*Wir passen den Kursaufbau und die Inhalte an Ihre spezifischen Anforderungen und relevanten Anwendungsfälle an.
Modul 1: Eine skalierbare watsonx.governance Implementierung gestalten
- Governance über Geschäftsbereiche, AI Use Cases, Modelle, Anwendungen und Agents hinweg strukturieren
- Ownership, Accountability, Review Verantwortlichkeiten und Lifecycle Stages definieren
- Governance Anforderungen mit AI Entwicklungs- und Deployment Prozessen verbinden
- Klare Grenzen zwischen Governance, Risk, Compliance, Model Management und technischer Assurance etablieren
Modul 2: Fortgeschrittenes AI Inventory, Use Cases und Factsheets
- AI Use Cases und kontrollierte Assets für konsistentes Lifecycle Tracking strukturieren
- Modelle, Deployments, Prompts, Agents, externe Services und unterstützende Evidenz erfassen
- Factsheets zur Dokumentation von Entwicklung, Validierung, Deployment und Governance Informationen konfigurieren
- Beziehungen zwischen Business Use Cases, technischen Assets, Ownern und Lifecycle Status verwalten
Modul 3: Risiken, Controls, Policies und regulatorische Anforderungen
- AI Risiken mit Controls, Policies, Ownern und Mitigationsmaßnahmen verbinden
- Assessments und Kontrollnachweise für wiederholbare Governance Prozesse strukturieren
- Governance Aktivitäten mit Rahmenwerken wie EU AI Act, NIST AI RMF und ISO/IEC 42001 verbinden
- Ausnahmen, Remediation, Freigaben und Evidenz über den AI Lifecycle hinweg verwalten
Modul 4: Governance Workflows und Freigabeprozesse
- Review und Approval Workflows für Onboarding, Validierung, Deployment und wesentliche Änderungen gestalten
- Tasks und Verantwortlichkeiten geeigneten Governance Stakeholdern zuweisen
- Checkpoints anhand von Risiko, Lifecycle Stage und organisatorischen Policies konfigurieren
- Workflow Evidenz und Governance Entscheidungen für spätere Reviews nachvollziehbar halten
Modul 5: AI Evaluation und Evaluation Studio implementieren
- Geeignete Evaluationskriterien für unterschiedliche AI Use Cases definieren
- AI Assets anhand relevanter Quality-, Reliability-, Fairness- und Risikometriken vergleichen
- Evaluation Thresholds konfigurieren und Assessment Ergebnisse interpretieren
- Evaluationsergebnisse mit Governance Entscheidungen und Remediation Aktivitäten verbinden
Modul 6: Generative AI und Agent Monitoring
- Evaluationsdimensionen für Foundation Models, Prompts, RAG Anwendungen und AI Agents auswählen
- Qualität, Safety, Performance und weitere relevante operative Indikatoren überwachen
- Beobachtetes Verhalten mit Risiken, Controls und Governance Anforderungen verbinden
- Eskalations- und Review Prozesse etablieren, wenn definierte Thresholds überschritten werden
Modul 7: AI Asset Discovery und Shadow AI Governance
- AI Agents, Modelle, Tools, MCP Server, Knowledge Sources und verbundene Assets in unterstützten Umgebungen erkennen
- Entdeckte Assets prüfen und bestehenden oder neuen Governance Use Cases zuordnen
- Automated Handling Rules zur Unterstützung skalierbarer Governance einsetzen
- Änderungen an entdeckten Assets verwalten und eine nachvollziehbare Sicht auf die sich verändernde AI Landschaft erhalten
Modul 8: Governance mit AI und Observability Plattformen integrieren
- watsonx.governance mit unterstützten AI Entwicklungs- und Deployment Umgebungen verbinden
- Monitoring und Observability Signale in Governance Prozesse integrieren
- Operative Evidenz mit Risiken, Policies, Controls und verantwortlichen Ownern verbinden
- Integrationsmuster gestalten, die unnötige Duplizierung zwischen technischen und Governance Systemen vermeiden
Modul 9: Continuous Controls und Enforcement Tracking
- Von dokumentierten Governance Anforderungen zu kontinuierlicher Evidenz über die Wirksamkeit von Controls übergehen
- Evaluation und operative Metriken mit Governance Policies und Controls verbinden
- Überwachen, ob AI Systeme weiterhin innerhalb genehmigter Thresholds arbeiten
- Remediation und Eskalationsprozesse gestalten, wenn Controls nicht mehr erfüllt werden
Modul 10: Automatisierung, APIs und Governance at Scale
- Wiederkehrende Governance Aktivitäten identifizieren, die sich für Automatisierung eignen
- Verfügbare APIs und Integrationen zum Austausch von Governance Daten mit angrenzenden Systemen einsetzen
- Onboarding, Evidenzerfassung, Status Updates und ausgewählte Workflow Aktivitäten automatisieren
- Automatisierung einsetzen, ohne Accountability, Freigaben oder Auditierbarkeit zu schwächen
Modul 11: Governance Transparenz, Reporting und AI Assurance
- Governance Beziehungen nutzen, um Verbindungen zwischen AI Assets, Risiken, Controls, Policies und Ownern zu verstehen
- Reporting Ansichten für Governance Teams, technische Teams, Risk Funktionen und Management gestalten
- Governance Status mit Geschäftszielen und messbarem AI Wert verbinden
- Kontinuierliche Evidenz und operative Informationen zur Unterstützung von AI Assurance und Audit Readiness einsetzen
Modul 12: Production Operating Model und kontinuierliche Verbesserung
- Verantwortlichkeiten für Plattformadministration, Governance Ownership, technische Integration und Support etablieren
- Wiederkehrende Reviews für AI Assets, Risiken, Controls, Evaluations und regulatorische Anforderungen definieren
- Plattformänderungen, neue AI Asset Typen, Integrationen und Governance Anforderungen langfristig verwalten
- Eine praktische Production Readiness Checkliste für Governance, Sicherheit, Monitoring, Automatisierung, Ownership und Auditierbarkeit aufbauen