Dr. Sidney Shapiro
Die meisten Organisationen haben bereits KI-Pilotprojekte durchgeführt. Die schwierigere Frage ist, was nach Abschluss des Proof-of-Concept geschieht. Die Beschaffungsstandards bleiben unklar, die Verantwortlichkeit für KI-gestützte Entscheidungen ist nicht zugewiesen, und die Governance-Rahmenwerke, die in Präsentationen angeführt werden, halten dem Kontakt mit realen Arbeitsabläufen nicht stand. Führungsteams können nicht mit Sicherheit sagen, bei welchen Entscheidungen man der KI vertrauen sollte und bei welchen nicht.
Sidney Shapiro unterstützt Führungsteams dabei, den Hype um KI hinter sich zu lassen und zu einem kontrollierten, verantwortungsvollen Einsatz zu gelangen. Dabei stützt er sich auf seine zehnjährige Erfahrung im Bereich Data Science und seine aktuelle Forschung an der University of Lethbridge.
Full Profile
Warum Unternehmen mit Sidney Shapiro zusammenarbeiten
- Er spricht sich offen gegen den KI-Hype aus. In seiner vielbeachteten Keynote „Stop Believing the AI Hype“ betrachtet er die Behauptungen der Anbieter als ein Problem der Führungskräftebewertung – genau das ist die Diskussion, die besonnene Einkäufer und Beschaffungsteams tatsächlich führen müssen.
- Hat in begutachteten Fachpublikationen zur Governance veröffentlicht. Ein Buchkapitel bei Routledge über KI-Governance für Hochschuleinrichtungen und ein in Kürze erscheinendes Kapitel bei IGI Global über die Governance generativer KI belegen seine fundierte Position dazu, wie ein verantwortungsvoller Einsatz in der Praxis aussieht.
- Er bringt neben seiner akademischen Arbeit ein Jahrzehnt praktischer Erfahrung in der Data Science mit. Als ehemaliger Data-Science-Manager bei Sofvie, wo er Software für Arbeitssicherheit und Gesundheitsschutz entwickelte, spricht er über die Integrations- und Verantwortlichkeitsprobleme, die auf einen Proof-of-Concept folgen.
- Er ist aktiv am Austausch mit Praktikern beteiligt. Er moderiert den Podcast „AI in Action“ und organisiert die Southern Alberta AI Conference – beides sorgt dafür, dass seine Perspektive stets auf dem basiert, was Organisationen im Gesundheitswesen, in der Landwirtschaft, im verarbeitenden Gewerbe und in der öffentlichen Verwaltung tatsächlich umsetzen wollen.
Wichtige Stationen seiner Laufbahn
- Assistenzprofessor für Business Analytics, Dhillon School of Business, Universität Lethbridge
- Außerordentlicher Assistenzprofessor für Informatik, University of Lethbridge
- Buchkapitel über KI-Governance-Rahmenwerke für den Hochschulbereich, veröffentlicht bei Routledge (2025); in Vorbereitung: Kapitel über die Governance generativer KI bei IGI Global
- Moderator des Podcasts „AI in Action“ und Organisator der Southern Alberta AI Conference
- Ehemaliger Data-Science-Manager bei Sofvie Inc., wo er Datensysteme für Arbeitssicherheit und Gesundheitsschutz im Bergbausektor entwickelte
- Beiträge oder Zitate in „The Globe and Mail“, „CBC News“, „Lethbridge Herald“ und im „Canadian Family Offices Magazine“
Biografie
Die meisten Organisationen haben bereits KI-Pilotprojekte durchgeführt. Die schwierigere Frage ist, was nach Abschluss der Machbarkeitsstudie geschieht. Beschaffungsstandards bleiben unklar, und die Governance-Rahmenwerke, die in Präsentationen zitiert werden, halten dem Kontakt mit realen Arbeitsabläufen nicht stand.
Genau in dieser Lücke ist Sidney Shapiro tätig. Er ist Assistenzprofessor für Business Analytics an der Dhillon School of Business der University of Lethbridge sowie außerordentlicher Assistenzprofessor für Informatik. Zu seinen Veröffentlichungen gehören ein Buchkapitel bei Routledge über KI-Governance-Rahmenwerke für den Hochschulbereich und ein in Kürze erscheinendes Kapitel bei IGI Global über die Governance generativer KI. Beide darlegen, was ein verantwortungsvoller Einsatz tatsächlich von Organisationen erfordert.
Seine Kompetenz auf der operativen Seite beruht auf einem Jahrzehnt in datenzentrierten Funktionen vor seiner akademischen Laufbahn. Er arbeitete als Data-Science-Manager bei Sofvie, einem Anbieter von Software für Arbeitssicherheit und Gesundheitsschutz im Bergbausektor, und koordinierte zuvor den Masterstudiengang „Business Analytics“ am Cambrian College. Dieser Hintergrund prägt seine Herangehensweise an die Beschaffungs- und Integrationsprobleme, die auf den Proof-of-Concept folgen – genau dort, wo die meisten KI-Initiativen ins Stocken geraten oder ganz zum Stillstand kommen.
Durch die Einbindung der Öffentlichkeit bleibt seine Arbeit stets aktuell. Shapiro moderiert den Podcast „AI in Action“, in dem er Praktiker und Forscher aus den Bereichen Gesundheitswesen, Bildung, Finanzen und Softwareentwicklung dazu befragt, wie der KI-Einsatz in ihren Organisationen konkret aussieht. Zudem organisiert er die „Southern Alberta AI Conference“. Zu den jüngsten Zuhörern gehörten Indigenous Services Canada, McCain Foods, EY Calgary, CMC Alberta und die Digital Research Alliance of Canada. Dabei handelt es sich um Einkäufer, die wenig Verständnis für die Sprache der Anbieter haben und kritische Fragen sehr offen annehmen.
Wichtige Vortragsthemen
- KI-Governance und verantwortungsvoller Einsatz
- Generative KI in Wirtschaft und Gesellschaft
- Datenschutz und Vertrauen in KI-Systeme
- KI-Kompetenz für Führungskräfte ohne technischen Hintergrund
- Führungskompetenz im Bereich Analytik und digitale Transformation
- KI in der Hochschulpolitik
Ideal für
- Führungsteams der obersten Ebene und Vorstände, die Entscheidungen zu KI-Governance und Rechenschaftspflicht treffen müssen
- CIOs, CTOs und Chief Data Officers, die KI vom Pilotprojekt in den operativen Einsatz überführen
- Führungskräfte im öffentlichen Sektor, einschließlich Kommunal- und Bundesbehörden, die bei der Einführung von KI mit datenschutzrechtlichen und gleichstellungsrechtlichen Auflagen konfrontiert sind
- Führungskräfte im Hochschulbereich, die die institutionelle Politik zu generativer KI in Lehre und Forschung gestalten
Lernergebnisse für die Teilnehmer
- Ein praxistaugliches Rahmenwerk zur Bewertung der KI-Behauptungen von Anbietern anhand der betrieblichen Realität – rechtzeitig, um Beschaffungsentscheidungen zu beeinflussen
- Präzisere Fragen, die bei jeder KI-Initiative zu Daten-Governance und zur Verantwortlichkeit bei Fehlern der KI gestellt werden sollten
- Eine fundierte Einschätzung darüber, was generative KI heute gut kann und wo sie noch versagt, mit den entsprechenden Implikationen für die Einführung in Organisationen
- Anhaltspunkte für die Gestaltung einer operativen KI-Governance: Beschaffungsstandards, Richtlinien zur zulässigen Nutzung und Mechanismen zur Rechenschaftspflicht
Vorträge
Ein Rahmenkonzept, um die Versprechen der Anbieter von der betrieblichen Realität zu trennen, damit die Führungskräfte KI-Initiativen auf einer solideren Grundlage als bloßer Begeisterung bewerten können.
Die wichtigsten Erkenntnisse:
- Wie man konkrete KI-Behauptungen von Anbietern anhand dessen überprüft, was die Technologie heute tatsächlich leistet
- Eine Methode zur Festlegung echter Erfolgskennzahlen für KI-Initiativen vor der Beschaffung
- Eine klarere Abgrenzung zwischen aktuellen KI-Fähigkeiten und dem, was für die Zukunft übertrieben angepriesen wird
Ein Überblick darüber, wie die Governance-Grundsätze aus KI-Strategiepapieren in konkrete operative Entscheidungen umgesetzt werden: Aufsicht, Richtlinien zur zulässigen Nutzung, Beschaffung und Rechenschaftspflicht.
Wichtigste Erkenntnisse:
- Wie sich übergeordnete KI-Grundsätze in konkrete operative Entscheidungen umsetzen lassen
- Die Aufsichtsstrukturen, die KI-Initiativen tatsächlich zur Rechenschaft ziehen
- Ein praktikabler Ansatz für KI-Beschaffungsstandards, hinter dem Risiko- und Rechtsabteilungen stehen können
Ein direkter Überblick darüber, was generative KI heute gut kann und wo sie noch Schwächen aufweist, sowie über die Sicherheitsvorkehrungen, die Unternehmen treffen sollten, bevor sie den Einsatz ausweiten.
Die wichtigsten Erkenntnisse:
- Ein aktueller Überblick über die Fähigkeiten generativer KI mit Beispielen für gelungene und weniger gelungene Ergebnisse
- Die ethischen und ökologischen Aspekte, die Führungskräfte im Blick behalten sollten
- Praktische Leitlinien für die Ausweitung des Einsatzes generativer KI innerhalb eines Unternehmens
Ein praxisorientierter Ansatz zur Entwicklung von KI- und Analysesystemen, die das Vertrauen von Mitarbeitern, Kunden und Aufsichtsbehörden gewinnen, anstatt es zu verspielen.
Die wichtigsten Erkenntnisse:
- Warum Vertrauensverluste mittlerweile ein größeres Hindernis für die Einführung von KI darstellen als technische Einschränkungen
- Datenschutzorientierte Designentscheidungen, die den Einzelnen schützen, ohne Innovationen zu bremsen
- Wie Transparenz und Erklärbarkeit das tatsächliche Nutzerverhalten bei KI-Systemen beeinflussen