Governance, Risk & Responsible Use

Screen 1: Governance, Risk & Responsible Use

Modul 6 Einführung·4 Min

Ein unangemessener Anwendungsfall kann das gesamte KI-Programm einer Organisation einfrieren.

Sensible Daten an der falschen Stelle hochgeladen, ein nicht vertrauenswürdiges Skill mit breitem Zugriff gewährt, eine stille Richtlinienverletzung im falschen Moment: Jedes dieser Szenarien kann einen Freeze auslösen, der jedem Team die Produktivität kostet, die es gewonnen hat. Governance ist das, was die Einführung sicher vorantreibt, und sie wird von Praktikern ausgeübt, eine Entscheidung nach der anderen, nicht durch einen Richtlinienbinder im Regal.

Das ist der Rahmen für dieses Modul: Governance ist eine Praktikerfähigkeit. Die Richtlinie setzt die Grenze, aber Sie sind derjenige, der in dem Moment entscheidet, ob dieser Anwendungsfall, dieses Skill, dieser Upload angemessen ist. Zwei Kompetenzen aus dem AI Fluency Framework steuern diese Entscheidungen. Diligence handelt von Eigenverantwortung und Überprüfung. Delegation liefert die Kriterien zur Beurteilung, ob ein Anwendungsfall überhaupt angemessen ist.

Am Ende dieses Moduls können Sie:

• 1Angemessene und unangemessene Anwendungsfälle identifizieren.

• 2Datensensibilität, Datenschutz und regulatorische Überlegungen auf die Claude-Nutzung anwenden.

• 3Organisatorische KI-Richtlinien und Governance-Standards befolgen.

• 4Die ethischen Implikationen der KI-Nutzung verstehen.

Verantwortungsvolle Nutzung ist eine Reihe von Urteilen, die Sie jeden Tag treffen. Lernen Sie, Anwendungsfälle gegen die Delegation-Kriterien zu klassifizieren, ein Skill wie jede andere Software zu überprüfen, Daten nach ihrer Sensibilität mit den richtigen Feature-Kontrollen zu handhaben, organisatorische Richtlinien als anhaltende Gewohnheit anzuwenden und Ausgaben als Teil der routinemäßigen Überprüfung auf Voreingenommenheit und Fairness zu bewerten.

Wir haben diesen Associate-Kurs Modul 6: Governance, Risk & Responsible Use erstellt, um Ihnen dabei zu helfen, echte Arbeit mit Claude zu erledigen. Behandeln Sie ihn als Bildungsinhalte. Er stellt keine rechtliche, finanzielle oder andere professionelle Beratung dar, daher sollten Sie das Gelernte an Ihre eigene Situation anpassen. Unsere Produkte und Dienstleistungen entwickeln sich schnell, daher können bestimmte Inhalte Fehler enthalten oder veraltet sein; denken Sie daran, auf der Website oder in der Dokumentation von Anthropic zu überprüfen. Beispiele und Szenarien, die im Kurs verwendet werden, sind illustrativ und oft fiktiv. Wenn das Kursmaterial ein Unternehmen oder Produkt erwähnt, bedeutet dies nicht, dass Anthropic diese unterstützt, sie Anthropic unterstützen oder dass wir verbunden sind. Beachten Sie auch, dass Ihre Nutzung von Anthropic-Produkten und -Dienstleistungen durch unsere Bedingungen, Richtlinien und Dokumentation abgedeckt ist; falls etwas in diesem Kurs damit in Konflikt steht, haben diese Vorrang.

---

Screen 2: Angemessene vs. unangemessene Anwendungsfälle

UnterrichtAngemessene Anwendungsfälle·10 Min

Die Entscheidung, ob ein Anwendungsfall angemessen ist, ist eine strukturierte Bewertung, kein Bauchgefühl.

Die gleichen Delegation-Kriterien, die Workflow-Schritte abbilden, überprüfen auch ganze Anwendungsfälle: Reversibilität, Fehlerfolgen, die Notwendigkeit menschlicher Kreativität oder Empathie und Rechenschaftspflicht. Sie jedes Mal durchzuführen, verwandelt ein vages Unbehagen in eine verteidigbare Entscheidung.

Delegation-Kriterien für die Überprüfung

Kriterium

Die zu stellende Frage

Reversibilität

Kann eine falsche Ausgabe erkannt und rückgängig gemacht werden, bevor sie Schaden anrichtet? Irreversible Folgen erhöhen die Anforderungen erheblich.

Fehlerfolgen

Was kostet es, wenn die Ausgabe falsch ist? Höhere Folgen erfordern mehr menschliche Kontrolle oder schließen den Anwendungsfall aus.

Notwendigkeit menschlicher Kreativität oder Empathie

Erfordert die Aufgabe Urteilsvermögen, Beziehung oder Sorgfalt, die KI nicht liefern kann? Einige Arbeiten sollten unabhängig von der Fähigkeit menschlich bleiben.

Rechenschaftspflicht

Wer ist für das Ergebnis verantwortlich, und kann diese Verantwortung über ein KI-produziertes Ergebnis ausgeübt werden?

Die vier Kriterien sind keine Checkliste, bei der ein einzelner Fehler die Diskussion beendet. Sie interagieren. Eine Aufgabe kann niedrig-folgen und reversibel sein und dennoch menschliche Überprüfung erfordern. Rechenschaftspflicht kann nicht auf ein Modell übertragen werden. Das Verfassen einer Beileidskarte an einen Kunden ist niedrig-einsätzig und vollständig reversibel, doch das Beziehungselement bedeutet, dass eine Person sie besitzen sollte. Umgekehrt kann eine Aufgabe hochfolgen sein, aber mit dem richtigen Gate immer noch angemessen: Eine Finanzzusammenfassung, die eine Entscheidung speist, ist folgenreich, aber wenn ein benannter Prüfer sie vor der Verwendung genehmigt, werden Rechenschaftspflicht und Reversibilität wiederhergestellt. Die praktische Regel ist, alle vier durchzuführen und dann zu fragen, welches für diesen spezifischen Anwendungsfall tragend ist. Das tragende Kriterium ist dasjenige, das, wenn es sich ändert, den Anwendungsfall zwischen Klassifizierungen verschieben würde. Es zu benennen ist das, was Ihre Klassifizierung für einen Risk- oder Compliance-Prüfer verteidigbar macht.

Drei Klassifizierungen

Jeder vorgeschlagene Anwendungsfall wird in eine von drei eingeteilt, mit dokumentierter Begründung:

Vollständig angemessen. Reversibel, niedrig-folgen, kein spezielles menschliches Element. Mit normaler Überprüfung delegieren.

Angemessen mit menschlicher Überprüfung. Nützlich für KI-Unterstützung, aber die Einsätze oder Rechenschaftspflicht erfordern ein menschliches Gate. Definieren Sie das Gate explizit.

Unangemessen. Die Folgen, Irreversibilität oder Anforderung des menschlichen Elements bedeuten, dass KI dies nicht durchführen sollte. Erklären Sie, warum und benennen Sie die menschliche Rolle, die es besitzen muss.

„Angemessen mit menschlicher Überprüfung" ist die Klassifizierung, die Menschen am häufigsten falsch verstehen. Oft bleiben sie bei der Bezeichnung stehen und spezifizieren das Gate nie. Das Gate ist nicht „jemand wird es überprüfen. " Ein definiertes Gate etabliert drei Dinge: wer überprüft (die Rolle mit der Rechenschaftspflicht, nicht wer gerade frei ist), was sie überprüfen (das spezifische Risiko, das die Überprüfung abfangen soll, wie Faktentreue, Fairness oder Richtlinieneinhaltung) und wann in dem Workflow die Überprüfung stattfindet (bevor die Ausgabe verwendet wird, nicht danach). „Ein Manager überprüft die Shortlist auf Adverse-Impact-Muster, bevor ein Kandidat kontaktiert wird" ist ein definiertes Gate. „Wir werden einen Menschen in der Schleife behalten" ist es nicht. Wenn Sie das Gate nicht in dieser Wer/Was/Wann-Form angeben können, ist der Anwendungsfall noch nicht bereit zum Ausführen.

Bearbeitetes Beispiel: ein Anwendungsfall-Portfolio

Klicken Sie auf jeden Fall, um die Entscheidung und die Begründung zu sehen.

Die Erklärung, warum ein Anwendungsfall den Test nicht besteht, und welche menschliche Rolle beibehalten werden muss, ist das Ergebnis. „Es fühlt sich riskant an" reist nicht; „irreversible Folgen plus nicht übertragbare Rechenschaftspflicht" tut es.

---

Screen 3: Skill-Vertrauen und Feature-Level-Risiko

UnterrichtSkill-Vertrauen & Feature-Risiko·8 Min

Ein Skill ist Software. Es kann auf das zugreifen, das Sie Claude während einer Sitzung Zugriff geben, und kann Aktionen durch Code-Ausführung durchführen. Ein Skill aus einer nicht vertrauenswürdigen Quelle ist daher ein echtes Risiko, und die praktische Antwort auf dieses Risiko ist eine Quellen- und Berechtigungsprüfung, bevor Sie ihn aktivieren.

Warum nicht vertrauenswürdige Skills ein Risiko sind

Da ein Skill Verfahren ausführt und Daten und Tools berühren kann, die in der Sitzung verfügbar sind, könnte einer aus einer unbekannten Quelle Daten falsch handhaben oder unbeabsichtigte Aktionen durchführen. „Skills sind eine Black Box" ist eine häufige organisatorische Sorge, und die Antwort ist nicht blindes Vertrauen oder pauschale Verbote; es ist eine wiederholbare Vertrauensbewertung.

Vertrauensbewertung vor der Aktivierung

Klicken Sie auf jede Überprüfung, um die zu stellende Frage zu sehen.

Quelle

Wer hat dieses Skill veröffentlicht? Von Anthropic bereitgestellte und intern genehmigte Skills sind der niedrig-Risiko-Ausgangspunkt; ein unbekanntes Drittanbieter-Skill erfordert mehr Überprüfung.

Reichweite

Skills fordern keine Berechtigungen an; ein Skill erbt, was immer Zugriff die Sitzung, in der es ausgeführt wird, bereits hat. Fragen Sie stattdessen: Was könnte dieses Skill in den Sitzungen erreichen, in denen es ausgeführt wird, und ist diese Exposition proportional zur Aufgabe?

Überprüfen Sie den Inhalt des Pakets (Anweisungen, Abhängigkeiten, gebündelte Dateien), bevor Sie es aktivieren; ein Formatierungs-Skill, dessen Anweisungen weit über die Formatierung hinausgehen, ist ein rotes Zeichen.

Angemessenheit

Ist dieses Skill das richtige Werkzeug für die Aufgabe überhaupt, oder ist es mehr Fähigkeit als der Job braucht?

Quelle ist kein einfacher Schalter für vertrauenswürdig-oder-nicht-vertrauenswürdig. Der schwierigste Fall ist das Skill, das von einem anderen Team in Ihrer eigenen Organisation erstellt wurde. „Intern" fühlt sich sicher an, bedeutet aber nicht überprüft: Das Team, das es erstellt hat, könnte ihm breite Berechtigung für ihre eigene Bequemlichkeit gegeben haben oder es gegen eine ältere Richtlinie erstellt haben. Behandeln Sie ein internes Skill von außerhalb Ihres Teams wie Software von einer Schwesterabteilung, bestätigen Sie mit dem Herausgeber, auf was es zugreift und warum, und überprüfen Sie, dass seine Berechtigungen immer noch der aktuellen Richtlinie entsprechen, bevor Sie es auf Ihren eigenen Daten aktivieren. Die Vertrauensfrage ist „kenne ich, was es tut, und entspricht sein Zugriff dem Job? "

Das Fehlschlagen der Vertrauensprüfung bedeutet nicht immer „verwenden Sie es nie. " Es bedeutet, es nicht allein auf Ihre Autorität hin zu aktivieren. Die drei Ergebnisse sind:

Drei Ergebnisse aus einer Vertrauensprüfung

Aktivieren. Quelle, Berechtigungen und Angemessenheit sind alle klar.

Eskalieren. Das Skill ist nützlich, aber die Quelle ist unbekannt oder die Berechtigungen sehen breit aus, daher leiten Sie es an Ihren Admin oder Ihre Sicherheitsfunktion zur Überprüfung weiter.

Ablehnen. Die Berechtigungen sind eindeutig unverhältnismäßig oder die Quelle kann nicht etabliert werden, und keine Überprüfung würde das ändern.

Das Urteil ist die Identifizierung, welche der drei zutrifft.

Bearbeitetes Beispiel: Überprüfung von zwei Skills

Ein von Anthropic bereitgestellter Dokumentformatierer. Quelle ist vertrauenswürdig, Berechtigungen entsprechen der Aufgabe (Dokumentenbehandlung), angemessen für den Bedarf. Aktivieren Sie ihn.

Ein Drittanbieter-„Analytics Booster" von einem unbekannten Herausgeber, der breiten Datenzugriff anfordert. Unbekannte Quelle, unverhältnismäßige Berechtigungen für den angegebenen Zweck. Aktivieren Sie ihn nicht ohne die Überprüfung Ihrer Organisation. Behandeln Sie ihn wie jede andere nicht überprüfte installierte Software.

Die Regel verallgemeinert sich: Bewerten Sie die Quelle und Berechtigungen eines Skills wie jede andere Software, die Sie auf einem Arbeitscomputer installieren würden.

Skills sind die schärfste Version des Feature-Level-Risikos, aber die gleiche Verhältnismäßigkeitsgewohnheit gilt für jede Fähigkeit, die Sie aktivieren. Bevor Sie eine Funktion aktivieren, die Ihre Daten lesen oder darauf einwirken kann, einen Connector, ein Tool oder eine Integration, stellen Sie die gleichen drei Fragen: Wer stellt es bereit, auf was greift es zu, und ist dieser Zugriff proportional zu dem, was Sie brauchen. Das Prinzip ist das Prinzip der geringsten Berechtigung: Gewähren Sie den engsten Zugriff, der den Job ermöglicht, und überprüfen Sie ihn erneut, wenn sich der Job ändert.

---

Screen 4: Datensensibilität, Datenschutz & Feature-Kontrollen

UnterrichtDatensensibilität & Kontrollen·12 Min

Bevor Daten in eine Funktion eingehen, sollten Sie ihre Sensibilität kennen.

Datenklassifizierung ist die Gewohnheit, die Lecks verhindert, und die funktionsspezifischen Kontrollen, Incognito, Memory-Verwaltung und Sandbox-Bewusstsein, sind wie Sie auf diese Klassifizierung einwirken, wenn Persistenz oder Verarbeitung nicht angemessen ist.

Klassifizieren Sie vor dem Hochladen

Sortieren Sie Daten in das, was sicher zu verwenden ist, was zuerst überprüft werden muss, und was ganz außen bleibt. Öffentliches und internes Material mit niedriger Sensibilität ist im Allgemeinen in Ordnung; regulierte, vertrauliche oder persönliche Daten benötigen eine absichtliche Überprüfung gegen die Richtlinie, bevor sie in die Nähe einer Funktion gehen. Wenn Sie unsicher sind, ist die sichere Standardeinstellung, vor dem Hochladen zu fragen. Die meisten Teams benötigen drei Ebenen, die sie in Sekunden anwenden können:

Veröffentlichtes Material, anonymisierte oder aggregierte Daten oder interne Dokumente, die bereits für breite Freigabe freigegeben wurden.

Interne Dokumente, die nicht das Unternehmen verlassen sollen, alles mit Namen oder Kontaktdetails oder Entwurfsmaterial, das an einen Deal oder ein Produkt gebunden ist, das noch nicht angekündigt wurde.

Regulierte Daten (Gesundheit, Finanzen, Regierung), Anmeldedaten und Geheimnisse oder alles, das durch eine Vertraulichkeitsverpflichtung gegenüber einem Dritten abgedeckt ist.

Wenn Sie zwischen zwei Ebenen unsicher sind, behandeln Sie die Daten als die sensiblere, bis Sie das Gegenteil bestätigen können.

Redaktion und Anonymisierung

Wenn die Substanz einer Aufgabe die sensiblen Besonderheiten nicht erfordert, entfernen Sie sie. Das Redigieren von Namen, Kontonummern oder Identifiern vor dem Hochladen ermöglicht es Ihnen, den analytischen Wert zu erhalten, ohne die Daten freizulegen. Das Aufbauen dieser Gewohnheit verhindert die häufigste Form des versehentlichen Lecks. Redaktion funktioniert, wenn die Aufgabe nicht von den Identifiern abhängt. Das Fragen nach Trends über eine Kundenliste erfordert nicht die Namen der Kunden; das Ersetzen durch „Kunde 1, Kunde 2" verliert nichts, das die Analyse braucht.

Teilweise Redaktion. Das Entfernen des Namens, aber das Belassen einer Kontonummer, eines seltenen Jobtitels oder eines bestimmten Datums kann immer noch jemanden identifizieren, besonders in einer kleinen Population. Entfernen Sie jedes Feld, das zu einer Identifizierung führen könnte.

Redaktion, die die Aufgabe bricht. Wenn die Arbeit wirklich die sensiblen Besonderheiten braucht, ist Redaktion nicht die Antwort. Es ist besser, einen genehmigten Weg für diese Daten zu bestätigen oder sie ganz außen zu halten. Redaktion ist ein Werkzeug für den Fall, in dem Sensibilität und Notwendigkeit sich nicht überlappen; es ist nicht eine Möglichkeit, jede Daten sicher zu machen.

Funktionsspezifische Kontrollen

Klicken Sie auf jede Kontrolle, um zu sehen, was sie tut und wann sie zu verwenden ist.

Code-Ausführungs-Sandbox

Code wird in einer Sandbox-Umgebung ausgeführt, und hochgeladene Dateien werden dort verarbeitet.

Überprüfen Sie, was Sie hochladen, bevor Sie die Analyse ausführen.

Memory-Persistenz

Memory trägt Informationen über Sitzungen hinweg.

Für sensible Arbeit kann diese Persistenz genau das sein, das Sie nicht wollen.

Incognito-Modus

Hält die Sitzung aus Ihrer Chat-Verlauf und Memory heraus. Incognito-Chats folgen immer noch den Datenspeicherungsrichtlinien Ihrer Organisation und können in organisatorischen Datenexporten erscheinen. Memory-Ausschluss und Datenspeicherung sind separate Kontrollen.

Verwenden Sie ihn für sensible Gespräche oder vertrauliche Eingaben, die nicht in Verlauf oder Memory auftauchen sollten.

Org-Level Memory-Kontrollen

Team-Pläne haben keine organisationsweiten Kontrollen für Memory-Funktionen; auf Enterprise halten Owners und Primary Owners die organisationsweiten Memory-Kontrollen, einschließlich der Deaktivierung von Memory für die Organisation.

Wissen Sie, welchen Plan Sie haben und wer die Einstellung kontrolliert. Überprüfen Sie das aktuelle Verhalten im Claude Help Center Memory-Artikel (support. claude. com).

Die Kontrollen sind nur nützlich, wenn Sie die richtige zum richtigen Moment greifen. Die Gewohnheit ist: Klassifizieren Sie zuerst, dann wählen Sie die Kontrolle, die passt. Grüne Daten benötigen keine spezielle Kontrolle. Gelbe Daten, die nicht über Sitzungen hinweg persistieren sollten, sind der Fall für Incognito, vertraulich aber nicht reguliert, wo Sie die Analyse jetzt wollen, ohne dass sie Memory oder Chat-Verlauf eingibt (die zugrunde liegende Datenspeicherungsrichtlinie Ihrer Organisation gilt immer noch). Rote Daten benötigen einen genehmigten Einstiegspunkt, der vor dem Hochladen von etwas bestätigt wird, unabhängig von Memory-Einstellungen. Der häufige Fehler ist die Verwendung von Incognito und die Annahme, dass es sensible Daten sicher macht.

Incognito kontrolliert, ob etwas erinnert wird; es bestätigt nicht, ob die Daten hier überhaupt erlaubt waren. Für regulierte Daten kommt diese zweite Frage zuerst.

Bewusstsein über Einstiegspunkte, in einfachen Worten

Verschiedene claude. ai-Einstiegspunkte können Datenspeicherung unterschiedlich handhaben, je nachdem, wie Ihre Organisation Claude konfiguriert hat. Sie müssen die technischen Details nicht auswendig lernen; Sie benötigen die Gewohnheit zu fragen, wenn Sie bei einem bestimmten Einstiegspunkt unsicher sind, bevor Sie hochladen. Die einfache Regel: Kennen Sie zuerst die Sensibilität Ihrer Daten, dann passen Sie die Funktion und ihre Kontrollen daran an.

Bearbeitetes Beispiel: vier Datenscheidungen

Anonymisierte Umfragedaten für Trendanalyse. Grün. Sicher hochzuladen; verwenden Sie Code-Ausführung für überprüfte Zählungen. Keine persönlichen Identifikatoren vorhanden.

Ein vertrauliches M&A-Dokument zur Zusammenfassung. Gelb. Benötigt zuerst eine Überprüfung gegen die Richtlinie, und Incognito, damit es nicht in Memory oder Chat-Verlauf eingibt (es unterliegt immer noch der organisatorischen Datenspeicherung). Wenn die Richtlinie den Einstiegspunkt verbietet, bleibt er außen.

Eine Tabelle mit Kunden-PII zur Bereinigung. Redigieren oder anonymisieren Sie die Identifikatoren vor dem Hochladen, oder halten Sie sie ganz außen und bestätigen Sie den genehmigten Weg mit Ihrem Admin.

Patientenakten für eine Zusammenfassung des Gesundheits-Workflows. Dies ist rot und es ist der Fall, den Incognito nicht löst. Die Daten sind reguliert, daher ist die erste Frage, ob dieser Einstiegspunkt für geschützte Gesundheitsinformationen überhaupt genehmigt ist. Wenn Ihre Organisation keinen genehmigten, konformen Weg für diese Daten bestätigt hat, ist die richtige Aktion zu stoppen und zu Ihrem Admin zu eskalieren. Für regulierte Daten wird „ist dies hier erlaubt" vor „wie handhabe ich es hier" geklärt.

---

Screen 5: Organisatorische Richtlinien und Diligence als Gewohnheit

UnterrichtOrganisatorische Richtlinien·8 Min

Eine Richtlinie, die nur befolgt wird, wenn jemand zuschaut, ist keine Governance.

Die Lücke zwischen dem, was die Richtlinie sagt, und dem, was Menschen tun, ist genau dort, wo Risiko lebt. Diligence ist die Gewohnheit, den Governance-Rahmen konsistent anzuwenden, und die echte Nutzung gegen ihn zu überprüfen, um die Lücken zu schließen.

Wenden Sie Governance konsistent an

Governance-Compliance ist eine anhaltende Gewohnheit, keine einmalige Bestätigung. Der Standard ist, den Rahmen auf die routinemäßigen, niedrig-sichtbaren Entscheidungen anzuwenden, nicht nur auf die offensichtlich hocheinsätzigen, weil sich die routinemäßigen Entscheidungen unbemerkt ansammeln.

Überprüfen Sie die Nutzung gegen die Richtlinie

Vergleichen Sie regelmäßig, was Ihr Team mit Claude tut oder plant, mit dem, was die Richtlinie erfordert. Wo sie abweichen, haben Sie eine Diligence-Lücke gefunden, die zu schließen ist: ein Datentyp, der hochgeladen wird, der nicht sein sollte, ein Überprüfungsschritt, der übersprungen wird, ein Skill, das ohne Überprüfung aktiviert wird. Das Erkennen und Schließen dieser Lücken ist wichtige Arbeit.

Bleiben Sie aktuell

Richtlinien und Fähigkeiten entwickeln sich beide weiter. Eine Praxis, die letztes Quartal konform war, kann es nach einer Richtlinienaktualisierung oder einer neuen Funktion nicht mehr sein. Mit beiden aktuell zu bleiben, ist Teil der Gewohnheit, damit Ihr Urteil mit den Tools und Regeln Schritt hält.

Bearbeitetes Beispiel: eine Mini-Nutzungsüberprüfung

Ein Team-Lead überprüft einen Monat der Claude-Nutzung des Teams gegen die Richtlinie und findet drei Lücken: Ein Marketer hat eine nicht freigegebene Produktspezifikation auf einen nicht genehmigten Einstiegspunkt hochgeladen, ein Skill wurde ohne Quellenprüfung aktiviert, und ein wiederkehrender Kundenbericht hat sein erforderliches menschliches Überprüfungs-Gate zweimal unter Zeitdruck übersprungen.

Keines war böswillig; alle waren Drift. Die Fixes sind auf Gewohnheitsebene: eine Erinnerung an genehmigte Einstiegspunkte, ein Skill-Überprüfungsschritt, der zum Projekt-Setup hinzugefügt wird, und ein nicht verhandelbares Überprüfungs-Gate bei Kundenergebnissen. Die Überprüfung hat unsichtbares Risiko in drei schließbare Aktionen umgewandelt.

---

Screen 6: Ethische Implikationen: Voreingenommenheit, Fairness, Transparenz

UnterrichtEthische Implikationen·8 Min

Ethisches Risiko kündigt sich nicht an; es versteckt sich in gewöhnlichen Ausgaben.

Eine Zusammenfassung, die ruhig eine Gruppe bevorzugt, eine Empfehlung, die auf einer voreingenommenen Rahmung aufgebaut ist, ein KI-unterstütztes Dokument, das als vollständig von Menschen verfasst präsentiert wird: Dies sind routinemäßige Ausgaben mit ethischem Gewicht. Die Bewertung auf Voreingenommenheit, Fairness und Transparenz gehört in die routinemäßige Überprüfung, nicht in eine separate Ethik-Übung.

Erkennen Sie Voreingenommenheit und Fairness-Risiko

KI-unterstützte Arbeitsergebnisse können Voreingenommenheit aus dem Prompt, der Rahmung oder den zugrunde liegenden Mustern in der Sprachgenerierung tragen. In personenbezogener Arbeit, Einstellung, Bewertung, Kommunikation mit bestimmten Gruppen, überprüfen Sie, ob die Ausgabe Menschen fair behandelt und ob eine Rahmung das Ergebnis gekippt hat. Das Risiko ist am höchsten, wo die Einsätze für Einzelpersonen am höchsten sind.

Transparenz und Offenlegung

Wissen Sie, wann Sie KI-Unterstützung offenlegen sollten. Einige Kontexte und einige organisatorische Richtlinien erfordern es; andere behandeln es als routinemäßiges Werkzeug. Die Verpflichtung hängt von der Einstellung und dem Publikum ab, und der verantwortungsvolle Standard, wenn unsicher, ist eher offenzulegen als zu verbergen.

Überlegung zu mehrdeutigen Fällen

Viele ethische Fragen haben keine Regel, die sie sauber klärt. Ein strukturierter Ansatz hilft: Benennen Sie, wer betroffen ist, was schiefgehen könnte, wie das faire Ergebnis aussieht, und welche Offenlegung die Situation erfordert. Es durchzudenken und die Überlegung zu dokumentieren, ist der professionelle Standard, wenn keine Richtlinie eine direkte Antwort gibt.

Strukturierte Überlegung handhabt die meisten mehrdeutigen Fälle, aber einige Situationen erfordern mehr als individuelles Urteil. Wenn die betroffene Population groß ist, der potenzielle Schaden erheblich ist oder die ethische Frage Bereiche berührt, in denen Ihr Team nicht die Befugnis hat zu entscheiden, ist der richtige Schritt zu eskalieren, anstatt allein zu entscheiden. Ihre organisatorische KI-Governance- oder Ethik-Funktion existiert genau für diese Fälle. Die Frage mit dokumentierter Überlegung zu eskalieren ist nützlicher als ein Urteil zu bringen: Es zeigt, dass Sie den Rahmen angewendet haben, identifiziert haben, wo er endete, und die Lücke für den richtigen Prüfer gekennzeichnet haben.

Bearbeitetes Beispiel: ein mehrdeutiger Fall

Ein Manager verwendet Claude, um Leistungsbewertungszusammenfassungen aus seinen eigenen Notizen zu verfassen. Ist dies angemessen? Die Überlegung durchzuarbeiten: Die Betroffenen sind die Mitarbeiter; das Risiko ist, dass eine generierte Formulierung einen unfairen oder inkonsistenten Ton über Bewertungen hinweg einführt; das faire Ergebnis erfordert, dass der Manager überprüft, dass jede Zusammenfassung die tatsächlichen Notizen widerspiegelt und einen konsistenten Standard anwendet; und die Einstellung kann erfordern, dass offengelegt wird, dass KI das Verfassen unterstützte.

Die Schlussfolgerung ist angemessen mit menschlicher Überprüfung und einer Fairness-Überprüfung, nicht ein pauschales Ja oder Nein. Die Überlegung, nicht nur das Urteil, ist das, was die Entscheidung verteidigbar macht.

---

Screen 7: Modul 6 Quiz: Governance & Responsible Use

QuizModul 6·5 Min

Fünf Fragen im Szenario-Stil, die Urteilsvermögen betonen. Jede präsentiert eine Situation; wählen Sie die Antwort, die den Governance-Rahmen des Moduls am besten anwendet. Ungefähr fünf Minuten.

---

Screen 8: Wichtigste Erkenntnisse

Modul 6 Wichtigste Erkenntnisse·5 Min

Fünf Dinge, die über dieses Modul hinweg gelten:

Governance ist eine Praktikerfähigkeit.

Verantwortungsvolle Nutzung wird eine Entscheidung nach der anderen von Ihnen ausgeübt, nicht durch den Richtlinienbinder.

Überprüfen Sie Anwendungsfälle mit den Delegation-Kriterien.

Reversibilität, Folgen, menschliches Element und Rechenschaftspflicht klassifizieren einen Anwendungsfall als angemessen, angemessen-mit-Überprüfung oder unangemessen.

Ein Skill ist Software.

Überprüfen Sie Quelle und Berechtigungen vor der Aktivierung, wie Sie jede andere installierte Software überprüfen würden.

Kennen Sie die Datensensibilität, bevor sie in eine Funktion eingeht.

Klassifizieren Sie zuerst, dann verwenden Sie Incognito, Memory-Kontrollen und Redaktion, um die Handhabung an die Sensibilität anzupassen.

Ethisches Risiko versteckt sich in gewöhnlichen Ausgaben.

Bewerten Sie auf Voreingenommenheit, Fairness und Offenlegung als Teil der routinemäßigen Überprüfung, und überdenken Sie mehrdeutige Fälle.

Alle Produktverhaltensbeschreibungen basieren auf claude. ai-Funktionen ab Juni 2026. Die Funktionsverfügbarkeit und das Verhalten sollten gegen die aktuelle Anthropic-Dokumentation bei Veröffentlichung überprüft werden:

• AI Fluency Framework: Diligence und Delegation Kompetenzen

• Claude Help Center: Skills-Vertrauen, Memory, Incognito, Code-Ausführungs-Datenbehandlung, support. claude. com

• Code-Ausführungs-Sandbox-Egress und Dateibehandlungsbesonderheiten: Bestätigen Sie das aktuelle Verhalten vor Abschluss von Lektion 4

• Datenspeicherung nach Einstiegspunkt und jede Compliance-Scope-Sprache (HIPAA, FedRAMP, ZDR): Eskalieren Sie zum Anthropic-Account-Team zur Bestätigung vor Abschluss

---

Screen 9: Glückwunsch! Sie haben dieses Modul erfolgreich abgeschlossen.

Modul AbgeschlossenAssociate-Pfad·2 Min

Sie können jetzt Urteilsvermögen zu Anwendungsfall, Daten, Richtlinie und Ethik auf jede Claude-Bereitstellung anwenden. Regieren Sie verantwortungsvoll, und Claude bleibt innerhalb der Grenzen, die Ihre Organisation erfordert.

M1: Produkt & Modellauswahl

Wählen Sie den richtigen Einstiegspunkt, das richtige Modell und die richtigen Funktionen für jede gegebene Aufgabe.

M2: Prompting

Erstellen Sie strukturierte Prompts und passen Sie sie an den Aufgabentyp an.

M3: Ausgabebewertung

Validieren Sie die Ausgabe und wissen Sie, wann menschliche Überprüfung nicht verhandelbar ist.

M4: Workflow-Integration

Bilden Sie einen Workflow gegen Delegation-Kriterien ab und gestalten Sie ihn sicher um.

M5: Konfiguration

Konfigurieren und verwalten Sie Projects, Anweisungen und Knowledge.

M6: Governance

Wenden Sie Urteilsvermögen zu Anwendungsfall, Daten, Richtlinie und Ethik verantwortungsvoll an.

M7: Fehlerbehebung

Diagnostizieren Sie Unterleistung und optimieren Sie Workflows, wenn die Ergebnisse zu kurz kommen.

M8: Kurs-Zusammenfassung & Nächste Schritte

Fassen Sie die Reise zusammen, bereiten Sie sich auf die Prüfung vor, und erkennen Sie Eskalationsgrenzen zu den Developer- und Architect-Pfaden.