Praktische Übungen und Fallstudien zum Einsatz von Künstlicher Intelligenz
Praktische Übungen und Fallstudien machen das theoretische Wissen anwendbar. Es geht nicht darum, KI-Systeme selbst zu entwickeln, sondern sie im Arbeitsalltag verantwortungsvoll und rechtssicher zu nutzen. Die folgenden Übungen und Fallstudien knüpfen an die Inhalte der vorangegangenen Module an.

Praktische Übungen
- Prompt-Eingabe mit Datenschutzprüfung – Ziel: Sensibilisierung, welche Daten in KI-Werkzeuge eingegeben werden dürfen. Übung: Die Teilnehmenden erhalten Beispiel-Aufgaben (z. B. „Fasse diese E-Mail zusammen”, „Formuliere ein Kündigungsschreiben für Herrn Müller”) und entscheiden je Aufgabe, ob und wie sie ein KI-Werkzeug nutzen dürfen und welche Angaben vorher zu entfernen sind. Anschließend wird besprochen, welche Daten personenbezogen oder vertraulich sind (Modul 2 und 4).
- KI-Ergebnisse überprüfen – Ziel: Einüben der kritischen Prüfung von KI-Ausgaben (Halluzinationen). Übung: Die Teilnehmenden prüfen einen KI-Text mit eingebauten Fehlern (erfundene Quellen, falsche Zahlen, unzutreffende Aussagen) gegen verlässliche Quellen und markieren, was nicht ungeprüft übernommen werden dürfte (Modul 8).
- Risikoklassen zuordnen – Ziel: Verständnis der Risikoklassen des EU AI Act. Übung: Die Teilnehmenden ordnen KI-Anwendungen aus dem eigenen Umfeld den Klassen zu (verboten, hoch, begrenzt, minimal) und begründen ihre Einschätzung – z. B. Kundenservice-Chatbot, Bewerber-Vorauswahl-Tool oder Spamfilter (Modul 3 und 5).
- Kennzeichnung von KI-Inhalten – Ziel: Anwendung der Transparenzpflichten. Übung: Anhand konkreter Situationen (KI-generierter Social-Media-Beitrag, Website-Chatbot, KI-erstelltes Produktbild, intern genutzte Zusammenfassung) entscheiden die Teilnehmenden, ob und wie eine Kennzeichnung als KI erforderlich ist (Modul 5).
- Tool-Freigabe-Check – Ziel: Anwendung interner Regeln zur KI-Nutzung. Übung: Die Teilnehmenden prüfen anhand einer Beispiel-KI-Richtlinie, ob ein Werkzeug für eine Aufgabe genutzt werden darf, und üben, wie ein neues Werkzeug zur Freigabe vorgeschlagen wird (Modul 7 und 9).
Fallstudien
- KI im Kundenservice: Ein Unternehmen setzt einen Chatbot ein. Analyse von Implementierung, Ergebnissen und Auswirkungen auf Kundenzufriedenheit und Effizienz; besonderes Augenmerk auf die Transparenzpflicht, der Chatbot muss klar als KI erkennbar sein (Modul 5).
- Predictive Maintenance in der Produktion: Analyse von Implementierung, Einsparungen sowie Datenqualität und -sicherheit. Beispiel für eine überwiegend unkritische Anwendung mit geringem Risiko.
- Personalisierte Marketingstrategien: Analyse der Verbesserungen in der Kundenansprache sowie der datenschutzrechtlichen Aspekte (Rechtsgrundlage, Datenminimierung) und der Kennzeichnung KI-generierter Werbeinhalte (Modul 4 und 5).
- Automatisierte Finanzanalyse und Betrugserkennung: Analyse von Implementierung und Ergebnissen sowie von Transparenz und Nachvollziehbarkeit; Betrachtung, wann solche Anwendungen (z. B. Kreditwürdigkeitsprüfung von Privatpersonen) in den Hochrisikobereich fallen (Modul 3 und 5).
- KI-gestützte Rekrutierung (Hochrisiko-Fall): der zentrale Hochrisiko-Fall der Schulung. Analyse unter mehreren rechtlichen Blickwinkeln: Einstufung als Hochrisiko-System und Betreiberpflichten (menschliche Aufsicht, Information der Beschäftigten), datenschutzrechtliches Verbot rein automatisierter Entscheidungen, Diskriminierungsschutz nach dem AGG und Mitbestimmung des Betriebsrats (Modul 3, 5, 6 und 7).
- Generative KI im Büroalltag: Mitarbeitende verschiedener Abteilungen nutzen generative KI (Textentwürfe, Recherchen, Auswertungen). Analyse von Nutzen und typischen Risiken (Eingabe sensibler Daten, Halluzinationen, übermäßiges Vertrauen, Schatten-KI) und Erarbeitung einfacher Regeln (Modul 4, 8 und 9). Dieser Fall bildet den Arbeitsalltag der meisten Teilnehmenden am unmittelbarsten ab.
Fazit
Praktische Übungen und Fallstudien machen das theoretische Wissen im Arbeitsalltag anwendbar: die richtigen Daten eingeben, Ergebnisse prüfen, Risiken einschätzen, Systeme rechtlich einordnen und interne Regeln anwenden. So vertiefen die Teilnehmenden ihr Verständnis und gewinnen Sicherheit im täglichen Umgang mit KI – und erfüllen damit zugleich einen Kern der vom EU AI Act geforderten KI-Kompetenz.