KI-Produkte entstehen nicht allein durch gute Modelle, sondern durch gute Teams.

Der Vortrag zeigt, wie Führungskräfte diverse und interdisziplinäre Teams so aufstellen, dass bessere, fairere und nutzerzentriertere KI-Lösungen entstehen. Im Fokus stehen konkrete Leadership-Praktiken entlang des KI-Produktlebenszyklus: von Problemdefinition und Datenauswahl über Modellbewertung bis Rollout und Betrieb.

Kernthese: Diverse Teams verbessern KI-Produkte nicht automatisch. Ihr Mehrwert entsteht erst, wenn unterschiedliche Perspektiven systematisch in technische und produktbezogene Entscheidungen eingebunden werden. Inhalte - Warum KI-Projekte Führungsfragen sind: Teamzusammensetzung, Verantwortung und Entscheidungsprozesse prägen das Ergebnis. - Wo Bias entsteht: In Problemdefinition, Daten, Metriken, Testing und Rollout. - Wie diverse Teams wirken: Unterschiedliche Perspektiven helfen, Risiken und Nutzerbedürfnisse früher zu erkennen. - Welche Rollen gebraucht werden: Product, Data Science, Engineering, Fachbereich, UX, Legal, Security und Change. - Welche Leadership-Praktiken helfen: Klare Entscheidungsrechte, Bias-Reviews, Red Teaming und Responsible-AI-Checkpoints. - Wie es in der Praxis aussieht: Beispiele aus Enterprise AI, Automotive, Customer Experience und LLM-Anwendungen.