Tag 1
Programmpunkt
10:00 – 18:00

Prof. Dr. Silke Finken
Professorin für Innovationsmanagement – ISM München
Mehr Informationen

Dr. Sina Wulfmeyer
Chief Data Officer and DPO – Unique AG
Mehr Informationen
Begrüßung und Einführung ins Thema
KI-Strategie
- Chancen, Risiken und strategische Hebel
- Relevanz von KI im Banking: Einordnung im Kontext aktueller Branchentrends
- Entwicklung einer KI-Strategie: Vom Trend zur strategischen Heatmap
Deep-Drill GenAI und Agentic AI
- Einführung und Funktionsweise von GPTs und LLMs
- Technologien zur Nutzung proprietärer Daten (RAG, Fine Tuning, Prompt Engineering)
- Neuste Entwicklungen und Potenziale: Agentic AI
Framework: Identifikation, Priorisierung und Gestaltung von Use Cases
- Identifikation von Kundenbedürfnissen
- Entwicklung und Gestaltung von Use Cases: aus dem Werkzeugkoffer des Innovationsmanagements
- Frameworks zur Auswahl und Priorisierung von Use Cases
Aktuelle Use Cases für Banken
- Übersicht Status Quo und bekannte Projekte – Erfolgsbeispiele und Lessons Learned
- Interaktive Übung: Identifikation und Priorisierung von Use Cases für die eigene Organisation
Wrap Up Tag 1
Tag 2
Programmpunkt
09:00 – 16:00

Prof. Dr. Silke Finken
Professorin für Innovationsmanagement – ISM München
Mehr Informationen

Dr. Sina Wulfmeyer
Chief Data Officer and DPO – Unique AG
Mehr Informationen
Intro Tag 2
Rechtswissen kompakt – Einsatz von KI im Banking
- Einführung und Überblick zur KI-Verordnung
- Implikationen der KI-Verordnung für den Einsatz von KI durch Banken
- Empfehlungen zur Umsetzung interner Compliance-Maßnahmen

Pierre Daniel Wittmann
Rechtsanwalt, Senior Associate – Luther Rechtsanwaltsgesellschaft mbH
„Operationale“ Erfolgskriterien und AI Governance: Risikomanagement und Compliance für AI Use Cases bei Banken
- Voraussetzungen für erfolgreiche KI-Projekte: Daten, Infrastruktur, Systems und Skills
- Datenschutzfragen und Compliance für AI Use Cases
- AI Governance und responsible AI: Wie kann die Umsetzung in der Praxis gelingen?
- Was ist AI Governance?
- Wie baut man AI Governance auf?
„Softe“ Erfolgskriterien für die Umsetzung: AI Ethics, Literacy und Mindset und Human-Maschine-Collaboration
- AI Ethics und gesellschaftliche Bedeutung
- AI-Literacy und Mindset: „Getting the organization ready for AI”
- Übung: Kernerfolgskriterien für die eigene Organisation
Human-Maschine-Collaboration: Herausforderungen für Führungskräfte und Mitarbeiter
- Kollaboration zwischen Mensch und Maschine
- Herausforderung Shadow AI
- Future Skills und Future Work