6. KI-Standards und -Frameworks

Zentrale Leitfrage ist, welche Standards zur Compliance mit gesetzlichen Vorgaben wie dem EU AI Act berücksichtigt werden sollten. Die wesentliche Herausforderung bei der Auswahl und Umsetzung von KI-Standards ist ihre Inhomogenität. Beispielsweise decken Standards unterschiedliche Geltungsbereiche (international, europäisch, national) ab, beziehen sich auf eine oder auch mehreren Phasen entlang des KI-Lebenszyklus, beschränken sich auf bestimme Dimensionen und betrachten organisatorische oder systemische Aspekte gleichzeitig respektive getrennt voneinander. Aber auch die hohe Entwicklungsdynamik am Markt hat einen Einfluss auf die Auswahl von Standards. Beispielsweise sind Standards mit einem Veröffentlichungsdatum vor dem Hype rund um ChatGPT Ende 2022 meist auf Risiken klassischer KI eingegangen. Wie bereits in Kap. 3 aufgezeigt, sind Begrifflichkeiten in Standards nicht einheitlich definiert und es fehlt global an einem gemeinsamen Verständnis, was vertrauenswürdige KI ist (siehe Abschn. 4.​4). Daraus resultiert, dass beispielsweise eine international agierende Firma, die global KI-Anforderungen in ihrer Governance definiert und ggf. Zertifizierung vorzuweisen hat, vor der Herausforderung steht, welche Standards zur Compliance umzusetzen sind und wo ggf. sogar Doppelarbeit vermieden werden kann. Eine weitere Herausforderung besteht darin, diejenigen Standards zu identifizieren, mit deren Hilfe die highlevel Vorgaben eines Gesetzes in technisch konkrete Vorgaben übersetzen kann und somit die Compliance sichergestellt ist. Neben der hohen Marktdynamik der KI-Technologie selbst hat die Regulierung selbst eine hohe Dynamik. Es existiert bereits eine Vielzahl an Frameworks und es werden fortlaufend Neue entwickelt. Somit gibt es die Wahl zwischen verschiedenen Ansätzen, Vor- und Nachteile lassen sich jedoch nicht quantifizieren.