diff --git a/app/flask-postgres/app/templates/admin_mandanten.html b/app/flask-postgres/app/templates/admin_mandanten.html index cf75fe8..0d8fb2e 100644 --- a/app/flask-postgres/app/templates/admin_mandanten.html +++ b/app/flask-postgres/app/templates/admin_mandanten.html @@ -81,6 +81,23 @@ +
+ + +
+ + + +
+
diff --git a/app/flask-postgres/app/templates/admin_questions.html b/app/flask-postgres/app/templates/admin_questions.html new file mode 100644 index 0000000..f4216d8 --- /dev/null +++ b/app/flask-postgres/app/templates/admin_questions.html @@ -0,0 +1,36 @@ +{% extends "base.html" %} + +{% block content %} + +

Assessment-Verwaltung

+ +
+

Kurs auswählen

+ +
+ + + + + + + + + + + {% for c in courses %} + + + + + + + {% endfor %} + +
IDCodeTitelAktion
{{ c.id }}{{ c.code }}{{ c.title }} + Fragen verwalten +
+
+
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/admin_questions_course.html b/app/flask-postgres/app/templates/admin_questions_course.html new file mode 100644 index 0000000..29f05f3 --- /dev/null +++ b/app/flask-postgres/app/templates/admin_questions_course.html @@ -0,0 +1,152 @@ +{% extends "base.html" %} + +{% block content %} + +

Assessment für Kurs {{ course.code }} – {{ course.title }}

+ +{% if form_error %} +
{{ form_error }}
+{% endif %} + +
+

Neue Frage anlegen

+ +
+ + +
+ + +
+ +
+ + +
+ +
+ + +
+ +
+ + +
+ +
+ + +
+ +
+ + +
+ +
+ + +
+ +
+ + Zurück +
+
+
+ +
+

Bestehende Fragen

+ +
+ + + + + + + + + + + {% for q in questions %} + + + + {% endfor %} + +
IDFrageAntwortenAktion
+
+
+ + + +
+ + +
+ +
+ + +
+ +
+ + +
+ +
+ + +
+ +
+ + +
+ +
+ + +
+ +
+ + +
+ +
+ + +
+ +
+
+ +
+
+
+ +
+ + + +
+
+
+
+
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/base.html b/app/flask-postgres/app/templates/base.html index e0d0793..960aaa2 100644 --- a/app/flask-postgres/app/templates/base.html +++ b/app/flask-postgres/app/templates/base.html @@ -38,6 +38,7 @@ Mandanten Checklist Kurse + Assessment {% endif %} {% if is_user_admin %} Useradministration @@ -92,6 +93,6 @@
- + \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A1_page1.html b/app/flask-postgres/app/templates/course/A1_page1.html index c4d5866..0acc1df 100644 --- a/app/flask-postgres/app/templates/course/A1_page1.html +++ b/app/flask-postgres/app/templates/course/A1_page1.html @@ -4,9 +4,41 @@

AI Governance Basics

-

- KI-Systeme müssen nachvollziehbar, sicher und kontrollierbar sein... -

+
+

Teil 1 – Wie KI wirklich funktioniert: Muster statt „Speicher“

+ +

Ein verbreiteter Irrtum lautet:
+ „KI speichert das Internet und ruft Wissen ab.“

+ +

Moderne KI funktioniert völlig anders.

+ +

Stellen Sie sich vor, Sie zeigen einer Person Millionen von Bildern und sagen jeweils dazu:

+ + + +

Nach ausreichend Beispielen versteht diese Person Muster: Welche Formen typisch für eine Katze sind, welche für Hunde, welche für Autos.

+ +

Wenn Sie später ein neues Bild zeigen, das diese Person noch nie gesehen hat, kann sie sagen:

+ +
+ „Das sieht nach einer Katze aus.“ +
+ +

Nicht, weil sie sich das Bild gemerkt hat – sondern weil sie Strukturen und Muster gelernt hat.

+ +

Genau so funktioniert KI:

+ + +
Zurück diff --git a/app/flask-postgres/app/templates/course/A1_page2.html b/app/flask-postgres/app/templates/course/A1_page2.html index 5e6af97..62a6dac 100644 --- a/app/flask-postgres/app/templates/course/A1_page2.html +++ b/app/flask-postgres/app/templates/course/A1_page2.html @@ -4,13 +4,61 @@

AI Governance Basics

-

- KI-Systeme müssen einen hübschen Avatar haben sein... -

+
+
+

Teil 2 – Wie KI antwortet: Wahrscheinlichkeiten Wort für Wort

+ +

+ „Wenn Sie mit einer Sprach-KI arbeiten, passiert etwas mathematisch Einfaches, aber extrem Effektives: +

+ +

+ Die KI berechnet:
+ „Welches Wort ist als nächstes am wahrscheinlichsten?“ +

+ +

Beispiel:

+ +

+ Sie schreiben: „Der frühe Vogel fängt den …“ +

+ +

+ Die KI hat gelernt, dass in fast allen Fällen das Wort „Wurm“ folgt – + also wählt sie „Wurm“, weil es statistisch am wahrscheinlichsten ist. +

+ +

+ Satz für Satz, Wort für Wort entsteht so ein Text, der plausibel ist – + aber nicht automatisch korrekt. +

+ +

Das gilt auch für Bilder:

+ +

+ Wenn Sie schreiben:
+ „Eine Frau mit Hund im Park bei Sonnenuntergang“, +

+ +

+ kombiniert das Modell alle Muster, die typisch für Frauen, Hunde, Parks und Sonnenuntergänge sind — + wie jemand, der ein Bild nachzeichnet, das er zuvor nie gesehen hat, aber dessen Bestandteile er gut kennt. +

+ +

Wichtig:

+ +
+ Die KI „weiß“ nicht, was ein Hund ist.
+ Sie erkennt nur die Muster, die statistisch mit „Hund“ verbunden sind. +
+ +
+
Zurück - Fertig + Weiter +
{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A1_page3.html b/app/flask-postgres/app/templates/course/A1_page3.html new file mode 100644 index 0000000..16fda1b --- /dev/null +++ b/app/flask-postgres/app/templates/course/A1_page3.html @@ -0,0 +1,82 @@ +{% extends "base.html" %} + +{% block content %} + +

AI Governance Basics

+ +
+
+

Teil 3 – Warum KI halluziniert: Der „mündliche Abi-Prüfung“-Moment

+ +

+ „Ein entscheidender Punkt ist: +

+ +

+ KI darf technisch nie sagen: „Ich weiß es nicht.“ +

+ +

+ Sie muss immer eine Antwort geben — weil sie Wahrscheinlichkeiten berechnet, nicht Gewissheiten. +

+ +

+ Das lässt sich gut mit einer mündlichen Abiturprüfung vergleichen: +

+ +

+ Stellen Sie sich einen Schüler vor, der eine Frage gestellt bekommt, auf die er keine Antwort weiß. +

+ +

+ Er darf aber nicht schweigen. +

+ +

+ Also versucht er, etwas halbwegs Plausibles zu formulieren – + im besten Fall richtig, im schlimmsten Fall komplett daneben. +

+ +

Genau so verhält sich KI:

+ +

+ Wenn Informationen im Training fehlen, unklar sind oder nie existiert haben, + erfindet die KI eine Antwort, die so klingt, + als könnte sie stimmen – basierend auf den gelernten Mustern. +

+ +

+ Das kann harmlos sein. +

+ +

+ Es kann aber auch extrem gefährlich sein. +

+ +

Beispiel:

+ +

+ Sie fragen eine KI:
+ „Welche Bücher hat Person XY veröffentlicht?“ +

+ +

+ Wenn die KI dazu keine sicheren Trainingsdaten hat, könnte sie Buchtitel erfinden, + die realistisch klingen, aber nie existiert haben — und diese Person damit falsch zitieren. +

+ +
+ Deshalb sind KI-Ausgaben immer nur Vorschläge.
+ Sie können richtig sein – müssen es aber nicht.
+ Und sie dürfen niemals ungeprüft weitergegeben werden. +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A1_page4.html b/app/flask-postgres/app/templates/course/A1_page4.html new file mode 100644 index 0000000..2e49725 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A1_page4.html @@ -0,0 +1,49 @@ +{% extends "base.html" %} + +{% block content %} + +

AI Governance Basics

+ +
+
+

Teil 4 – Wo KI im Unternehmen genutzt wird – und was daran riskant ist

+ +

+ „KI wird heute in fast allen Unternehmensbereichen eingesetzt: +

+ +
    +
  • Marketing: Textentwürfe, Bilder, Claims
    • +
  • HR: Stellenanzeigen, E-Mail-Entwürfe, Screening-Vorschläge
    • +
  • Kundenservice: Antwortvorschläge, Chat-Assistenten
    • +
  • Einkauf: Lieferantenrecherche, Marktüberblicke
    • +
  • IT: Dokumentation, Fehlersuche, Skriptvorschläge
    • +
  • Management: Zusammenfassungen, Risiken, Szenarien
    • +
+ +

Doch überall dort können Risiken entstehen:

+ +
    +
  • Falschinformationen werden übernommen
    • +
  • Veraltete Inhalte wirken aktuell
    • +
  • Diskriminierende Muster reproduzieren sich (z. B. in Stellenausschreibungen)
    • +
  • Vertrauliche Daten werden in unsichere Tools eingegeben
    • +
  • Kunden merken nicht, dass sie mit KI interagieren
    • +
  • Urheberrechtsverletzungen durch Stil-Nachahmung
    • +
+ +
+ Bei richtiger Nutzung kann KI entlasten.
+ Bei falscher Nutzung kann KI Schaden anrichten —
+ fachlich, rechtlich und politisch. +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A1_page5.html b/app/flask-postgres/app/templates/course/A1_page5.html new file mode 100644 index 0000000..e6982b0 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A1_page5.html @@ -0,0 +1,92 @@ +{% extends "base.html" %} + +{% block content %} + +

AI Governance Basics

+ +
+
+

Teil 5 – Governance: Verantwortung, Regeln, Pflichten

+ +

+ „Der wichtigste Satz dieses gesamten Moduls lautet: +

+ +
+ ➡️ Verantwortlich ist immer der Mensch – nie die KI. +
+ +

+ Der EU AI Act nennt das Human Oversight. +

+ +

Das bedeutet:

+ +
    +
  • Sie prüfen Ergebnisse
    • +
  • Sie korrigieren Fehler
    • +
  • Sie entscheiden, was weitergegeben wird
    • +
  • Sie halten Transparenz- und Dokumentationspflichten ein
    • +
+ +

+ KI darf unterstützen — aber nicht entscheiden. +

+ +

Daraus ergeben sich die wichtigsten Grundregeln, die für alle Mitarbeitenden gelten:

+ +

1. Keine sensiblen oder personenbezogenen Daten in öffentliche KI

+ +

Dazu gehören:

+ +
    +
  • Kundendaten
    • +
  • Gesundheitsdaten
    • +
  • interne Infos
    • +
  • vertrauliche Dokumente
    • +
  • personenbezogene Inhalte aller Art
    • +
+ +

2. KI-Ergebnisse immer prüfen

+ +

+ Besonders bei HR, Recht, Marketing, Technik, Kundenkontakt und Führung. +

+ +

3. Kennzeichnungspflichten einhalten

+ +

+ Wenn Inhalte durch KI entstanden sind, muss dies erkennbar sein — + insbesondere in der Außenkommunikation. +

+ +

4. Dokumentation

+ +

+ Bei geschäftskritischen Prozessen muss festgehalten werden: +

+ +
    +
  • Warum KI genutzt wurde
    • +
  • Welche Prompts verwendet wurden
    • +
  • Welche Kontrolle stattgefunden hat
    • +
  • Wer die Verantwortung trägt
    • +
+ +
+ Diese Regeln schützen:
+ • Mitarbeitende
+ • das Unternehmen
+ • Betroffene
+ • und die Öffentlichkeit. +
+ +
+
+ +
+ Zurück + Zum Assessment +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A1_page6.html b/app/flask-postgres/app/templates/course/A1_page6.html new file mode 100644 index 0000000..ff6d4f9 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A1_page6.html @@ -0,0 +1,38 @@ +{% extends "base.html" %} + +{% block content %} + +

AI Governance Basics

+ +
+
+

Abschluss – Überblick & Ausblick

+ +

+ „Damit haben Sie die Grundlagen von AI Governance verstanden. +

+ +

+ Sie wissen jetzt, wie KI technisch arbeitet, warum Halluzinationen unvermeidbar sind, + welche Chancen und Risiken im Arbeitsalltag bestehen + und welche Grundregeln für einen sicheren und rechtskonformen KI-Einsatz gelten. +

+ +

+ Im nächsten Modul geht es um die ethische Dimension: +

+ +
+ Bias, Diskriminierung und Fairness im KI-Einsatz —
+ Themen, die der EU AI Act ausdrücklich hervorhebt. +
+ +
+
+ +
+ Zurück + Zum Assessment +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A2_page1.html b/app/flask-postgres/app/templates/course/A2_page1.html new file mode 100644 index 0000000..6d673f0 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A2_page1.html @@ -0,0 +1,35 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 – Ethical AI

+ +
+
+ +

+ In diesem Kurs geht es um die ethische Dimension von KI: +

+ +
    +
  • Was bedeutet Fairness im Kontext von KI?
    • +
  • Was ist Bias – und warum entsteht er praktisch immer?
    • +
  • Wie kann es zu Diskriminierung kommen, obwohl niemand „böse Absicht“ hatte?
    • +
  • Und welche rechtlichen Grenzen setzt der EU AI Act, die EU-Grundrechtecharta und das Antidiskriminierungsrecht?
    • +
+ +

+ Ziel dieses Moduls ist es, + dass Sie sensibel werden für die Risiken von Ungleichbehandlung durch KI – + und wissen, wie Sie im Alltag gegensteuern können. +

+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A2_page2.html b/app/flask-postgres/app/templates/course/A2_page2.html new file mode 100644 index 0000000..d88632c --- /dev/null +++ b/app/flask-postgres/app/templates/course/A2_page2.html @@ -0,0 +1,57 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Ethikrahmen

+ +
+
+

Teil 1 – Ethikrahmen: Menschenrechte zuerst

+ +

+ „Bevor wir auf Bias und Diskriminierung schauen, ist wichtig zu verstehen: +

+ +

+ KI ist kein neutraler Technikbaukasten. +

+ +

+ Internationale Rahmenwerke betonen, dass KI immer an Menschenrechten ausgerichtet sein muss, zum Beispiel: +

+ +
    +
  • die EU-Grundrechtecharta (Menschenwürde, Gleichbehandlung, Datenschutz),
    • +
  • die OECD AI Principles (Fairness, Transparenz, Verantwortlichkeit),
    • +
  • die UNESCO-Empfehlung zu Ethik der KI (Non-Discrimination, Inclusion, Diversity).
    • +
+ +

+ Auch der EU AI Act knüpft daran an: +

+ +

Er verbietet bestimmte Praktiken komplett – z. B.

+ +
    +
  • manipulative Techniken, die Menschen mit Schwächen ausnutzen,
    • +
  • bestimmte Formen von sozialem Scoring,
    • +
  • bestimmte Arten biometrischer Überwachung.
    • +
+ +
+ Der Kern dahinter:
+ KI darf Menschen nicht entwürdigen,
+ nicht systematisch benachteiligen
+ und nicht intransparent Entscheidungen über ihr Leben treffen. +
+ +
+
+ +
+ Zurück + Weiter + +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A2_page3.html b/app/flask-postgres/app/templates/course/A2_page3.html new file mode 100644 index 0000000..984051d --- /dev/null +++ b/app/flask-postgres/app/templates/course/A2_page3.html @@ -0,0 +1,57 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Was ist Bias?

+ +
+
+

Teil 2 – Was ist Bias? Mehr als nur „Fehler im System“

+ +

+ „Im KI-Kontext hören Sie oft das Wort Bias. +

+ +

+ Bias bedeutet Verzerrung – aber nicht im Sinn eines reinen Softwarefehlers, + sondern als Kombination aus: +

+ +
    +
  • + Daten-Bias:
    + Trainingsdaten sind schief, unvollständig oder einseitig.
    + Beispiel: Lebensläufe aus einer Zeit, in der vor allem Männer in Führungspositionen eingestellt wurden – die KI lernt: „Führung = männlich“. +
    • +
  • + Repräsentations-Bias:
    + Bestimmte Gruppen kommen zu selten vor oder nur in stereotypen Rollen.
    + Beispiel: Bilder von Ingenieuren sind überwiegend männlich, Pflegekräfte überwiegend weiblich. +
    • +
  • + Historischer Bias:
    + Gesellschaftliche Ungleichheiten spiegeln sich in den Daten wider – und werden fortgeschrieben, wenn man sie nicht aktiv korrigiert. +
    • +
  • + Nutzungs-Bias:
    + Die Art, wie wir KI einsetzen, kann Verzerrungen verstärken.
    + Beispiel: Wir benutzen KI nur mit bestimmten Ausgangsannahmen und merken nicht, dass wir immer die gleichen Muster reproduzieren. +
    • +
+ +
+ Wichtig:
+ Bias ist oft unbeabsichtigt,
+ aber seine Wirkung kann massiv diskriminierend sein –
+ gerade in Bereichen wie HR, Kreditvergabe oder Zugang zu Leistungen. +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A2_page4.html b/app/flask-postgres/app/templates/course/A2_page4.html new file mode 100644 index 0000000..9a6d127 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A2_page4.html @@ -0,0 +1,66 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Diskriminierung

+ +
+
+

Teil 3 – Diskriminierung: Wenn Muster zu Ungleichbehandlung werden

+ +

+ „Bias allein ist noch kein Rechtsverstoß. +

+ +

+ Er wird zum Problem, wenn er zu systematischer Ungleichbehandlung führt – also zu Diskriminierung. +

+ +

+ Im europäischen Kontext sind bestimmte Merkmale besonders geschützt, zum Beispiel: +

+ +
    +
  • Geschlecht
    • +
  • Herkunft / Ethnie
    • +
  • Religion oder Weltanschauung
    • +
  • Behinderung
    • +
  • Alter
    • +
  • sexuelle Identität
    • +
+ +

Wenn KI-Systeme Entscheidungen beeinflussen, die damit zusammenhängen – z. B.:

+ +
    +
  • Wer wird zu einem Vorstellungsgespräch eingeladen?
    • +
  • Wer bekommt ein Kreditangebot?
    • +
  • Wem werden bestimmte Produkte oder Preise angezeigt?
    • +
+ +

+ und diese Muster dazu führen, dass bestimmte Gruppen regelmäßig schlechter gestellt werden, + sprechen wir von Diskriminierung. +

+ +

Der EU AI Act nimmt das ausdrücklich ernst:

+ +
    +
  • Hochrisiko-KI im HR-Bereich oder bei Zugang zu Leistungen unterliegt strengen Anforderungen an Datenqualität und Fairness.
    • +
  • Verbotene Praktiken zielen u. a. darauf ab, schwache oder vulnerable Gruppen zu schützen.
    • +
+ +
+ Das Wichtige für den Alltag:
+ Auch ohne böse Absicht kann KI diskriminieren,
+ wenn niemand Daten, Prozesse und Ergebnisse kritisch prüft. +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A2_page5.html b/app/flask-postgres/app/templates/course/A2_page5.html new file mode 100644 index 0000000..4965336 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A2_page5.html @@ -0,0 +1,65 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Praxisbeispiele

+ +
+
+

Teil 4 – Praxisbeispiele: Wo es im Alltag kritisch wird

+ +

+ „Schauen wir auf ein paar typische Alltagsfälle, in denen ethische und rechtliche Risiken schnell auftreten: +

+ +

1. HR & Recruiting

+ +
    +
  • + KI schreibt Stellenanzeigen:
    + Wenn nur männliche Formen verwendet werden, könnte das Frauen oder diverse Personen abschrecken. +
    • +
  • + Screening-Tools werden mit historischen Daten trainiert, in denen v. a. Männer in Führungspositionen waren.
    + Die KI lernt: „Führung = männlich“ und stuft Bewerbungen von Frauen schlechter ein. +
    • +
+ +

2. Marketing & Werbung

+ +
    +
  • + Ein System zeigt bestimmte Anzeigen überwiegend jüngeren Menschen, andere nur Männern oder nur bestimmten sozialen Gruppen. +
    • +
  • + Preise oder Angebote werden dynamisch angepasst – z. B. nach Wohnort oder vermeintlicher „Kaufkraft“.
    + Das kann zu verdeckten Formen sozialer Benachteiligung führen. +
    • +
+ +

3. Kundenservice & Chatbots

+ +
    +
  • + Chatbots behandeln Reklamationen abhängig von Sprache, Schreibstil oder Name anders. +
    • +
  • + Bestimmte Kundengruppen werden schneller abgewimmelt oder nicht mit Kulanz bedacht. +
    • +
+ +
+ In all diesen Fällen kann KI bestehende Ungleichheiten verstärken,
+ wenn niemand bewusst darauf achtet, wie Daten gewählt,
+ Systeme konfiguriert und Ergebnisse interpretiert werden. +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A2_page6.html b/app/flask-postgres/app/templates/course/A2_page6.html new file mode 100644 index 0000000..4965336 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A2_page6.html @@ -0,0 +1,65 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Praxisbeispiele

+ +
+
+

Teil 4 – Praxisbeispiele: Wo es im Alltag kritisch wird

+ +

+ „Schauen wir auf ein paar typische Alltagsfälle, in denen ethische und rechtliche Risiken schnell auftreten: +

+ +

1. HR & Recruiting

+ +
    +
  • + KI schreibt Stellenanzeigen:
    + Wenn nur männliche Formen verwendet werden, könnte das Frauen oder diverse Personen abschrecken. +
    • +
  • + Screening-Tools werden mit historischen Daten trainiert, in denen v. a. Männer in Führungspositionen waren.
    + Die KI lernt: „Führung = männlich“ und stuft Bewerbungen von Frauen schlechter ein. +
    • +
+ +

2. Marketing & Werbung

+ +
    +
  • + Ein System zeigt bestimmte Anzeigen überwiegend jüngeren Menschen, andere nur Männern oder nur bestimmten sozialen Gruppen. +
    • +
  • + Preise oder Angebote werden dynamisch angepasst – z. B. nach Wohnort oder vermeintlicher „Kaufkraft“.
    + Das kann zu verdeckten Formen sozialer Benachteiligung führen. +
    • +
+ +

3. Kundenservice & Chatbots

+ +
    +
  • + Chatbots behandeln Reklamationen abhängig von Sprache, Schreibstil oder Name anders. +
    • +
  • + Bestimmte Kundengruppen werden schneller abgewimmelt oder nicht mit Kulanz bedacht. +
    • +
+ +
+ In all diesen Fällen kann KI bestehende Ungleichheiten verstärken,
+ wenn niemand bewusst darauf achtet, wie Daten gewählt,
+ Systeme konfiguriert und Ergebnisse interpretiert werden. +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A2_page7.html b/app/flask-postgres/app/templates/course/A2_page7.html new file mode 100644 index 0000000..eae2a48 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A2_page7.html @@ -0,0 +1,42 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Abschluss

+ +
+
+

Abschluss – Überblick & Ausblick

+ +

+ In diesem Modul haben Sie gesehen, dass KI nicht im luftleeren Raum existiert, +

+ +

+ sondern immer auf gesellschaftlichen Strukturen und Daten aufbaut – + mit allen Ungleichheiten, die darin stecken. +

+ +

+ Ethik und Nicht-Diskriminierung sind deshalb keine „weichen Themen“, + sondern zentrale Anforderungen an jede verantwortungsvolle KI-Nutzung. +

+ +

+ Im nächsten Modul vertiefen wir das Thema Risiko: +

+ +
+ Wir schauen uns an, wie Sie KI-Risiken systematisch erkennen und einordnen können –
+ von Halluzinationen über Datenqualität bis zu kritischen Einsatzbereichen. +
+ +
+
+ +
+ Zurück + Zum Assessment +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A3_page1.html b/app/flask-postgres/app/templates/course/A3_page1.html new file mode 100644 index 0000000..bbc3d0d --- /dev/null +++ b/app/flask-postgres/app/templates/course/A3_page1.html @@ -0,0 +1,38 @@ +{% extends "base.html" %} + +{% block content %} + +

A3 – Risiken der AI

+ +
+
+

Willkommen zu Compliance Verification und zum Modul A3 – AI Risk & Impact Awareness

+ +

+ In diesem Modul geht es darum, KI-Risiken realistisch einschätzen zu können. +

+ +

Sie lernen:

+ +
    +
  • welche Risikoarten es gibt,
    • +
  • warum Datenqualität über Erfolg oder Misserfolg entscheidet,
    • +
  • wie Halluzinationen zu konkreten Schäden führen können,
    • +
  • welche Bereiche im Unternehmen besonders kritisch sind,
    • +
  • und wie man KI-Ausgaben sicher bewertet, bevor man sie nutzt.
    • +
+ +

+ Ziel ist, dass Sie Risiken nicht nur erkennen, + sondern auch einordnen und benennen können. +

+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A3_page2.html b/app/flask-postgres/app/templates/course/A3_page2.html new file mode 100644 index 0000000..208196c --- /dev/null +++ b/app/flask-postgres/app/templates/course/A3_page2.html @@ -0,0 +1,65 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Die vier zentralen Risikoarten

+ +
+
+

Teil 1 – Die vier zentralen Risikoarten moderner KI

+ +

+ „Bei KI sprechen wir oft von „Risiken“, aber es gibt nicht nur eines – +

+ +

+ sondern mehrere Arten, die unterschiedliche Ursachen und Auswirkungen haben. +

+ +

Die vier wichtigsten sind:

+ +

1. Informationsrisiken (Halluzinationen & falsche Fakten)

+ +

+ KI erfindet Informationen, wenn Trainingsdaten fehlen oder Muster unklar sind. +

+ +

+ Diese falschen Aussagen klingen oft überzeugend – sind aber schlicht falsch. +

+ +

2. Bias-Risiken (Verzerrungen & Ungleichbehandlung)

+ +

+ Daten, die gesellschaftliche Stereotype enthalten, können zu diskriminierenden Ergebnissen führen. +

+ +

3. Datenschutz- & Vertraulichkeitsrisiken

+ +

+ Wenn sensible Daten in öffentliche KI-Systeme eingegeben werden, + kann das gegen Datenschutzrecht verstoßen und Geschäftsgeheimnisse gefährden. +

+ +

4. Prozessrisiken (Automatisierung ohne Kontrolle)

+ +

+ Wenn Menschen KI-Ausgaben ungeprüft übernehmen, + entstehen Fehlerketten, die sich schnell multiplizieren. +

+ +
+ Diese Risiken treten selten einzeln auf –
+ oft verstärken sie sich gegenseitig. +
+ +
+
+ +
+ Zurück + Weiter + +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A3_page3.html b/app/flask-postgres/app/templates/course/A3_page3.html new file mode 100644 index 0000000..0eef33f --- /dev/null +++ b/app/flask-postgres/app/templates/course/A3_page3.html @@ -0,0 +1,59 @@ +{% extends "base.html" %} + +{% block content %} + +

A3 Datenqualität

+ +
+
+

Teil 2 – Warum Datenqualität die Grundlage jedes KI-Risikos ist

+ +

+ „Der wichtigste Satz dieses Moduls lautet: +

+ +
+ ➡️ Schlechte Daten = schlechte KI.
+ Einseitige Daten = einseitige KI.
+ Fehlende Daten = halluzinierende KI. +
+ +

+ KI lernt ausschließlich aus den Beispielen, die sie sieht. +

+ +

Wenn diese Beispiele:

+ +
    +
  • veraltet
    • +
  • fehlerhaft
    • +
  • stereotyp
    • +
  • unvollständig
    • +
  • oder ungeeignet
    • +
+ +

+ sind, dann wird auch die KI-Ausgabe entsprechend schlecht. +

+ +

Beispiele:

+ +
    +
  • Ein Recruiting-Datensatz, der überwiegend männliche Lebensläufe enthält → KI bevorzugt Männer.
    • +
  • Ein medizinischer Datensatz, der nur bestimmte Ethnien abbildet → KI erkennt Symptome anderer Bevölkerungsteile schlechter.
    • +
  • Ein Textkorpus, in dem bestimmte Narrative oft vorkommen → KI reproduziert diese Narrative, selbst wenn sie politisch, kulturell oder wirtschaftlich fragwürdig sind.
    • +
+ +
+ Deshalb ist Datenqualität der wichtigste Hebel zur Risikoreduktion. +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A3_page4.html b/app/flask-postgres/app/templates/course/A3_page4.html new file mode 100644 index 0000000..f9d1787 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A3_page4.html @@ -0,0 +1,80 @@ +{% extends "base.html" %} + +{% block content %} + +

A3 Halluzinationen

+ +
+
+

Teil 3 – Halluzinationen in der Praxis: Wenn plausible Fehler gefährlich werden

+ +

+ „In Modul A1 haben wir die Funktionsweise von Halluzinationen erklärt. +

+ +

+ Hier geht es darum, wie sie konkret Schaden anrichten können. +

+ +

Beispiele:

+ +

1. Recht & Compliance:

+ +

+ Die KI erfindet Paragraphen („§ 21a Datenschutzfortschrittsgesetz“), die es nie gab. +

+ +

+ Wenn solche Texte in Kundendokumente gelangen, + kann das zu Haftungsrisiken führen. +

+ +

2. Medizin & Gesundheit:

+ +

+ Eine KI liefert plausible Gesundheitsratschläge, + die aber wissenschaftlich falsch sind. +

+ +

+ Hier können Zulassungspflichten verletzt oder Menschen gefährdet werden. +

+ +

3. Produktinformationen:

+ +

+ KI generiert erfundene technische Details, + die ein Gerät gar nicht besitzt. +

+ +

+ Im Marketing ist das eine Irreführung – und rechtlich verboten. +

+ +

4. Personenbezug:

+ +

+ KI dichtet Personen fiktive Ereignisse, Bücher, Aussagen oder Kompetenzen an. +

+ +

+ Das ist nicht nur peinlich – + es kann reputationsschädigend oder sogar rechtswidrig sein. +

+ +
+ Halluzinationen sind kein Ausnahmefehler —
+ sie sind ein systemisches Verhalten.

+ Der sicherste Umgang ist:
+ ➡️ KI-Ergebnisse niemals ungeprüft übernehmen +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A3_page5.html b/app/flask-postgres/app/templates/course/A3_page5.html new file mode 100644 index 0000000..9b338f9 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A3_page5.html @@ -0,0 +1,94 @@ +{% extends "base.html" %} + +{% block content %} + +

A3 Kritische Einsatzbereiche

+ +
+
+

Teil 4 – Kritische Einsatzbereiche im Unternehmen

+ +

+ „In manchen Bereichen sind KI-Risiken besonders hoch, +

+ +

+ weil schon kleine Fehler große Konsequenzen haben können. +

+ +

Hochkritische Bereiche:

+ +

1. HR (Human Resources)

+ +
    +
  • Auswahl von Bewerber:innen
    • +
  • Formulierungen in Stellenanzeigen
    • +
  • interne Bewertungen
    • +
+ +

+ Bias kann hier zu Diskriminierung führen – ein rechtlicher Hochrisikobereich. +

+ +

2. Marketing & externe Kommunikation

+ +
    +
  • Produktbeschreibungen
    • +
  • Werbeslogans
    • +
  • Kundentexte
    • +
+ +

+ Fehler, Irreführungen oder fehlende Kennzeichnung können zu Abmahnungen führen. +

+ +

3. Kundenservice & Chatbots

+ +
    +
  • Antworten auf Beschwerden
    • +
  • Kulanzentscheidungen
    • +
+ +

+ Ein Chatbot, der Kund:innen unfair oder unangemessen behandelt, + kann massiv schaden. +

+ +

4. Recht, Compliance & Finanzen

+ +
    +
  • Gesetzesinterpretationen
    • +
  • Vertragszusammenfassungen
    • +
  • Risikobewertungen
    • +
+ +

+ Eine halluzinierende KI ist hier schlicht unbrauchbar und gefährlich. +

+ +

5. IT & Technik

+ +
    +
  • Skriptvorschläge
    • +
  • Codegenerierung
    • +
  • Analyse von Fehlermeldungen
    • +
+ +

+ Fehler können hier Sicherheitsrisiken erzeugen. +

+ +
+ Je sensibler der Bereich,
+ desto höher der menschliche Prüfungsbedarf. +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A3_page6.html b/app/flask-postgres/app/templates/course/A3_page6.html new file mode 100644 index 0000000..d7894dd --- /dev/null +++ b/app/flask-postgres/app/templates/course/A3_page6.html @@ -0,0 +1,77 @@ +{% extends "base.html" %} + +{% block content %} + +

A3 Sicheres Arbeiten mit KI

+ +
+
+

Teil 5 – Sicheres Arbeiten mit KI: Risikobewusstsein im Alltag

+ +

+ „Risikobewusstsein heißt nicht, KI zu verbieten – +

+ +

+ sondern sie bewusst und kontrolliert einzusetzen. +

+ +

Die wichtigsten Regeln für Mitarbeitende:

+ +

1. Ergebnisse immer prüfen

+

+ Keine KI-Ausgabe darf 1:1 übernommen werden, + vor allem nicht in rechtlichen, fachlichen oder kundennahen Bereichen. +

+ +

2. Quellen und Fakten verifizieren

+

+ Bei Fachinhalten gilt:
+ „Vertraue nichts ohne Quelle.“ +

+ +

3. Sensible Bereiche doppelt prüfen

+

+ HR, Recht, Compliance, Gesundheit, Preisgestaltung → immer menschliche Entscheidung. +

+ +

4. Keine sensiblen Daten in öffentliche KI-Systeme

+

+ Kein Textbaustein, keine Kundendaten, keine Gesundheitsinfos. +

+ +

5. Dokumentation bei kritischen Prozessen

+

+ Wenn KI Einfluss auf Entscheidungen hat, sollte dokumentiert werden: +

+ +
    +
  • Warum wurde KI genutzt?
    • +
  • Wurde der Output geprüft?
    • +
  • Wer trägt die Verantwortung?
    • +
+ +
+ Im Zweifel gilt: Rückfrage statt KI

+ Wenn ein Inhalt wichtig, sensibel oder rechtlich relevant ist →
+ immer menschliche Expertise hinzuziehen. +
+ +

+ Risikobewusstsein entsteht durch Wissen, nicht durch Angst. +

+ +

+ Wer versteht, wie KI Fehler erzeugt, + kann sicher und verantwortungsvoll damit umgehen. +

+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A3_page7.html b/app/flask-postgres/app/templates/course/A3_page7.html new file mode 100644 index 0000000..e43bf1e --- /dev/null +++ b/app/flask-postgres/app/templates/course/A3_page7.html @@ -0,0 +1,42 @@ +{% extends "base.html" %} + +{% block content %} + +

A3 Abschluss

+ +
+
+

Abschluss – Überblick & Ausblick

+ +

+ Damit haben Sie gelernt, wie KI-Risiken entstehen, + wie sie sich im Arbeitsalltag auswirken + und wie Sie sie zuverlässig erkennen. +

+ +

+ Sie wissen nun, welche Bereiche kritisch sind + und welche Grundregeln Sie im Alltag anwenden müssen, + um Fehler, Diskriminierung und rechtliche Verstöße zu vermeiden. +

+ +

+ Im nächsten Modul geht es um Transparenz und Kundenoffenlegung, + ein zentraler Bestandteil des EU AI Act: +

+ +
+ Wann müssen Sie offenlegen, dass KI verwendet wurde?
+ Wie kennzeichnet man AI-generated oder AI-assisted Inhalte korrekt?
+ Und welche Pflichten gelten im Marketing, im Kundendienst und bei der externen Kommunikation? +
+ +
+
+ +
+ Zurück + Zum Assessment +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A4_page1.html b/app/flask-postgres/app/templates/course/A4_page1.html new file mode 100644 index 0000000..c01ff6d --- /dev/null +++ b/app/flask-postgres/app/templates/course/A4_page1.html @@ -0,0 +1,16 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 – Ethical AI

+ +
+content +
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A4_page2.html b/app/flask-postgres/app/templates/course/A4_page2.html new file mode 100644 index 0000000..17611c9 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A4_page2.html @@ -0,0 +1,17 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Ethikrahmen

+ +
+ +
+ +
+ Zurück + Weiter + +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A4_page3.html b/app/flask-postgres/app/templates/course/A4_page3.html new file mode 100644 index 0000000..77799bd --- /dev/null +++ b/app/flask-postgres/app/templates/course/A4_page3.html @@ -0,0 +1,16 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Was ist Bias?

+ +
+ +
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A4_page4.html b/app/flask-postgres/app/templates/course/A4_page4.html new file mode 100644 index 0000000..f635b5b --- /dev/null +++ b/app/flask-postgres/app/templates/course/A4_page4.html @@ -0,0 +1,16 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Diskriminierung

+ +
+ +
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A4_page5.html b/app/flask-postgres/app/templates/course/A4_page5.html new file mode 100644 index 0000000..8dd10c9 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A4_page5.html @@ -0,0 +1,16 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Praxisbeispiele

+ +
+ +
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A4_page6.html b/app/flask-postgres/app/templates/course/A4_page6.html new file mode 100644 index 0000000..c695a52 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A4_page6.html @@ -0,0 +1,16 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Fairness

+ +
+ +
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/A4_page7.html b/app/flask-postgres/app/templates/course/A4_page7.html new file mode 100644 index 0000000..782a731 --- /dev/null +++ b/app/flask-postgres/app/templates/course/A4_page7.html @@ -0,0 +1,16 @@ +{% extends "base.html" %} + +{% block content %} + +

A2 Abschluss

+ +
+ +
+ +
+ Zurück + Zum Assessment +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/B1_page1.html b/app/flask-postgres/app/templates/course/B1_page1.html index 94f315a..29f7c0d 100644 --- a/app/flask-postgres/app/templates/course/B1_page1.html +++ b/app/flask-postgres/app/templates/course/B1_page1.html @@ -4,9 +4,35 @@

B1 AI Privacy Basics

-

- KI-Systeme müssen die Privatsphäre schützen sein... -

+
+
+

Willkommen zu Compliance Verification und zum Modul B1 – Data & Privacy Compliance im KI-Kontext

+ +

+ In diesem Kurs lernen Sie, +

+ +
    +
  • wann die Nutzung von KI datenschutzrechtlich kritisch wird,
    • +
  • welche Arten von Daten besonders geschützt sind,
    • +
  • welche rechtlichen Grundlagen für die Verarbeitung gelten,
    • +
  • wie Datenübermittlungen an externe Anbieter einzuordnen sind
    • +
  • und welche Grundprinzipien für einen sicheren Umgang mit Daten im KI-Kontext gelten.
    • +
+ +

+ Unser Ziel ist nicht, + Sie zu Datenschutzexpertinnen oder Datenschutzexperten zu machen. +

+ +

+ Unser Ziel ist, + dass Sie ein klares Verständnis dafür entwickeln, + wann ein Prompt rechtliche Risiken auslösen kann + und wie Sie im Arbeitsalltag sicher und verantwortungsvoll mit KI umgehen. +

+
+
Zurück diff --git a/app/flask-postgres/app/templates/course/B1_page2.html b/app/flask-postgres/app/templates/course/B1_page2.html index 558930a..ee19b87 100644 --- a/app/flask-postgres/app/templates/course/B1_page2.html +++ b/app/flask-postgres/app/templates/course/B1_page2.html @@ -2,11 +2,80 @@ {% block content %} -

B1 AI Privacy Basics

+

B 1 – Personenbezogene Daten und KI

-

- KI-Systeme müssen die Privatsphäre schützen sein... -

+
+
+

Teil 1 – Personenbezogene Daten und KI: Wann ein Prompt kritisch wird

+ +

+ „Ein verbreiteter Irrtum lautet: +

+ +

+ „Ich gebe der KI nur neutrale Informationen.“ +

+ +

+ Tatsächlich kann bereits ein Prompt personenbezogene Daten enthalten. +

+ +

+ Personenbezogene Daten sind alle Informationen, + die sich auf eine identifizierte oder identifizierbare Person beziehen. +

+ +

Das kann direkt sein:

+ +
    +
  • Name
    • +
  • E-Mail-Adresse
    • +
  • Kundennummer
    • +
+ +

Oder indirekt:

+ +
    +
  • „der Mitarbeiter aus dem Vertrieb, der letzte Woche krank war“
    • +
  • „die Kundin mit der großen Bestellung aus Köln“
    • +
+ +

+ Auch Kombinationen von Informationen können dazu führen, + dass eine Person identifizierbar wird. +

+ +

Ein weiterer wichtiger Punkt ist der Unterschied zwischen anonymisiert und pseudonymisiert:

+ +

Anonymisiert bedeutet:

+ +

+ Eine Person ist nicht mehr identifizierbar. +

+ +

Pseudonymisiert bedeutet:

+ +

+ Die Identität wurde ersetzt, + kann aber mit zusätzlichen Informationen wiederhergestellt werden. +

+ +
+ Pseudonymisierte Daten gelten weiterhin als personenbezogene Daten. +
+ +

+ Und genau hier liegt das Risiko: +

+ +

+ Wenn solche Daten in KI-Systeme eingegeben werden, + besteht die Gefahr, + dass sie unbeabsichtigt an externe Anbieter weitergegeben werden. +

+ +
+
Zurück diff --git a/app/flask-postgres/app/templates/course/B1_page3.html b/app/flask-postgres/app/templates/course/B1_page3.html new file mode 100644 index 0000000..12611dd --- /dev/null +++ b/app/flask-postgres/app/templates/course/B1_page3.html @@ -0,0 +1,68 @@ +{% extends "base.html" %} + +{% block content %} + +

B1 Teil 2 – Rechtsgrundlagen der Verarbeitung

+ +
+
+

Teil 2 – Rechtsgrundlagen der Verarbeitung: Was erlaubt ist – und was nicht

+ +

+ „Sobald personenbezogene Daten verarbeitet werden, +

+ +

+ benötigt jede Verarbeitung eine rechtliche Grundlage. +

+ +

+ Die zentrale Vorschrift ist Artikel 6 der Datenschutz-Grundverordnung. +

+ +

Typische Erlaubnistatbestände sind:

+ +
    +
  • Einwilligung der betroffenen Person
    • +
  • Vertragserfüllung
    • +
  • berechtigtes Interesse
    • +
+ +

Ein zentraler Konflikt im KI-Kontext ist:

+ +

+ Viele KI-Systeme verarbeiten Eingaben weiter, + zum Beispiel zur Verbesserung ihrer Modelle. +

+ +

+ Das bedeutet: +

+ +

+ Daten können im Rahmen der Nutzung + für Trainingszwecke verwendet werden. +

+ +
+ Für diese Weiterverarbeitung liegt häufig + keine ausreichende Rechtsgrundlage vor. +
+ +

Deshalb gilt:

+ +

+ Nicht jede Nutzung von KI, + die technisch möglich ist, + ist auch rechtlich zulässig. +

+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/B1_page4.html b/app/flask-postgres/app/templates/course/B1_page4.html new file mode 100644 index 0000000..2dff5cf --- /dev/null +++ b/app/flask-postgres/app/templates/course/B1_page4.html @@ -0,0 +1,57 @@ +{% extends "base.html" %} + +{% block content %} + +

B1 Besondere Kategorien personenbezogener Daten

+ +
+
+

Teil 3 – Besondere Kategorien personenbezogener Daten

+ +

+ „Noch strengere Regeln gelten +

+ +

+ für sogenannte besondere Kategorien personenbezogener Daten. +

+ +

+ Diese sind in Artikel 9 der Datenschutz-Grundverordnung geregelt. +

+ +

Dazu gehören unter anderem:

+ +
    +
  • Gesundheitsdaten
    • +
  • ethnische Herkunft
    • +
  • politische Meinungen
    • +
  • religiöse Überzeugungen
    • +
+ +

+ Für diese Daten gelten erhöhte Schutzanforderungen. +

+ +

Im KI-Kontext bedeutet das:

+ +

+ Solche Daten dürfen grundsätzlich + nicht in offene oder externe Systeme eingegeben werden. +

+ +
+ Denn hier besteht ein besonders hohes Risiko
+ für Datenschutzverstöße
+ und für erhebliche rechtliche Konsequenzen. +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/B1_page5.html b/app/flask-postgres/app/templates/course/B1_page5.html new file mode 100644 index 0000000..d1c80d7 --- /dev/null +++ b/app/flask-postgres/app/templates/course/B1_page5.html @@ -0,0 +1,59 @@ +{% extends "base.html" %} + +{% block content %} + +

B1 Datenübermittlung an Dritte und Drittlandtransfer

+ +
+
+

Teil 4 – Datenübermittlung an Dritte und Drittlandtransfer

+ +

+ „Ein weiterer zentraler Punkt ist die Datenübermittlung an Dritte. +

+ +

+ Viele KI-Anbieter haben ihren Sitz außerhalb der Europäischen Union, + insbesondere in den Vereinigten Staaten. +

+ +

Das bedeutet:

+ +

+ Daten können in sogenannte Drittländer übertragen werden. +

+ +

+ Für solche Übermittlungen gelten besondere Anforderungen, + zum Beispiel Standardvertragsklauseln. +

+ +

+ Auch rechtliche Entwicklungen wie das Schrems-II-Urteil + haben gezeigt, + dass solche Übermittlungen mit Risiken verbunden sind. +

+ +

Insbesondere bei offenen KI-Tools besteht die Gefahr:

+ +
    +
  • dass Daten gespeichert werden,
    • +
  • weiterverarbeitet werden
    • +
  • oder für Trainingszwecke genutzt werden.
    • +
+ +
+ Deshalb gilt als Grundregel:
+ Keine vertraulichen oder personenbezogenen Daten
+ in offene KI-Systeme eingeben. +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/B1_page6.html b/app/flask-postgres/app/templates/course/B1_page6.html new file mode 100644 index 0000000..202671f --- /dev/null +++ b/app/flask-postgres/app/templates/course/B1_page6.html @@ -0,0 +1,61 @@ +{% extends "base.html" %} + +{% block content %} + +

B1 Privacy by Design

+ +
+
+

Teil 5 – Privacy by Design und sichere Nutzung im Alltag

+ +

+ „Der wichtigste Grundsatz im Umgang mit Daten lautet: +

+ +
+ ➡️ Privacy by Design und Privacy by Default. +
+ +

Das bedeutet:

+ +

+ Datenschutz muss von Anfang an mitgedacht werden. +

+ +

Im Arbeitsalltag heißt das konkret:

+ +
    +
  • Eingaben minimieren
    • +
  • keine vertraulichen Daten in Prompts verwenden
    • +
  • nur notwendige Informationen eingeben
    • +
  • interne Schutzmechanismen beachten
    • +
+ +

+ Ziel ist es, + Risiken gar nicht erst entstehen zu lassen. +

+ +
+ Denn:
+ Was nicht eingegeben wird,
+ kann auch nicht weitergegeben werden. +
+ +

Diese Grundprinzipien schützen:

+ +
    +
  • betroffene Personen
    • +
  • Mitarbeitende
    • +
  • und das Unternehmen
    • +
+ +
+
+ +
+ Zurück + Weiter +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course/B1_page7.html b/app/flask-postgres/app/templates/course/B1_page7.html new file mode 100644 index 0000000..97b4788 --- /dev/null +++ b/app/flask-postgres/app/templates/course/B1_page7.html @@ -0,0 +1,38 @@ +{% extends "base.html" %} + +{% block content %} + +

B1 Abschluss

+ +
+
+

Abschluss – Überblick & Ausblick

+ +

+ Damit haben Sie die Grundlagen des Datenschutzes im KI-Kontext verstanden. +

+ +

+ Sie wissen jetzt, + wann ein Prompt personenbezogene Daten enthalten kann, + welche rechtlichen Grundlagen gelten, + welche Daten besonders sensibel sind, + welche Risiken bei der Nutzung externer KI-Systeme bestehen + und wie Sie durch Privacy by Design sicher arbeiten. +

+ +

+ Im nächsten Modul geht es darum, + wie Unternehmen klare und verbindliche Regeln + für den Einsatz von KI festlegen. +

+ +
+
+ +
+ Zurück +Zum Assessment +
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course_assessment.html b/app/flask-postgres/app/templates/course_assessment.html new file mode 100644 index 0000000..8a34c60 --- /dev/null +++ b/app/flask-postgres/app/templates/course_assessment.html @@ -0,0 +1,31 @@ +{% extends "base.html" %} + +{% block content %} + +

Assessment – {{ course.code }} {{ course.title }}

+ +
+ {% for q in questions %} +
+

{{ loop.index }}. {{ q.title or "Frage" }}

+

{{ q.question_text }}

+ + {% for a in q.answers %} +
+ +
+ {% endfor %} +
+ {% endfor %} + +
+ + Abbrechen +
+
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/course_assessment_result.html b/app/flask-postgres/app/templates/course_assessment_result.html new file mode 100644 index 0000000..56f4dcf --- /dev/null +++ b/app/flask-postgres/app/templates/course_assessment_result.html @@ -0,0 +1,27 @@ +{% extends "base.html" %} + +{% block content %} + +
+

Assessment Ergebnis

+ +

Kurs: {{ course.code }} – {{ course.title }}

+

Punkte: {{ score }} / {{ total_questions }}

+ + {% if passed %} +
+ Assessment bestanden. +
+ {% else %} +
+ Assessment nicht bestanden. +
+ {% endif %} + +
+ Zurück zu den Kursen + Erneut versuchen +
+
+ +{% endblock %} \ No newline at end of file diff --git a/app/flask-postgres/app/templates/partials/home_content.html b/app/flask-postgres/app/templates/partials/home_content.html index bdef026..7d285f4 100644 --- a/app/flask-postgres/app/templates/partials/home_content.html +++ b/app/flask-postgres/app/templates/partials/home_content.html @@ -31,32 +31,15 @@
-

Schulung

+

Gesamtinfo

- Aufbau von Wissen im Unternehmen mit Trainings und nachvollziehbarer Dokumentation. + Detaillierte Informationen finden Sie unter Marketing

- -
-
-
-

Warum Compliance Verification?

-
    -
  • Rechtssicherheit für Ihr Unternehmen
    • -
  • Klare Dokumentation und Nachweise
    • -
  • Strukturierte Umsetzung von KI-Richtlinien
    • -
  • Effiziente Schulung Ihrer Mitarbeitenden
    • -
-
-
- Schulung -
-
-
@@ -80,27 +63,7 @@
- -
-

So funktioniert es

-
-
-

Analyse

-

Wir analysieren Ihre aktuelle Situation und Anforderungen.

-
- -
-

Umsetzung

-

Einführung von Prozessen, Richtlinien und Schulungen.

-
- -
-

Verifikation

-

Nachweisbare Compliance und nachhaltige Absicherung.

-
-
-
diff --git a/app/flask-postgres/styles/site.css b/app/flask-postgres/styles/site.css index 79a8a4b..f9ded5b 100644 --- a/app/flask-postgres/styles/site.css +++ b/app/flask-postgres/styles/site.css @@ -934,4 +934,90 @@ button { .responsive-stack { grid-template-columns: 1fr; } +} + +.admin-grid-form textarea { + width: 100%; + min-height: 110px; + padding: 10px 12px; + border: 1px solid #cfd8e3; + border-radius: 10px; + font-size: 16px; + box-sizing: border-box; + resize: vertical; + font-family: Arial, Helvetica, sans-serif; +} + + +/* assessment fragen */ +/* Grundlayout */ +.content-section.ai-explainer { + padding: 40px 20px; + background: #f9fafb; +} + +.content-wrapper { + max-width: 900px; + margin: 0 auto; + font-family: -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, Arial, sans-serif; + color: #1f2937; + line-height: 1.6; +} + +/* Titel */ +.section-title { + font-size: 28px; + font-weight: 700; + margin-bottom: 20px; + color: #111827; +} + +/* Lead Text */ +.lead { + font-size: 18px; + margin-bottom: 20px; +} + +/* Standard Paragraph */ +.content-wrapper p { + margin-bottom: 16px; +} + +/* Listen */ +.example-list, +.key-points { + margin: 15px 0 20px 20px; + padding: 0; +} + +.example-list li, +.key-points li { + margin-bottom: 8px; +} + +/* Quote / Highlight */ +.highlight-quote { + margin: 25px 0; + padding: 20px; + background: #eef2ff; + border-left: 5px solid #6366f1; + font-size: 18px; + font-weight: 500; + color: #1e3a8a; + border-radius: 6px; +} + +/* Responsive */ +@media (max-width: 768px) { + .section-title { + font-size: 22px; + } + + .lead { + font-size: 16px; + } + + .highlight-quote { + font-size: 16px; + } } \ No newline at end of file