Anwendungsfall
Zweck, Nutzer, Auswirkungen und Einsatzgrenzen.
Was kann untersucht werden?
Umfang und Prüftiefe richten sich nach der konkreten Fragestellung. Ein interner KI-Assistent benötigt andere Prüfungen als ein Machine-Learning-Modell in einem automatisierten Entscheidungsprozess.
Daten
Herkunft, Qualität, Relevanz und Verarbeitung.
Modell
Modellwahl, Annahmen, Leistung und bekannte Fehlerbilder.
Evaluation
Testdesign, Metriken, Vergleichswerte und Aussagekraft.
Integration
Schnittstellen, Datenflüsse, Abhängigkeiten und Fehlerbehandlung.
Menschliche Kontrolle
Prüfung, Freigabe, Korrektur und Eskalation.
Monitoring
Qualität, Veränderungen und Vorfälle im laufenden Betrieb.
Dokumentation
Annahmen, Grenzen, Entscheidungen und Prüfergebnisse.
Typischer Ablauf
Prüfauftrag definieren
Welche konkrete technische Frage soll beantwortet werden?
Unterlagen sichten
Architektur, Dokumentation, Datenbeschreibung und Testergebnisse prüfen.
Analyse durchführen
Beobachtungen, Annahmen, Unsicherheiten und Bewertungen trennen.
Ergebnisse aufbereiten
Befunde, Risiken und Handlungsoptionen verständlich zusammenführen.
Mögliche Ergebnisse
- strukturierte Assessment-Dokumentation
- technische Stellungnahme
- Management-Zusammenfassung
- priorisierte Maßnahmenliste
- Review von Architektur, Modellen oder Dokumentation
Abgrenzung
Ein KI-Assessment untersucht ein konkretes System oder einen konkreten Anwendungsfall.
- unternehmensweite Strategie: KI-Beratung
- Kompetenzaufbau: AI Literacy
- Responsible-AI-Strukturen: Responsible AI
- ethische Einzelfallanalyse: KI-Ethik
KI-Assessment anfragen
Beschreiben Sie kurz das KI-System, seinen Anwendungsfall und die technische Frage, die beantwortet werden soll.