„Wir haben eine KI-Richtlinie." Wo ist das Inventar?

Stellen Sie sich das nächste Governance-Meeting vor.

Jemand fragt, welche KI-Systeme die Organisation einsetzt. Die Richtlinie liegt sofort vor. Sie hat eine Versionsnummer, ein Genehmigungsdatum und die Unterschrift der Direktion.

Das Inventar lässt länger auf sich warten.

IT sends a list of approved products. Marketing adds the assistant they use through personal accounts. Sales mentions the bot that joins customer calls. HR says the recruitment platform has “some AI features,” but nobody is quite sure which ones are enabled.

Dann fragt jemand, was die Mitarbeitenden mit den genehmigten Tools tatsächlich machen.

Eine zweite Stille.

Alle dachten, jemand anderes behält den Überblick. Niemand hat notwendigerweise gelogen. Jeder hat eine andere Frage beantwortet: Was genehmigt wurde, was beschafft wurde, woran man sich erinnerte.

Keine dieser Antworten ist gleichbedeutend mit dem, was tatsächlich genutzt wird. Und selbst wenn man weiß, was genutzt wird, ist damit noch nicht festgestellt, ob es sachgemäß genutzt wird.

Ihr KI-Inventar muss die Organisation beschreiben, die Sie haben, nicht die Organisation, die Ihre Richtlinie voraussetzt.

Eine Lieferantenliste ist kein KI-Inventar

Ein Lieferantenname sagt Ihnen, wohin Sie die Rechnung schicken sollen. Er sagt Ihnen nicht, was Mitarbeitende tun, welche Informationen in das System eingehen oder wessen Entscheidungen durch den Output beeinflusst werden.

Denken Sie an einen Assistenten, der zum Umformulieren öffentlicher Marketingtexte eingesetzt wird. Nun denken Sie an dasselbe Produkt, das zur Beurteilung von Stellenbewerbern genutzt wird. Der Lieferant hat sich nicht geändert. Zweck, Informationen und betroffene Personen schon.

Meine Empfehlung: Führen Sie einen System- oder Deployment-Datensatz und verknüpfen Sie wesentlich unterschiedliche Anwendungsfälle darunter. Legen Sie einen separaten Anwendungsfall-Eintrag an, wenn Zweck, Daten, Berechtigungen oder Konsequenzen sich so weit unterscheiden, dass eine eigene Bewertung erforderlich ist.

You do not need a new row for every prompt. You do need to distinguish “drafts public content” from “supports recruitment decisions.”

Eine Zeile pro Lieferant verbirgt die Unterschiede. Eine Zeile pro Prompt erzeugt bürokratischen Aufwand ohne Erkenntnisgewinn.

Das Inventar ist kein improvisiertes Governance-Accessoire. Das AI Risk Management Framework Playbook von NIST adressiert KI-System-Inventare unter GOVERN 1.6 explizit, einschließlich ihres Umfangs, der zu erfassenden Attribute und der Verantwortlichkeiten für die Pflege. (NIST AI Resource Center)

Die praktische Frage ist, ob Ihr Inventar eine Folgefrage beantworten kann.

KI, die niemand beschafft hat, zählt trotzdem

Beginnen Sie mit Shadow AI: Tools oder Deployments, die für die Arbeit genutzt werden, ohne ausreichende organisatorische Sichtbarkeit oder Genehmigung.

Weiten Sie den Entdeckungsbereich über beschaffte, eigenständige Produkte hinaus aus. Fragen Sie nach persönlichen Konten, Browser-Erweiterungen, Meeting-Assistenten, KI-Funktionen in bestehender Software, intern entwickelten Modellen und Workflows, die externe Modell-APIs aufrufen.

Fragen Sie auch nach Lieferanten. Setzt ein Dienstleister KI ein, um Ihre Informationen im Rahmen ausgelagerter Tätigkeiten zu verarbeiten?

Beschränken Sie die Erhebung nicht auf generative KI. Erfassen Sie auch KI-basierte Prognose-, Klassifikations-, Bilderkennungs- und Empfehlungssysteme, wo sie eingesetzt werden. Ein Chatfenster ist keine Voraussetzung für einen Eintrag.

Keep uncertain discoveries visible. “AI functionality to verify” is an acceptable temporary status. Quietly excluding something because nobody understands it is not a discovery method.

Erfassen Sie ebenso abgekündigte oder gesperrte Nutzungen als solche. Löschen Sie ihre Existenz nicht, nur weil sie nicht mehr zum genehmigten Bild passen.

Diese Systeme zu finden ist notwendig. Es ist aber nicht die gesamte Aufgabe.

Das Tool ist genehmigt. Die Nutzung nicht.

Lassen Sie die persönlichen Konten nun außen vor.

Stellen Sie sich vor, alle nutzen die genehmigte Enterprise-Plattform. Beschaffung hat den Vertrag geprüft. Security hat das Deployment überprüft. Das Datenschutzteam hat die vorgeschlagene Verarbeitung bewertet. Der Zugang ist geregelt. Das System hat einen Verantwortlichen.

Dann setzt es jemand für etwas ein, das keine dieser Prüfungen abgedeckt hat.

Das ist Shady AI: ein genehmigtes Tool, das auf eine nicht gesteuerte oder unangemessene Weise eingesetzt wird.

Ich nutze diese Unterscheidung, um zwei Problemfelder zu trennen, die es zu untersuchen gilt: die Tools, für die keine ausreichende Rechenschaft besteht, und die Nutzungsweisen, die innerhalb Ihrer genehmigten Umgebung der Governance entgleiten. Dies sind Arbeitsbegriffe, kein Urteil über die Absichten der Mitarbeitenden.

Betrachten Sie drei fiktive Beispiele.

Ein Assistent ist für das Verfassen allgemeiner interner Kommunikation freigegeben. Eine Führungskraft lädt identifizierbare Mitarbeiterbeurteilungen hoch und fragt, wer befördert werden sollte. Das Produkt ist genehmigt. Dieser Zweck und diese Eingaben waren nicht Teil der Genehmigung.

Ein Meeting-Assistent ist für gewöhnliche Projektmeetings autorisiert. Jemand bringt ihn trotz einer ausdrücklichen Ausnahme in ein vertrauliches Mitarbeiter-Beschwerdegespräch. Gleicher Lieferant, gleiches Konto, andere Grenze.

Oder ein Kundensupport-Assistent ist dazu genehmigt, Antworten zu entwerfen, sofern ein Mitarbeiter diese vor dem Versand prüft. Das Team nutzt ihn weiterhin für den Kundensupport. Niemand fügt einen Konnektor hinzu oder ändert das Modell. Die Entwürfe werden schlicht ohne die erforderliche Prüfung versandt.

Shady AI ist nicht nur ein neuer Anwendungsfall, den niemand bewertet hat. Es ist auch ein genehmigter Anwendungsfall, dessen Schutzmaßnahmen stillschweigend entfernt wurden.

Das Playbook von NIST adressiert explizit den Missbrauch von Systemen und die Notwendigkeit, den Anwendungsbereich und die menschlichen Verantwortlichkeiten zu definieren. Das Prüfen eines Produktnamens gegen eine Genehmigungsliste beantwortet diese Fragen nicht. (NIST AI Resource Center)

Genehmigung braucht eine Abgrenzung

“Approved” needs a second sentence.

Genehmigt für welche Aufgaben? Mit welchen Informationen? Für welche Nutzer und Empfänger? Mit welcher Handlungsbefugnis? Unter welchen Kontrollen?

Ohne diese Grenzen: Woran sollen sich Mitarbeitende eigentlich orientieren?

Prüfen Sie, ob die Bedingungen kommuniziert wurden, ob der Workflow sie praktisch umsetzbar macht und ob jemand kontrolliert, dass sie eingehalten werden. Gehen Sie nicht davon aus, dass jede Abweichung böswillig ist. Gehen Sie aber auch nicht davon aus, dass das Fehlen böswilliger Absicht die Abweichung harmlos macht.

Die Liste genehmigter Tools sagt Ihnen, was Mitarbeitende öffnen dürfen. Sie sagt Ihnen nicht, was sie danach tun dürfen.

Beginnen Sie mit der Arbeit. Dann prüfen Sie die Logs.

“Do you use AI?” is not the question I would start with.

Ich würde fragen:

“Show me how you now draft, summarise, translate, code, classify or make recommendations. What helps you do that work?”

Fragen Sie dann, was dabei hochgeladen, eingefügt, verbunden oder generiert wird.

Führen Sie diese Gespräche mit den Personen, die die Arbeit erledigen, nicht nur mit Abteilungsleitern. Fragen Sie nach Experimenten und kostenlosen Konten ebenso wie nach offiziellen Deployments. Nutzen Sie anonymisierte Demonstrationen; für die Entdeckung müssen keine Kundendatensätze in Ihre Notizen kopiert werden.

Stellen Sie bei genehmigten Tools eine weitere Frage:

“What happens to the output, and which checks happen before someone acts on it?”

Hier beginnt die Untersuchung von Shady AI. Ein Produkt kann in jedem Beschaffungsdatensatz auftauchen und dennoch außerhalb seiner autorisierten Grenzen genutzt werden.

Gleichen Sie die Antworten danach mit Belegen ab.

Prüfen Sie Beschaffungsunterlagen, Spesenabrechnungen, Verträge und Lieferantenfragebögen. Untersuchen Sie im Rahmen Ihrer autorisierten Einsicht Applikationsinventare, Identity-Integrationen, SaaS-Administrations-Einstellungen, Erweiterungen, Modell-Endpunkte und interne Entwicklungsunterlagen.

Untersuchen Sie Abweichungen. Ein gemeldetes Tool ohne entsprechende Beschaffung ist nicht automatisch eine falsche Antwort. Eine Integration, die niemand erwähnt hat, braucht einen Verantwortlichen. Eine aktivierte Funktion erfordert ein Gespräch darüber, ob und wie sie genutzt wird.

Eine Verbindung zu einem Dienst erklärt für sich genommen nicht den Geschäftszweck und legt nicht fest, welche Informationen übermittelt wurden. Halten Sie fest, was Sie geprüft haben, wann, was dabei zutage trat und was ungeklärt bleibt.

Erläutern Sie Mitarbeitenden den Zweck der Erhebung. Ermutigen Sie zur Offenlegung, ohne eine generelle Straffreiheit für Missbrauch zu versprechen. Stimmen Sie mit den zuständigen Datenschutz- und Rechtsabteilungen einen verhältnismäßigen Überwachungsansatz ab, einschließlich der erforderlichen Mitarbeiterkonsultation.

Beschränken Sie die Erhebung, kontrollieren Sie den Zugang und legen Sie Aufbewahrungsfristen fest. Der Grundsatz der Datenminimierung nach GDPR gilt auch für personenbezogene Daten, die während der Entdeckungsphase erhoben werden. (EUR-Lex)

Lösen Sie Shadow AI nicht durch verdeckte Überwachung.

Bauen Sie ein Register auf, das einer Folgefrage standhält

Hier ist die Arbeitsstruktur, die ich verwenden würde. Betrachten Sie sie als operativen Ausgangspunkt, nicht als Behauptung, dass jedes Framework genau diese Spalten vorschreibt.

Halten Sie beabsichtigte Nutzung, autorisierte Nutzung und beobachtete Praxis klar unterscheidbar. Andernfalls wird der Eintrag stillschweigend zu einer weiteren Kopie der Richtlinie.

Do not add a vague “Shady AI: yes/no” column and consider the issue handled. Record the boundary, the observation and the difference.

Ein Beispiel, drei verschiedene Antworten

Nehmen Sie ein fiktives Deployment: AI-017, ein Kundensupport-Entwurfsassistent.

Maya, Leiterin Support, verantwortet den Anwendungsfall. Der Assistent nutzt Kunden-Tickets und eine kontrollierte Wissensbasis, um Antwortenentwürfe zu erstellen. Seine Integration kann Entwürfe speichern, aber nicht versenden.

Der autorisierte Workflow verlangt, dass ein Support-Mitarbeiter Richtigkeit und Angemessenheit prüft, bevor er antwortet.

Bei einem fiktiven Workflow-Walkthrough generiert der Mitarbeiter eine Antwort und versendet sie, ohne den Inhalt zu prüfen. Die erforderliche Prüfung ist zu einem Klick geworden.

Die Plattform ist genehmigt. Der Anwendungsfall ist autorisiert. Die Nutzungsbedingung wird nicht eingehalten.

Those are three different answers. One green “Approved” cell cannot represent them.

Erfassen Sie die Beobachtung, untersuchen Sie die Ursache und weisen Sie Korrekturmaßnahmen zu. Überprüfen Sie dann, ob der Prüfschritt in der Praxis funktioniert, anstatt lediglich eine weitere Erinnerung auszusenden.

Keep missing information equally explicit. “Retention unknown; assigned to the supplier manager; response due Friday” is actionable.

“Retention: compliant” is not an answer unless someone can show what it means and how it was established.

Vom berühmten SBOM lernen. Bauen Sie ein AI-BoM auf.

Das Software Bill of Materials, oder SBOM, geht von einer nützlichen Erkenntnis aus: Der Produktname sagt nichts darüber aus, was das Produkt enthält. Es erfasst Softwarekomponenten und ihre Lieferketten-Beziehungen. (NIST)

Ein AI Bill of Materials, oder AI-BoM, erweitert diese Kompositionsarbeit auf KI-spezifische Elemente. CycloneDX unterstützt Informationen zu Modellen, Datensätzen, Konfigurationen und Abhängigkeiten. Die KI-Dokumentation von SPDX beschreibt ebenfalls Beziehungen, die Modelle, Daten, Prompts und Agenten umfassen. (CycloneDX)

Das ist nicht Ihre Tabelle genehmigter Tools mit einem eindrucksvolleren Dateinamen.

Halten Sie drei Deliverables klar auseinander:

Das Inventar erfasst, was die Organisation einsetzt, zu welchem Zweck und unter wessen Verantwortung.

Das AI-BoM erfasst, woraus ein bestimmtes System besteht und wovon es abhängt.

Das Risikoregister erfasst, was schiefgehen könnte und was die Organisation dagegen unternimmt.

Verknüpfen Sie sie. Machen Sie daraus keine drei konkurrierenden Versionen der Realität.

Mit einer definierten Grenze beginnen

Beginnen Sie für diese Übung mit einem konkreten Deployment. Geben Sie dem Kompositionsdatensatz einen Bezeichner, eine Revision, eine Umgebung, ein Datum und einen Verantwortlichen. Verknüpfen Sie vorhandene Software-SBOMs und Modelldokumentation, wo verfügbar.

Machen Sie explizit, ob der Datensatz das gesamte Deployment, ein Modell oder den Dienst eines Lieferanten beschreibt.

Das Modelldokument eines Lieferanten beschreibt nicht die Ticket-Integration, den Retrieval-Dienst und die Berechtigungen, die Ihre Ingenieure darum herum aufgebaut haben.

Für eine praktische erste Version würde ich folgende Gruppen erfassen oder referenzieren:

Diese Gruppen spiegeln die übergeordneten Kompositionsbeziehungen wider, die CycloneDX und SPDX beschreiben. Ordnen Sie sie dem von Ihnen verwendeten Format zu; halten Sie unterstützende Details in verknüpften Datensätzen fest, wenn das gewählte Format sie nicht direkt abbildet. (CycloneDX)

Erfassen Sie die Beziehungen, nicht nur die Bestandteile

Verbinden Sie für AI-017 die Ticket-Integration, den Knowledge-Base-Retrieval-Dienst, das gehostete Generierungsmodell, das kontrollierte Prompt-Template und die Entwurfs-Integration.

Welche Komponente liest das Ticket? Welche Quelle wird durchsucht? Welches Modell empfängt die zusammengestellten Informationen? Welche Komponente schreibt den Entwurf?

Keep training data separate from information retrieved or supplied during use. “Data” is not a sufficiently precise relationship.

Stellen Sie sich nun eine Modelländerung oder eine verwundbare Bibliothek im Retrieval-Dienst vor. Die verknüpften Datensätze sollten helfen, das betroffene Deployment und seinen Verantwortlichen zu identifizieren, ohne die Entdeckungsarbeit neu starten zu müssen.

Erheben Sie Nachweise aus Deployment-Konfigurationen, Abhängigkeitsmanifesten, Modell-Registries und Lieferantendokumentation. Unterscheiden Sie intern verifizierte Fakten von Lieferantenerklärungen.

Wenn ein Lieferant keine genaue Modellversion oder zugrundeliegende Datensätze offenlegt, erfassen Sie diese Einschränkung. Halten Sie den verfügbaren Dienstbezeichner, das Dokumentationsdatum und die Regelungen zur Änderungsbenachrichtigung fest. Erfinden Sie keine Präzision.

Start with a controlled table where necessary, then move towards a machine-readable format supported by your tools. Do not assume a spreadsheet becomes interoperable merely because its filename contains “BOM.”

Halten Sie Zugangsdaten, rohe Kundeninformationen und vertrauliche Datensatzinhalte heraus. Referenzieren Sie stattdessen kontrollierte Datensätze.

Die Bestandteile können gleich bleiben, während die Nutzung falsch läuft

Zurück zu AI-017.

Modell, Anwendung und Integrationen bleiben unverändert. Das Team hört schlicht auf, die Entwürfe zu prüfen.

Das AI-BoM hat sich nicht notwendigerweise geändert. Die Betriebspraxis schon.

Verknüpfen Sie den Kompositionsdatensatz mit autorisierten Anwendungsfällen, deren Bedingungen und Belegen zur tatsächlichen Nutzung. Aktualisieren Sie das AI-BoM, wenn sich erfasste Komponenten oder Konfigurationen ändern. Bewerten Sie die Nutzung neu, wenn sich Zweck, Informationen, Empfänger oder Schutzmaßnahmen ändern, auch wenn sich die Software nicht ändert.

Ein vollständiges AI-BoM kann Ihnen nicht sagen, ob jemand die Antwort tatsächlich gelesen hat, bevor er sie versendete.

“Does it train on our data?” is not the whole privacy assessment

Stellen Sie die Trainingsfrage. Hören Sie dann nicht auf.

Eine Zusage, nicht zu trainieren, beantwortet nicht, ob Informationen für die Leistungserbringung aufbewahrt, in Gesprächsverläufen gespeichert, für Supportmitarbeitende zugänglich oder an einen anderen Dienst weitergegeben werden. Behandeln Sie diese als separate Fragen, die Belege erfordern.

Untersuchen Sie für jeden Anwendungsfall Prompts, Anhänge und verbundene Quellen. Verfolgen Sie Outputs und Logs. Stellen Sie fest, wer die Informationen erhält und wie die verifizierten Löschregelungen aussehen.

Untersuchen Sie bei Assistenten, die handeln können, auch die Handlungsbefugnis, nicht nur die Informationen. Kann das System eine gesamte Mailbox lesen, einen Kundendatensatz aktualisieren oder Material außerhalb der Organisation versenden?

Die Analyse der CNIL zu agentischer KI hebt die Komplikationen hervor, die durch verbundene Datenquellen, persistente Speicher, die Bewegung zwischen Diensten und delegierte Aktionen entstehen. Legen Sie der Datenschutzfunktion eine Beschreibung dieser Vorgänge vor, nicht nur die Sicherheitsseite des Anbieters. (CNIL)

Hier spielt Shady AI ebenfalls eine Rolle. Eine Bewertung für das Entwerfen allgemeiner interner Kommunikation beschreibt nicht die Nutzung von Mitarbeiterbeurteilungen zur Empfehlung von Beförderungen.

Identifizieren Sie den tatsächlichen Verarbeitungszweck, die betroffenen Parteien, die anwendbare Rechtsgrundlage, die Transparenzregelungen und etwaige internationale Übermittlungen. Verknüpfen Sie das Inventar mit den entsprechenden Verarbeitungsverzeichnissen und Datenschutzbewertungen. (EUR-Lex)

The inventory and AI-BoM do not automatically satisfy those requirements. GDPR Article 30 addresses records of processing activities; Article 35 requires a DPIA where processing is likely to create high risks to people’s rights and freedoms. “AI” in the product name is not, by itself, the assessment. (EUR-Lex)

Schützen Sie auch das Inventar selbst. Ein Register, das sensible Quellen und leistungsstarke Integrationen beschreibt, sollte nicht zum unternehmensweiten Verzeichnis interessanter Zugriffsziele werden.

“Discovered” does not mean “approved”

Halten Sie Entdeckungsstatus und Autorisierung getrennt.

“Reported by a department” and “verified in the administration console” describe evidence. “Under review,” “authorised with restrictions,” “suspended” and “retired” describe decisions or operational states.

Ob die Nutzungsbedingungen tatsächlich eingehalten werden, erfordert eine weitere Antwort.

Ein System kann als vorhanden verifiziert sein und dennoch für seine aktuelle Nutzung nicht akzeptabel sein. Die Aufnahme in das Register legitimiert es nicht.

Führen Sie Entdeckungen einer Bewertung zu, mit namentlich genannten Verantwortlichen und Terminen. Ich würde die Untersuchung priorisieren, wo die Nutzung sensible Informationen, folgenreiche Entscheidungen über Personen, weitreichende Berechtigungen oder Produktionsabhängigkeiten betrifft.

Entscheiden Sie bei Shady AI, ob die Reaktion eine Klärung der Anweisungen, die Wiederherstellung einer Schutzmaßnahme, eine Zugangseinschränkung, die Bewertung eines neuen Anwendungsfalls oder die Einstellung der Aktivität erfordert.

Where information is missing, decide what may happen while the gap is resolved. “Under review” should not mean “continue indefinitely.”

Wenn Entdeckungen auf eine Exposition oder einen Vorfall hindeuten, nutzen Sie den bestehenden Reaktionsprozess. Das Abschließen des Inventareintrags ist keine Eindämmung. Die Governance-Leitlinien von NIST verbinden KI-Monitoring explizit mit der Incident Response und der Verantwortung für die Behebung von Problemen. (NIST AI Resource Center)

Sobald die Fakten feststehen, verbinden Sie sie mit der bestehenden Risikomanagementarbeit. Die Artikel zum Aufbau eines KI-Risikoregisters und zur Integration von KI-Risiken in das ISMS behandeln diesen nächsten Schritt. (Cyber Academy)

Eine grüne Zelle ist eine Entscheidung, die jemand erklären können muss.

Halten Sie es aktuell, oder nennen Sie es ein historisches Dokument

Weisen Sie dem Inventar einen Custodian und den Einträgen Business Owner zu. Technische Verantwortliche sollten die relevanten Kompositions- und Konfigurationsbelege pflegen. Das Playbook von NIST behandelt definierte Eigentümerschaft und laufende Überprüfung als Governance-Aktivitäten, nicht als optionale Haushaltsführung nach der initialen Erhebung. (NIST AI Resource Center)

Knüpfen Sie Aktualisierungen an Änderungen, die ohnehin Aufmerksamkeit erfordern: neue Anwendungsfälle, aktivierte Funktionen, Modelländerungen, neue Datenquellen, zusätzliche Integrationen, geänderte Berechtigungen und Abkündigungen.

Schließen Sie auch betriebliche Änderungen ein. Das Entfernen eines Prüfschritts oder die Änderung der Empfänger eines Outputs kann eine Neubewertung erfordern, auch wenn niemand neuen Code deployt.

For AI-017, moving from “saves draft replies” to “sends replies automatically” requires a new decision. Discovering that agents already send drafts without checking them requires action now, not at the next software release.

Aktualisieren Sie verknüpfte Datensätze gemeinsam und behalten Sie relevante frühere Versionen. Sie müssen feststellen können, was zum Zeitpunkt eines Ereignisses im Einsatz war, nicht nur was heute konfiguriert ist.

Nutzen Sie regelmäßige Überprüfungen, um versäumte Änderungen zu erfassen, nicht als Erlaubnis, zwischen den Überprüfungen alles zu ignorieren.

Zeigen Sie im Management-Reporting verifizierte Eigentümerschaft, überfällige Bewertungen, ungelöste Informationslücken und Abweichungen von genehmigten Bedingungen. Beschreiben Sie den Umfang Ihrer Entdeckungsarbeit.

Be careful with “100% of AI inventoried.” Counting everything already on your list does not establish that nothing is missing.

Beginnen Sie mit dem Inventar. Dann verbinden Sie den Rest.

Wählen Sie eine Abteilung und gehen Sie deren tatsächliche Arbeit durch.

Erfassen Sie Systeme und Nutzungsweisen. Verifizieren Sie die Verantwortlichen. Verfolgen Sie die Informationen. Vergleichen Sie genehmigte Bedingungen mit der beobachteten Praxis. Bauen Sie das AI-BoM für ein aussagekräftiges Deployment auf und verknüpfen Sie es mit dem Inventar.

Wandeln Sie offene Fragen in zugewiesene Maßnahmen um.

Das ergibt einen Ausgangspunkt, den Sie verbessern können, keine unhaltbare Behauptung von Vollständigkeit.

Wenn beim nächsten Mal jemand fragt, welche KI die Organisation einsetzt, sollten Sie zeigen können, was Sie gefunden haben, wovon es abhängt, wer verantwortlich ist und was noch zu klären bleibt.

Sie können auch die Richtlinie beifügen. Sie sollte nur nicht Ihre einzige Antwort sein.

Für die übergeordnete Governance-Arbeit empfehle ich mein AI Risk Governance Toolkit. Nutzen Sie es ergänzend zu diesem Ansatz, mit den Fakten, Verantwortlichen und Entscheidungen, die Ihre Organisation tatsächlich benötigt.

AI Risk Governance Toolkit erkunden →

Finden Sie die KI, die niemand gemeldet hat. Untersuchen Sie die KI, die alle genehmigt haben. Dokumentieren Sie, wovon beides abhängt, und verifizieren Sie, wie beides genutzt wird.