KI-Cybersecurity-Expert:in (IHK)

Passt der Kurs zu dir?

1. 1
   Motivation und Lernbereitschaft
2. 2
   Zuverlässigkeit im jeweiligen Arbeitsfeld
3. 3
   Konkrete Zulassung des gewählten Weges prüfen

Das lernst du

1. 1
   KI-Cybersecurity-Expert:in (IHK) 8 Wochen im Abendkurs
2. 2
   in Kooperation mit der IHK zu Rostock
3. 3

   Kursinhalte

   Modul 1 - KI-Sicherheit = Cybersecurity 2.0 - KI in der Cybersecurity
   Grundlagen
   Traditionelle IT-Sicherheit und KI-Sicherheit
   Modulquiz1 obligatorisch (80% Bestehensquote)
   Modul 2 - Künstliche Intelligenz und maschinelles Lernen
   Was ist KI und was ist sie nicht? Wie funktionieren neuronale Netze?
   Was ist das Grundprinzip der KI?
   Modulquiz2 obligatorisch (80% Bestehensquote)
   Modul 3 - Neuronale Netze
   Wie funktioniert KI?
   Maschinelles Lernen und Neuronale Netze
   KI Datenstrukturen
   Modulquiz5 obligatorisch (80% Bestehensquote)
   Modul 4 - Die EU KI-Verordnung
   Welche rechtlichen Anforderungen resultieren aus der KI?
   Welche Pflichten kommen auf die Unternehmen zu und wie können sie einfach realisiert werden?
   Modulquiz4 obligatorisch (80% Bestehensquote)
   Modul 5 - Erkennung von KI-gestützten Angriffen
   Identifikation von Datenmanipulation
   Erkennungsstrategien mit KI
   Modul 6 - KI und Sicherheitsstrategie
   Trainieren von KI-Modellen
   Integration von KI in Threat Intelligence Frameworks
   Automatisierung der Angriffserkennung
   Modulquiz6 obligatorisch (80% Bestehensquote)
   Modul 7 - KI in die Cyberabwehr
   KI-gestützten Angriffen entgegenwirken
   Best Practices mit KI in der Cyberabwehr
   Planung der KI-Integration
   Modulquiz7 obligatorisch (80% Bestehensquote)
   Modul 8 - Abschlussprojekt
   Planung eines KI-Projektes für eine KI-Cybersecurity-Strategie
   Entwicklung einer Präsentation
   Abschlusspräsentation und Klausur

Förderwege

Wer deinen Kurs zahlt

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   KI auf echte Arbeitsaufgaben anwenden

   Deine Branchenkenntnis bleibt wertvoll, wenn du einen Prozess mit KI unterstützt und das Ergebnis prüfst. Gute Praxis beschreibt Ausgangslage, Daten, menschliche Kontrolle und eine überprüfbare Verbesserung, ohne Automatisierung pauschal zu versprechen. Beispiel: Bearbeite einen kleinen Prozess aus deinem bisherigen Beruf und vergleiche Zeitbedarf und Qualität vorher und nachher.

2. 2

   Fachwissen mit neuen Werkzeugen verbinden

   Branchenkenntnis, Kommunikation und Qualitätskontrolle bleiben wichtig. Gerade im Quereinstieg ergänzt du vorhandene Erfahrung durch ein Projekt mit Quellenprüfung, Versionierung, Freigabe und dokumentierten Grenzen. Beispiel: Ein Bewerbungsbeispiel beschreibt Aufgabe, verwendete Werkzeuge, Prüfung der Ergebnisse und Grenzen des Ansatzes.

3. 3

   Verantwortung schrittweise aufbauen

   Projektkoordination, Schulung und Prozessgestaltung verlangen mehr als Toolbedienung. Achte auf Inhalte zu Use-Case-Auswahl, Datenqualität, Prüfung, Dokumentation und Zusammenarbeit. Vergleiche die Kursaufgaben mit den Zielstellen, die du erreichen möchtest. Beispiel: Vergleiche einen Grundlagenkurs mit einem Projektkurs und entscheide nach deinem aktuellen Kenntnisstand.

Themen

Arbeitsmarkt

KI & Machine Learning bundesweit in Zahlen