Einführung in die Verwaltung von Vertrauen, Risiko und Sicherheit bei KI (AI TRiSM) Schulung

Dieses instruktionsgeleitete, live stattfindende Training in Österreich (online oder vor Ort) richtet sich an erfahrene Führungskräfte aus dem Mittel- und oberen Management, die verstehen möchten, wie sie KI-Systeme verantwortungsvoll und im Einklang mit aufkommenden globalen Rahmenwerken wie der EU-KI-Verordnung, der DSGVO, ISO/IEC 42001 sowie der US-amerikanischen Exekutivverordnung zu KI verwalten und absichern können.

Am Ende dieses Trainings werden die Teilnehmenden in der Lage sein:

• Die rechtlichen, ethischen und regulatorischen Risiken des KI-Einsatzes über Abteilungen hinweg zu verstehen.
• Wichtige KI-Governance-Rahmenwerke (EU-KI-Verordnung, NIST AI RMF, ISO/IEC 42001) zu interpretieren und anzuwenden.
• Richtlinien für Sicherheit, Prüfung und Aufsicht bei der Einführung von KI im Unternehmen zu etablieren.
• Leitlinien für die Beschaffung und Nutzung von KI-Systemen Dritter sowie interner Systeme zu entwickeln.

Dieser Kurs bietet eine praktische Einführung in die Sicherung moderner KI-gestützter Anwendungen, APIs, Copilots und autonomer Agenten. Die Teilnehmenden lernen, wie sich die KI-Sicherheit von der traditionellen Websicherheit unterscheidet, erkunden gängige kIspezifische Bedrohungen wie Prompt Injection, RAG-Poisoning und Agent-Missbrauch und verstehen, wie KI-Systeme mit geschichteten Verteidigungsmaßnahmen einschließlich WAFs, KI-Gateways, API-Sicherheit und Guardrails geschützt werden können. Durch praxisnahe Labs und reale Beispiele erwerben die Teilnehmenden die Fähigkeiten, KI-Angriffsmuster zu identifizieren, LLM-basierte Anwendungen zu sichern und effektive Laufzeitschutzmaßnahmen für Produktionsumgebungen bereitzustellen.

Dieses instruktorgeführte Live-Training in Österreich (online oder vor Ort) richtet sich an Entwickler:innen, Architekt:innen und Produktmanager:innen mit mittlerem bis fortgeschrittenem Kenntnisstand im Bereich KI, die Risiken identifizieren und minimieren möchten, die durch LLM-gestützte Anwendungen entstehen – darunter Prompt-Injection, Datenlecks sowie unkontrollierte Ausgabedaten. Dabei werden Sicherheitskontrollen wie Eingabevalidierung, menschliche Aufsicht (Human-in-the-Loop) und Ausgaben-Guardrails integriert.

Nach Abschluss dieses Trainings sind die Teilnehmer:innen in der Lage:

• die wesentlichen Schwachstellen von LLM-basierten Systemen zu verstehen
• sichere Designprinzipien auf die Architektur von LLM-Anwendungen anzuwenden
• Werkzeuge wie Guardrails AI und LangChain zur Validierung, Filterung und Erhöhung der Sicherheit einzusetzen
• Techniken wie Sandboxing, Red-Teaming und menschliche Review-Schleifen in produktionsreifen Pipelines zu integrieren

Dieser Kurs vermittelt Softwareentwicklern, wie sie KI-gestützte Anwendungen sicher-by-Design entwickeln. Die Teilnehmenden lernen, Chatbots, Copilots, RAG-Pipelines und KI-Agenten gegen KI-spezifische Bedrohungen wie Prompt-Injection, Datenvergiftung, Tool-Missbrauch, das Auslaufen von Geheimnissen und unsichere Modellausgaben zu schützen. Der Kurs deckt sicheres Prompt-Design, RAG-Sicherheit, Least-Privilege-Zugriff, Guardrails und Red-Team-Tests ab, um Entwicklern zu helfen, KI-Features zu bauen, die in realen Umgebungen sicher, zuverlässig und widerstandsfähig sind.

Diese dozentengeleitete, live stattfindende Schulung in Österreich (online oder vor Ort) richtet sich an Mittelbau-Professionals aus den Bereichen KI und Cybersicherheit, die die spezifischen Sicherheitsanfälligkeiten von KI-Modellen und -Systemen verstehen und adressieren möchten, insbesondere in stark regulierten Branchen wie dem Finanzwesen, der Datenverwaltung und der Unternehmensberatung.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Die Arten adversärer Angriffe auf KI-Systeme zu verstehen und Gegenmaßnahmen anzuwenden.
• Techniken zur Härtung von Modellen implementieren, um Machine-Learning-Pipelines zu schützen.
• Datensicherheit und Integrität in Machine-Learning-Modellen gewährleisten.
• Sich durch die regulatorischen Compliance-Anforderungen im Zusammenhang mit der KI-Sicherheit navigieren.

Dieses live angebotene Training in Österreich (online oder vor Ort) richtet sich an Sicherheitsexperten und Compliance-Verantwortliche, die EXO-Bereitstellungen härten, den Modellzugriff kontrollieren und KI-Workloads, die vollständig auf eigenen Servern laufen, steuern möchten.

Dieses unter der Leitung eines Dozenten durchgeführte Live-Training in Österreich (online oder vor Ort) richtet sich an Einsteiger:innen im Bereich der IT-Sicherheit, des Risikomanagements und der Compliance, die grundlegende Konzepte der KI-Sicherheit, Bedrohungsvektoren sowie globale Rahmenwerke wie den NIST AI RMF und ISO/IEC 42001 verstehen möchten.

Am Ende dieses Trainings werden die Teilnehmer:innen in der Lage sein:

• Die einzigartigen Sicherheitsrisiken zu verstehen, die durch KI-Systeme entstehen.
• Bedrohungsvektoren wie adversariale Angriffe, Data Poisoning und Model Inversion zu identifizieren.
• Fundierte Governance-Modelle wie den NIST AI Risk Management Framework anzuwenden.
• Den Einsatz von KI mit neuen Standards, Compliance-Richtlinien und ethischen Grundsätzen in Einklang zu bringen.

Diese von einem Dozenten geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Sicherheits- und ML-Ingenieure, die Angriffe auf ML-Modelle und LLM-gestützte Anwendungen identifizieren, testen und abwehren müssen.

Basierend auf den neuesten Leitlinien des OWASP GenAI-Sicherheitsprojekts lernen die Teilnehmenden, KI-spezifische Bedrohungen durch praktische Übungen und reale Szenarien zu identifizieren, zu bewerten und zu minimieren.

Dieses von einem Dozenten geleitete Live-Training in Österreich (online oder vor Ort) richtet sich an fortgeschrittene Fachkräfte, die Techniken wie Federated Learning, Secure Multiparty Computation, Homomorphic Encryption und Differential Privacy in praxisorientierten Machine-Learning-Pipelines implementieren und evaluieren möchten.

Am Ende dieses Trainings werden die Teilnehmer:

• Schlüsseltechniken zum Datenschutz im Machine Learning verstehen und vergleichen können.
• Federated-Learning-Systeme mit Open-Source-Frameworks implementieren können.
• Differential Privacy für sicheres Data-Sharing und Modelltraining anwenden können.
• Verschlüsselungs- und Secure-Computation-Techniken einsetzen können, um Eingaben und Ausgaben von Modellen zu schützen.

Diese instructor-gestützte, live stattfindende Schulung in Österreich (online oder vor Ort) richtet sich an Sicherheitsfachleute auf fortgeschrittenem Niveau sowie ML-Spezialistinnen und -Spezialisten, die Angriffe auf KI-Systeme simulieren, Verwundbarkeiten aufdecken und die Robustheit eingesetzter KI-Modelle verbessern möchten.

Nach Abschluss dieser Schulung können Teilnehmende:

• Bedrohungen aus der Praxis für Machine-Learning-Modelle simulieren.
• Adversarial Examples generieren, um die Modellrobustheit zu testen.
• Die Angriffsfläche von KI-APIs und -Pipelines einschätzen.
• Red-Teaming-Strategien für KI-Deployment-Umgebungen entwickeln.

Dieses live angebotene Training in Österreich (online oder vor Ort) richtet sich an Ingenieur:innen und Sicherheitsfachkräfte mit mittlerem Kenntnisstand, die AI-Modelle am Edge gegen Bedrohungen wie Manipulation, Datenleckage, adversäre Eingaben und physische Angriffe schützen möchten.

Am Ende dieses Trainings können die Teilnehmenden:

• Sicherheitsrisiken in Edge-AI-Umgebungen identifizieren und bewerten.
• Techniken zur Tamper-Resistance und verschlüsselten Inferenz anwenden.
• am Edge bereitgestellte Modelle härten und Datenpipelines absichern.
• Bedrohminderungsstrategien implementieren, die speziell für eingebettete und ressourcenbeschränkte Systeme entwickelt wurden.

Dieses instruktionsgeleitete Live-Training in Österreich (online oder vor Ort) richtet sich an Fachkräfte im mittleren Bereich mit Hintergrund in Machine Learning und Cybersicherheit, die aufstrebende Gefahren für KI-Modelle verstehen und eindämmen möchten. Dabei kommen sowohl konzeptionelle Rahmenwerke als auch praktische Abwehrmaßnahmen wie robustes Training und differentielle Privatsphäre zum Einsatz.

Am Ende dieses Trainings können Teilnehmende:

• KI-spezifische Bedrohungen wie adversarische Angriffe, Inversion und Poisoning erkennen und klassifizieren.
• Tools wie die Adversarial Robustness Toolbox (ART) nutzen, um Angriffe zu simulieren und Modelle zu testen.
• Praktische Abwehrmaßnahmen anwenden, darunter adversariales Training, Rauschinjektion und datenschutzfreundliche Techniken.
• Bedrohungs-aware (bedrohungsbewusste) Strategien zur Modellauswertung in Produktionsumgebungen entwerfen.