*Wir passen den Kursaufbau und die Inhalte an Ihre spezifischen Anforderungen und relevanten Anwendungsfälle an.
Modul 1: Eine skalierbare OneTrust AI Governance Architektur gestalten
- Governance über Projekte, AI Systeme, Modelle, Datensätze und AI Agents hinweg strukturieren
- Beziehungen zwischen Business Use Cases und technischen AI Komponenten definieren
- Ownership, Accountability, Berechtigungen und Lifecycle Verantwortlichkeiten gestalten
- Konsistente Governance Muster über unterschiedliche Geschäftsbereiche und AI Technologien hinweg etablieren
Modul 2: Fortgeschrittene Inventory Konfiguration und Lifecycle Management
- Attribute und Metadaten für unterschiedliche AI Inventory Objekttypen konfigurieren
- Beziehungen zwischen Projekten, Systemen, Modellen, Datensätzen und Agents gestalten
- Lifecycle Status, Ownership, Provenance und unterstützende Evidenz verwalten
- Inventory Manager zur konsistenten Konfiguration kontrollierter AI Assets einsetzen
Modul 3: Custom Workflows und Governance Routing
- Individuelle Lifecycle Workflows mit geeigneten Review- und Approval-Stufen gestalten
- Workflow Regeln und Routing anhand von Inventory Typ, Risiko oder organisatorischen Anforderungen konfigurieren
- Governance Aktivitäten den passenden Business-, Risk-, Privacy-, Legal- und technischen Stakeholdern zuweisen
- Stage Changes, Freigaben und Governance Entscheidungen nachvollziehbar halten
Modul 4: Assessments, Risiken, Controls und Regulatory Mapping
- AI Intake-, Risk-, Impact- und Compliance-Assessments für unterschiedliche Use Cases konfigurieren
- Conditions und Rules einsetzen, um Assessments an AI Typ und Risikoprofil anzupassen
- Assessment Ergebnisse mit Risiken, Controls, Ownern und Mitigationsmaßnahmen verbinden
- Governance Anforderungen mit Rahmenwerken und Regelwerken wie EU AI Act, NIST AI RMF und ISO/IEC 42001 verknüpfen
Modul 5: AI Automations und kontinuierliche AI Discovery
- Automatische Discovery von Modellen, Agents, Datensätzen und verbundenen AI Assets in unterstützten Umgebungen konfigurieren
- Lightweight Worker Node und Integrationsanforderungen verstehen
- Erkannte Metadaten, Provenance, Deployment Informationen und technische Attribute prüfen
- Prozesse für Validierung, Ergänzung und Governance automatisch erkannter Assets gestalten
Modul 6: AI Policies und automatisierte Governance Controls
- Organisatorische AI Policies in messbare Policy Objects übersetzen
- Policies anhand von Inventory Attributen, Controls und regulatorischen Anforderungen konfigurieren
- Policy Violations prüfen und Remediation Maßnahmen zuweisen
- Risk Creation, Notifications, Tasks und Integration Triggers zur Operationalisierung von Policy Responses einsetzen
Modul 7: Policy Enforcement über AI Plattformen hinweg
- Governance Policies mit unterstützten Umgebungen wie Azure AI Foundry, AWS Bedrock und Databricks verbinden
- Verstehen, wie Governance Regeln konsistent über mehrere AI Plattformen hinweg angewendet werden können
- Enforcement Actions konfigurieren und Policy Violations prüfen
- Exceptions, Suppressions, Remediation Schritte und verantwortliche Ownership verwalten
Modul 8: AI Agent Governance und Runtime Oversight
- AI Agent Records für Autonomie, Instructions, Modelle, Tools, Datenquellen und operativen Kontext strukturieren
- Agents mit zugehörigen AI Systemen, Modellen, Datensätzen und Business Use Cases verbinden
- Governance Controls auf Tool Zugriff, genehmigte Datenquellen und erlaubte Aktionen anwenden
- Runtime Monitoring und Revalidation nutzen, um Agent Governance bei verändertem Verhalten und neuen Umgebungen aktuell zu halten
Modul 9: OneTrust AI Governance mit Enterprise Systemen integrieren
- AI Governance mit unterstützten Cloud-, Development-, Risk- und Compliance-Umgebungen verbinden
- Integrationsmuster für Asset Discovery, Evidenzerfassung und Workflow Automation gestalten
- Governance Informationen über APIs und Integrationen mit angrenzenden Enterprise Systemen austauschen
- Unnötige Duplizierung zwischen OneTrust und technischen Source Systems vermeiden
Modul 10: Monitoring, Evidenz und Auditierbarkeit
- Inventory Änderungen, Assessment Ergebnisse, Policy Violations und Remediation Aktivitäten verfolgen
- Evidenz aus Governance und operativen Prozessen erfassen
- Nachvollziehbarkeit zwischen Policies, Risiken, Controls, Approvals und AI Assets sicherstellen
- Governance Records für interne Reviews, Assurance und regulatorische Audits vorbereiten
Modul 11: Reporting und Governance Oversight
- Reporting Ansichten für Governance Teams, technische Owner, Risk Funktionen und Management gestalten
- Status des AI Portfolios, Risikoexposition, Policy Compliance und offene Maßnahmen überwachen
- Governance Lücken wie fehlende Assessments, Owner, Controls oder Freigaben identifizieren
- Governance Reporting zur Priorisierung von Remediation und kontinuierlicher Verbesserung einsetzen
Modul 12: Production Operating Model und kontinuierliche Governance
- Verantwortlichkeiten für Plattformadministration, Governance Ownership, Integrationen und Support etablieren
- Wiederkehrende Reviews für AI Assets, Policies, Assessments, Risiken, Controls und Agent Verhalten definieren
- Konfigurationsänderungen, neue AI Technologien und regulatorische Updates langfristig verwalten
- Eine praktische Production Readiness Checkliste für Sicherheit, Governance, Automatisierung, Monitoring, Ownership und Auditierbarkeit aufbauen