← AI-Grundlagen für den IT-Betrieb

KI im IT-Betrieb — Einführung & Governance

Ein Chatbot spart pro Ticket zwei Minuten, erzeugt aber drei Minuten Prüfaufwand und taucht in keinem Systeminventar auf. Ein Demoerfolg ist noch kein tragfähiger Betriebsprozess. Ohne Baseline, Register und Stop-Gate wird der Versuch unbemerkt zum unkontrollierten Dauerbetrieb.

~25 Min · 10 Abschnitte Einführung · 8 Übungen (davon 0 Missionen)

Modul starten →

Fortschritt wird gespeichert — du kannst das Modul später jederzeit fortsetzen.

Nur den Lehrtext lesen →

Das kannst du danach

  • ✓Danach kannst du Nutzen als Nettoeffekt nach Prüf- und Fehleraufwand berechnen.
  • ✓Du schneidest einen Pilot mit Baseline, Schattenbetrieb und Abbruchkriterium zu.
  • ✓Du dokumentierst Anwendungsfälle, Risiko, Verantwortliche und Transparenzpflichten proportional.

Übungen

  • 1. EntscheidungWie schneidest du den Piloten zu?
  • 2. EntscheidungWelche Lehre ziehst du daraus für die nächsten Wochen?
  • 3. EntscheidungWie beziffest du den Nutzen?
  • 4. EntscheidungWas empfiehlst du?
  • 5. EntscheidungWie überarbeitest du den Entwurf?
  • 6. EntscheidungWie kommst du zu einer belastbaren Aussage?
  • 7. EntscheidungWo setzt du an?
  • 8. EntscheidungWie positionierst du dich?
Quellen & Aktualität25 Primärquellen · zuletzt geprüft:
  1. 01Beyer et al. (Hrsg.) — Site Reliability Engineering, O'Reilly 2016, Kapitel Automation und Postmortem Culture
  2. 02NIST AI Risk Management Framework (AI RMF 1.0), 2023 — Map- und Manage-Funktionen
  3. 03Amershi et al. — Software Engineering for Machine Learning: A Case Study, ICSE-SEIP 2019
  4. 04Parasuraman & Manzey — Complacency and Bias in Human Use of Automation, Human Factors 2010
  5. 05NIST AI Risk Management Framework (AI RMF 1.0), 2023 — Govern-Funktion
  6. 06ISO/IEC 42001:2023 — AI management systems
  7. 07Verordnung (EU) 2024/1689 über künstliche Intelligenz — risikobasierter Ansatz
  8. 08Mitchell et al. — Model Cards for Model Reporting, ACM FAT* 2019
  9. 09NIST — Artificial Intelligence Risk Management Framework 1.0
  10. 10NIST — AI RMF Core
  11. 11NIST — Generative AI Profile, NIST AI 600-1
  12. 12Verordnung (EU) 2024/1689 — Artificial Intelligence Act
  13. 13Breck et al. — The ML Test Score, IEEE Big Data 2017
  14. 14NIST AI Risk Management Framework (AI RMF 1.0), 2023 — Map- und Measure-Funktionen
  15. 15Beyer et al. (Hrsg.) — Site Reliability Engineering, O'Reilly 2016, Kapitel Automation
  16. 16ISO/IEC 42001:2023 — AI management systems (Inventar und Zuständigkeiten)
  17. 17NIST AI Risk Management Framework (AI RMF 1.0), 2023 — Govern- und Map-Funktionen
  18. 18NIST AI Risk Management Framework (AI RMF 1.0), 2023 — Measure-Funktion
  19. 19ISO/IEC 42001:2023 — AI management systems (Richtlinien und Zuständigkeiten)
  20. 20NIST AI Risk Management Framework (AI RMF 1.0), 2023 — Map- und Govern-Funktionen
  21. 21ISO/IEC 23894:2023 — AI risk management
  22. 22Breck et al. — The ML Test Score: A Rubric for ML Production Readiness, IEEE Big Data 2017
  23. 23Beyer et al. (Hrsg.) — Site Reliability Engineering, O'Reilly 2016, Kapitel Testing for Reliability
  24. 24Verordnung (EU) 2024/1689 über künstliche Intelligenz — Transparenzpflichten bei Interaktion mit KI-Systemen
  25. 25NIST AI Risk Management Framework (AI RMF 1.0), 2023 — Govern-Funktion (Transparenz und Rechenschaft)

Verfasst von Julian Zentgraf