehmen umsetzen.
  • Strukturierte Prompting-Techniken für Enterprise-KI-Werkzeuge: System-Prompts, Role-Task-Context, Few-Shot und Evaluation-Prompts.

Phase 2: Change Management & organisationale Bereitschaft

  • Die Change-Management-Frameworks ADKAR und das 8-Stufen-Modell von Kotter auf die KI-Transformation anwenden.
  • Das Veränderungsmodell von Lewin und seinen Einfluss auf moderne Ansätze verstehen.
  • Eine Change-Readiness-Analyse durchführen, typische Widerstände identifizieren und Gegenstrategien entwickeln – bis zur Force-Field-Analyse und zum Kommunikationsplan.
  • Die Rolle des Transformations-Managers als Change Agent definieren.

Phase 3: KI-Plattformen, Agenten & Grundlagen der Data Governance

  • Enterprise-KI-Plattformen und -Anbieter anhand gewichteter Kriterien bewerten.
  • Zwischen den Paradigmen Agent, Copilot und Workflow-Automatisierung unterscheiden und agentische Architekturen wie ReAct und Plan-and-Execute einordnen.
  • Praktisch einen eigenen MCP-Server mit sicheren Read-only- und Write-with-Approval-Workflows implementieren.
  • Data-Governance-Prinzipien wie RACI und Data Cataloging anwenden und Agenten-Risiken wie Halluzinationen, Tool-Missbrauch und Prompt Injection minimieren.

Phase 4: Stakeholder-Management & Key-User-Strategie

  • Stakeholder mit Macht-Interesse-Matrix und RACI-Matrizen für die Einführung interner KI-Agenten analysieren.
  • Key-User- und Champions-Programme konzipieren und einen Kommunikationsplan für die Transformation erstellen.
  • KI-Werkzeuge nutzen, um Stakeholder-Analyse und Kommunikationsdesign zu beschleunigen – inklusive Executive-Briefing-Simulation.

Phase 5: KI-Governance, Ethik & regulatorische Rahmenbedingungen

  • Den EU AI Act mit Risikokategorien, Art. 4, Art. 6 und Anhang III auf Standard- und agentische Anwendungsfälle anwenden.
  • Ein KI-Governance-Framework nach ISO 42001 konzipieren und ethische Prinzipien in KI-Projekte integrieren.
  • DSGVO-Konformität, menschliche Aufsicht und Freigabekontrollen sicherstellen und die Dokumentation für tool-integrierte Systeme pflegen.
  • Eine Compliance-Audit-Simulation durchlaufen.

Phase 6: KI-ROI, Business Case & Abschlussprojekt

  • Einen KI-Business-Case mit ROI-, TCO- und Amortisationsrechnungen erstellen.
  • Zentrale Kennzahlen zur Bewertung von KI-Investitionen anwenden.
  • Im Abschlussprojekt alle Kompetenzen zusammenführen und ein umfassendes Transformations-Assessment präsentieren.