Der EU AI Act kommt – ist Ihr Team vorbereitet?

Wir schulen Management, Legal, Compliance und Tech-Teams in Responsible AI, Fairness-Testing und EU AI Act-Anforderungen. Von Awareness bis Deep-Dive. Wir wollen, dass Sie den EU AI Act zu Ihrem Vorteil nutzen können.

Die beste Compliance-Strategie scheitert, wenn Teams nicht verstehen, was zu tun ist. Wir bringen Responsible AI, EU AI Act und praktische Tools zu Ihren Teams – praxisnah, interaktiv, auf Deutsch.

In 4 Stunden bis 2 Tagen vermitteln wir das Wissen, das Ihre Teams brauchen – vom C-Level-Überblick bis zum Hands-on Bias-Testing für Data Scientists.

⏱️ 4h – 2 Tage | 👥 Bis zu 25 Teilnehmer | 💰 Ab €2.000 | 📍 Remote oder Vor-Ort

Workshop anfragen
Agenda-Beispiele ansehen

✓ 25+ Jahre Erfahrung in Training & Change Management | ✓ Praxisnahe Beispiele aus echten Projekten | ✓ Interaktiv (keine Frontal-Vorträge) | ✓ Materialien auf Deutsch | ✓ 4 Wochen Post-Workshop-Support

Warum Responsible AI Workshops für Compliance Projekte?

Die größte Hürde für erfolgreiche AI Compliance ist nicht fehlende Technologie oder fehlendes Budget – es ist fehlendes Verständnis. Unterschiedliche Stakeholder brauchen unterschiedliches Wissen, sprechen unterschiedliche Sprachen und haben unterschiedliche Prioritäten.

Compliance braucht Kompetenz

📜 EU AI Act fordert nicht nur Prozesse, sondern kompetente Menschen:

  • Art. 4 (AI Literacy): Alle Beteiligten müssen AI verstehen
  • Art. 9: Risk Management braucht geschulte Risk Officers
  • Art. 14: Human Oversight braucht qualifizierte Operators

Ohne Training: Prozesse bleiben Papier-Tiger
Mit Training: Teams können eigenständig umsetzen

Internes Know-how ist günstiger

💰 Externe Berater sind teuer

ROI-Rechnung:

  • Workshop: €5.000 (einmalig)
  • Befähigt 15 Mitarbeiter
  • Spart 50-100h externe Beratung pro Jahr = €15k-50k gespart

Plus: Internes Know-how = schnellere Entscheidungen, weniger Abhängigkeit

Change Management

🧠 AI Compliance ist Change – Menschen müssen mitgenommen werden:

Ohne Workshops:

  • „Noch mehr Compliance-Bürokratie“ (Widerstand)
  • „Warum ist das wichtig?“ (Verständnislosigkeit)
  • „Das betrifft mich nicht“ (fehlende Ownership)

Mit Workshops:

  • Verständnis für „Warum“ (Akzeptanz)
  • Praktische Tools (Selbstwirksamkeit)
  • Gemeinsame Sprache (Team-Alignment)

Drei Responsible AI Workshops für unterschiedliche Stakeholder

Wir bieten keine „One-Size-Fits-All“-Trainings. Unsere Workshops sind modular, zielgruppenspezifisch und praxisorientiert. Jeder Stakeholder bekommt das Wissen, das er für seine Rolle braucht – in seiner Sprache, auf seinem Level.

Executive Briefing
(Half-Day, 4-6h)

Teilnehmer:

C-Level, Board, Senior Management

Ziel:

„Strategisches Verständnis: Was ist der EU AI Act, was bedeutet er für uns, was wollen wir tun?“

Inhalte:

EU AI Act Überblick

  1. Was ist der AI Act? (Ziele, Struktur, Timeline)
  2. Allignment mit Unternehmenszielen
  3. Risiko-Kategorien (Prohibited, High-Risk, Limited, Minimal)
  4. Was gilt für uns? (Quick Assessment)

Business Impact & Strategy

  1. Compliance-Anforderungen für unsere Systeme
  2. Kosten vs. Risiken (ROI von Compliance)
  3. Wettbewerbsvorteil durch Responsible AI

Roadmap & Next Steps

  1. Was muss bis wann passieren?
  2. Wer ist verantwortlich?
  3. Budgets & Ressourcen
  4. Q&A

Deliverables:

  • Workshop-Slides (PDF)
  • Miro Boards/Whiteboards dokumentiert
  • Executive Summary (5 Seiten)
  • High-Level Roadmap
  • 2 Wochen Post-Workshop-Support (E-Mail/Calls)

Responsible AI Fundamentals
(Full-Day, 8h)

Teilnehmer:

Product Managers, Legal, Compliance, Risk Officers, AI-Projektleiter

Ziel:

Praktisches Verständnis: Wie setzen wir EU AI Act und Responsible AI um?

Inhalte:

Responsible AI Grundlagen

  1. Was ist Responsible AI? (Fairness, Transparency, Accountability)
  2. EU AI Act Deep-Dive (wichtigste Artikel)
  3. Case Studies (Apple Card, Amazon HR Tool)

Fairness & Bias

  1. Was ist Bias? (Typen, Beispiele)
  2. Wie misst man Fairness? (Metriken im Überblick)
  3. Hands-on: Disparate Impact berechnen (Excel-Übung)
  4. Mitigation-Strategien

Transparency & Explainability

  1. Was fordert Art. 13? (Transparenzpflichten)
  2. Explainability-Methoden (SHAP, LIME im Überblick)
  3. Model Cards erstellen (Template-Übung)

Implementation & Governance

  1. Wie baut man ein AI Governance Framework?
  2. Rollen & Verantwortlichkeiten
  3. Dokumentations-Anforderungen
  4. Monitoring & Post-Market Surveillance

Workshop & Action Planning

  1. Gruppenübung: Roadmap für unser Unternehmen
  2. Q&A
  3. Next Steps

Deliverables:

  • Workshop-Slides (PDF)
  • Excel-Templates (Bias-Calculation, Risk Assessment)
  • Model Card Template
  • Checklisten (Data Governance, Documentation)
  • Case Study Sammlung (10 documented Bias-Cases)
  • 4 Wochen Post-Workshop-Support

Technical Deep-Dive
(Two-Day, 16h)

Teilnehmer:

Data Scientists, ML Engineers, AI Developers

Ziel:

Hands-on Expertise: Fairness-Testing, Explainability-Tools, Mitigation-Code

Inhalte:

Teil 1: Fairness & Bias Testing

Fairness Theory & Metriken

  • 70+ Fairness-Metriken (welche wann?)
  • Trade-offs (Demographic Parity vs. Equal Opportunity)
  • When to use what

Hands-on: IBM AIF360

  • Setup & Installation
  • Dataset-Loading
  • Bias-Metriken berechnen
  • Coding-Exercise (eigene Daten)

Bias-Mitigation

  • Pre/In/Post-Processing-Strategien
  • AIF360 Mitigation-Algorithmen
  • Trade-off-Analysen (Fairness vs. Accuracy)

Fairlearn

  • Constraint-basierte Optimization
  • Grid Search für faire Modelle
  • Vergleich AIF360 vs. Fairlearn

Teil 2: Explainability & Data Governance

SHAP Deep-Dive

  • Shapley Values erklärt
  • SHAP Installation & Usage
  • Global vs. Local Explanations

Hands-on: SHAP

  • SHAP Summary Plots
  • SHAP Force Plots
  • Feature Interactions
  • Coding-Exercise

Data Quality mit Great Expectations

  • Data Governance-Anforderungen (EU AI Act Art. 10)
  • Great Expectations Framework
  • Automated Data Testing

Integration & Best Practices

  • Wie integriert man Fairness-Testing in CI/CD?
  • Monitoring-Setup (Alibi Detect Überblick)
  • Production-Ready-Workflows
  • Q&A & Abschluss

Deliverables:

  • Workshop-Slides (PDF)
  • Jupyter Notebooks (alle Übungen, lauffähig)
  • Code-Repository (GitHub)
  • Data Samples (für Übungen)
  • Tool-Installation-Guides
  • Best-Practice-Documentation
  • 4 Wochen Post-Workshop-Support (inkl. Code-Reviews)

💡 Brauchen Sie etwas Spezifischeres?

Wir können Workshops customizen:

  • Branchen-spezifisch (Finance, Healthcare, HR)
  • Use-Case-fokussiert (nur Credit Scoring, nur Chatbots)
  • Multi-Level (verschiedene Zielgruppen, verschiedene Tage)
  • In English (falls gewünscht)

Beispiele für detaillierte Workshop-Agendas

Hier finden Sie Beispiele für die vollständigen Agendas der drei Workshop-Formate:

09:00 – 10:30 | EU AI Act Überblick (90 Min)

Was ist der EU AI Act? (30 Min)

  • Historie & politischer Kontext (warum gibt es ihn?)
  • Ziele: Harmonisierung, Grundrechte, Innovation
  • Struktur: Titel, Kapitel, Artikel, Annexe
  • Timeline: 2024-2027, wichtige Deadlines

Risiko-Kategorien verstehen (30 Min)

  • Prohibited AI (Art. 5): Was ist verboten?
  • High-Risk AI (Art. 6 + Annex III): Die 8 Bereiche im Detail
  • Limited Risk AI (Art. 50): Transparenzpflichten
  • Minimal Risk AI: Was ist außerhalb des Scope?

Quick Assessment: Was gilt für uns? (30 Min)

  • Interaktive Übung: Ihre Systeme klassifizieren
  • Welche fallen unter Annex III?
  • Erste Einschätzung: Hochrisiko ja/nein?
  • Q&A

10:30 – 10:45 | Pause (15 Min)

10:45 – 12:00 | Business Impact & Strategy (75 Min)

Compliance-Anforderungen für Ihre Systeme (30 Min)

  • Wenn Hochrisiko: Welche Pflichten? (Art. 9-15 im Überblick)
  • Risk Management, Data Governance, Transparency, Human Oversight
  • Documentation & Record-Keeping
  • Conformity Assessment & CE-Marking

Kosten vs. Risiken: ROI von Compliance (20 Min)

  • Kosten: Assessment, Testing, Monitoring, Dokumentation
  • Risiken: Bußgelder (bis €35 Mio.), Reputationsschaden, Produktstopp
  • ROI-Rechnung: Wann amortisiert sich Compliance?

Wettbewerbsvorteil durch Responsible AI (25 Min)

  • Early Compliance = Markt-Differenzierung
  • Vertrauen als Asset (Kunden, Investoren, Regulatoren)
  • Case Studies: Wer profitiert von verantwortungsvoller KI?

12:00 – 13:00 | Roadmap & Next Steps (60 Min)

Was muss bis wann passieren? (20 Min)

  • EU AI Act Timeline: 2024-2027
  • Ihre kritischen Deadlines
  • Phasen: Assessment → Testing → Implementation → Monitoring

Wer ist verantwortlich? (15 Min)

  • Governance-Struktur: AI Officer, Risk Committee
  • Rollen & Verantwortlichkeiten (Legal, Compliance, Tech, Product)
  • RACI-Matrix für AI Compliance

Budgets & Ressourcen (10 Min)

  • Typische Kosten (Assessment, Testing, Monitoring)
  • Build vs. Buy (interne Kapazität vs. externe Berater)
  • Ressourcen-Planung (FTE, Budget)

Q&A & Nächste Schritte (15 Min)

  • Offene Fragen
  • Konkrete Aktionen für die nächsten 4 Wochen
  • Follow-up: Wer macht was bis wann?

Deliverables: Workshop-Slides (PDF), Executive Summary (5 Seiten), High-Level Roadmap, 2 Wochen Post-Workshop-Support

09:00 – 10:30 | Responsible AI Grundlagen (90 Min)

Was ist Responsible AI? (30 Min)

  • Definition & Kernprinzipien (Fairness, Transparency, Accountability)
  • Warum ist es wichtig? (ethisch, legal, business)
  • Geschichte: Von OECD Principles zu EU AI Act

EU AI Act Deep-Dive (40 Min)

  • Struktur & wichtigste Artikel (6, 9, 10, 13, 14, 15, 72-73)
  • Hochrisiko-Kategorien (Annex III detailliert)
  • Pflichten für Provider & Deployer
  • Sanktionen & Enforcement

Case Studies: Wenn AI schiefgeht (20 Min)

  • Apple Card Gender Bias (2019)
  • Amazon HR Tool (2018)
  • COMPAS Recidivism Algorithm
  • Lessons Learned

10:30 – 10:45 | Pause

10:45 – 12:30 | Fairness & Bias (105 Min)

Was ist Bias? (30 Min)

  • Typen: Data Bias, Algorithmic Bias, User Bias
  • Wo entsteht Bias? (Training-Data, Features, Labels, Model)
  • Beispiele aus verschiedenen Domains

Fairness-Metriken verstehen (35 Min)

  • Demographic Parity (gleiche Approval-Rates)
  • Equal Opportunity (gleiche True-Positive-Rates)
  • Equalized Odds (gleiche Fehlerraten)
  • Trade-offs zwischen Metriken (man kann nicht alle erfüllen!)
  • Welche Metrik wann? (Use-Case-abhängig)

Hands-on: Disparate Impact berechnen (40 Min)

  • Excel-Übung mit Sample-Data
  • Berechnung: Selection Rate Ratio
  • Interpretation: <0.80 = problematisch (80%-Rule)
  • Gruppenarbeit: Ihre Use Cases analysieren

12:30 – 13:30 | Mittagspause

13:30 – 15:00 | Transparency & Explainability (90 Min)

Was fordert Art. 13 (Transparenz)? (20 Min)

  • Transparenzpflichten für Hochrisiko-Systeme
  • Was muss kommuniziert werden? (an wen?)
  • User Information Requirements

Explainability-Methoden im Überblick (30 Min)

  • Black Box vs. Glass Box Models
  • Post-hoc Explanations (SHAP, LIME)
  • Global vs. Local Explanations
  • Feature Importance Rankings

Hands-on: Model Cards erstellen (40 Min)

  • Was ist eine Model Card? (Google/TensorFlow Standard)
  • Template-Übung: Model Card für Ihr System
  • Sections: Intended Use, Training Data, Performance, Limitations
  • EU AI Act Compliance: Model Card = Teil der Technical Documentation

15:00 – 15:15 | Pause

15:15 – 16:45 | Implementation & Governance (90 Min)

AI Governance Framework aufbauen (30 Min)

  • Governance-Strukturen (AI Board, Risk Committee)
  • Rollen & Verantwortlichkeiten (wer macht was?)
  • Policies & Prozesse (Risk Assessment, Approval, Monitoring)

Dokumentations-Anforderungen (25 Min)

  • Was muss dokumentiert werden? (Art. 11, 12, 13)
  • Technical Documentation (umfangreich!)
  • Logs & Records (Art. 12: automatisches Logging)
  • Templates & Checklisten (praktische Beispiele)

Monitoring & Post-Market Surveillance (35 Min)

  • Art. 72: Post-Market Monitoring Pflicht
  • Was monitoren? (Performance, Fairness, Drift)
  • Wie monitoren? (Tools, Prozesse, Frequency)
  • Incident Reporting (Art. 73: „Serious Incidents“)

16:45 – 17:30 | Workshop & Action Planning (45 Min)

Gruppenübung: Roadmap erstellen (30 Min)

  • Teams: Roadmap für Ihr Unternehmen skizzieren
  • Was sind Ihre ersten 3 Schritte?
  • Timeline: Wer macht was bis wann?
  • Präsentation & Feedback

Q&A & Next Steps (15 Min)

  • Offene Fragen
  • Ressourcen & weiterführende Literatur
  • Post-Workshop-Support

Deliverables: Workshop-Slides, Excel-Templates (Bias-Calculation, Risk Assessment), Model Card Template, Checklisten, Case Study Sammlung, 4 Wochen Post-Workshop-Support

TAG 1: Fairness & Bias Testing

09:00 – 10:30 | Fairness Theory & Metriken (90 Min)

Deep-Dive: 70+ Fairness-Metriken (45 Min)

  • Group Fairness: Demographic Parity, Equal Opportunity, Equalized Odds
  • Individual Fairness: Similar people → Similar outcomes
  • Calibration: Predicted probabilities = actual probabilities
  • Trade-offs: Warum man nicht alle Metriken gleichzeitig erfüllen kann
  • Impossibility Theorems (Kleinberg et al.)

Welche Metrik wann? (45 Min)

  • Credit Scoring: Equal Opportunity oft wichtig
  • HR Recruiting: Demographic Parity für Diversity
  • Medical Diagnosis: Calibration critical
  • Decision Framework: Use-Case → Stakeholder → Metrik

10:30 – 10:45 | Pause

10:45 – 12:30 | Hands-on: IBM AIF360 (105 Min)

Setup & Installation (15 Min)

  • Python Environment Setup
  • pip install aif360
  • Dependencies & Troubleshooting

AIF360 Basics (30 Min)

  • Dataset-Loading (StandardDataset, BinaryLabelDataset)
  • Metrics berechnen (ClassificationMetric)
  • Code-Beispiel: Disparate Impact, Equal Opportunity

Coding-Exercise: Ihr eigener Bias-Test (60 Min)

  • Sample-Dataset oder Ihre Daten (anonymisiert)
  • Bias-Metriken berechnen
  • Interpretation der Ergebnisse
  • Troubleshooting & Q&A

12:30 – 13:30 | Mittagspause

13:30 – 15:00 | Bias-Mitigation (90 Min)

Mitigation-Strategien Überblick (20 Min)

  • Pre-Processing (Daten-Level): Reweighing, Sampling
  • In-Processing (Training-Level): Prejudice Remover, Adversarial Debiasing
  • Post-Processing (Prediction-Level): Calibrated Equalized Odds, Reject Option

Hands-on: AIF360 Mitigation-Algorithmen (50 Min)

  • Reweighing implementieren
  • Before/After Comparison
  • Trade-off-Analyse: Fairness-Improvement vs. Accuracy-Drop

Best Practices (20 Min)

  • Wann welche Mitigation?
  • Business-Kontext berücksichtigen
  • Kommunikation von Trade-offs an Stakeholder

15:00 – 15:15 | Pause

15:15 – 17:00 | Fairlearn (105 Min)

Warum Fairlearn? (15 Min)

  • Microsoft’s Approach: Constraint-basierte Optimization
  • Vergleich AIF360 vs. Fairlearn
  • Wann nutzt man was?

Hands-on: Grid Search für faire Modelle (60 Min)

  • Fairlearn Installation
  • GridSearch mit Fairness-Constraints
  • Pareto-Front-Visualisierung (Fairness vs. Accuracy)
  • Model-Selection: Welcher Trade-off ist akzeptabel?

Coding-Exercise: Ihr Use Case (30 Min)

  • Fairlearn auf Ihre Daten anwenden
  • Trade-off-Matrix erstellen
  • Empfehlung für Stakeholder formulieren

TAG 2: Explainability & Data Governance

09:00 – 10:30 | SHAP Deep-Dive (90 Min)

Shapley Values erklärt (30 Min)

  • Cooperative Game Theory Grundlagen
  • Warum Shapley Values fair sind
  • Von Spieltheorie zu ML-Explainability

SHAP Installation & Setup (15 Min)

  • pip install shap
  • Model-Compatibility (Tree-based, Neural Networks, Linear)

SHAP in der Praxis (45 Min)

  • Global Explanations: Summary Plot, Feature Importance
  • Local Explanations: Force Plot, Waterfall Plot
  • Feature Interactions: Dependence Plots
  • Code-Beispiele für verschiedene Model-Typen

10:30 – 10:45 | Pause

10:45 – 12:30 | Hands-on: SHAP (105 Min)

Coding-Exercise 1: SHAP Summary Plots (35 Min)

  • Sample-Model (Scikit-Learn) laden
  • SHAP-Werte berechnen
  • Summary Plot erstellen & interpretieren

Coding-Exercise 2: SHAP Force Plots (35 Min)

  • Einzelne Predictions erklären
  • Force Plot visualisieren
  • Counterfactual Analysis: Was müsste sich ändern?

Coding-Exercise 3: Ihre Modelle (35 Min)

  • SHAP auf Ihre Production-Modelle anwenden (wenn vorhanden)
  • Insights extrahieren
  • Deliverable: Explanation-Report für Stakeholder

12:30 – 13:30 | Mittagspause

13:30 – 15:00 | Data Quality mit Great Expectations (90 Min)

EU AI Act Art. 10: Data Governance (20 Min)

  • „Relevant, representative, free of errors, complete“
  • Was bedeutet das technisch?
  • Messbare Metriken für jede Anforderung

Great Expectations Framework (30 Min)

  • Was ist Great Expectations?
  • Installation & Setup
  • Expectations definieren (z.B. „Missing Values <5%")
  • Automated Testing in Pipelines

Hands-on: Data Quality Tests (40 Min)

  • Sample-Dataset laden
  • Expectations erstellen
  • Validation-Suite laufen lassen
  • Data Quality Scorecard generieren
  • Failing Tests: Was tun?

15:00 – 15:15 | Pause

15:15 – 17:00 | Integration & Best Practices (105 Min)

CI/CD-Integration (30 Min)

  • Fairness-Tests in Deployment-Pipeline
  • Automated Testing: Pre-Deployment-Checks
  • Fail-Safe: Deployment-Stop bei kritischem Bias
  • Code-Beispiele (Jenkins, GitLab CI, GitHub Actions)

Monitoring-Setup (Alibi Detect Überblick) (25 Min)

  • Post-Deployment: Continuous Monitoring nötig
  • Alibi Detect für Drift Detection
  • Alert-Setup bei Performance/Fairness-Degradation
  • Link zu Monitoring-Service

Production-Ready-Workflows (25 Min)

  • Von Notebook zu Production-Code
  • Best Practices: Logging, Error Handling, Documentation
  • Team-Workflows: Data Scientists ↔ ML Engineers

Q&A & Abschluss (25 Min)

  • Offene Fragen
  • Next Steps für Ihre Projekte
  • Post-Workshop-Support (4 Wochen, inkl. Code-Reviews)
  • Resources & Community

Deliverables: Workshop-Slides, Jupyter Notebooks (alle Übungen, lauffähig), Code-Repository (GitHub), Data Samples, Tool-Installation-Guides, Best-Practice-Documentation, 4 Wochen Post-Workshop-Support (inkl. Code-Reviews)

Für wen sind Responsible AI Workshops sinnvoll?

✅ Workshops machen Sinn wenn:
  • Sie AI-Systeme entwickeln/betreiben
  • EU AI Act betrifft Sie (Hochrisiko-Systeme)
  • Teams haben wenig AI/Compliance-Erfahrung
  • Change Management nötig (neue Prozesse)
  • Budget für externe Berater begrenzt
✅ Ideal für:
  • Mittelstand (50-500 Mitarbeiter) – perfekte Größe
  • Startups (AI-fokussiert) – früh Kultur etablieren
  • Konzerne (>1.000 MA) – mehrere Wellen, verschiedene Teams
  • Public Sector – Verwaltungs-Digitalisierung
❌ Weniger sinnvoll wenn:
  • Teams sind bereits AI-Experten
  • Nur 1-2 Personen betroffen
  • Keine AI-Systeme in absehbarer Zeit

Typische Firmensituationen

Situation 1: „Wir starten mit AI“
→ Executive Briefing (Management-Buy-in)
→ Fundamentals (Product/Engineering)
→ Etabliert Kultur von Anfang an

Situation 2: „EU AI Act kommt, wir müssen compliant werden“
→ Fundamentals (Compliance/Legal)
→ Technical Deep-Dive (Data Science)
→ Alle wissen was zu tun ist

Situation 3: „Wir haben AI, aber wenig Fairness-Know-how“
→ Technical Deep-Dive (Data Scientists)
→ Hands-on Tools lernen
→ Eigenständige Umsetzung möglich

Situation 4: „Wir wachsen, brauchen Onboarding-Prozess“
→ Ongoing Education Paket
→ Quarterly Workshops für neue Mitarbeiter
→ Konsistente Wissensvermittlung

Häufige Fragen zu Responsible AI Workshops

Beides möglich, Ihre Wahl.

Remote (Zoom/Teams):
Vorteile: Günstiger, flexibler, mehr Teilnehmer möglich
Nachteile: Weniger Interaktion, Ablenkungen
Empfohlen für: Executive Briefing, Follow-ups

On-Site (bei Ihnen vor Ort):
Vorteile: Mehr Interaktion, besseres Team-Building, fokussierter
Nachteile: Teurer (Reisekosten), Raum-Setup nötig
Empfohlen für: Fundamentals, Technical Deep-Dive

Hybrid:
Auch möglich (z.B. Management remote, Tech on-site)

Ja, absolut.

Standard-Workshops sind 80% fertig, 20% customizen wir:

  • Ihre Branche (Finance, Healthcare, etc.)
  • Ihre Use Cases (Credit Scoring, HR, etc.)
  • Ihre Herausforderungen (konkrete Pain Points)
  • Ihre Sprache (Deutsch/English)

Custom Content-Entwicklung:

  • €150/h für neue Slides/Übungen
  • Typisch 4-8h für signifikante Customization
  • Besprechen wir im Vorgespräch

Beispiel:
„Fundamentals Workshop, aber nur für HR-Recruiting Use Case“
→ 4h Custom-Entwicklung (€600) + Workshop-Fee

Minimal:

  • Raum (mit Beamer/Screen, für On-Site)
  • Teilnehmer-Liste (Namen, Rollen)
  • Ihre Use Cases/Systeme (grobe Beschreibung)

Ideal (für technische Workshops):

  • Laptops für Teilnehmer (Python installiert)
  • Zugang zu Ihren AI-Systemen (für realistische Übungen)
  • Sample-Data (anonymisiert, für Hands-on)

Wir bringen:

  • Alle Slides
  • Templates/Checklisten (digital)
  • Übungsmaterialien
  • Bei Technical: Pre-configured Notebooks

Buchen Sie Ihren Responsible AI Workshop

💬 Beratungsgespräch (30 Min)

Wir besprechen Ihre Situation und empfehlen passendes Format.

Kostenfrei & unverbindlich

Gespräch buchen →

💼 Workshop direkt anfragen

Beschreiben Sie kurz Ihre Bedürfniosse und wir werden uns umgehend bei Ihnen melden, um die Möglichkeiten und das weitere Vorgehen zu besprechen (Anfrage unverbindlich)