Bewertung von Maßnahmen zur Risikominderung und Umsetzung von Strategien zur Verringerung von Verzerrungen, die zu messbaren Verbesserungen führen.

In diesem Modul lernen die Teilnehmer, wie sie Verzerrungen in der Repräsentation von Datensätzen erkennen, Resampling-Strategien wie SMOTE anwenden und deren Auswirkungen auf die Modellleistung in verschiedenen demografischen Gruppen bewerten können.

Die Lernenden werden die Auswirkungen von Verfahren zur Verringerung von Verzerrungen auf die Leistung und Fairness von KI-Systemen bewerten und die Ergebnisse anschließend den Beteiligten klar vermitteln, um eine fundierte Entscheidungsfindung zu ermöglichen.

Wenden Sie Differential-Privacy-Rauschen auf die Abfrageergebnisse an und messen Sie den Verbrauch des Datenschutzbudgets (ε – Epsilon).

Prüfen Sie, ob Datenschutztechniken die für eine Marketing-Segmentierung erforderliche analytische Genauigkeit gewährleisten.

Ein Modell anhand der Anforderungen der DSGVO und des CCPA analysieren, die Zuordnung der Rechtsgrundlagen dokumentieren und einen Prüfbericht erstellen.

Bewerten Sie Compliance-Lücken und erstellen Sie einen Plan zur Behebung dieser Lücken mit priorisierten Maßnahmen.

Wenden Sie SHAP-Werte auf Black-Box-Modelle an und erstellen Sie Visualisierungen zur Merkmalsbedeutung, die direkt für die Geschäftsleitung geeignet sind.

Bewertung und Vergleich der LIME- und SHAP-Methoden anhand von Treue- und Stabilitätskennzahlen zur systematischen Beurteilung der Erklärbarkeit.

Wenden Sie kontrafaktische Erklärungen und Erklärungen auf Basis von Ersatzmodellen an und bewerten Sie dabei die Vollständigkeit der Erklärungen anhand von Genauigkeitsmetriken, um optimale, auf die Interessengruppen ausgerichtete Ansätze zu erzielen.

Dieses Modul vermittelt den Teilnehmern, wie sie Warnregeln innerhalb einer KI-basierten Entscheidungsplattform konfigurieren, um Leistungs- und Betriebsprobleme zu erkennen. Außerdem überprüfen die Teilnehmer die Latenzzeit vom Dateneingang bis zur Entscheidungsfindung, um zeitnahe, zuverlässige und umsetzbare Erkenntnisse innerhalb strenger Echtzeit-Leistungsgrenzwerte zu gewährleisten.

Dieses Modul vermittelt den Teilnehmern die Fähigkeit, die Funktionen von KI-Plattformen hinsichtlich Benutzerfreundlichkeit, Skalierbarkeit und Governance zu bewerten, die Ergebnisse in einer strukturierten Bewertungsmatrix zusammenzufassen und evidenzbasierte Empfehlungen der Unternehmensleitung effektiv zu vermitteln.

Dieses Modul vermittelt den Teilnehmern, wie sie eine Echtzeit-Streaming-Pipeline mit Kafka und Spark entwerfen und implementieren, die KPIs überwacht, Schwellenwertüberschreitungen erkennt und automatisch datengestützte Entscheidungen auslöst – und das mit geringer Latenz und produktionsreifer Zuverlässigkeit.

Dieses Modul versetzt die Teilnehmer in die Lage, den Systemdurchsatz und die End-to-End-Latenz unter Last zu messen und zu analysieren, die Leistung anhand definierter SLAs zu überprüfen sowie Engpässe zu identifizieren, um einen zuverlässigen, skalierbaren und konformen Systembetrieb sicherzustellen.

Die Lernenden wenden die gemischt-ganzzahlige Programmierung an, um die Logistikkosten unter Berücksichtigung von Lieferzeitbeschränkungen zu minimieren, und geben die prozentualen Einsparungen an.

Die Teilnehmer erstellen ein Modell zur Preiselastizität und simulieren die Auswirkungen dynamischer Preisregeln auf den Umsatz, wobei sie eine prognostizierte Steigerung von ≥5 % erzielen.

Die Lernenden prüfen die Einhaltung der vorgegebenen Preisgrenzen (Mindest-/Höchstpreise) und passen die Regeln entsprechend an.

Die Lernenden werden die Sensitivität des optimierten Plans gegenüber Fehlern in der Nachfrageprognose mithilfe einer Was-wäre-wenn-Analyse bewerten.

Sie entwerfen und implementieren ein vollständiges System zur dynamischen Preisgestaltung, das ethische KI, Datenschutzkonformität, Erklärbarkeit, Echtzeit-Entscheidungslogik sowie Angebots- und Preisoptimierung in einer einzigen, produktionsreifen Lösung vereint. Sie wenden Fairness-Metriken und Techniken der differentiellen Privatsphäre an, um eine verantwortungsvolle Datennutzung sicherzustellen, generieren SHAP-basierte Erklärungen für Preisentscheidungen, implementieren und validieren Preis-Sicherheitsgrenzen und entwerfen eine Echtzeit-Auslöse-Logik für automatisierte Preisaktualisierungen. Das fertige System veranschaulicht den gesamten Lebenszyklus eines verantwortungsvollen KI-Einsatzes im Unternehmensmaßstab.