Definition
AI-Dokumentationsanforderungen bezeichnen die Dokumentation, die für sicheren Betrieb, Accountability und Compliance gepflegt werden muss. Je nach Kontext umfasst das: Zweck, Systembeschreibung, Datenprovenienz, Evaluationsresultate, Risikokontrollen und Nutzeranweisungen.
Warum es wichtig ist
- Nachweis: ohne Dokumentation ist Verteidigung und Audit schwierig.
- Betrieb: unterstützt Incident Response und Change Management.
- Nutzersicherheit: klare Anweisungen und Limits reduzieren Missbrauch.
Wie es funktioniert
Artefakte definieren -> versionieren -> bei Changes updaten -> mit Zielgruppen teilen
Gute Dokumentation ist lebendig: sie wird mit Modell, Daten und Prozessen aktualisiert.
Praktisches Beispiel
Ein Provider pflegt ein Technical File (Zweck, Limits, Tests, Controls). Ein Deployer pflegt operative Records (Training, Aufsicht, Incident Logs).
Häufige Fragen
Q: Ist Dokumentation nur Papier?
A: Sie ist auch ein Control: sie erzwingt Klarheit über Scope, Limits und Verantwortungen.
Q: Was macht Doku am schnellsten wertlos?
A: Ungetrackte Änderungen. Ohne Versioning und Ownership werden Docs veraltet und irreführend.
Verwandte Begriffe
- Modellverantwortung — Ownership und Traceability
- Algorithmische Transparenz — Disclosures für Nutzer
- Datenethik — Provenienz und verantwortliche Nutzung
- AI-Konformitätsbewertung — Nachweise in der Bewertung
Referenzen
Verordnung (EU) 2024/1689 (EU AI Act).
References
Regulation (EU) 2024/1689 (EU AI Act).