Advanced in AI Audit® (AAIA)®

Interesse an den Bereichen Künstliche Intelligenz, IT-Governance, Datenanalyse und Auditing.
Grundkenntnisse in IT-Systemen, Datenmanagement oder Risikomanagement sind von Vorteil.
Aufgrund der Komplexität der Inhalte und der Prüfung wird eine Berufserfahrung von 2–3 Jahren im Bereich IT-Audit, Compliance, Data Science oder verwandten Feldern empfohlen – jedoch nicht zwingend erforderlich.

Zielgruppe

IT-Auditoren
Data Governance Spezialisten
Informationssicherheitsbeauftragte
Compliance- und Risikomanager
Datenschutzbeauftragte
Data Scientists mit Fokus auf Governance
IT-Manager mit Verantwortung für KI-Projekte
Fachkräfte im Bereich Künstliche Intelligenz und maschinelles Lernen
Berater für IT-Governance, Risk & Compliance (GRC)

Trainingsplan
Modul 1 – KI- Governance und Risiko

A – KI-Modelle, Überlegungen und Anforderungen
Arten von KI
Machine-Learning /KI-Modelle
Algorithmen
KI-Lebenszyklus
Geschäftliche Überlegungen

B – KI-Governance und Programmmanagement
KI-Strategien
Rollen und Verantwortlichkeiten im KI-Umfeld
Richtlinien und Verfahren für KI
Schulungs- und Awareness-Programme zu KI
Metriken zur Erfolgsmessung von KI-Programmen

C – KI-Risikomanagement
Identifikation KI-bezogener Risiken
Bewertung von KI-Risiken
Überwachung und Steuerung von KI-Risiken

D – Datenschutz und Daten-Governance Programme
Daten-Governance
Datenschutzaspekte

E – Best Practices,Ethik, Standards und Regularien für KI
Relevante Standards, Frameworks und Regularien zu KI
Ethische Überlegungen beim Einsatz von KI

Modul 2 – Betrieb von KI-Systemen

A – Datenmanagement für KI
Datenerfassung
Datenklassifizierung
Datenvertraulichkeit
Datenqualität
Datenbalancierung
Datenknappheit
Datensicherheit

B – Entwicklung und Lebenszyklus von KI-Lösungen
Entwicklungsprozesse, -methoden und Lebenszyklus
Privacy- und Security-by-Design

C – Change Management für KI
Änderungsmanagement im Kontext von KI

D – Überwachung von KI-Lösungen
Verantwortung und Kontrolle menschlicher Aufsicht („AI Agency“)

E – Testverfahren für KI-Systeme
Klassische Softwaretest-Techniken für KI
KI-spezifische Testverfahren

F – KI-Bedrohungen und Schwachstellen
Arten KI-bezogener Bedrohungen
Kontrollen gegen KI-Bedrohungen

G – KI-Incident Response Management
Vorbereitung
Identifizierung und Meldung
Bewertung
Reaktion
Nachbearbeitung

Modul 3 – Prüfmethoden, Techniken und Werkzeuge für KI-Audits

A – KI-Auditplanung und -design
Identifikation von KI-Assets
Arten von KI-Kontrollen
Anwendungsfälle für KI-Audits
Interne Schulungen zum KI-Einsatz

B – Test- und Stichprobenmethoden
Gestaltung eines KI-Audits
Testmethoden für KI-Audits
KI-Stichproben
Prüfung von KI-Ergebnissen
Beispiel-Ablauf eines KI-Audits

C – Techniken zur Beweissammlung
Datenerhebung
Walkthroughs und Interviews
Tools zur KI-Datenerfassung

D – Datenqualität und Data-Analytics im Audit
Bewertung der Datenqualität
Datenanalyse
Datenberichterstattung

E – KI- Auditberichte und Ergebnisse
Erstellung von Berichten
Audit-Follow-up
Qualitätssicherung und Nachverfolgung

SEKUNDÄRE KLASSIFIKATIONEN – AUFGABEN

Auswirkungen, Chancen und Risiken bewerten, wenn KI-Lösungen in den Audit-Prozess integriert werden.

KI-Lösungen einsetzen, um Audit-Prozesse (Planung, Durchführung, Berichterstattung) zu verbessern.
KI-Lösungen bewerten, um das Unternehmen zu Auswirkungen, Chancen und Risiken zu beraten.
Auswirkungen von KI-Lösungen auf System­interaktionen, Umwelt und Menschen bewerten.
Rolle und Auswirkungen von KI-Entscheidungs­systemen auf Organisation und Stakeholder bewerten.
KI-Richtlinien und -Verfahren der Organisation inkl. gesetzlicher/ regulatorischer Compliance bewerten.
Überwachung und Berichterstattung von Kennzahlen (z. B. KPIs, KRIs) speziell für KI bewerten.
Prüfen, ob Verantwortlichkeiten für KI-bezogene Risiken, Kontrollen, Verfahren, Entscheidungen und Standards definiert sind.
Data-Governance-Programm der Organisation speziell für KI bewerten.
Datenschutz­programm der Organisation speziell für KI bewerten.
Problem- und Incident-Management-Programme speziell für KI bewerten.
Change-Management-Programm speziell für KI bewerten.
Configuration-Management-Programm speziell für KI bewerten.
Threat- und Vulnerability-Management-Programme speziell für KI bewerten.
Identity- und Access-Management-Programm speziell für KI bewerten.
Anbieter- und Supply-Chain-Management-Programme für KI-Lösungen bewerten.
Design und Wirksamkeit von Kontrollen speziell für KI bewerten.
Dateninput-Anforderungen für KI-Modelle (Angemessenheit, Bias, Datenschutz) bewerten.
System-/Business-Anforderungen für KI-Lösungen prüfen, um Ausrichtung auf die Enterprise-Architektur sicherzustellen.
Lebenszyklus der KI-Lösung (Design, Entwicklung, Bereitstellung, Überwachung, Stilllegung) sowie Ein-/Ausgaben auf Compliance und Risiko bewerten.
Algorithmen und Modelle bewerten, damit KI-Lösungen Geschäfts­zielen, Richtlinien und Verfahren entsprechen.
Auswirkungen von KI auf die Belegschaft analysieren und Stakeholder zu Training, Weiterbildung und weiteren Maßnahmen beraten.
Prüfen, ob Awareness-Programme mit den KI-bezogenen Richtlinien und Verfahren der Organisation übereinstimmen.

Zertifizierung
ISACA Prüfung AAIA™ – Advanced in AI Audit™

Dauer: 2,5 Stunden
Anzahl der Fragen: 90
Format: Multiple Choice Questions
Sprachen: Englisch, Spanisch, Chinesisch (weitere Sprachen in Planung)

Schönbrunn TASC ist ein offizieller ISACA ATO (Accredited Training Organization). Das bedeutet, dass Sie während des Intensivkurses mit offiziellen ISACA-Schulungsunterlagen arbeiten und Ihre AAIA™-Prüfung direkt im Schönbrunn TASC Trainingscenter ablegen können.

Sollten Sie die Prüfung beim ersten Versuch nicht bestehen, greift unsere Leistungsgarantie – Sie trainieren kostenlos erneut.

Voraussetzung der AAIA™ Zertifizierung

Die AAIA™-Zertifizierung richtet sich an Fachkräfte, die sich auf die Prüfung, Bewertung und das Risikomanagement von KI-Systemen spezialisieren möchten.

Folgende Anforderungen sind für die Zertifizierung erforderlich:
Erfolgreicher Abschluss der ISACA-Prüfung Advanced in AI Audit™ (AAIA™)
Einreichung des offiziellen Zertifizierungsantrags bei ISACA
Einhaltung des ISACA Code of Professional Ethics
Befolgung der Continuing Professional Education (CPE) Policy