Direkt zum Inhalt

QA-Strategie

A4Q AI Foundation: KI-Grundlagen für sichere Projekte

Von maschinellem Lernen bis zu generativer KI: Was die A4Q AI Foundation vermittelt und warum fundiertes KI-Wissen die Basis für verlässliche KI-Projekte ist.

Was ist die A4Q AI Foundation?

Die A4Q AI Foundation (AI-F) ist eine international anerkannte Zertifizierung zu den Grundlagen der künstlichen Intelligenz. Sie vermittelt, wie KI funktioniert, wo sie im Unternehmen sinnvoll eingesetzt werden kann und wie das verantwortungsvoll gelingt.

Franz Hetz hat die Zertifizierung nach Lehrplan 2026 am 18. September 2026 abgelegt. Sie baut auf der A4Q AI Essentials auf und vertieft vor allem die technischen Grundlagen und die generative KI.

Welche Inhalte die Zertifizierung abdeckt

  • Grundlagen der KI: Maschinelles Lernen, neuronale Netze, Verarbeitung natürlicher Sprache (NLP) und Computer Vision.
  • Datenlebenszyklus: Wie Daten erhoben, aufbereitet, für das Training genutzt und überwacht werden – und warum die Qualität eines KI-Systems mit der Qualität seiner Daten steht und fällt.
  • Anwendungsfälle: KI in Kundenanalyse, Marketingautomatisierung, Preisgestaltung, Lieferketten und Kundenservice.
  • Generative KI: Wie Werkzeuge wie ChatGPT oder Gemini reale Geschäftsprozesse unterstützen – und wo ihre Grenzen liegen.
  • Recht und Ethik: EU AI Act und DSGVO als Rahmen für den Einsatz von KI.

Warum fundiertes KI-Wissen für Qualität entscheidend ist

Generative KI ist in vielen Unternehmen in kurzer Zeit vom Experiment zum Werkzeug im Alltag geworden – in Chatbots, bei der Texterstellung, in der Suche oder in internen Assistenten. Damit wachsen die Anforderungen an Qualität: Antworten müssen stimmen, dürfen keine vertraulichen Daten preisgeben und sollen sich nicht durch geschickte Eingaben manipulieren lassen.

Wer solche Systeme beurteilen will, muss verstehen, wie sie funktionieren. Ein Sprachmodell „weiß“ nichts, es berechnet wahrscheinliche Fortsetzungen. Daraus entstehen typische Schwächen wie erfundene Fakten (Halluzinationen) – und daraus wiederum die Frage, wie man Qualität bei solchen Systemen überhaupt messen kann.

Ein Beispiel: der interne Wissensassistent

Ein Unternehmen führt einen KI-Assistenten ein, der Fragen der Belegschaft anhand interner Dokumente beantwortet. Die Technik dahinter – ein Sprachmodell, das passende Textstellen sucht und zusammenfasst – ist verbreitet. Für die Qualität entscheidend sind Fragen, die das Wissen aus der AI Foundation erst sichtbar macht:

  • Richtigkeit: Stützt sich die Antwort tatsächlich auf die gefundenen Dokumente, oder ergänzt das Modell eigene, erfundene Details?
  • Aktualität: Was passiert, wenn eine Richtlinie überarbeitet wurde, die alte Fassung aber noch im Datenbestand liegt?
  • Vertraulichkeit: Sieht jede Person nur Antworten aus Dokumenten, auf die sie auch sonst Zugriff hätte?
  • Manipulation: Lässt sich der Assistent durch geschickt formulierte Eingaben dazu bringen, seine Regeln zu ignorieren?

Für jede dieser Fragen lassen sich Prüfkriterien und Testfälle entwickeln – etwa eine feste Sammlung von Fragen mit bekannten richtigen Antworten, die nach jeder Änderung erneut geprüft wird. So wird Qualität auch bei KI messbar, statt nur gefühlt.

Wofür wir das Wissen in Projekten einsetzen

  • KI-Funktionen richtig einordnen: Welche Technik steckt dahinter, welche Fehlerbilder sind typisch, und was folgt daraus für Anforderungen und Abnahme?
  • Datenqualität mitdenken: Herkunft, Repräsentativität und Aktualität der Daten gehören in jede Risikobetrachtung.
  • Generative KI kritisch prüfen: Fragen zu Richtigkeit, Datenschutz und Missbrauchsrisiken früh im Projekt stellen.
  • Rechtlichen Rahmen beachten: EU AI Act und DSGVO als feste Bestandteile der Qualitätsplanung.

Das Zertifikat ist bis September 2028 gültig – ein bewusster Hinweis darauf, wie schnell sich das Feld entwickelt.

Häufige Fragen

Was ist der Unterschied zwischen AI Essentials und AI Foundation?

AI Essentials vermittelt einen Überblick mit Schwerpunkt auf Risiken, Regulierung und Ethik. AI Foundation geht technisch tiefer – maschinelles Lernen, neuronale Netze, Datenlebenszyklus – und behandelt generative KI ausführlich.

Was sind Halluzinationen bei KI?

So nennt man Antworten eines Sprachmodells, die überzeugend klingen, aber sachlich falsch oder frei erfunden sind. Sie entstehen, weil Sprachmodelle wahrscheinliche Texte berechnen, nicht geprüftes Wissen abrufen.

Wie lange ist die A4Q AI Foundation gültig?

Das Zertifikat nach Lehrplan 2026 ist zwei Jahre gültig, in diesem Fall bis zum 17. September 2028.

Warum ist Datenqualität bei KI so wichtig?

Ein KI-System lernt aus Daten. Sind diese unvollständig, veraltet oder einseitig, übernimmt das System diese Schwächen – oft unbemerkt. Die Prüfung der Daten ist daher ein zentraler Teil der Qualitätssicherung.

Nachweis

Das Zertifikat ist mit der ID 26-AI-F-282164-43 beim iSQI ausgestellt und öffentlich prüfbar: Nachweis bei SkillsClub ansehen (öffnet in neuem Tab).

Branchen

Branchen­kompetenz

Jede Branche hat eigene Regeln, Risiken und Prüfer. Wir kennen sie aus der Praxis – und testen so, dass Ihre Software nicht nur funktioniert, sondern jeder Prüfung standhält.

  • Finanz­wirtschaft

    Online-Banking, Kernbanksysteme und regulierte Prozesse. Wir testen gegen hohe Sicherheits- und Compliance-Anforderungen – damit Releases planbar, nachvollziehbar und prüfbar bleiben.

    • BFSG
    • DORA
    • BAIT
  • Öffentliche Hand

    Fachverfahren, Bürgerportale und SAP-Landschaften. Barrierefreiheit nach BITV, saubere Abnahmen und eine Dokumentation, die jedem Audit standhält.

    • BITV 2.0
    • EN 301 549
    • SAP
  • IT & Software

    Für Softwarehersteller und IT-Dienstleister: Teststrategie, Automatisierung in der CI/CD-Pipeline und die Qualitätssicherung von KI-Funktionen – vom MVP bis zum Release.

    • CI/CD
    • Testautomatisierung
    • EU AI Act