AI Fundamentals and Literacy24%Das Vokabular, das jemand ohne Engineering-Hintergrund braucht, damit der Rest der Prüfung überhaupt Sinn ergibt: was ein Modell ist, wie eines auf vergangenen Daten angepasst wird, was es zurückgibt, wenn man es fragt, und wo die Grenze zwischen dem älteren statistischen Handwerk und der neueren generativen Sorte verläuft. Darauf setzen die Urteilsfragen auf: ob eine schlichte deterministische Regel besser taugt als eine gelernte, was ein Werkzeug, das eigenständig handelt, von einem unterscheidet, das nur antwortet, warum ein laufendes System mit der Zeit an Genauigkeit verliert und wie ein Unternehmen den Überblick behält, welche Tools die Belegschaft überhaupt nutzen darf. Beim generativen Teil kommt dazu: eine Anweisung schreiben, die funktioniert, mit einem begrenzten Eingabebudget auskommen und die zwei gängigen Wege, eine Antwort im eigenen Material der Organisation zu verankern.
≈ 8 h AI Strategy and Business Value Creation28%Der größte Einzelanteil, und der Teil, der darüber entscheidet, ob ein Programm je ein zweites Mal Geld bekommt. Die eine Hälfte ist die Auswahl: welche Ecken des Geschäfts sich wirklich bewegen würden, ob du die Sache selbst baust, lizenzierst oder jemanden holst, welche Kandidaten jetzt Geld bekommen und welche gestoppt werden, und, die Antwort, die am häufigsten übersehen wird: wann die ehrliche Empfehlung lautet, die Technik ganz herauszulassen. Die andere Hälfte ist der Nachweis: festlegen, was du zählen wirst, bevor irgendetwas eingeschaltet wird, damit die Zahl hinterher etwas bedeutet; gesparte Stunden und vermiedene Ausgaben in einen Betrag übersetzen, den ein Finanzteam akzeptiert; die frühen Signale lesen, die sagen, ob ein Projekt landet; und die laufenden Kosten im Griff behalten. Zum Schluss der Blick nach außen: was der Vorsprung eines Wettbewerbers wert ist und ab wann eine Fähigkeit aufhört, eine Effizienz zu sein, und ein anderes Geschäft wird.
≈ 10 h AI Governance and Responsible AI Leadership24%Was wahr sein muss, damit ein Einsatz verteidigbar ist. Es beginnt bei den Prinzipien: fair, erklärbar, vertraulich, sicher, offen über sich selbst, schwer umzuwerfen. Dann kommt der schwierigere Teil, nämlich der Moment, in dem eines davon gegen ein kommerzielles Ziel zieht, und die Frage, welche Seite nachgibt. Danach die Mechanik: wer in dem Gremium sitzt, das entscheidet, wofür jeder Platz einsteht, welche Gesetze auf den automatisierten Prozess greifen, wer an die Daten darf und wie ein Vorhaben danach einsortiert wird, wie viel Schaden es anrichten könnte. Das letzte Drittel ist der Katalog dessen, was schiefgeht, sobald etwas läuft: eine selbstbewusste Erfindung, eine Schieflage, die sich irgendwo zwischen Erhebung und Auslieferung einschleicht, fremdes geschütztes Material, das wieder herauskommt, und das langsame Verderben der Eingangsdaten, dazu das Monitoring und das menschliche Veto, die verhindern, dass irgendetwas davon bei einem Kunden ankommt.
≈ 8 h Business Readiness, Leadership, and AI Transformation24%Nach Aufgabenzahl der breiteste Bereich, und derjenige, der die Organisation selbst als das behandelt, was verändert wird. Er beginnt mit einer ehrlichen Bestandsaufnahme: wie weit dieses Unternehmen tatsächlich ist, gemessen an einer Skala statt an einem Bauchgefühl, und welche seiner Leute, Gewohnheiten, Systeme und Regeln hinter dem zurückbleiben, was vorgeschlagen wird. Darunter liegt die handfeste Frage, ob die Daten überhaupt vorhanden sind, ob jemand für sie zuständig ist und ob zwei Abteilungen sie rechtlich und praktisch zusammenlegen dürfen. Dann die Führung: ein Sponsor, der hoch genug sitzt, um Gewicht zu haben, eine Runde aus Recht und Betrieb ebenso wie Engineering, eine Erzählung für Mitarbeitende, die still um ihre Jobs bangen, und ein Weg an dem Widerstand vorbei, der sich als Schulterzucken zeigt statt als Einwand. Und schließlich der Aufstieg von einem funktionierenden Pilot zu etwas, worauf das ganze Unternehmen baut: erst kleine Erfolge, eine feste Gruppe, die die Praxis trägt, Rückmeldungen, die weiter eintreffen, und die unglamouröse Arbeit, ein Experiment so weit zu bringen, dass es hält, wenn man sich darauf verlässt.
≈ 8 h 
Alex