Data Ethics Practitioner — Data Ethics for Business Professionals inkl. Examen

Daten-Ethik ist von „nice to have" zu Compliance-Pflicht geworden — DSGVO, EU AI Act, CCPA und sektorale Regulierung erfordern systematisches Ethik-Management. Diese Zertifizierung qualifiziert Business-Profis im verantwortungsvollen Umgang mit Daten und KI. Themen: 1. Ethical Foundations — Utilitarianism (größtes Wohl für die meisten), Deontology (Kantianischer Pflichtethik), Virtue Ethics (Charakter-basiert), Justice Theories (Rawls Veil of Ignorance), angewandt auf Data-Dilemmas. 2. Regulatorischer Rahmen — DSGVO (Rechtsgrundlagen, Betroffenenrechte, DPIA, DPO, Auftragsverarbeitung), EU AI Act (4 Risiko-Klassen: unacceptable risk verboten, high-risk mit Konformitätsbewertung, limited risk mit Transparenz, minimal risk frei; Conformity Assessment, CE-Marking für AI), US-Regulierung (CCPA/CPRA, sektorale wie HIPAA/GLBA/FCRA, NIST AI RMF), UK (GDPR-Klon nach Brexit), China (PIPL). 3. Bias & Fairness — Quellen von Bias (Historical, Representation, Measurement, Aggregation, Evaluation, Deployment), Fairness-Metriken (Demographic Parity, Equalized Odds, Equal Opportunity, Calibration, Individual Fairness — Konflikt: nicht alle gleichzeitig erfüllbar nach Kleinberg/Chouldechova-Theorem). Bias Mitigation (Pre-Processing wie Reweighing, In-Processing wie Adversarial Debiasing, Post-Processing wie Calibration). Bekannte Fälle: COMPAS-Algorithmus, Amazon-Hiring-AI, Apple-Card-Credit-Limits, Predictive Policing. 4. Privacy by Design (Ann Cavoukian 7 Prinzipien), Privacy-Enhancing Technologies (PETs): Differential Privacy (Apple, Google, US Census), Federated Learning (Google Keyboard), Homomorphic Encryption, Secure Multi-Party Computation (SMPC), Synthetic Data. 5. Transparency & Explainability — Right to Explanation (DSGVO Art. 22, EU AI Act für High-Risk), Explainability-Techniken (SHAP, LIME, Integrated Gradients, Attention Visualization, Counterfactuals). Model Cards (Google), Datasheets for Datasets (Microsoft). 6. Accountability — Audit Trails, Algorithmic Impact Assessments (Canadian Directive, NYC Local Law 144 for Hiring AI), Bug Bounties für AI. 7. Governance Frameworks — IEEE Ethically Aligned Design, EU Trustworthy AI Guidelines (7 Requirements), Singapore Model AI Governance, Microsoft Responsible AI Standard, Google AI Principles. 8. Use Cases: HR (Hiring AI), Marketing (Personalization-Privacy-Tradeoff), Healthcare (Diagnostic AI Bias gegen Minderheiten), Finance (Credit Scoring), Public Sector (Welfare Algorithms, Predictive Justice). Examen: Multiple-Choice + Szenario-Fragen.