erklären, wie sich verantwortungsvolle KI entlang des Lebenszyklus von KI-Systemen denken lässt – von der Problemformulierung über Daten und Modellentwicklung bis hin zu Betrieb, Nutzung und organisationaler Einbettung.
erläutern, warum Nachhaltigkeit in der KI-Entwicklung bereits bei frühen Designentscheidungen beginnt, etwa bei Datenumfang, Merkmalsauswahl, Modellkomplexität und Zieldefinition.
den Ansatz der Green AI beschreiben und begründen, warum Effizienz, Rechenkosten und Ressourcenverbrauch neben Genauigkeit als Bewertungskriterien für KI-Systeme wichtig sind.
einschätzen, welche Hebel ein verantwortungsvolleres und nachhaltigeres Modelltraining ermöglichen, etwa die Abwägung von Leistungsgewinn und Energieverbrauch, die Wahl geeigneter Trainingsparameter oder die Vermeidung unnötigen Retrainings.
die Bedeutung von Infrastruktur für nachhaltige KI erklären und darlegen, warum Rechenzentren, Kühlung, Standortwahl und organisationale Rahmenbedingungen Teil der Nachhaltigkeitsbewertung von KI sind.
die Begriffe Responsible AI, Trustworthy AI und AI Governance voneinander unterscheiden und ihr Zusammenspiel für die verantwortungsvolle Gestaltung von KI erläutern.
zentrale Regulierungslogiken für KI beschreiben, insbesondere risikobasierte Regulierung sowie das Zusammenspiel von Soft Law, Hard Law und internationaler Governance.
die Risikokategorien der EU-KI-Verordnung einordnen und typische KI-Anwendungen danach bewerten, welche regulatorischen Anforderungen für sie gelten.
erklären, warum Accountability, Transparenz, Audits und Assessments für die organisatorische Umsetzung verantwortungsvoller KI zentral sind.
an Beispielen aus Gesundheit, öffentlichem Sektor und Unternehmen zeigen, dass verantwortungsvolle KI nicht nur eine technische, sondern auch eine organisatorische, rechtliche und ethische Aufgabe ist.
die besondere Verantwortung großer Technologieunternehmen für ökologische, soziale und demokratische Folgen von KI begründen.
den Zusammenhang von KI, Nachhaltigkeit und digitalem Kolonialismus erläutern und kritisch reflektieren, wie globale Machtasymmetrien durch KI-Infrastrukturen verstärkt werden können.
