CAS Human-AI Collaboration

Dieses CAS richtet sich an Fachpersonen, die generative KI nicht nur ausprobieren, sondern in ihrem beruflichen Umfeld wirksam, nachvollziehbar und verantwortungsvoll einsetzen möchten. Angesprochen sind unter anderem:

• Personen in Beratung, Bildung, Kommunikation, Personalwesen, Verwaltung und Wissensarbeit

• Fachleute aus Wirtschaft, Forschung, Technik, Gesundheitswesen und weiteren anwendungsnahen Bereichen

• Führungspersonen, die KI-gestützte Arbeitsprozesse beurteilen, gestalten oder weiterentwickeln

• Projektleitende und Transformationsverantwortliche, die KI in Organisationen einführen oder begleiten

• Fachpersonen, die konkrete Methoden für verlässliche, evidenzbasierte und zukunftstaugliche Mensch-KI-Zusammenarbeit suchen

Nach Abschluss des CAS können die Teilnehmenden:

• generative KI-Systeme fachlich fundiert einordnen und typische Verhaltensmuster erklären

• KI-Interaktionen so strukturieren, dass Ergebnisse besser vorhersehbar, überprüfbar und auf den eigenen Kontext abgestimmt sind

• Parameter, Kontext, Datenquellen, Rollen und Prozessschritte gezielt variieren und deren Wirkung anhand beobachtbarer Evidenz beurteilen

• Arbeitsprozesse mit KI als kontrollierte Mensch-KI-Zusammenarbeit gestalten, inklusive Rollen, Kontrollpunkten, Feedbackschleifen und Verantwortlichkeiten

• Risiken wie Halluzinationen, Kontextverlust, unklare Zuständigkeiten, Bias, Prompt Injection oder ungeeignete Quellen erkennen und adressieren

• eigene Experimente planen, durchführen und auswerten, um KI-Verhalten auch bei neuen Werkzeugen und Modellen adaptiv zu steuern

• ein eigenes Human-AI Collaboration Blueprint für einen relevanten beruflichen Anwendungsfall entwickeln und begründen

• eine persönliche Theorie der Steuerung aufbauen, die über einzelne Tools und kurzfristige Produktfunktionen hinaus tragfähig bleibt

Modul 1 entwickelt die Grundlagen verlässlicher Mensch-KI-Zusammenarbeit in neun aufeinander aufbauenden Themenblöcken. Jeder Block verbindet aktuelles Fachwissen, angeleitete Experimente, praktische Anwendung und eine Challenge im eigenen Kontext.

• Vom Fragen zum Strukturieren: KI-Interaktion gezielt gestalten, strukturierte Anfragen formulieren und Ergebnisse besser kontrollieren
• Vom Strukturieren zur Ausrichtung: Klärungsfragen, Annahmen und Erfolgskriterien nutzen, bevor KI generiert
• Warum Modelle unterschiedlich reagieren: Tokens, Aufmerksamkeit, Sampling, Temperatur und Variabilität praktisch erfahrbar machen
• Von Meinung zu Evidenz: KI mit Daten, Quellen, Grounding und Retrieval verankern
• Von Antworten zu Prozessen: Mensch-KI-Ko-Konstruktion mit Rollen, Zwischenartefakten und Kontrollpunkten gestalten
• Reflexionsschleifen: KI für Kritik, Revision, Qualitätsprüfung und besseres Denken einsetzen
• Führung, Verantwortung und Legitimation: Vertrauen, Entscheidungslogik, Eskalation und verantwortliche Nutzung in Organisationen gestalten
• Workflows gestalten: vom Einzelchat zu verlässlichen KI-Systemen mit Orchestrierung, Tools, Skills, Zuständen und Kontrollpunkten
• Sicherheit und Vertrauensgrenzen: Prompt Injection, Quellenvertrauen, Berechtigungen, Validierung und menschliche Verantwortung behandeln

Sicherheit und Vertrauensgrenzen: Prompt Injection, Quellenvertrauen, Berechtigungen, Validierung und menschliche Verantwortung behandeln

Modul 2 ist ein Thesis-ähnliches Integrationsprojekt des CAS. Die Teilnehmenden übertragen die Erkenntnisse aus Modul 1 auf einen eigenen beruflichen, fachlichen oder organisatorischen Anwendungsfall und entwickeln daraus ein Human-AI Collaboration Blueprint.

• Auswahl und Diagnose eines relevanten Arbeitsprozesses, Anwendungsfalls, Dokuments, Entscheidungsprozesses oder Workflows aus dem eigenen Kontext
• Zusammenführung der fünf Literacies Interaction, Mechanism, Data, System und Human-Context zu einem nachvollziehbaren Steuerungsansatz
• bewusste Wahl geeigneter Collaboration Levels: Instruktion, Alignment, Co-Construction, Reflection und Orchestration je nach Aufgabe und Risiko
• Entwicklung eines funktionsfähigen Artefakts, Workflows oder Blueprints mit Rollen, Evidenzflüssen, Kontrollpunkten, Guardrails und Verantwortlichkeiten
• Integration von Grounding, Retrieval, Reflexionsschritten, Review-Logik, agentischen Abläufen oder Sicherheitsmechanismen je nach Projektfokus
• Einbindung relevanter Stakeholder durch Tests, Rückmeldungen, kurze Pilotphasen oder fachliche Validierung
• Bewertung technischer, organisatorischer, ethischer und sicherheitsbezogener Aspekte des eigenen Designs
• Dokumentation der Entscheidungswege von Annahmen über Experimente bis zu Gestaltung, Governance und Weiterentwicklung
• Entwicklung einer persönlichen Theorie der Steuerung, die auch bei neuen Modellen, Werkzeugen und organisatorischen Anforderungen tragfähig bleibt