EU AI Act in der Softwareentwicklung
Rechtskonforme KI-Software entwickeln: Klassifizierung, QMS, RM, Doku, Betrieb
EU AI Act in der Softwareentwicklung
Frank Stadler
Frank Stadler ist Geschäftsführer der KIVOREX GmbH und verfügt über mehr als 20 Jahre Erfahrung in Softwareentwicklung, Softwarearchitektur sowie datengetriebenen Systemen in komplexen und regulierten Umfeldern. Er unterstützt Unternehmen beim Aufbau praxistauglicher, auditfester Entwicklungs- und Governance-Strukturen – von Prozess- und Artefaktdesign bis zur Nachweisführung (Traceability) in Projekten.
Warum sollten Sie dieses Seminar besuchen?
KI-Software muss heute mehr können als funktionieren: Sie muss EU AI Act-konform sein. Vielleicht fragen Sie sich:
- Wie klassifizieren Sie Ihre KI-Anwendung korrekt nach EU AI Act?
- Welche High-Risk-Anforderungen müssen Sie wirklich umsetzen?
- Wie integrieren Sie Risikomanagement (RM), Quality Management System (QMS) und technische Dokumentation sinnvoll in Ihren Software Development Lifecycle (SDLC)?
- Wie machen Sie Ihre KI-Systeme auditfähig – ohne Ihr Team mit Bürokratie auszubremsen?
Genau hier setzt dieses Seminar an. Sie lernen, wie Sie rechtskonforme KI-Software entwickeln, ohne Ihre bestehenden Toolchains oder Entwicklungsprozesse auf den Kopf zu stellen. Statt Theorie erhalten Sie ein praxiserprobtes Minimal-Set an Artefakten, Quality Gates und Workflows, das Sie direkt in ALM-, Git-, CI/CD- oder MLOps-Umgebungen integrieren.
Am Ende wissen Sie, wie Sie regulatorische Anforderungen so umsetzen, dass Auditoren Ihre Systeme nachvollziehen können – und Ihr Team trotzdem effizient entwickelt.
Machen Sie Ihre KI-Entwicklung fit für den EU AI Act und vermeiden Sie teure Nachbesserungen im Audit.
Ziel der Weiterbildung
Was lernen Sie konkret?
In diesem Seminar übersetzen Sie die Anforderungen des EU AI Act in umsetzbares Engineering:
- Sie wenden Rollen wie Provider, Deployer, Importer oder Distributor sicher auf Ihre Projekte an.
- Sie führen eine strukturierte Risikoklassifizierung durch (z. B. High-Risk KI, GPAI/LLM-Systeme).
- Sie integrieren QMS- und RM-Anforderungen direkt in Ihre Entwicklungsprozesse.
- Sie erstellen eine auditfeste technische Dokumentation mit klarer Traceability.
- Sie etablieren Test- und Monitoring-Strategien für KI-/ML-Systeme (Drift, Robustness, Security).
- Sie prüfen externe Modelle und LLMs durch pragmatische Vendor Due Diligence.
- Sie setzen Logging-, Incident- und Human-Oversight-Mechanismen wirksam um.
Sie arbeiten anhand einer durchgängigen Fallstudie und übertragen die Inhalte direkt auf Ihre Praxis – inklusive Templates und Checklisten für Ihre Projekte.
Seit über 65 Jahren gehört die Technische Akademie Esslingen (TAE) mit Sitz in Ostfildern – nahe der Landeshauptstadt Stuttgart – zu Deutschlands größten Weiterbildungs-Anbietern für berufliche und berufsvorbereitende Qualifizierung im technischen Umfeld. Unser Ziel ist Ihr Erfolg. Egal ob Seminar, Zertifikatslehrgang oder Fachtagung, unsere Veranstaltungen sind stets abgestimmt auf die Bedürfnisse von Ingenieuren sowie Fach- und Führungskräften aus technisch geprägten Unternehmen. Dabei können Sie sich stets zu 100 Prozent auf die Qualität unserer Angebote verlassen. Warum das so ist?
Dienstag, 8. und Mittwoch, 9. September 2026
jeweils von 9:00 bis 16:30 Uhr, inkl. Pausen
Tag 1 – EU AI Act Überblick, Rollen, Klassifizierung, Dokumentationslogik
- EU AI Act kompakt: Zielbild, Begriffe, Zeitplan, Sanktionen, Abgrenzung zu DSGVO/Produktsicherheit
- Rollenmodell und Verantwortlichkeiten in der Praxis: Provider/Deployer/Importer/Distributor
- Risikokategorien: verbotene Praktiken, Transparenzpflichten, High-Risk (Annex III Logik), GPAI
- Klassifizierungsworkshop (Checkliste): typische Software-/KI-Szenarien branchenübergreifend
- High-Risk Requirements im Überblick (Art. 8–15): QMS, RM, Data Governance, Tech Doku, Logging, Oversight
- Technische Dokumentation: Minimal-Set, Struktur, Traceability, Versionierung
Tag 2 – Umsetzung im Engineering: SDLC, Testing, Monitoring, Vendor/LLM-Integration
- QMS für KI-Software: Prozessbausteine, Quality Gates, Rollen/RACI, Definition of Done
- Risk Management: Risikoidentifikation, Controls, Residual Risk – als Engineering-Mechanik
- Data Governance & Trainings-/Betriebsdaten: Qualität, Bias, Lineage, Zugriff, Löschkonzepte
- Transparency & Human Oversight: UI/UX-Hinweise, Nutzerinformation, Kontrollmechanismen
- Accuracy/Robustness/Cybersecurity: Teststrategie, Red Teaming light, Hardening
- Monitoring & Post-Market: KPIs, Drift, Feedback-Loops, Incident Handling und Meldewege
- GPAI/LLM-Integration: Vendor Due Diligence, System Design (RAG/Tools), Prompt-Logging
- Durchgängige Fallstudie: Klassifizierung ? Artefakte ? Tests/Monitoring ? Release & Betrieb
Für wen ist das Seminar geeignet?
Dieses Seminar richtet sich an Fach- und Führungskräfte, die KI-Software entwickeln oder verantworten, insbesondere:
- Softwareentwickler & Software-Architekten
- Tech Leads
- Data Scientists & ML Engineers
- MLOps-, DevOps- & Platform Engineers
- Product Owner & Projektleiter mit KI-Bezug
- Qualitäts-, Compliance- oder IT-Security-Verantwortliche
Besonders profitieren Sie, wenn Sie KI-Funktionen in Produkten integrieren und regulatorische Anforderungen frühzeitig im Engineering berücksichtigen möchten.
Die Teilnahme beinhaltet ausführliche Unterlagen.
Preis:
Die Teilnahmegebühr beträgt:
1.450,00 €
(MwSt.-frei)
Fördermöglichkeiten:
Bei einem Großteil unserer Veranstaltungen profitieren Sie von bis zu 70 % Zuschuss aus der ESF-Fachkursförderung.
Bisher sind diese Mittel für den vorliegenden Kurs nicht bewilligt. Dies kann verschiedene Gründe haben. Wir empfehlen Ihnen daher, Kontakt mit unserer Anmeldung aufzunehmen. Diese gibt Ihnen gerne Auskunft über die Förderfähigkeit der Veranstaltung.
Weitere Bundesland-spezifische Fördermöglichkeiten finden Sie hier.
Inhouse Durchführung:
Sie möchten diese Veranstaltung firmenintern bei Ihnen vor Ort durchführen? Dann fragen Sie jetzt ein individuelles Inhouse-Training an.
Ihr Ansprechpartner für die Veranstaltung
Hier finden Sie eine Übersicht aller Rezensionen .