Datenschutz, Authentifizierung, Ethik und Governance

Gewinne:

• Möglichkeit, Daten auf vier Ebenen zu schützen (Klassifizierung, Anonymisierung, Fahrzeugauswahl, Mindestdaten) und der KVKK-Verantwortung nachzukommen
• Möglichkeit, Ergebnisse nach Risikostufe zu überprüfen und Empfehlungen zu filtern, die Menschen durch Fairness und Voreingenommenheit betreffen
• Fähigkeit, ein einfaches KI-Governance-Framework zu etablieren und sicherzustellen, dass die KI-Ausgabe nicht die Zustimmung von Experten bei Finanz-/Rechts-/HR-/Compliance-Entscheidungen ersetzt

Als Manager haben Sie gelernt, KI in allen Bereichen Ihres Unternehmens einzusetzen: Reporting, KPI, Automatisierung, Betrieb, Beschaffung, Kommunikation, Zusammenfassung, Szenario. Jetzt schaffen wir die Rahmenbedingungen für einen verantwortungsvollen Umgang mit dieser Macht. Denn wenn KI falsch eingesetzt wird, werden Geschwindigkeit und Komfort zu ernsthaften Risiken: eine durchgesickerte Kundenliste, eine Entscheidung aufgrund einer erfundenen Nummer, ein diskriminierender Vorschlag, ein KVKK-Verstoß. Diese Einheit ist das Sicherheitsnetz, das das gesamte Modul zusammenhält. Das Hauptprinzip in einem Satz: KI ist ein Assistent; Die Vertraulichkeit der Daten, die Richtigkeit der Ergebnisse und die Ethik der Entscheidung liegen stets in der Verantwortung des Managers.

Datenschutz: vier Schutzebenen

Geschäftsdaten sind wertvoll und viele davon vertraulich. Schützen Sie die Privatsphäre in vier Schichten. Erste Ebene – Klassifizierung: Kennzeichnen Sie jedes Datenelement als „öffentlich/interner Gebrauch/vertraulich/persönlich“. Vertrauliche und personenbezogene Daten erfordern besondere Aufmerksamkeit. Zweite Ebene – Anonymisierung: Übersetzen Sie Identifikatoren wie Name, ID, Kundenname, Lieferantenpreis in Codes, bevor Sie sie an die KI (Mitarbeiter A, Kunde 1) weitergeben. Dritte Ebene – Werkzeugauswahl: Verwenden Sie nach Möglichkeit vom Unternehmen genehmigte Unternehmens-KI-Tools, die keine Daten für das Modelltraining speichern. Geben Sie keine vertraulichen Daten an kostenlose, öffentlich verfügbare Tools weiter. Vierte Ebene – Mindestdaten: Geben Sie die Mindestdaten an, die zur Erledigung der Aufgabe erforderlich sind, nicht mehr.

KVKK (Gesetz zum Schutz personenbezogener Daten) regelt Ihre Verarbeitung personenbezogener Daten von Mitarbeitern und Kunden; Ein Verstoß zieht sowohl rechtliche Sanktionen als auch einen Reputationsverlust nach sich. Das Einfügen einer Kundenliste oder Gehaltsabrechnung in ein offenes Chatfeld ist so, als würde man eine verschlossene Datei auf der Straße liegen lassen.

Achtung: „Dieses Tool scheint sicher zu sein“ ist keine Zusicherung. Bevor Sie Daten an AI weitergeben, fragen Sie: „Was würde dem Unternehmen schaden, wenn diese Informationen durchsickern würden?“ Wenn der Schaden schwerwiegend ist, anonymisieren Sie die Daten oder geben Sie sie überhaupt nicht heraus. Im Zweifelsfall nicht geben.

Validierung: Eine vorzeichenlose Ausgabe ist keine Entscheidung

Die im gesamten Modul wiederholten Disziplinen sind hier unter einem Dach vereint. Validieren Sie jede KI-Ausgabe in drei Schritten: Quelle (stammt die Zahl aus den von mir bereitgestellten Daten?), Neuberechnung (überprüfen Sie die Arithmetik), Managementfilter (entspricht sie meinen Branchenkenntnissen und meinem Fachgebiet?). KI kann Halluzinationen erzeugen – indem sie nicht existierende Zahlen, Quellen oder Fakten mit überzeugender Sprache erfindet. Geläufigkeit ist nicht gleichbedeutend mit Genauigkeit. Je wichtiger die Entscheidung, desto strenger muss die Überprüfung sein.

Betrachten Sie das Risiko auf drei Ebenen. Ergebnisse mit geringem Risiko (interne Gliederung, Formatierung, Zusammenfassung): Ein kurzer Blick genügt. Ergebnisse mit mittlerem Risiko (Bericht an das Management, KPI-Kommentar): Jede Zahl wird validiert. Liefergegenstände mit hohem Risiko (Finanzentscheidung, Vertrag, Compliance-Dokument, HR-Transaktion): KI erstellt nur Entwürfe; Fachkundige Prüfung, rechtliche/finanzielle Kontrolle und Unterschrift sind zwingend erforderlich. In diesen Bereichen kann die KI-Leistung niemals die Zustimmung eines kompetenten Experten ersetzen.

Ethik und Voreingenommenheit: schnell, aber fair

KI lernt aus historischen Daten; Wenn es in der Vergangenheit eine Voreingenommenheit gab, wird die KI diese wiederholen oder sogar verstärken. Eine Einstellungs-, Beförderungs- oder Kundenpriorisierungsempfehlung kann eine Gruppe unabsichtlich benachteiligen. Unterziehen Sie also jeden KI-Vorschlag, der Menschen betrifft, dem Filter der Fairness: „Schließt dieser Vorschlag eine Gruppe zu Unrecht aus? Ist die Begründung vertretbar?“ Fragen Sie die KI explizit: „Welche Gruppen könnten durch diesen Vorschlag benachteiligt werden?“ fragen.

Zwei weitere ethische Grundsätze: Transparenz – Verstecken Sie keine signifikanten KI-generierten Ergebnisse. Sie sollten erklären können, wie die Entscheidung getroffen wurde. Rechenschaftspflicht – „Die KI hat es gesagt“ ist keine Entschuldigung. Die Verantwortung liegt beim Manager, der das Tool nutzt. Wenn die KI einen Fehler macht, machen Sie sie zur Verantwortung; Nutzen Sie ihn also als beaufsichtigten Assistenten und nicht als blinde Autorität.

KI-Governance: ein institutioneller Rahmen

Der gute Wille des Einzelnen reicht nicht aus; Richten Sie ein einfaches KI-Governance-Framework für das Unternehmen ein: Welche Daten können an welches Tool übergeben werden, welche Entscheidungen können durch KI unterstützt werden, welche sind nur Sache des Experten, wie werden die Ergebnisse validiert, wer ist dafür verantwortlich. Eine schriftliche, einfache Richtlinie schützt das gesamte Team und verhindert eine Katastrophe bei der nächsten Einheit.

drei Mini-Koffer

Fall 1 – Rückkehr vom Rande einer Leckage. Ein Vertriebsleiter würde eine Liste mit echten Kundennamen und Umsätzen in ein kostenloses KI-Tool einfügen. In einem Moment des Zögerns fragte er: „Was würde passieren, wenn das durchsickern würde?“ fragte er, kodierte die Kundennamen und wandelte die Umsätze in Tonband um. Die Analyse ergab die gleiche Qualität; Es gingen keine echten Daten raus. Eine kleine Angewohnheit verhinderte ein großes KVKK-Risiko.

Fall 2 – Die Kosten der erfundenen Nummer. Ein Finanzvorstand legte dem Vorstand einen von YZ angegebenen „Branchendurchschnitt von 23 Prozent“ vor, ohne ihn zu überprüfen. Die Zahl war erfunden; Die KI hatte überzeugend eine Zahl hervorgebracht, für die es keine Quelle gab. Es kam zu einer Investitionskontroverse, die auf der falschen Zahl beruhte und sich erst nach einiger Zeit umkehrte. Lektion: Nicht jede Zahl, die angeblich von außen kommt, kann verwendet werden, ohne sie mit der tatsächlichen Quelle in Verbindung zu bringen.

Fall 3 – Voreingenommene Empfehlungen erkennen. Ein Personalmanager hat die KI gebeten, Kandidaten einzustufen. Die KI würde Absolventen einer bestimmten Schule anhand historischer Daten hervorheben. Der Manager fragt: „Welche Gruppen schließt dieser Vorschlag aus?“ er fragte; Er fand heraus, dass KI die Voreingenommenheit der Vergangenheit wiederholt. Er stützte die Rangliste ausschließlich auf berufsbezogene, vertretbare Kriterien und überließ die endgültige Entscheidung dem Volksausschuss.

Vier kopierbare Vorlagen

1) Datenschutzprüfung:

Ihre Rolle: Datenschutzberater. Ich werde Ihnen gleich einen Datensatz geben. Listen Sie zunächst die persönlichen/vertraulichen Felder (Name, ID, Kunde, Preis, Gehalt) auf und schlagen Sie vor, wie Sie diese jeweils anonymisieren können. Beschreiben Sie kurz die Risiken der Weitergabe dieser Daten an AI im Hinblick auf KVKK. Noch nicht analysieren.

2) Checkliste zur Verifizierung:

Ich muss die folgende KI-Ausgabe überprüfen, bevor ich sie dem Management präsentiere. Listen Sie jeden numerischen Anspruch und jeden Anspruch aus externen Quellen in der Ausgabe auf. Fragen Sie bei jedem einzelnen Punkt: „Ist die Quelle der Daten, die ich bereitgestellt habe, oder handelt es sich um Informationen, die die KI möglicherweise selbst produziert/erfunden hat?“ Sammeln Sie diejenigen mit unbekannten Quellen unter der Überschrift „VERIFY“.

3) Ethik-/Gerechtigkeitsfilter:

Der folgende KI-Vorschlag betrifft Menschen: [Vorschlag]. Welche Gruppen könnten durch diesen Vorschlag unfair benachteiligt werden? Könnte die Empfehlung durch historische Daten verzerrt sein? Was muss ich ändern, um die Entscheidung ausschließlich auf geschäftsbezogenen, vertretbaren Kriterien zu stützen? Seien Sie ehrlich, verteidigen Sie den Vorschlag nicht.

4) Risikoklassifizierung der KI-Nutzung:

Ich werde die folgende Aufgabe mit KI ausführen: [Aufgabe]. Stellen Sie es auf die Risikostufe: niedrig (interner Entwurf), mittel (ausgehend an das Management), hoch (finanzielle/rechtliche/HR-Folge). Sagen Sie mir, welche Überprüfungs- und Genehmigungsschritte je nach Risikostufe erforderlich sind. Wenn es sich um ein hohes Risiko handelt, erinnern Sie daran, dass die Zustimmung eines Experten zwingend erforderlich ist.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwache Eingabeaufforderung:

Geben Sie mir eine Analyse mit diesen Kundendaten. [echt benannte Daten]

Stellt dem geöffneten Tool echte personenbezogene Daten zur Verfügung; Es besteht das Risiko einer KVKK-Verletzung und eines Lecks. Es ist auch nicht geplant, die Ausgabe zu validieren.

Kraftvolle Aufforderung:

Ihre Rolle: Analyst. In den Daten, die ich Ihnen gegeben habe, sind alle Namen codiert (Kunde 1-50) und Beträge in Band umgerechnet. Führen Sie eine Segmentanalyse mit diesen anonymen Daten durch. Verwenden Sie einfach die von mir angegebenen Nummern und fügen Sie keine externen Sektornummern hinzu. Wenn Sie es hinzufügen, geben Sie bitte die Quelle klar an, damit ich es überprüfen kann.

Größe

schlechter Ansatz

Starker Ansatz

Daten

richtiger Name

anonym

KVKK-Risiko

hoch

niedrig

Quellcodeverwaltung

Keine

obligatorisch

Überprüfbarkeit

niedrig

hoch

Verantwortung

unsicher

geklärt

Häufige Fehler

• Geben Sie beim Öffnen des Tools echte vertrauliche/persönliche Daten an. Zuerst klassifizieren und anonymisieren.
• Keine Überprüfung externer Quellenansprüche. KI kann Zahlen wie „Branchendurchschnitt“ bilden; mit der Quelle verbinden.
• Vorurteile ignorieren. Unterziehen Sie Vorschläge, die Menschen betreffen, dem Filter der Fairness.
• Die „KI hat es gesagt“-Ausrede. Die Verantwortung liegt beim Nutzer; Übernehmen Sie Verantwortung.
• Überspringen der Expertengenehmigung bei risikoreichen Entscheidungen. Finanz-/Rechts-/HR-/Compliance-Ausgaben erfordern die Genehmigung eines Experten.

Achtung: Der wichtigste Satz dieses Moduls: KI-Ausgaben in Folgebereichen wie Compliance, Finanzen, Recht und Personal sind KEIN Ersatz für eine kompetente Expertengenehmigung. KI erhöht Ihre Geschwindigkeit, sie feuert Ihren Experten nicht ab. Eine ungeprüfte KI-Ausgabe ist genauso riskant wie eine nicht unterzeichnete Entscheidung.

Zusammenfassend

Der verantwortungsvolle Einsatz von KI basiert auf drei Säulen: Datenschutz, Authentifizierung und Ethik. Schützen Sie Daten auf vier Ebenen (Klassifizierung, Anonymisierung, Werkzeugauswahl, Mindestdaten) und denken Sie an die Verantwortung von KVKK. Validieren Sie jede Ausgabe mit Quellverknüpfung, Neuberechnung und administrativer Filterung; Erhöhen Sie die Sorgfalt je nach Risikostufe. Unterziehen Sie Vorschläge, die Auswirkungen auf die Menschen haben, dem Filter der Fairness und wahren Sie Transparenz und Rechenschaftspflicht. Ein einfaches KI-Governance-Framework schützt das gesamte Team. Und immer: In risikoreichen und folgenschweren Bereichen ist KI kein Ersatz für eine kompetente Expertengenehmigung.

Anwendungsaufgabe

Schreiben Sie einen halbseitigen Entwurf der „KI-Nutzungsrichtlinien“ für Ihr eigenes Unternehmen. Beziehen Sie ein: welche Daten an welches Tool übergeben werden können, wie die Daten anonymisiert werden, welche Ergebnisse validiert werden sollen, welche Entscheidungen ausschließlich dem Experten obliegen und wer dafür verantwortlich ist. Ordnen Sie anhand der Vorlage „Risikoklassifizierung der KI-Nutzung“ oben die 5 Aufgaben, die Sie in der letzten Woche mit KI erledigt haben, der Risikostufe zu und schreiben Sie für jede den richtigen Verifizierungsschritt auf.

Checkliste

• [ ] Habe ich die Daten klassifiziert und anonymisiert?
• [ ] Habe ich ein vom Unternehmen genehmigtes/sicheres Tool und Mindestdaten verwendet?
• [ ] Habe ich jede Ausgabe anhand des Risikoniveaus validiert?
• [ ] Habe ich die Vorschläge, die Menschen betreffen, durch Fairness gefiltert?
• [ ] Brauche ich für risikoreiche Entscheidungen die Zustimmung eines Experten?

Modulprüfung

1. Welche Frage sollte ein Manager stellen, um die Arbeitsebene (mechanisch/analytisch/entscheidungsbezogen) und die Überprüfungsgenauigkeit zu bestimmen, bevor er einen Job an KI auslagert?

• A) Was wird das Ergebnis sein, wenn diese Ausgabe falsch ist? ✔
• B) Kann künstliche Intelligenz diesen Job so schnell wie möglich erledigen?
• C) Ist dieses Tool kostenlos?
• D) Wurde diese Arbeit schon einmal durchgeführt?

Beschreibung: Die Grundlage für den richtigen Einsatz ist die Einstufung der Arbeit nach dem Grad der Gefährdung. „Was ist die Konsequenz, wenn diese Ausgabe falsch ist?“ Die Frage bestimmt, ob die Arbeit mechanisch, analytisch oder eine verantwortungsvolle Entscheidung ist und wie viel Überprüfung daher erforderlich ist.

2. Ein durch künstliche Intelligenz ermittelter „Branchendurchschnitt von 23 Prozent“ wird dem Vorstand ohne Überprüfung vorgelegt und es stellt sich heraus, dass die Zahl erfunden ist. Welche Grunddisziplin wurde in diesem Fall übersehen?

• A) Die Regel, künstliche Intelligenz nur in den Morgenstunden einzusetzen
• B) Die Disziplin, die Ausgabe zu verifizieren, indem man sie mit der Quelle verbindet ✔
• C) Konvertieren des Berichts in eine Farbtabelle
• D) Eine längere Eingabeaufforderung schreiben

Erklärung: Künstliche Intelligenz erzeugt manchmal eine nicht existierende Zahl in einer überzeugenden Sprache (Halluzination). Beim Verbinden der Ausgabe mit der Quelle wird geprüft, ob jede Zahl aus einer echten Quelle stammt oder möglicherweise erfunden wurde. Unterlässt man dies, besteht die Gefahr von Fehlentscheidungen.

3. Während der Gesamtumsatz eines E-Commerce-Unternehmens stabil zu sein scheint, zeigt die Aufschlüsselung nach Segmenten, dass eine Kategorie mit hohem Gewinn um 22 Prozent zurückgegangen ist, und die Umsätze mit niedrigem Gewinn verschleiern dies. Welches Prinzip veranschaulicht dieses Beispiel?

• A) Die Gesamtzahl ist immer der zuverlässigste Indikator
• B) Die Rentabilität ist unwichtig, nur der Umsatz ist wichtig
• C) Gesamtzahlen können Umkehrungen verbergen; Segmentaufschlüsselung enthüllt die Wahrheit ✔
• D) Die Segmentanalyse gilt nur für große Unternehmen

Erläuterung: Gesamtzahlen können interne Umkehrungen verbergen. Ein Blick auf die Aufschlüsselung (Segmentanalyse) und nicht auf die Gesamtheit der Entscheidungsunterstützungsarbeit offenbart die Wahrheit; Große Schwankungen können unter einer festen Summe verborgen sein.

4. Ein Café-Manager interpretiert die Feststellung, dass „Wochenendverkäufe mit der Temperatur variieren“, als „heißes Wetter erhöht den Umsatz“ und dreht die Klimaanlage herunter; Der wahre Grund war jedoch der erhöhte Kundenverkehr am Wochenende. Was ist dieser Fehler?

• A) Korrelation mit Kausalität verwechseln ✔
• B) Es werden nicht genügend Daten erfasst
• C) Auswahl des falschen Diagrammtyps
• D) Keine Anonymisierung der Daten

Erläuterung: Nur weil zwei Dinge zusammenwirken (Korrelation), heißt das nicht, dass das eine das andere verursacht (Kausalität). Temperatur und Umsatz bewegten sich zufällig in die gleiche Richtung; Der häufigste Grund war der Wochenendverkehr. Die von künstlicher Intelligenz gefundenen Zusammenhänge sind keine Beweise, sondern zu überprüfende Hypothesen.

5. Was steht an der Spitze der Pyramidenstruktur eines guten Managementberichts?

• A) Rohdatentabellen
• B) Zusammenfassung ✔
• C) Zusätzliche Dokumente und Fußnoten
• D) Alle Zahlen aus den Vorjahren

Erläuterung: Ein guter Bericht ist eine Pyramide: Ganz oben steht die Zusammenfassung (3–5 Aufzählungspunkte), die auch der meistbeschäftigte Leser in 30 Sekunden verstehen kann; Kritische Ergebnisse unten; Unten befindet sich das tragende Detail. Somit liest der Top-Manager nur die Spitze, und wer neugierig ist, kommt nach unten.

6. Wenn ein Callcenter die „Anzahl der beantworteten Anrufe pro Tag“ zu einem KPI macht, überstürzen die Mitarbeiter die Anrufe und verringern die Kundenzufriedenheit. Welches Prinzip veranschaulicht diese Situation?

• A) Je mehr KPIs, desto besser das Management
• B) KPIs können nicht in Callcentern verwendet werden
• C) Geschwindigkeit geht immer vor Qualität
• D) Ein KPI, der manipuliert werden kann, kann unerwünschtes Verhalten eher fördern als das Ergebnis, das er messen soll ✔

Erläuterung: Wenn ein Indikator zum Ziel wird, finden Menschen Wege, ihn zu täuschen (Goodharts Gesetz). „Anrufanzahl“ lässt sich leicht manipulieren und misst nicht das tatsächliche Ergebnis (Lösung, Zufriedenheit). Bevor Sie also einen KPI auswählen, sollten Sie sich fragen: „Welches unerwünschte Verhalten wird dadurch gefördert?“ sollte gefragt werden.

7. Was ist der Grund für die Regel „Erst den Prozess vereinfachen, später automatisieren“ in der Prozessautomatisierung?

• A) Automatisierung beschleunigt auch den Ausfall eines fehlerhaften Prozesses; Der Vorgang muss zunächst korrigiert werden ✔
• B) Vereinfachung macht Automatisierung unmöglich
• C) Die Vereinfachung ist nur eine gesetzliche Verpflichtung
• D) Automatisierung ist immer günstiger als Vereinfachung

Beschreibung: Automatisierung erhöht die Geschwindigkeit des Prozesses; Es beschleunigt auch den Fehler, wenn der Prozess beschädigt ist. Als der Prozess mit fünf unnötigen Schritten in einer Buchhaltungseinheit automatisiert wurde, funktionierten die unnötigen Schritte einfach schneller. Zunächst sollte der Prozess vereinfacht und dann beschleunigt werden.

8. Was ist der Zweck des „Human-in-the-Loop“-Designs bei automatischen Reaktionen auf den Kunden?

• A) Automatisierung vollständig stoppen
• B) Erhöhung der Entscheidungskompetenz künstlicher Intelligenz
• C) Verhindern, dass der Fehler mit Zustimmung des Menschen am kritischen Punkt entweicht und gleichzeitig den größten Teil der Geschwindigkeit beibehält ✔
• D) Vollständige Abschaffung der menschlichen Arbeitskraft

Erläuterung: Human-in-the-Loop-Design ist eine menschliche Genehmigung am kritischen Punkt des automatisierten Prozesses. Die KI erstellt den Entwurf, der Mensch genehmigt ihn schnell, dann wird er verschickt. Dadurch wird verhindert, dass ein Fehler direkt auftritt, während der Großteil der Geschwindigkeit erhalten bleibt. Als ein Team diese Genehmigung entfernte, erreichten falsche Informationen den Kunden.

9. Die Produktion in einer Möbelwerkstatt ist langsam; Der Manager möchte die teuerste Maschine (Schneiden) ersetzen, aber die Analyse zeigt, dass der Engpass im Färbe- und Trocknungsschritt liegt. Was ist das Grundprinzip der Betriebsanalyse?

• A) Der teuerste Schritt sollte immer verbessert werden
• B) Die Verbesserung sollte auf den Engpass abzielen, der den gesamten Fluss verlangsamt ✔
• C) Alle Schritte sollten gleichmäßig beschleunigt werden
• D) Das Konzept des Engpasses gilt nur für Produktionslinien

Erläuterung: Die Geschwindigkeit eines Prozesses ist die Geschwindigkeit seines langsamsten Schritts (Engpass). Das Beschleunigen von Schritten außerhalb des Engpasses ist eine Verschwendung von Geld und Mühe; Das Einzige, was funktioniert, ist, den Engpass zu vergrößern. Als der Manager statt der Schlachtung in einen zweiten Trockenofen investierte, erhöhte sich die Geschwindigkeit um 28 Prozent.

10. Im Einkauf wechselt ein Manager zum günstigsten Rohstofflieferanten, ignoriert aber dessen schlechte Liefertreue; Zwei große Verzögerungen stoppen die Produktion. Was ist die Lehre aus dieser Situation?

• A) Es sollte immer der teuerste Anbieter gewählt werden
• B) Die Liefertreue ist unerheblich
• C) Der Lieferant sollte nicht in einer Dimension (nur Preis) bewertet werden, sondern in mehreren Dimensionen, einschließlich Zuverlässigkeit und Risiko ✔
• D) Lieferantenentscheidungen sollten ausschließlich der künstlichen Intelligenz überlassen werden

Beschreibung: Die Lieferantenauswahl ist mehrdimensional: Preis, Qualität, Lieferzeit, Zuverlässigkeit, finanzielle Solidität und Risiko müssen gemeinsam bewertet werden. Allein der Blick auf den Preis kann zu Verlusten führen, die um ein Vielfaches höher sind als der verdiente Rabatt; Produktionsausfälle machten den Rabatt zunichte.

11. Was sollte ein Manager am besten tun, bevor er eine wütende, harte E-Mail an ein Team sendet, das ständig zu spät kommt?

• A) Die Botschaft so senden, wie sie ist, denn Emotionen sind real
• B) Den Ton mit künstlicher Intelligenz lösungsorientiert gestalten und anschließend durch einen menschlichen Filter leiten ✔
• C) Die Nachricht überhaupt nicht senden und das Problem ignorieren
• D) Die Botschaft stärker machen

Erläuterung: Nachrichten, die bei Wut geschrieben werden, sollten nicht sofort gesendet werden. Indem man der künstlichen Intelligenz sagt: „Ändert den Ton in einen respektvollen und lösungsorientierten Ton und behält dabei die gleichen Erwartungen und Grenzen bei“, bleibt die Essenz der Botschaft erhalten, korrigiert ihren Ton und verhindert schwer zu behebende Ressentiments; Die Ausgabe wird dann von Menschen gefiltert.

12. In einer Sitzungszusammenfassung heißt es, dass AI „Budgeterhöhung genehmigt“ habe; However, it was said at the meeting that 'the budget increase will be evaluated'. Wie vermeidet man diese Gefahr richtig?

• A) Verteilen Sie die Zusammenfassung sofort, ohne sie zu lesen
• B) Überprüfen Sie die Zusammenfassung, trennen Sie die Entscheidung von der Möglichkeit und lassen Sie sie von den Teilnehmern bestätigen ✔
• C) Die Besprechungszusammenfassung wird überhaupt nicht erstellt
• D) Nur die längste Strafe als Entscheidung berücksichtigen

Beschreibung: KI kann Entscheidungen falsch zuordnen; The difference between 'to be evaluated' and 'approved' is crucial. Die Besprechungszusammenfassung ist oft das „offizielle Gedächtnis“, daher sollte jede Zusammenfassung gelesen, von der Entscheidung abgegrenzt und mit den Teilnehmern bestätigt werden, bevor sie verteilt wird.

13. Welchen Zweck hat es bei der Szenarioplanung, mindestens drei Szenarien (optimistisch, grundlegend, pessimistisch) zu erstellen, anstatt die Zukunft an eine einzige Vorhersage zu binden (z. B. „Wir werden um 15 Prozent wachsen“)?

• A) Künstliche Intelligenz kann die Zukunft präzise vorhersagen
• B) Egal in welche Richtung die Wahrheit geht, sich nicht überraschen lassen und den Plan in die Tat umsetzen, statt in Panik zu geraten ✔
• C) Sammeln Sie weniger Daten
• D) Im Voraus eine einzige richtige Zukunft auswählen

Erläuterung: Die Realität ist ein Intervall; Wenn der auf einer einzigen Vermutung basierende Plan nicht umgesetzt wird, wird er scheitern. Durch die Vorbereitung von Antworten auf mehrere Szenarien im Voraus wird sichergestellt, dass ein Plan umgesetzt werden kann und nicht in Panik gerät, egal in welche Richtung sich die Realität entwickelt. Ziel ist es nicht, die Zukunft zu kennen, sondern nicht unvorbereitet zu sein.

14. Welche der folgenden Aussagen trifft auf den Einsatz künstlicher Intelligenz in der Unternehmensführung zu?

• A) Der Output der künstlichen Intelligenz ersetzt nicht die Zustimmung kompetenter Experten bei Entscheidungen, die finanzielle, rechtliche und personelle Konsequenzen haben ✔
• B) Wenn die Ergebnisse der künstlichen Intelligenz korrekt sind, ist keine Expertengenehmigung erforderlich
• C) Echte Kundendaten können an offene Tools weitergegeben werden, sofern dies sicher erscheint
• D) „KI hat es gesagt“ ist eine gültige Rechtfertigung für die Rechenschaftspflicht

Offenlegung: KI-Ergebnisse sind kein Ersatz für die Genehmigung kompetenter Experten in Folgebereichen wie Compliance, Finanzen, Recht und Personalwesen. Künstliche Intelligenz ist ein geschwindigkeitssteigernder Assistent; Die Vertraulichkeit der Daten, die Richtigkeit der Ergebnisse und die Ethik der Entscheidung liegen stets in der Verantwortung des Managers. Eine ungeprüfte Ausgabe ist genauso riskant wie eine nicht unterzeichnete Entscheidung.