Modul 3 · Künstliche Intelligenz und Gesellschaft Frei zugänglich

3.2 Trustworthy AI

Teilmodul des MBA-Selbststudiums „Digitale Transformation & Künstliche Intelligenz“. Überblick, Zusammenfassung und Präsentation zum Nachlesen — mit anschließendem Selbsttest.

M3-LV2 · Deutsch · Pflichtlehrveranstaltung · Asynchrone Online-Lehrveranstaltung

← Zurück zur MBA-Übersicht

Vorstellung des Teilmoduls

Worum es in diesem Teilmodul geht.

Teilmodul 3.2 macht aus der Ethik ein Prüfraster: Was heißt vertrauenswürdige KI konkret — und wie unterscheidet sich objektive Vertrauenswürdigkeit vom subjektiven Vertrauen? Es verbindet die sieben HLEG-Prinzipien mit dem Rechtsrahmen des AI Act und den Werkzeugen für Fairness und Erklärbarkeit.

Der Bogen reicht von Begriffen (Trustworthiness vs. Trust) über das Fairness-Datenschutz-Paradox und das Unmöglichkeitsresultat der Fairness bis zu erklärbarer KI (SHAP/LIME, mechanistische Interpretierbarkeit) und einer Fallstudie, die Claude und Mistral entlang der HLEG-Prinzipien vergleicht.

Inhalt in fünf Kapiteln und einer Fallstudie

  • Begriffe — Trustworthiness vs. Trust; Trustworthy, Responsible und Ethical AI im Verhältnis
  • Rechtsrahmen — die vier Risikoklassen des AI Act und das Fairness-Datenschutz-Paradox (Art. 10 AI Act ↔ Art. 9 DSGVO)
  • Fairness — das Unmöglichkeitsresultat (Kleinberg, Chouldechova) und Pre-/In-/Post-Processing
  • Ethik — Ethics Washing, Zielkonflikte der Prinzipien und der AMS-Algorithmus
  • Erklärbare KI (XAI) — Faithfulness, SHAP/LIME vs. mechanistische Interpretierbarkeit als Souveränitätsfrage

Fallstudie: Claude vs. Mistral entlang der sieben HLEG-Anforderungen — mit dem CLOUD Act als strukturellem Beschaffungshindernis.

Nach dieser Einheit können Sie …
  • Trustworthiness von Trust unterscheiden und Akzeptanz als Vertrauensfrage einordnen,
  • die Risikoklassen des AI Act und das Fairness-Datenschutz-Paradox rechtssicher auflösen,
  • das Unmöglichkeitsresultat der Fairness als normative Leitungsentscheidung behandeln,
  • Grenzen und Souveränitätsaspekte erklärbarer KI (XAI) beurteilen,
  • KI-Systeme entlang der sieben HLEG-Prinzipien vergleichen und wertebasiert auswählen.
Kursunterlagen

Präsentation ansehen, Unterlagen herunterladen.

Die Präsentation als Foliensatz direkt im Browser. Präsentation und Zusammenfassung stehen zusätzlich zum Download bereit.

Selbsttest

Prüfen Sie Ihr Wissen.

18 Fragen aus allen Kapiteln und der Fallstudie. Der Selbsttest wird freigeschaltet, sobald Sie Zusammenfassung und Präsentation durchgearbeitet haben. Ihr Fortschritt wird nur lokal in Ihrem Browser gespeichert.

Beide Schritte abhaken, um den Selbsttest zu starten.

Noch gesperrt — bitte beide Schritte oben abhaken.