KI & Machine Learning
31 Begriffe aus diesem Themenbereich.
Adversarial Machine Learning
Adversarial Machine Learning erklärt: Evasion, Model Extraction und Membership Inference – wie Angreifer KI-Modelle täuschen und was schützt.
AI Poisoning
AI Poisoning erklärt: Wie manipulierte Trainingsdaten, Backdoors und vergiftete RAG-Quellen KI-Modelle kompromittieren – und welche Kontrollen helfen.
AI Red Teaming
AI Red Teaming erklärt: Wie offensive Tests Prompt Injection, Datenabfluss und Fehlverhalten von KI-Anwendungen aufdecken – Ablauf, Methoden, Tools.
Algorithmic Accountability
Algorithmic Accountability: Wer für automatisierte Entscheidungen haftet, was DSGVO und EU AI Act verlangen und wie Unternehmen Rechenschaft belegen.
Algorithmic Bias (algorithmische Verzerrung)
Algorithmic Bias führt zu unfairen KI-Entscheidungen. Ursachen, Fairness-Metriken, Gegenmaßnahmen und Pflichten aus AGG, DSGVO und EU AI Act im Überblick.
Chatbot-Sicherheit
Chatbot-Sicherheit im Unternehmen: Prompt Injection, Datenabfluss und zu weitreichende Berechtigungen bei KI-Assistenten erkennen und wirksam begrenzen.
DSGVO-konforme KI-Systeme
DSGVO bei KI-Systemen: Rechtsgrundlage, Transparenz, Art. 22, Datenschutz-Folgenabschätzung und Betroffenenrechte praxisnah für Unternehmen erklärt.
Edge AI
Edge AI absichern: Modellextraktion, physische Manipulation und unsichere Updates bei KI auf IoT-Geräten verstehen und mit Härtung begegnen.
EU AI Act Compliance
EU AI Act für Unternehmen in Deutschland: Risikoklassen, Anbieter- und Betreiberpflichten, Fristen und Bußgelder – mit konkreten ersten Schritten.
Explainable AI (XAI)
Explainable AI (XAI): Methoden wie SHAP, LIME und kontrafaktische Erklärungen und ihre Rolle für EU AI Act, DSGVO und nachvollziehbare KI.
Federated Learning
Federated Learning trainiert KI ohne zentrale Rohdaten. Welche Angriffe drohen (Poisoning, Gradient Inversion) und wie Sie Ihr Trainingsnetz absichern.
Homomorphe Verschlüsselung (Homomorphic Encryption)
Homomorphe Verschlüsselung erlaubt KI-Berechnungen auf verschlüsselten Daten. Verfahren (PHE, SHE, FHE), Einsatzfälle, Grenzen und Praxistipps.
KI-Backup und Model Recovery
KI-Backup und Model Recovery: Was bei ML-Systemen gesichert werden muss, wie Sie Integrität prüfen und nach Ransomware oder Poisoning sauber zurückrollen.
KI-Datenschutz-Folgenabschätzung (AI DPIA)
DSFA für KI-Systeme: wann sie Pflicht ist, welche KI-spezifischen Risiken sie abdeckt und wie sie mit der Grundrechte-Prüfung des AI Act zusammenspielt.
KI-Forensik
KI-Forensik: wie KI digitale Ermittlungen beschleunigt und wie Sie Vorfälle an KI-Systemen gerichtsfest untersuchen – Spuren, Methoden, Grenzen.
KI-gestützte biometrische Authentifizierung
KI-gestützte Biometrie prüft Gesicht, Stimme oder Fingerabdruck. Welche Angriffe (Deepfakes, Presentation Attacks) drohen und was DSGVO und AI Act fordern.
KI-Governance für Geschäftsführer
KI-Governance aus Sicht der Geschäftsleitung: Sorgfaltspflicht und Haftung, KI-Kompetenz nach Art. 4 AI Act, gute Entscheidungsvorlagen für KI-Projekte.
KI-Governance-Framework
KI-Governance-Framework aufbauen: Rollen, Richtlinien, KI-Inventar und Risikoprozess nach ISO/IEC 42001 und NIST AI RMF – praxisnah für den Mittelstand.
KI-Incident-Response-Playbook
KI-Incident-Response-Playbook: typische KI-Vorfälle, Sofortmaßnahmen, Eindämmung, Meldepflichten nach DSGVO, NIS2 und AI Act – als praxisnaher Notfallplan.
KI-Monitoring und Anomalieerkennung
KI-gestützte Anomalieerkennung: wie Machine Learning ungewöhnliches Verhalten in Netz, Endgeräten und Konten erkennt, wo Grenzen liegen, wie Sie starten.
KI-Penetrationstest
KI-Penetrationstest: wie Sie LLM-Anwendungen und ML-Modelle auf Prompt Injection, Datenabfluss und Manipulation prüfen – Methodik, Umfang und Werkzeuge.
KI-Phishing-Erkennung
Wie KI-gestützte Phishing-Erkennung mit Machine Learning Mails, Links und Absenderverhalten prüft, wo ihre Grenzen liegen und was Unternehmen beachten.
KI-Risikomanagement
KI-Risikomanagement im Mittelstand: KI-Einsatz erfassen, Risiken nach AI Act, ISO/IEC 23894 und NIST AI RMF bewerten und ins bestehende ISMS einbinden.
KI-Sicherheit in kritischen Infrastrukturen
KI in kritischer Infrastruktur: Pflichten nach BSIG/NIS2 für Betreiber kritischer Anlagen, Hochrisiko-KI nach Anhang III AI Act und Schutzmaßnahmen.
KI-Supply-Chain-Angriff
KI-Supply-Chain-Angriffe: wie manipulierte Modelle, Datensätze und Python-Pakete in Unternehmen gelangen und wie Sie Herkunft und Integrität absichern.
KI-Zertifizierung
KI-Zertifizierung im Überblick: ISO/IEC 42001, ergänzende Normen, BSI AIC4 und das Verhältnis zur Konformitätsbewertung nach dem EU AI Act.
MLOps Security
MLOps Security: wie Sie Daten, Trainingsumgebung, Modell-Registry und Bereitstellung von ML-Modellen absichern – mit konkreten Maßnahmen je Pipeline-Phase.
NIS2-Compliance für KI-Systeme
Wie KI-Systeme unter NIS2 und das neue BSIG fallen: Risikomanagement, Lieferkette, Meldepflichten und Pflichten der Geschäftsleitung im Überblick.
Privacy-Preserving Machine Learning
PPML erklärt: Differential Privacy, föderiertes Lernen, homomorphe Verschlüsselung und Confidential Computing – mit Grenzen und DSGVO-Bezug.
Quantum-Safe AI
Wie Post-Quanten-Kryptografie (ML-KEM, ML-DSA) Trainingsdaten, Modellgewichte und KI-Schnittstellen vor Harvest now, decrypt later schützt.
Synthetische Daten
Synthetische Daten ersetzen echte Datensätze in Test und KI-Training. Wann sie anonym sind, welche Risiken bleiben und wie Sie sie prüfen.