KI methodisch prüfen lernen.

Strukturierter Workshop für Test-Verantwortliche, die KI-Systeme im Unternehmen evaluieren müssen. Eval-Frameworks, Halluzinations-Erkennung, Bias-Prüfung, Drift-Monitoring, Release-Entscheidungen mit Evidenz.

Workshop anfragen
Warum dieser Workshop

Vier Gründe, Evaluation-Kompetenz aufzubauen.

01

Strukturierte Kompetenz

Evaluation-Denken als handwerkliche Fähigkeit, die unabhängig von Anbieter und Framework trägt.

02

Modellunabhängig

Die Methodik funktioniert mit jedem KI-Stack. Das Gelernte lässt sich direkt auf eure eigenen Systeme übertragen.

03

Eigene Use Cases

Konkrete Beispiele aus eurem Team werden im Workshop bearbeitet. Die Ergebnisse sind unmittelbar verwendbar.

04

Handlungsfähigkeit ab Tag eins

Nach dem Workshop starten Teilnehmer mit dokumentierten Templates und einem ersten eigenen Evaluation-Konzept.

Lernziele

Was Teilnehmer nach dem Modul können.

Eine KI-Test-Strategie für ein konkretes System konzipieren
Eval-Sets aus realen Anforderungen ableiten und pflegen
Halluzinationen, Verzerrungen und Drift systematisch erkennen
Eval-Ergebnisse so dokumentieren, dass sie eine Release-Entscheidung tragen
Drift-Monitoring für den Produktiv-Betrieb skizzieren
Zielgruppe
Test-/Qualitätsverantwortliche, QA-Leads, Produktverantwortliche für KI-Features
Dauer
1–2 Tage
Teilnehmer
4–10 Personen
Format
Präsenz oder Hybrid
Module

Der Workshop in sechs Bausteinen.

01
Grundlagen KI-Testen

Was macht KI-Testen strukturell anders als klassisches Testen. Fehlermuster, Nicht-Determinismus, Evaluation statt Exaktheit.

0,5 Tag
02
Evaluation-Framework & Dimensionen

Accuracy, Groundedness, Toxicity, Fairness, Robustness. Auswahl und Gewichtung anhand des eigenen Use Case.

0,5 Tag
03
Testdatenstrategien

Golden Dataset, Edge Cases, Adversarial Sets, Real-World-Samples. Aufbau, Pflege, Versionierung.

0,5 Tag
04
Fairness & Robustheit

Protected Attributes, Fairness-Metriken, Red-Team-Übungen, Adversarial-Testing gegen Prompt Injection.

0,5 Tag
05
Drift-Monitoring

Data Drift und Concept Drift. Trigger für Re-Evaluation, Entscheidungspfade für Retraining.

0,5 Tag
06
Reporting & Release-Entscheidung

Evaluation-Reporting strukturiert aufbauen. Release-Kriterien, Eskalationspfade, Dokumentation für spätere Prüfung.

0,5 Tag
Fragen

Was oft gefragt wird.

Brauchen die Teilnehmer Data-Science-Kenntnisse?

Nein. Statistisches Grundverständnis hilft, ist aber nicht Voraussetzung. Der Workshop konzentriert sich auf Methodik und Testdenken, nicht auf Modell-Interna.

Passt das für Teams, die gerade erst mit KI starten?

Ja, besonders gut. Der Workshop liefert das methodische Gerüst, bevor erste KI-Produkte in Betrieb gehen. Wer früh die Evaluation-Frage stellt, spart spätere Korrektur­schleifen.

Wie verhält sich das zum Consulting-Angebot "Testen von KI"?

Das Consulting entwickelt mit euch gemeinsam ein Testkonzept für ein konkretes Produkt. Der Workshop baut die Kompetenz im Team auf, dies dauerhaft selbst zu tun.

Können wir eigene Use Cases in den Workshop einbringen?

Das ist der Standard. Teilnehmer bringen eigene KI-Vorhaben mit, an denen die Methodik geübt wird. Die Ergebnisse sind nach Workshop-Ende unmittelbar nutzbar.

Evaluation-Kompetenz ins Team holen.

Workshop für 4–12 Teilnehmer, remote oder vor Ort. Eigene Use Cases, dokumentierte Templates, direkte Anwendbarkeit.

Workshop anfragen
info@qct.de · +49 (2826) 999 3201
Weiter durchs Portfolio

Andere Säulen oder zurück zur Übersicht.

QCT – Dein Experte für Testmanagement, Softwarequalität und digitale Transformation

QCT Logo in Negativ-Darstellung für dunkle Hintergründe
Kästnerstr. 13a, 47559 Kranenburg
+49 (2826) 999 3201

Folge uns: