AI-Governance-Framework

Definition

Ein AI-Governance-Framework beschreibt, wie eine Organisation Entscheidungen über KI trifft und kontrolliert: Ownership, Change-Approvals, geltende Regeln sowie Umgang mit Risiken und Incidents. Es macht Responsible AI operativ.

Warum es wichtig ist

• Klare Ownership verhindert Schatten-Deployments.
• Wiederholbare Approvals reduzieren Compliance- und Betriebsrisiken.
• Auditability macht nachvollziehbar, was wann und warum passiert ist.

Wie es funktioniert

Policies -> Rollen (RACI) -> Kontrollen -> Dokumentation -> Monitoring -> Incident Response

Typische Bausteine: KI-Inventar, Acceptable-Use-Regeln, Vendor Due Diligence, Change Management und verstärkte Reviews für High-Impact Use Cases.

Praktisches Beispiel

Eine Steuerkanzlei führt ein Register aller KI-Tools im Mandatskontext, definiert verpflichtende menschliche Reviews und verlangt dokumentierte Tests vor jedem Model-Update.

Häufige Fragen

Q: Was ist das Minimum für Governance?

A: Inventar, Ownership, dokumentierter Zweck, Approval-Prozess, Monitoring und Incident-Playbook.

Q: Bremst Governance?

A: Nur wenn sie bürokratisch ist. Gute Governance ist risikobasiert: je höher das Risiko, desto stärker die Kontrollen.

Verwandte Begriffe

• Responsible AI — Prinzipien in Prozesse
• AI Risk Management — Risiken und Kontrollen
• Model Accountability — Ownership und Nachvollziehbarkeit
• Data Ethics — verantwortlicher Umgang mit Daten
• Algorithmic Transparency — Disclosure und Grenzen
• EU AI Act — Compliance-Pflichten

Referenzen

NIST (2023), AI Risk Management Framework (AI RMF 1.0).

References

NIST (2023), AI Risk Management Framework (AI RMF 1.0).