KI-Ethik im Unternehmen
Stand 2026-09-03
5 Dimensionen: Fairness · Transparenz · Verantwortlichkeit · menschliche Aufsicht · Datenschutz. Senior-Muster: über Artefakte operationalisieren (Bias-Dashboard, Transparenzhinweise, benannter Art. 17, HITL-Warteschlange, automatische Löschfristen) — NICHT über 12-seitige Richtlinien. Frontpage-Test: verteidigbar? Falls nein, neu gestalten. Branchenüberlagerungen: Banking · Pharma · Public Sector — ein Rahmenwerk plus Überlagerungen, nicht separat pro Projekt.
Was Sie lernen
- Das 5-Dimensionen-Ethik-Audit (Fairness, Transparenz, Verantwortlichkeit, menschliche Aufsicht, Datenschutz) auf ein produktives KI-Feature anwenden und dessen schwächste Dimension identifizieren
- Ethik über Artefakte operationalisieren — wöchentliches Bias-Dashboard, Transparenzhinweise, ein benannter Art.-17-Verantwortlicher pro System, eine HITL-Warteschlange, automatischer Ablauf der Aufbewahrungsfrist — statt eines eigenständigen Richtliniendokuments
- Den „Titelseiten-Test“ bei jedem Meilenstein anwenden und die für Art. 27 FRIA erforderlichen Wege für Erklärung, Widerspruch und Nicht-KI-Alternative für betroffene Personen gestalten
- Das einzige Ethik-Rahmenwerk mit der passenden Branchenüberlagerung anpassen (Banking DG-AS/EZB, Pharma-Schutz klinischer Studien, öffentlicher Sektor CNIL/Datenschutzbehörde) statt für jedes Projekt ein neues Rahmenwerk abzuzweigen
Modulüberblick
Ethik in Enterprise-KI ist kein Philosophiekurs — es ist die operative Disziplin, die aus „wir haben ein KI-Feature gebaut“ ein „wir haben ein KI-Feature gebaut, das das Unternehmen vor einem Regulator, einem Journalisten oder einer betroffenen Person verteidigen würde“ macht. EU AI Act Art. 13 + Art. 14 + Art. 27 (Grundrechte-Folgenabschätzung) machen dies zu einer harten Pflicht, keiner weichen Option.
Die 5 Ethik-Dimensionen der Enterprise-KI.
- Fairness — Gleichbehandlung über geschützte Merkmale hinweg. Quantifiziert über stratifizierte Bias-Evaluierung (M057). Vorgabe: EU AI Act Art. 15.
- Transparenz — Nutzer und betroffene Personen verstehen die Rolle der KI. EU AI Act Art. 13 (Transparenz gegenüber dem Betreiber) + Art. 50 (nutzerseitige Transparenz für eingesetzte Systeme).
- Verantwortlichkeit — benannte verantwortliche Person für die Ergebnisse des Systems. EU AI Act Art. 17 (QMS des Anbieters) + Art. 26 (Pflichten des Betreibers).
- Menschliche Aufsicht — Mensch prüft/übersteuert bei folgenreichen Entscheidungen. EU AI Act Art. 14.
- Datenschutz — DAC + Aufbewahrung + Datenminimierung. DSGVO + EU AI Act.
Voraussetzungen
- Zunächst die Kernkonzepte durcharbeiten: C087, C029, C027
Lernergebnisse
- Ein realistisches Szenario durcharbeiten: Bank führt Joule-Skill für Kreditrisiko ein. 8-wöchiges Ethik-Readiness-Programm.
- Das Anti-Pattern erkennen und vermeiden: 12-seitige Richtlinie ohne Artefakte — Klingt gut; übersteht kein Audit.
- Die Kernentscheidung des Moduls anwenden: Schwerpunkt Richtlinie vs. Artefakt — Artefakte dominant wählen; Richtlinie = schlanker Index, der auf Artefakte verweist, nicht 12-seitige Richtlinie ohne operative Unterlegung.
- Die Beherrschung mit dem KPI verfolgen: Bias-Delta WoW (Ziel: < 2 % Drift; Warnsignal: > 5 % unkorrigierte Drift).
Vollständiges Modul für Mitglieder. Das vollständige Modul ergänzt: den Entscheidungsrahmen · das durchgehende Szenario · die KPI-Scorecard · die Anti-Muster · die Codeblöcke · die Wissenskontrolle · die Schemata.