Leistungen
Drei Säulen, ein Maßstab: Es muss der Prüfung standhalten.
Was ich anbiete, lässt sich in drei Blöcke fassen. Sie greifen ineinander — ein Governance-Framework ohne Validierungsmethodik bleibt Papier, und eine produktive Anwendung ohne beides kommt nicht durch die Revision.
I
KI-Governance & EU AI Act
- KI-Governance-Framework aufbauen Konzeption und Aufbau prüfungsfester KI-Governance-Strukturen für regulierte Branchen — abgestimmt auf interne Revision, Compliance und Vorstand.
- EU-AI-Act-Assessment durchführen Risikoklassifikation von KI-Anwendungen nach EU AI Act, Lückenanalyse zu Art. 9 (Risikomanagement-System) und Art. 15 (Robustheit und Genauigkeit) — mit konkretem Maßnahmenplan.
- KI-Risikomanagement-System aufbauen Aufbau eines KI-Risikomanagement-Systems nach EU AI Act Art. 9 — Risiken identifizieren, bewerten und über den Lebenszyklus steuern. Brücke zu MaRisk und BCBS 239 für Banken-Mandate.
- Stakeholder-Steuerung übernehmen Vermittlung zwischen Compliance, Fachbereich, IT und Vorstand — KI-Themen so übersetzen, dass alle Beteiligten gemeinsam tragfähige Entscheidungen treffen.
II
Quantitative KI-Validierung
- Modellvalidierungs-Methodik entwickeln Mathematisch fundierte Validierung von KI-Modellen — Backtest-Architekturen, Sensitivitäts- und Stabilitätsanalysen, Bias-Audits.
- Robustheit und Genauigkeit prüfen Validierungs-Frameworks für Genauigkeit, Robustheit und Cybersicherheit von KI-Systemen gemäß EU AI Act Art. 15 — einschließlich Adversarial-Robustheit, Drift-Erkennung und Performance-Monitoring.
- Stresstest-Methodik übertragen Die Stresstest-Methodik aus dem Banken-Säule-2-Kontext auf KI-Modelle angewendet: Datendrift, Adversarial Inputs, Edge Cases und systemische Ausfallszenarien.
- Quantitative Tiefe einbringen Mathematisch-statistische Grundlage für Modell- und KI-Bewertung: Bayessche Inferenz, Hypothesentests, stochastische Modellierung, Monte-Carlo-Simulationen.
III
Produktive KI-Architektur
- KI-Anwendungen konzipieren und bewerten Identifikation geeigneter Anwendungsfälle für GenAI, LLMs und Multi-Agenten-Systeme — mit Nutzenargumentation, Machbarkeitsbewertung und Compliance-Prüfung vor der Umsetzung.
- GenAI- und Multi-Agenten-Lösungen entwickeln Umsetzung produktiver KI-Anwendungen mit Microsoft Copilot Studio, Azure OpenAI, Agenten-Setups und MCP-Anbindungen — auditierbar und revisionsfest.
- Ausschreibungen begleiten Begleitung bei Ausschreibungen für KI-Lösungen — von der Anforderungserhebung über Anbieterbewertung und Vertragsverhandlung bis zur Umsetzungsbegleitung im Konzernumfeld.
- Test- und Validierungskonzepte erstellen Planung und Durchführung von Tests und KI-Validierungen entlang des EU-AI-Act-Lebenszyklus — Schulung der Anwender und Qualitätssicherung über das Projekt hinweg.