Responsible AI | EU AI Act | ISO 42001 | Socio-Technical Assessment
DE: Ich unterstütze Organisationen dabei, KI-Systeme verantwortungsvoll, rechtskonform und praxistauglich einzuführen – mit klaren Governance-Strukturen, Risiko- & Impact-Assessments, auditierbarer Dokumentation und einem realistischen Blick auf Mensch‑Technik‑Interaktionen. Meine Perspektive verbindet AI Governance Expertise mit Techno‑Anthropologie (Dr. phil., magna cum laude) und langjähriger Erfahrung in strategischer Digitalisierung/Transformation in Wirtschaft und öffentlichem Sektor.
Verfügbar für AI Governance / Responsible AI / AI Programme Steering Rollen & Mandate
EN: I help organizations implement AI responsibly, compliantly, and operationally—by setting up actionable governance structures, risk & impact assessments, audit-ready documentation, and realistic workflows that work across legal, risk, data, and engineering. My background combines AI governance expertise with tech anthropology (PhD, magna cum laude) and long-term leadership in digital transformation across industry, the digital economy, and the public sector.
Fokus: KI Governance & Ethics
Typische Themen, bei denen ich Mehrwert bringe:
- EU AI Act Readiness & Compliance: Use-Case Einordnung, Risiko-Klassifizierung, Governance-Aufbau, Nachweis-/Dokumentationslogik etc.
- Responsible AI Frameworks & Risk Management (z. B. NIST AI RMF, Risiko-Workshops, Kontroll- & Mitigationslogik)
- Bias & Fairness: Vorgehen, Metriken, Tool-gestützte Audits (u. a. IBM AIF360, Fairlearn, What‑If‑Analysen)
- ISO-orientierte Governance: Aufbau von AIMS bzw. Management-/Prozessstrukturen im Sinne von ISO 42001 und ISO 23894
- Sozio-technische Systembewertung: Wirkung auf Nutzer:innen, Organisation, Entscheidungsprozesse, Agency & Sensemaking – besonders relevant für LLM-/GenAI‑Einsatz und automatisierte Entscheidungen
Services
Konkret, umsetzungsorientiert, audit-fähig – an der Schnittstelle von Legal, Risk, Data, Tech und Business.
EU AI Act Readiness & Governance Setup
Von Use-Case-Inventar bis Operating Model: Rollen, Gates, Verantwortlichkeiten, Nachweise.
- Use-Case Intake & Klassifizierung
- Governance-Rollen/RACI & Freigaben
- Dokumentations-/Evidence-Map
Risk & Impact Assessments
Pragmatische Risiko-/Impact-Methodik (z. B. NIST AI RMF-Denke), die Teams wirklich nutzen.
- Risiko-Workshops & Controls
- Ethical Impact & What-If-Analysen
- Mitigation-Plan & Monitoring
Bias/Fairness Audits (Tooling & Interpretation)
Bias-/Fairness-Checks inklusive Setup, Metriken, Ergebnisinterpretation und Handlungsempfehlungen.
- Auditing (AIF360, Fairlearn)
- Fairness-Metriken & Trade-offs
- Reporting für Stakeholder
Typische Deliverables
Governance Artefakte
- AI Governance Framework (Prinzipien, Policies, RACI, Lifecycle-Gates)
- Use-Case Intake + Risk Triage (Inventar, Priorisierung, Kritikalität)
- Audit-/Assessment Paket: Gap-Analyse, Maßnahmenplan, Evidence-Model
Operative Umsetzung
- BPMN-Workflows (Freigaben, Checks, Schnittstellen Data Governance/Compliance)
- Enablement: Trainings, Workshops, Stakeholder-Briefings
- Rollout-Begleitung (Change- und Adoption-Fokus)
Arbeitsweise
- Workshop-first, danach Artefakte & Implementierungsplan
- Lean Dokumentation: auditierbar, aber nicht bürokratisch
- Übersetzung zwischen Tech/Legal/Risk/Business
Methoden & Standards (Auswahl)
- EU AI Act · DSGVO/GDPR · ISO 42001 · ISO 23894 · NIST AI RMF
- Design Thinking · Scrum · CRISP-DM · ADKAR
- Bias/Fairness Tooling: IBM AIF360 · Microsoft Fairlearn
Ausbildung
- Dr. phil. Kulturwissenschaften (magna cum laude) – Leuphana Universität Lüneburg
- Diplom-Kauffrau (Univ.) – Universität Regensburg
Zertifizierungen (Auswahl)
- KI-Auditorin (TÜV Rheinland)
- AI-Officer / KI-Beauftragte (TÜV Rheinland)
- Responsible AI: Managing Bias, Ethics & Accountability (IBM)
- KI-Manager (AITI/DFKI) · Prompt Engineer (Vanderbilt)
- Professional Scrum Master (Scrum.org)
FAQ (für Recruiter & Hiring Teams)
Welche Rollen passen am besten?
Responsible AI / AI Governance Lead, AI Governance Officer, AI Compliance & Risk (EU AI Act Readiness), Ethics & Impact Assessment – insbesondere für GenAI/LLM-Programme und regulierte Domänen. Wie sieht „AI Governance“ in deiner Praxis aus?
Ein Operating Model, das den KI-Lifecycle steuerbar macht: Use-Case Intake, Risiko-Triage, klare Verantwortlichkeiten (RACI), Freigabegates, kontrollierte Änderungen, Monitoring – plus eine schlanke Evidence-Map für Auditierbarkeit. Arbeitest du eher strategisch oder operativ?
Beides – mit Umsetzungsfokus. Ich übersetze Anforderungen (EU AI Act/DSGVO/ISO) in Prozesse und Artefakte, die Teams tatsächlich betreiben können (Workshops → Artefakte → Rollout/Enablement). Welche typischen Einstiegsformate funktionieren gut?
Ein 2–4-wöchiger Sprint: Use-Case Inventar, Risiko-Triage, Governance-Blueprint (RACI/Gates), erster Dokumentations-/Evidence-Entwurf, plus Enablement-Session für Stakeholder. Welche Informationen brauchst du zu Beginn?
Use-Case-Liste (oder Pipeline), Daten-/Model-Kontext, Zielgruppe/Entscheidungswirkung, bestehende Policies (DSGVO, Security, Model Risk), und wer derzeit „Owner“ für AI/GenAI ist (Legal/Risk/Data/Engineering).
Download: CV on request
Aus Datenschutz-/Kontextgründen sende ich den vollständigen CV und detaillierte Projektreferenzen gern gezielt auf Anfrage (auf Wunsch unter NDA). Bitte kurz Rolle, Unternehmen, Startdatum und Fokus (EU AI Act, GenAI/LLM, Bias/Fairness, ISO 42001) nennen.
© Dr. Agnieszka Krzeminska · KI Governance & Ethik · goldenezeiten.org