KI-Testmanager für KI-Systeme

Kursüberblick

Ein KI-Testmanager plant, steuert und bewertet die Qualitätssicherung von KI-Systemen, von der Machbarkeitsprüfung bis zum laufenden Betrieb. Im Mittelpunkt stehen Testkonzepte für KI-Anwendungen, die Bewertung von Ergebnisqualität, Risiken und Fehlerbildern sowie die Dokumentation für Freigabe und Audit. Besonderheiten beim Testen von KI-Systemen KI-Systeme liefern wahrscheinliche statt feste Ergebnisse - klassische Testlogik reicht dafür nicht aus. - Unterschiede zwischen regelbasierter Software und KI-Systemen verstehen - Typische Fehlerbilder erkennen: Halluzinationen, Verzerrungen, Instabilität bei neuen Eingaben - Abnahmekriterien für nicht deterministische Ergebnisse festlegen - Rolle des Testmanagers im KI-Projekt gegenüber Projektleitung, Fachbereich und IT klären Testkonzept und Testplanung - Teststrategie für KI-Projekte entlang der Projektphasen entwickeln - Testfälle, Testdaten und Bewertungsmaßstäbe definieren - Qualitätskriterien für Sprachmodelle und KI-Dienste festlegen - Testumgebungen, Werkzeuge und Zuständigkeiten für wiederholbare Tests festlegen - Aufwand, Zeitplan und Ressourcen für Tests planen Sprachmodelle und generative KI prüfen Bei generativer KI entscheidet die Qualität der Antworten über den Nutzen im Arbeitsalltag. - Prompts und Eingabevarianten als Testfälle systematisch aufbauen - Antworten anhand von Referenzbeispielen und Bewertungsraster beurteilen - Verhalten verschiedener Modelle und Versionen vergleichen - Halluzinationen und unzulässige Inhalte erkennen und festhalten Qualität und Fairness bewerten - Ergebnisqualität systematisch messen und vergleichen - Bias und Fairness in Ergebnissen prüfen - Robustheit gegenüber unerwarteten oder fehlerhaften Eingaben beurteilen - Datenqualität und Datengrundlagen als Voraussetzung für verlässliche Tests prüfen Risiken, Regulierung und Dokumentation Prüfbare Nachweise sind bei KI-Systemen die Voraussetzung für eine verantwortungsvolle Freigabe. - Risiken je Anwendungsfall bewerten und priorisieren - Anforderungen aus EU AI Act und Datenschutz in Testkriterien übersetzen - Testergebnisse, Entscheidungen und Freigaben nachvollziehbar dokumentieren - Abstimmung mit Datenschutz, Informationssicherheit und Compliance organisieren KI im laufenden Betrieb überwachen - Qualität nach der Einführung beobachten und Abweichungen erkennen - Rückmeldungen aus dem Betrieb in Verbesserungen übersetzen - Zusammenspiel von Fachbereich, IT und Projektleitung steuern - Berichte zu Testergebnissen für Entscheider verständlich aufbereiten Nach Abschluss können Teilnehmende die Qualitätssicherung von KI-Systemen strukturiert planen, bewerten und verantworten.

Nächste Termine

• 2026-11-17T23:00:00.000Z · 2027-01-19T23:00:00.000Z · Virtuelles Klassenzimmer
• 2026-11-17T23:00:00.000Z · 2027-01-19T23:00:00.000Z · Aachen · Hybrid Learning
• 2026-11-17T23:00:00.000Z · 2027-01-19T23:00:00.000Z · Augsburg, Bayern · Hybrid Learning
• 2026-11-17T23:00:00.000Z · 2027-01-19T23:00:00.000Z · Berlin · Hybrid Learning
• 2026-11-17T23:00:00.000Z · 2027-01-19T23:00:00.000Z · Bielefeld · Hybrid Learning

Weitere Kurse in diesem Fachbereich

• Applied AI & Data Science für Fortgeschrittene

  Clarusway GmbH

• Machine Learning mit TensorFlow

  Talentspring Academy Group

• AI and Machine Learning Specialist with AWS Certified Machine Learning Specialty

  New Horizons Mitte

• Prompten lernen: Data Science und Analysen

  StackFuel GmbH