Certified Artificial Intelligence Professional

• Machine-Learning-Techniken, einschliesslich überwachtem, unüberwachtem und bestärkendem Lernen, auf definierte Geschäftsprobleme anwenden
• Neuronale Netz- und CNN-Architekturen für Bild- und Mustererkennung umsetzen
• NLP-Analysen mit klassischen Techniken, Transformer-Modellen und grossen Sprachmodellen durchführen
• KI-Sicherheitsbedrohungen bewerten und Dokumentation zu Verantwortung und Minderung von Vorfällen erstellen
• Ethische KI-Strategien entwickeln, die Verzerrung, Datenschutz und gesellschaftliche Auswirkungen adressieren
• KI-Governance- und Strategiedokumente im Einklang mit organisatorischen und regulatorischen Anforderungen formulieren
• Datenvisualisierungen erstellen, die das Verhalten von KI-Systemen für Entscheidungsträgerinnen und Entscheidungsträger verständlich machen

Pflichten zu KI-Governance und Konformität wachsen schneller, als die meisten Organisationen zertifizierte Fachkompetenz aufbauen können. Die EU-KI-Verordnung ist 2024 und 2025 in die gestaffelte Anwendung getreten und schafft unmittelbare Verantwortung für Teams, die hochriskante KI-Systeme aufbauen oder einsetzen. Zugleich sehen sich Organisationen, die generative KI einsetzen, neuen Risiken in Sicherheit, Datenschutz und Reputation gegenüber, die viele bestehende Konformitätsrahmen nicht abdecken. Fachleute, die technische, Governance- und ethische Dimensionen von KI verbinden, sind eine knappe und strategisch entscheidende Ressource.

An den vier Schulungstagen durchlaufen die Teilnehmenden den gesamten Lebenszyklus eines KI-Systems. Tag 1 vermittelt KI-Grundlagen und Datenanalyse mit Visualisierungsübungen auf Basis realer Projektdaten. Tag 2 baut ML-Kompetenz durch praktischen Modellbau auf, der überwachtes, unüberwachtes und fortgeschrittenes ML abdeckt. Tag 3 vertieft NLP und Deep Learning, einschliesslich Transformer-Architekturen und grosser Sprachmodelle in konkreten Anwendungsfällen. Tag 4 behandelt Computer Vision, Robotik, generative Modelle, Angriffsvektoren der KI-Sicherheit, Ethikrahmen und Governance-Strategie und endet mit einem strukturierten Abschluss, der die Kompetenzen der Woche integriert. An Tag 5 legen die Teilnehmenden die dreistündige PECB-Zertifizierungsprüfung ab.

Die meisten KI-Schulungen vermitteln entweder technische Umsetzung oder Governance-Theorie, aber nicht beides in einem einzigen Pfad. Dieser Kurs schliesst die Verantwortungslücke, die entsteht, wenn technische Teams Konformitätsfolgen nicht erklären können und Governance-Beauftragte das Modellrisiko nicht beurteilen können. Die Teilnehmenden bearbeiten Fallstudien, die verlangen, ML-Ergebnisse in regulatorische Sprache zu übersetzen, Verzerrungsquellen in Trainingsdaten zu erkennen und die Verantwortung für KI-Sicherheitsvorfälle zuzuweisen. Das sind Entscheidungen aus realen Einsätzen, die in generischen KI-Curricula selten vorkommen.

Die Teilnehmenden können am Ende KI-Methoden für konkrete organisatorische Probleme auswählen und begründen, neuronale Netzarchitekturen auf Arbeitsniveau umsetzen, Governance-Dokumentation erstellen, die regulatorischer Prüfung standhält, und die Geschäftsleitung mit technischer Glaubwürdigkeit zu KI-Risiken beraten. Der Nachweis PECB Certified Artificial Intelligence Professional, gestützt auf zwei Jahre erforderliche Berufserfahrung, signalisiert Arbeitgebern, dass die Person auf Praktikerniveau arbeitet, nicht auf Beobachterniveau.

• Risiko- und Konformitätsbeauftragte, die die regulatorische KI-Exposition steuern: Sie verantworten die Konformität mit der EU-KI-Verordnung und KI-Risikoregister, ohne die technische Grundlage, um Modellentscheidungen zu hinterfragen oder Verzerrungsquellen zu beurteilen; dieser Kurs schliesst diese Lücke.
• Data Scientists und ML-Engineers auf dem Weg in die Führung: Fachleute, die täglich Modelle bauen, aber Governance-, Ethik- und Strategiekompetenz brauchen, um KI-Lead- oder Architektenrollen zu übernehmen, ohne technische Glaubwürdigkeit zu verlieren.
• IT-Verantwortliche und CIOs, die KI-Programmportfolios beaufsichtigen: Führungskräfte, die Anbieteraussagen bewerten, Annahmen zur KI-Sicherheit hinterfragen und belastbare Governance-Entscheidungen treffen müssen, statt sie nur zu delegieren.

Die Teilnehmenden sollten mit Datenkonzepten und grundlegender Programmierlogik vertraut sein. Vorkenntnisse in Statistik oder Datenanalyse sind für die ML-Inhalte von Tag 2 von Vorteil. Tiefe Programmierkenntnisse sind nicht erforderlich; Teilnehmende ohne Daten- oder Technologiehintergrund werden das Tempo der Tage 2 und 3 jedoch als anspruchsvoll empfinden. Risiko- und Konformitätsbeauftragten mit Governance-Hintergrund und ohne technischen Hintergrund wird empfohlen, vorab eine grundlegende Einführung in ML zu absolvieren.