Das E-ARI-Handbuch

Ein vollständiger Leitfaden zur Plattform — was sie tut, wie sie funktioniert und warum sie so gebaut ist, wie sie ist.

Version 1.0 · Mai 2026

Vorwort

Die meisten Werkzeuge für „KI-Bereitschaft“ sind verkappte Tabellen. Sie stellen ein paar Fragen, zeichnen ein Netzdiagramm und überreichen Ihnen ein PDF, das in dem Moment veraltet, in dem Ihre Finanzleitung es liest.

E-ARI wurde gebaut, um etwas Schwierigeres zu tun: die unübersichtliche, regulierte, sich schnell verändernde Wirklichkeit der KI-Einführung im Unternehmen in einen einzigen lebendigen Arbeitsbereich zu überführen, in dem Messung, Nachweise und Compliance über die Zeit zusammenwachsen. Eine Zahl auf einem Dashboard ist leicht. Ein belastbarer Prüfpfad, der eine Begutachtung durch eine notifizierte Stelle in drei Jahren übersteht, ist es nicht.

Dieses Dokument erklärt jeden Teil der Plattform — die Bewertungsmaschine, die Ihre Bereitschaft benotet, die sechs KI-Agenten, die aus Werten Erzählung machen, den Compliance-Autopiloten, der Ihre KI-Systeme auf das EU-KI-Gesetz abbildet, und die Überwachungsschicht, die nach neuen Lücken schaut, während Sie schlafen.

Lesen Sie es von vorn bis hinten oder springen Sie zum Abschnitt, den Sie brauchen. Am Ende steht ein Glossar, falls ein Begriff ungewohnt wirkt.

Inhaltsverzeichnis

1. Was E-ARI ist
2. Das Problem, das wir lösen
3. Wie E-ARI aufgebaut ist
4. Schicht 1 — Die Bewertungsmaschine
5. Schicht 2 — Die sechs KI-Agenten
6. Schicht 3 — Der Compliance-Autopilot
7. Schicht 4 — Laufende Überwachung
8. Der vierstufige Nutzerweg
9. Methodik und Bewertung
   • Unsere Methodik, ehrlich dargelegt
10. Datenschutz, Sicherheit und Umgang mit Daten
11. Tarife und Preise
12. Für wen das gedacht ist
13. Fahrplan
14. Glossar

1. Was E-ARI ist

E-ARI — kurz für Enterprise AI Readiness Index — ist eine auf das EU-KI-Gesetz ausgerichtete Plattform, die einer Organisation hilft, vier Fragen der Reihe nach zu beantworten:

Das Ergebnis ist kein einmaliges PDF. Es ist ein lebendiger Arbeitsbereich: Werte, Grundrechte-Folgenabschätzungen, technische Dokumentationen, Lückenberichte und Pflichtenabdeckung bleiben versioniert, exportierbar und prüfbereit.

2. Das Problem, das wir lösen

2.1 Die Compliance-Landschaft hat sich 2024 verändert

Das EU-KI-Gesetz ist am 1. August 2024 mit gestaffelter Anwendung in Kraft getreten, geändert durch den Digital Omnibus zur KI (Verordnung (EU) 2026/1744, in Kraft seit 27. Juli 2026):

• 2. Februar 2025 — Artikel 5 (verbotene Praktiken) und Artikel 4 (KI-Kompetenz) gelten.
• 2. August 2025 — Governance, Pflichten für KI-Modelle mit allgemeinem Verwendungszweck, Sanktionen und Benennung notifizierter Stellen.
• 2. August 2026 — Die Transparenzpflichten des Artikels 50 gelten (Menschen müssen wissen, dass sie mit KI interagieren, und KI-erzeugte Inhalte müssen gekennzeichnet werden).
• 2. Dezember 2026 — Zwei weitere Verbote (nicht einvernehmliche intime Bilder; Darstellungen sexuellen Kindesmissbrauchs) sowie Kennzeichnungspflichten für Systeme mit synthetischen Inhalten, die vor dem 2. August 2026 bereits in Verkehr waren.
• 2. Dezember 2027 — Die Hochrisiko-Pflichten gelten für eigenständige Systeme nach Anhang III. Der Digital Omnibus hat dieses Datum vom 2. August 2026 verschoben — das ist zusätzliche Bauzeit für eine Grundrechte-Folgenabschätzung und eine technische Dokumentation nach Anhang IV, kein Grund zu warten.
• 2. August 2028 — Hochrisiko-Pflichten für KI, die in regulierte Produkte eingebettet ist (Anhang I).

Die Sanktionen reichen bis zu 35 Mio. EUR oder 7 % des weltweiten Umsatzes für Verstöße gegen verbotene Praktiken. Eine Variante „das machen wir nächstes Quartal“ gibt es hier nicht.

2.2 Bestehende Werkzeuge versagen auf drei vorhersehbare Weisen

2.3 Worauf E-ARI optimiert

Drei Eigenschaften, die wir als nicht verhandelbar behandeln:

1. Belastbarkeit — jede Empfehlung, jede Einstufung, jede Lücke ist auf eine Klausel einer Verordnung, einen Satz in einem Nachweis oder eine Frage der Bewertung zurückführbar. Keine Blackbox-Urteile eines Sprachmodells.
2. Zusammenwachsen — Arbeit an einer Stelle speist die nächste. Ihre Bewertungsgrundlinie stuft Ihre KI-Systeme ein. Nachweise, die für eine Pflicht hochgeladen wurden, ordnen sich automatisch weiteren zu. Das Schließen einer Lücke bei einem System aktualisiert die Überwachung über das gesamte Portfolio.
3. Disziplin bei der Angriffsfläche — wir versuchen bewusst nicht, ein Projektmanagement-Werkzeug, ein GRC-Riese oder ein Modellregister zu sein. E-ARI sitzt zwischen Ihrem Strategieteam und Ihren Aufsichtsbehörden.

3. Wie E-ARI aufgebaut ist

Die Plattform ist als vier zusammenwirkende Schichten gebaut. Jede Schicht hat ihr eigenes Datenmodell, ihre eigenen Oberflächen und ihre eigenen Integrationspunkte — aber sie teilen sich eine einzige Quelle der Wahrheit.

Eine grundlegende Bewertung ist der Impfkristall. Von dort an wird jedes KI-System, das Sie registrieren, an diese Grundlinie gebunden, sodass sein Compliance-Profil den organisatorischen Kontext (Branche, Größe, Governance-Reife) automatisch erbt.

4. Schicht 1 — Die Bewertungsmaschine

4.1 Die 8 Säulen

Wir bewerten die Bereitschaft über acht Säulen, mit Gewichten, die aus der Forschungsliteratur zu Erfolgsfaktoren der KI-Einführung abgeleitet sind. Die Gewichte summieren sich auf 1,00.

Jede Säule enthält genau 5 Fragen auf einer Likert-Skala (1–5). Insgesamt 40 Fragen. Mittlere Bearbeitungszeit: etwa 15 Minuten.

4.2 Reifegradstufen

Nach der Gewichtung wird der Gesamtwert (0–100) einer von vier Stufen zugeordnet:

Die Stufen sind bewusst breiter als ein Perzentil — sie sollen Verhalten steuern (wo investiert wird), keine Eitelkeitskennzahlen bedienen.

4.3 Was Sie zurückbekommen

Eine abgeschlossene Bewertung erzeugt einen strukturierten Assessment-Datensatz:

• Gesamtwert (0–100, branchengewichtet) und Grundwert (ungewichtet) zur Transparenz
• Werte je Säule mit Aufschlüsselung auf Fragenebene und angewandten Interdependenz-Anpassungen
• Reifegradstufe mit einer Deutung in klarer Sprache
• X-Ray-Befunde — strukturelle Risikomuster, die aus Kombinationen von Antworten erkannt werden (siehe §9.4), jeweils mit Schweregrad, Nachweisspur, geschäftlicher Auswirkung und einem konkreten nächsten Schritt
• Anwendung der Branchengewichtung — welche Säulen für Ihre Branche betont wurden und warum
• Branchenvergleich (Ihre Werte gegenüber kuratierten Branchendurchschnitten)
• Stärken-Schwächen-Matrix — die drei besten und die drei schwächsten Säulen
• Erste regulatorische Zuordnung — Säulen, die zu geltenden Regelwerken passen (DSGVO, EU-KI-Gesetz, ISO 42001, NIST AI RMF)
• Hebelanalyse — die Pipeline wird mit jeder Antwort um eine Stufe verbessert erneut durchlaufen und ordnet jeden möglichen Schritt nach seinem exakten Zugewinn beim Gesamtwert (einschließlich gelöster Interdependenzregeln und Branchengewichtung), ergänzt um einen gierig simulierten Weg zur nächsten Reifegradstufe

Dieser Datensatz ist der Keim für alles Weitere. Entscheidend: Die X-Ray-Befunde sind das, worin jeder nachgelagerte Agent seine Erzählung verankert — der Bericht, den Sie erhalten, ist damit an Ihre konkreten strukturellen Muster gebunden und nicht an eine allgemeine Nacherzählung Ihrer Zahlen.

5. Schicht 2 — Die sechs KI-Agenten

Wenn eine Bewertung abgeschlossen ist, führt ein Orchestrator eine Pipeline aus sechs Agenten aus. Jeder Agent hat eine einzige Aufgabe, und die Ausgaben früherer Agenten speisen die Eingaben späterer.

Die Pipeline läuft in vier aufeinanderfolgenden Stufen:

5.1 Bewertungsagent

Deterministisch, ohne Beteiligung eines Sprachmodells, läuft zuerst. Führt eine achtstufige Pipeline aus:

1. Prüfen — jede erforderliche Frage ist beantwortet, wobei eine Annotation „Weiß nicht“ oder „Nicht zutreffend“ als beantwortet zählt; eine Säule mit weniger als drei von fünf bewerteten Fragen wird zurückgewiesen (E_INSUFFICIENT_PILLAR_COVERAGE), eine ohne jede Bewertung als E_NO_PILLAR_COVERAGE
2. Normieren — jede Säule wird aus ihrer Likert-Summe auf 0–100 abgebildet, über die tatsächlich bewerteten Fragen: Die Grenzen folgen der Zahl der Antworten, sodass eine annotierte Frage die Säule weder drückt noch aufbläht
3. Anpassen — sechs dokumentierte Interdependenzregeln zwischen Säulen greifen (§9.2)
4. Grundwert — der ungewichtete Gesamtwert bleibt zur Transparenz erhalten
5. Branchengewichtung — die Säulengewichte werden für die Branche der Organisation neu ausbalanciert und auf 1,0 renormiert (§9.3)
6. Zusammenführen und einstufen — endgültiger Gesamtwert, Reifegradstufe, Kennzeichnung kritischer Ausfälle
7. X-Ray-Erkennung — acht strukturelle Mustererkenner durchsuchen die Antwortkombinationen (§9.4). Ein Erkenner, zu dessen deklarierten Eingaben eine annotierte Frage gehört, läuft nicht und wird als „konnte nicht ausgewertet werden“ ausgewiesen, nie als einer, der lief und nichts fand
8. Hebelsimulation — die gesamte Pipeline wird erneut durchlaufen, wobei jede Antwort um eine Stufe angehoben wird; das ergibt eine exakte Rangfolge des Wertzuwachses jeder möglichen Verbesserung und einen gierig simulierten Weg zur nächsten Reifegradstufe. Da die Maschine deterministisch ist, sind das reproduzierbare Tatsachen und keine Schätzungen — dieselbe Eigenschaft, die einer Kundin erlaubt, ihren Wert zu prüfen, erlaubt ihr, ihren Fahrplan zu prüfen

Die Bewertungsarithmetik ist offen und reproduzierbar. Sie ist der einzige deterministische Schritt der Pipeline — jeder andere Agent verankert seine Ausgaben an diesem Bewertungsergebnis und an dessen X-Ray-Befunden. Das bedeutet: Halluzinationen eines Sprachmodells können Ihren Wert nicht verschieben, und die Erzählung kann sich nicht von Ihren tatsächlichen strukturellen Mustern entfernen.

5.2 Insight-Agent

Sprachmodellgestützt, erzeugt erzählerische Einsichten, verankert im Bewertungsergebnis. Für jede Säule:

• Eine Deutung des Werts in Geschäftssprache, zwei bis drei Sätze
• Zwei konkrete Risiken, wenn der Wert bleibt, wo er ist
• Zwei konkrete Chancen, die das Erreichen der nächsten Reifegradstufe eröffnet

Die Ausgaben durchlaufen einen Verankerungsprüfer — Behauptungen, die sich nicht auf einen numerischen Wert im Bewertungsergebnis zurückführen lassen, werden vor der Anzeige entfernt.

5.3 Discovery-Agent

Läuft parallel zu Insight, da sich ihre Eingaben nicht überschneiden. Discovery beantwortet die Frage „Wie sieht Ihre Organisation von außen tatsächlich aus?“:

• Stuft Ihre Branche über einen Sprachmodellaufruf mit 30 Token automatisch ein (keine branchenübergreifende Vermischung)
• Zieht öffentliche Signale über Tavily Search und Extract (aktuelle Nachrichten, regulatorische Einreichungen, öffentliche Einstellungsmuster)
• Fasst eine kontextuelle Kurzdarstellung zusammen: Branchentrends, Ankündigungen von Wettbewerbern, beobachteter regulatorischer Druck
• Belege stehen inline als [S1], [S2] — keine Quelle, keine Behauptung

Ist das öffentliche Signal schwach oder nicht vertrauenswürdig, verzichtet Discovery auf die Zusammenfassung, statt eine Lesart „mittlerer Zuverlässigkeit“ zu erfinden.

5.4 Berichtsagent

Fügt alles Obenstehende zu einem strukturierten Führungsdokument zusammen:

• Zusammenfassung für die Leitung (eine Seite, gewichtet nach Ihrem Branchenkontext)
• Vertiefung Säule für Säule mit Einsichten und Risiken
• Die drei wichtigsten empfohlenen Maßnahmen, jeweils an konkrete Säulen und Pflichten gebunden
• Vergleichsteil mit dem Branchenkontext aus Discovery
• Anhang: vollständige Antworten, Hinweise zur Methodik, regulatorische Zuordnung

Verfügbar als Ansicht in der Anwendung, als .docx-Download und als druckoptimiertes PDF.

5.5 Literacy-Agent

Adaptiv, läuft nach dem Bericht. Betrachtet Ihre schwächsten Säulen und stellt ein personalisiertes Mini-Curriculum zusammen:

• Gezielte Artikel aus dem Literacy-Hub
• Tests, kalibriert auf Ihre Reifegradstufe
• Empfohlene Lernpfade (z. B. „Von Mitläufer zu Verfolger bei Governance“ — 4 Module, etwa 3 Stunden)

Anders als eine statische Wissensdatenbank empfiehlt Literacy nie Inhalte zu Säulen, in denen Sie bereits stark sind. Er verdient seinen Platz in der Pipeline dadurch, dass er personalisiert ist.

5.6 Assistenz-Agent

Auf Abruf, nach der Pipeline. Eine verankerte Dialogoberfläche mit Lesezugriff auf Ihre Bewertung, Ihre KI-Systeme, Ihre Nachweise und Ihre Pflichtenabdeckung.

• Fragt: „Was hindert uns daran, Verfolger zu werden?“
• Verweigert Antworten außerhalb ihres Datenbereichs (keine allgemeine KI-Beratung — nur was im Zustand Ihrer Plattform verankert ist)
• Alle Belege verweisen zurück auf konkrete Datensätze in Ihrem Konto

6. Schicht 3 — Der Compliance-Autopilot

Hier hört E-ARI auf, ein Messwerkzeug zu sein, und wird zu einer Maschine für Belastbarkeit. Der Compliance-Autopilot bildet Ihre KI-Systeme auf das EU-KI-Gesetz ab und erzeugt die Artefakte, nach denen eine Aufsichtsbehörde (oder Ihre eigene Innenrevision) fragen wird.

6.1 Das KI-Systemregister

Jedes KI-System, das Sie betreiben oder einsetzen, wird registriert mit:

• Name und Zweck — Beschreibung in klarer Sprache
• Rolle beim Einsatz — Anbieter, Betreiber, Einführer, Händler (entscheidend dafür, welche Pflichten gelten)
• Branche und betroffene Personengruppen — steuert die Logik der Risikoeinstufung
• Verknüpfung mit Ihrer Bereitschaftsgrundlinie — erbt Ihren organisatorischen Kontext automatisch

Ein einzelnes Konto kann in den Tarifen Growth und Enterprise unbegrenzt viele Systeme registrieren.

6.2 Der Risikoklassifizierer

Für jedes registrierte System läuft ein Klassifizierer gegen die Risikosystematik des Gesetzes:

Jede Einstufung wird mit einer Begründung ausgeliefert: den konkreten Artikeln, die die Klasse ausgelöst haben, der öffentlichen Auslegungshilfe dazu und der verbleibenden Unschärfe (damit Ihre Datenschutzbeauftragte übersteuern kann, wenn sich die Sicht der Aufsicht weiterentwickelt).

6.3 Der Nachweistresor

Ein typisierter Objektspeicher für Compliance-Nachweise:

• Verträge, Datenschutz-Folgenabschätzungen, Model Cards, Datensatzdokumentation, Schulungsnachweise, Sicherheitsprüfungen, Fairnessberichte usw.
• Nachweise auf Organisationsebene (gelten für alle Systeme) und je System
• Versioniert — das Ersetzen eines Nachweises erzeugt eine neue Version, die alte bleibt mit historischen Grundrechte-Folgenabschätzungen verknüpft
• Gespeichert in Vercel Blob mit privater Zugriffsliste; vorsignierte URLs zum Herunterladen (etwa 5 Minuten gültig)

Beim Hochladen geschehen automatisch zwei Dinge:

1. Einstufung — ein Sprachmodell kategorisiert den Dokumenttyp (Datenschutz-Folgenabschätzung, Model Card, Prüfbericht usw.)
2. Klauselextraktion — das Dokument wird zerlegt, und ein Sprachmodell erkennt, welche Klauseln oder Sätze welchem Artikel des KI-Gesetzes zuzuordnen sind. Diese Zuordnungen werden als EvidenceClause-Datensätze gespeichert und sind über Pflichten hinweg wiederverwendbar.

Eine Datenschutz-Folgenabschätzung, die Sie für ein System hochladen, kann automatisch Teile von drei verschiedenen Pflichten über zwei Systeme hinweg erfüllen.

6.4 Der Generator für Grundrechte-Folgenabschätzungen (Artikel 27)

Für Hochrisiko-Systeme ist die Grundrechte-Folgenabschätzung verpflichtend.

Der Generator von E-ARI:

1. Zieht die Metadaten Ihres KI-Systems (Zweck, betroffene Personengruppen, Rolle beim Einsatz)
2. Zieht die einschlägigen Nachweisklauseln, die bereits Grundrechtsartikeln zugeordnet sind
3. Erzeugt eine strukturierte Folgenabschätzung zu: Prozessbeschreibung, Zeiträumen, Häufigkeit, Kategorien betroffener natürlicher Personen, konkreten Schadensrisiken, Governance-Vorkehrungen, Beschwerdemechanismen
4. Weist Lücken direkt im Text aus (z. B. „Kein Nachweis zur Gestaltung der menschlichen Aufsicht gefunden — Anforderung aus Artikel 14“)
5. Exportiert als PDF und .docx mit eingebetteten Quellenangaben

Sie können eine Grundrechte-Folgenabschätzung erst abschließen, wenn alle erforderlichen Abschnitte durch Nachweise gestützt sind. Halbfertige Abschätzungen werden als Entwürfe gespeichert.

6.5 Der Generator für die technische Dokumentation (Anhang IV)

Die technische Dokumentation nach Anhang IV ist das formale Dokument, nach dem eine notifizierte Stelle oder eine Marktüberwachungsbehörde zuerst fragen wird.

E-ARI erzeugt die vollständige von Anhang IV geforderte Struktur:

1. Allgemeine Beschreibung des KI-Systems
2. Detaillierte Beschreibung (Entwicklungsmethoden, Werkzeuge Dritter, Trainingsdatensätze)
3. Angaben zu Beobachtung, Funktionsweise und Kontrolle
4. Dokumentation des Risikomanagementsystems
5. Protokoll der Änderungen über den Lebenszyklus
6. Leistungskennzahlen, Genauigkeitsschwellen, Robustheitstests
7. Liste der angewandten harmonisierten Normen
8. Konformitätserklärung (Vorlage)
9. Plan zur Beobachtung nach dem Inverkehrbringen

Jeder Abschnitt schöpft aus Ihrem Nachweistresor und Ihrem Beobachtungsplan. Abschnitte ohne stützende Nachweise sind deutlich gekennzeichnet, damit Sie genau wissen, was fehlt.

6.6 Das Lückenradar

Eine Live-Ansicht dessen, was fehlt:

• Je Pflicht: erforderliche Klauseln insgesamt gegenüber aktuell nachgewiesenen Klauseln
• Nach Schweregrad gewichtet (eine Lücke beim Risikomanagement nach Artikel 9 wiegt weit schwerer als eine Lücke bei der Protokollierung nach Artikel 53 für ein System ohne allgemeinen Verwendungszweck)
• Alterung — Lücken, die länger als 30 Tage offen sind, rücken nach oben
• Jede Lücke hat einen Ein-Klick-Ablauf „Beheben“, der nach der konkret benötigten Nachweisart fragt

6.7 Das Einreichungspaket

Ein einziger .zip-Export, bereit zur Übergabe an eine notifizierte Stelle, eine Prüferin oder Ihre eigene Rechtsabteilung:

• Technische Dokumentation nach Anhang IV (PDF)
• Grundrechte-Folgenabschätzung (PDF, sofern Hochrisiko)
• Alle zitierten Nachweisdateien
• Bericht zur Pflichtenabdeckung
• Beobachtungsplan
• Manifest mit SHA-256-Prüfsummen als Manipulationsnachweis

6.8 Aufspüren von Schatten-KI

Die meisten Organisationen entdecken KI-Werkzeuge, von deren Einsatz sie nichts wussten: Ein Export der App-Nutzung listet sie auf, aber niemand liest diese Liste gegen ein Risikomodell. Discovery schließt diese Lücke ohne jede Integrationsarbeit: Exportieren Sie Ihre App-Nutzungsliste aus Google Workspace, Okta oder Microsoft Entra (oder eine Händlerliste aus Ihrem Spesenwerkzeug), laden Sie die CSV-Datei hoch, und E-ARI gleicht sie mit einem kuratierten Katalog von KI-Werkzeugen ab — jeder Eintrag versehen mit Anbieter, Kategorie, der Angabe, ob das Werkzeug standardmäßig auf Kundendaten trainiert, und seiner Relevanz für das EU-KI-Gesetz.

Abgeglichene Werkzeuge erscheinen als nicht deklariert, bis Sie sie registrieren. Ein Klick überführt ein gefundenes Werkzeug in das KI-Systemregister (§6.1), wobei der Anbieter im Modul für Anbieterrisiken automatisch angelegt wird — von dort greift die übliche Pipeline: Risikoeinstufung, Pflichten, Nachweise.

6.9 Risiko durch KI-Anbieter Dritter

Jedes KI-Produkt eines Dritten ist das Modell eines anderen und die Datenbedingungen eines anderen. Das Modul für Anbieterrisiken sendet jedem Anbieter über einen signierten Link einen versionierten Fragebogen von etwa 10 Minuten (Datenumgang, Sicherheit, KI-spezifisch, rechtlich) — auf dessen Seite ist kein Konto nötig. Die Bewertung ist deterministisch: Jede Antwort trägt Punkte, unbeantwortete Fragen zählen als schlechtestmöglicher Fall, und kritische Kennzeichen (kein Auftragsverarbeitungsvertrag, Training auf Kundendaten, kein Löschweg) erzwingen unabhängig vom Zahlenwert eine kritische Einstufung. Anbieterdokumente (Auftragsverarbeitungsverträge, SOC-2-Berichte, Listen von Unterauftragsverarbeitern) werden in den Nachweistresor hochgeladen und durchlaufen dieselbe Klauselextraktion wie Systemnachweise.

6.10 KI-Kompetenz nach Artikel 4

Artikel 4 des KI-Gesetzes — in Kraft seit dem 2. Februar 2025 — verlangt, dass Beschäftigte über eine für ihre Rolle ausreichende KI-Kompetenz verfügen. E-ARI liefert ein versioniertes Curriculum (KI-Grundlagen, das Wesentliche zum EU-KI-Gesetz, Datenschutz, verantwortungsvoller Einsatz), das Teammitgliedern über persönliche Magic Links zugewiesen wird, die nach 30 Tagen verfallen. Abschlüsse erfassen das Testergebnis und einen SHA-256-Attestierungs-Hash, der Mitglied, Modul, Zeitstempel und Inhaltsversion aneinander bindet. Die gesamte Übersicht lässt sich als aufsichtstauglicher Nachweisbericht exportieren; überfällige Mitglieder werden wöchentlich automatisch erinnert.

6.11 Laufende Kontrollen

Die Kontrollansicht beantwortet die Frage, die eine Prüferin tatsächlich stellt: Welche Pflichten erfüllen Sie gerade jetzt? Jede über Ihre registrierten Systeme hinweg geltende Pflicht erhält einen Live-Zustand — erfüllt (gestützt durch mindestens eine extrahierte Nachweisklausel), nicht erfüllt (eine offene kritische oder hohe Lücke) oder ausstehend (anwendbar, aber noch nicht nachgewiesen) — dazu Warnungen für Attestierungen, die innerhalb von 30 Tagen fällig werden. Die Zustände werden aus dem Nachweistresor und dem Lückenradar abgeleitet, nie selbst erklärt. Eine wöchentliche Zusammenfassung wird Ihnen nur dann gesendet, wenn etwas zu tun ist.

6.12 Öffentliche API

Ab Growth besteht Lesezugriff; Enterprise erhält Schreibzugriff. Endpunkte unter /api/v1/ stellen Bewertungen, das KI-Register, Ergebnisse zum Anbieterrisiko und abgeleitete Kontrollzustände bereit, authentifiziert über widerrufbare Schlüssel mit begrenztem Geltungsbereich. Die Referenz finden Sie unter /developers.

7. Schicht 4 — Laufende Überwachung

Compliance ist kein Projekt. Sie ist ein Prozess, der immer weiterläuft.

7.1 Pulse-Checks

Schlanke monatliche Zwischenstände zu den Fragen, die am empfindlichsten auf Abweichungen reagieren (Governance, Sicherheit, Talent). Dauert 3 bis 5 Minuten. Erzeugt einen Differenzbericht gegenüber Ihrer letzten vollständigen Bewertung.

7.2 Regulierungs-Änderungsprotokoll und Compliance-Überwachung

E-ARI liest keinen Regulierungs-Feed aus. Die regulatorischen Daten stammen aus einer einzigen kuratierten, versionierten Quelle — dem Regulierungs-Änderungsprotokoll, das den konsolidierten Text des KI-Gesetzes veröffentlicht, mit dem gearbeitet wird — und jede Maschine liest ihre Daten aus dieser Quelle.

Ein täglicher Cron-Auftrag (/api/cron/compliance-monitoring) prüft Ihre Beobachtungspläne und sendet eine Erinnerung an eine fällige Attestierung, wenn die nächste Attestierung eines Systems in die kommenden 30 Tage fällt — höchstens eine Erinnerungs-E-Mail je System und Woche, dazu eine Benachrichtigung in der Anwendung. Die wöchentliche Zusammenfassung (§7.4) deckt nicht erfüllte Kontrollen, ausstehende Nachweise und fällige Attestierungen ab.

7.3 Attestierungskalender

Anhang IV verlangt regelmäßige Attestierungen für Hochrisiko-Systeme. Die Plattform verfolgt:

• Fälligkeitstermine der jährlichen erneuten Konformitätsbewertung
• Auffrischungsfenster für Datenschutz-Folgenabschätzungen (alle 24 Monate für sich weiterentwickelnde Systeme)
• Fristen für Berichte zur Beobachtung nach dem Inverkehrbringen
• Interne Prüfzyklen (je System konfigurierbar)

Fällt eine Frist in die kommenden 30 Tage, versendet der tägliche Compliance-Cron eine Erinnerung an eine fällige Attestierung — höchstens eine je System und Woche — und legt eine Benachrichtigung in der Anwendung an. Das ist das ausgelieferte Erinnerungsverhalten; eine gestaffelte Taktung nach 60/30/7/1 Tagen gibt es nicht.

7.4 E-Mail- und In-App-Benachrichtigungen

Alle Benachrichtigungen werden über das einheitliche Vorlagensystem zugestellt:

• Wöchentliche Compliance-Zusammenfassung (kostenpflichtige Tarife — wird nur gesendet, wenn etwas zu tun ist)
• Geplante Abweichungserkennung mit Warnungen bei Veränderung — Pulse-Checks und die Überwachungsmaschine kennzeichnen Rückgänge des Werts; Warnungen lösen bei Veränderung aus, nicht fortlaufend

Abmeldung und Einstellungen unter /portal/preferences.

8. Der vierstufige Nutzerweg

Jede Nutzerin erlebt die Plattform als vier aufeinanderfolgende Schritte. Das Dashboard macht das mit einem Fortschrittsband ausdrücklich sichtbar.

Schritt 1 — Bewerten

Führen Sie die Bewertung über 8 Säulen durch. Etwa 15 Minuten. Erzeugt eine Grundlinie, die alle nachgelagerte Compliance-Arbeit verankert.

Schritt 2 — Prüfen

Registrieren Sie Ihre KI-Systeme, laden Sie Nachweise hoch, lassen Sie den Klassifizierer laufen. Die Plattform sagt Ihnen genau, welche Pflichten für welches System gelten.

Schritt 3 — Erfüllen

Erzeugen Sie Grundrechte-Folgenabschätzungen und technische Dokumentationen. Schließen Sie Lücken. Exportieren Sie Einreichungspakete, wenn geprüft wird.

Schritt 4 — Überwachen

Lesen Sie das Regulierungs-Änderungsprotokoll. Halten Sie den Attestierungskalender ein. Führen Sie vierteljährliche Pulse-Checks durch, um Abweichungen früh zu erkennen.

Der Fortschritt wird in Ihrem Portal als einzelne waagerechte Schrittleiste dargestellt — Bewerten → Prüfen → Erfüllen → Überwachen — mit hervorgehobenem aktuellem Schritt und einer kontextbezogenen Handlungsaufforderung, die auf die nächste konkrete Maßnahme verweist.

9. Methodik und Bewertung

9.1 Normierung der Säulen

Für jede Säule p mit den Fragen q₁ … q₅, beantwortet auf einer Likert-Skala von 1 bis 5:

pillar_score(p) = (Σ qᵢ - 5) / 20 × 100

Das normiert die Rohsumme von 5 bis 25 auf eine Skala von 0 bis 100.

9.2 Interdependenzregeln

Sechs dokumentierte Regeln greifen auf den normierten Säulenwerten. Jede Regel hat eine veröffentlichte Begründung und wird im Bewertungsdatensatz protokolliert, sodass jede Anpassung reproduzierbar ist.

Die Regeln greifen in der deklarierten Reihenfolge. Der ursprüngliche Wert, der angepasste Wert und die auslösende Regel werden alle in der Bewertung gespeichert, damit die Prüfung sie nachvollziehen kann.

Verkettung: Die Regeln greifen der Reihe nach auf den laufenden Wert, sodass jede Regel auf dem aufsetzt, was die vorherige hinterlassen hat. Rechenbeispiel: Governance 25, Sicherheit 25, Technologie 75: R1 ergibt 52,50, dann greift R3 auf 52,50 und ergibt 44,63. Hätte R3 auf den ursprünglichen Wert 75 statt auf den laufenden gewirkt, wäre 63,75 herausgekommen — das Prüfprotokoll hält Eingabe und Ausgabe jeder Regel fest, und genau das macht die Kette wiederholbar.

9.3 Branchengewichtung

Die Standardgewichte der Säulen liegen in der Maschine (15 % Strategie, 15 % Daten, 12 % Technologie, 13 % Talent, 15 % Governance, 10 % Kultur, 10 % Prozesse, 10 % Sicherheit). Nach den Interdependenz-Anpassungen werden branchenspezifische Multiplikatoren auf diese Gewichte angewandt und das Ergebnis auf die Summe 1,00 renormiert. Das hält den Gesamtwert auf der Skala von 0 bis 100 und bildet zugleich ab, worauf es in der jeweiligen Branche tatsächlich ankommt.

Der ungewichtete Grundwert bleibt neben dem branchengewichteten Gesamtwert erhalten, sodass Berichte zeigen können, wie der Branchenkontext die Zahl verschoben hat — und warum.

9.4 Die X-Ray-Maschine — Erkennung struktureller Muster

Ein Wert ist eine Zahl. Ein Muster ist eine Geschichte. Zwei Organisationen können beide bei 47 % landen — die eine, weil sie gleichmäßig mittelmäßig ist, die andere, weil sie großen KI-Ehrgeiz ohne Datenfundament hat. Die Eingriffe für diese beiden sind völlig verschieden.

Die X-Ray-Maschine führt acht deterministische Erkenner über die Antwortkarte und legt strukturelle Versagensmuster offen, die daraus entstehen, wie Fragen über Säulen hinweg zusammenwirken. Jeder Befund trägt einen Schweregrad (niedrig / mittel / hoch / kritisch), die auslösenden Nachweise auf Fragenebene, die geschäftliche Auswirkung in klaren Worten und einen einzigen konkreten empfohlenen Schritt.

Der X-Ray-Block wird anschließend jedem nachgelagerten Agenten seinem Prompt vorangestellt. Der Insight-Agent muss jedes Risiko und jeden nächsten Schritt, den er erzeugt, auf eine Befund-ID zurückführen. Der Fahrplan-Agent muss jeden KRITISCHEN Befund in Phase 1 und jeden HOHEN Befund in Phase 2 entschärfen. Der Discovery-Agent muss die Befunde in seinen Lückenindikatoren widerspiegeln. Das ist es, was den Bericht maßgeschneidert wirken lässt — die Agenten sind in Ihrem konkreten Musterbild verankert und umschreiben nicht eine Zahl.

9.5 Konfidenzintervall

Ein Bewertungsergebnis enthält ein Konfidenzband, abgeleitet aus:

• Beantwortungsquote — unvollständige Bewertungen erhalten breitere Bänder
• Streuung der Antworten — extreme Hoch- und Tiefwerte in benachbarten Säulen deuten auf Ermüdung beim Ausfüllen hin
• Konsistenz der Freitexte — widerspricht eine Erläuterung dem Likert-Wert, sinkt die Konfidenz

Das Band wird in der Oberfläche als Spanne angezeigt (z. B. „68 ± 4“) und bleibt in Exporten erhalten.

9.6 Branchenvergleichswerte

Die Vergleichswerte sind aus öffentlicher Forschung kuratiert (Berichte von Branchenverbänden, akademische Studien, von Aufsichtsbehörden veröffentlichte Statistiken). Sie sind in der Oberfläche ausdrücklich gekennzeichnet:

Branchenvergleichswerte sind KI-geschätzt und nur als Orientierung gedacht. Die tatsächliche Branchenleistung kann abweichen.

Wir behaupten nie, ein Vergleichswert sei aktuell — wir nennen das Jahr der zugrunde liegenden Daten.

9.7 Warum wir keinen einzelnen „Vertrauenswert“ verwenden

Manche Plattformen pressen alles in eine einzige Zahl von 0 bis 100 für „Vertrauenswürdigkeit“. Wir nicht. Eine einzelne Zahl verdeckt das einzig nützliche Signal: welche Dimension versagt. Eine Organisation kann bei Strategie Schrittmacher und zugleich bei Sicherheit Nachzügler sein — das ist handlungsleitend. Es zu „Verfolger, 62“ zu mitteln, ist es nicht.

Unsere Methodik, ehrlich dargelegt

E-ARI bittet eine Organisation, ihre eigene KI-Bereitschaft zu bewerten. Die veröffentlichte Literatur zur Selbsteinschätzung ist unmissverständlich darin, was das messen kann und was nicht, und diese Seite nennt beides. Jede Gestaltungsentscheidung unten nennt ihre Quelle.

Das Drei-Stufen-Modell

1. Selbstberichtet — der Fragebogen, wie er beantwortet wurde — ein Wahrnehmungsmaß, als solches gekennzeichnet.
2. Nachweisgestützt — Antworten mit Artefakten im Tresor — belegte Existenz, eine Untergrenze der tatsächlichen Bereitschaft.
3. Unabhängig geprüft — Antworten, die von einer Prüferin oder von der deterministischen Maschine gegen den Nachweistresor verifiziert wurden — belegter Betrieb. Noch nicht angeboten.

Eine abgeschlossene Bewertung zeigt daher drei Zahlen, nicht eine: den selbstberichteten Wert (gekennzeichnet als „Selbstberichtet — ein Wahrnehmungsmaß“), den nachweisgestützten Wert (gekennzeichnet als „Nachweisgestützt — nur Antworten mit Artefakten im Tresor“) und den Abdeckungsanteil („X % der Antworten sind nachweisgestützt“). Trägt keine Antwort Nachweise, wird der nachweisgestützte Wert überhaupt nicht angezeigt — eine selbstberichtete Zahl, hinter der nichts steht, ist keine zweite Meinung, sondern dieselbe Meinung.

Antworten ohne Nachweise zählen im nachweisgestützten Wert mit halbem Gewicht. Die 0,5 ist unsere Wahl, keine Konstante aus der Literatur. Was die Forschung belegt, ist die Richtung: Selbstbewertungen sind um etwa ein Drittel einer Standardabweichung milde (d = 0,32; Heidemeier & Moser, 2009), und Zustimmungstendenz hebt Antworten auf Zustimmungsskalen an (Krosnick, 1999). Keine der beiden liefert uns eine Zahl. Wir halbieren, was niemand prüfen kann, runden absichtlich, damit es nicht für eine Messung gehalten wird, und weisen den Abdeckungsanteil daneben aus, damit Sie sehen, auf wie viel des Werts das Gewicht überhaupt wirkt. Wahrnehmung abzuwerten — nicht zu löschen — ist das, was das Stufenmodell behauptet.

Der Mehrfachbewerter-Aufbau

Beantwortet eine einzelne Person alle 40 Fragen, ist das ein Ein-Informanten-Aufbau. Conway & Huffcutt (1997) beziffern die Beurteilerübereinstimmung mit ,50 für Vorgesetzte, ,37 für Kolleginnen und ,30 für Untergebene — und die Übereinstimmung ZWISCHEN Quellen noch niedriger, ,22 für Selbst gegen Vorgesetzte. Selbst im besten Fall bleibt die Hälfte der Varianz bei der bewertenden Person statt bei der Organisation. Der Mehrfachbewerter-Modus lädt bis zu vier Funktionsverantwortliche ein — die Technikleitung für Technologie und Daten, die Datenschutzbeauftragte für Governance und Sicherheit, die Betriebsleitung für Prozesse und Kultur, die Personalleitung für Talent und Strategie —, jeweils nur für die Säulen, die ihre Rolle abdeckt. Der Konsenswert ist der Medianwert je Frage über die Bewertenden hinweg, bewertet von derselben deterministischen Maschine. Bewertungen mit nur einer Person werden als solche gekennzeichnet, mit diesem Vorbehalt versehen.

Abweichung zwischen Bewertenden ist ein Signal, kein Fehler — sie zeigt, wo Funktionsverantwortliche die Bereitschaft der Organisation unterschiedlich sehen.

Weiß nicht, nicht zutreffend und die Rolle der antwortenden Person

Eine erzwungene Zustimmungsskala lässt einer Person, die es wirklich nicht weiß, nur falsche Möglichkeiten. Die Ehrlichen wählen „Stimme überhaupt nicht zu“ — und das Instrument erfasst einen Befund, den die Person nie gemacht hat: ein Governance-Defizit, das in Wahrheit eine Wissenslücke ist. Die Experimente von Schuman & Presser (1981) zu Filtern für „keine Meinung“ sind das klassische Ergebnis — Formulare mit erzwungener Wahl sammeln Pseudomeinungen von Menschen, die keine haben — hier nur als Richtungsangabe zitiert: Diese Quelle ist NICHT UNABHÄNGIG GEPRÜFT, und es wird keine Zahl aus ihr verwendet. Die Bewertung erfasst daher zwei Annotationen, die eine Antwort statt einer Bewertung tragen kann — Weiß nicht und Nicht zutreffend —, und beide sind von der Bewertungsarithmetik ausgenommen: Die Säule renormiert über ihre beantworteten Fragen, sodass ein Unbekanntes einen Wert nie drückt und nie aufbläht. Beide werden stattdessen als Abdeckungslücken ausgewiesen — je Säule „x von 5 beantwortet“, mit Nennung der unbeantwortbaren Fragen. Eine Säule, deren sämtliche Fragen annotiert sind, wird vollständig zurückgewiesen (E_NO_PILLAR_COVERAGE): Ein Wert, der aus keinen Messungen berechnet wurde, ist kein Wert. Das Renormieren ist aus demselben Grund begrenzt — es borgt sich die beantworteten Fragen, damit sie für die fehlenden einstehen —, sodass auch eine Säule mit weniger als drei ihrer fünf bewerteten Fragen zurückgewiesen wird (E_INSUFFICIENT_PILLAR_COVERAGE), statt zwei Antworten für eine Säule stehen zu lassen. Unbegrenzt erreichte die Arithmetik ihre Grenze bei einer bewerteten Antwort je Säule: acht von vierzig, alle am oberen Ende der Skala, ergaben einen Gesamtwert von 99,99, der genau so aussah wie einer, der über das gesamte Instrument berechnet wurde. Die X-Ray-Erkenner lösen auf einer annotierten Frage nicht aus, aus demselben Grund wie die Zurückweisungen — ihr Auslöser lässt sich auf Daten, die es nicht gibt, nicht auswerten —, und ein Erkenner, der nicht ausgewertet werden konnte, wird als solcher ausgewiesen, nie als einer, der lief und nichts fand. Das ist eine Änderung der Bewertung, keine Ergänzung der Oberfläche: Eine Bewertung, die die Annotationen nutzt, wird anders bewertet als eine, in der dieselben Fragen mit 1 beantwortet sind. Die Annotationen kamen als SCORING_VERSION 5.5 und die Begrenzung der Renormierung als SCORING_VERSION 5.6, jeweils mit neu abgeleiteten Konformitätsvektoren; die Begrenzung verschiebt keinen Wert, und Bewertungen ohne Annotationen bleiben bitgleich zu 5.4.

„Eine Person“ ist die grobe Fassung einer schärferen Frage: welche Person? Eine Technikleitung, die alle 40 Fragen beantwortet, spricht zu Technologie und Daten aus erster Hand und zu Governance und Kultur aus zweiter, und der Zuverlässigkeitsverlust verteilt sich nicht gleichmäßig (Conway & Huffcutt, 1997; die 360°-Praxis, Bewertende ihren Domänen zuzuordnen, ist Bracken, Timmreck & Church, 2001). Jede Bewertung erfasst daher die funktionale Rolle der antwortenden Person, und die Ergebnisse benennen, welche Säulen diese Rolle aus erster Hand abdeckt — die Säulen aus zweiter Hand werden als solche gekennzeichnet, damit eine Leserin sieht, wo die Wahrnehmung am dünnsten ist. Die Rolle setzt außerdem die Einladungen für weitere Bewertende: Die Rollen, welche die antwortende Person nicht innehat, sind die, deren Einladung sich lohnt.

Das zweite Instrument: regulatorische Konstrukte

Die Neugestaltungsprüfung fragte auch, welchen regulatorischen Boden die 40 Fragen überhaupt nicht abdecken, und fand neun Konstrukte: ein KI-Systeminventar mit erfassten Einstufungen nach Art. 6, Pflichten in der Lieferkette für Anbieter und KI-Modelle mit allgemeinem Verwendungszweck, Vorfallmanagement, Protokollierung, die Einzelheiten der menschlichen Aufsicht, die Beobachtung nach dem Inverkehrbringen, die Tiefe der Verzerrungskennzahlen sowie die Schleifen für internes Audit (9.2) und Managementbewertung (9.3) nach ISO/IEC 42001. Sie werden dem bewerteten Instrument bewusst nicht hinzugefügt — die 40 Fragen sind eingefrorene Methodik (SCORING_VERSION 5.6), und Fragen anzuhängen würde jede je durchgeführte Bewertung umschreiben. Sie bilden stattdessen ein zweites Instrument: eine diagnostische Checkliste mit den Antworten ja / nein / teilweise / weiß nicht / nicht zutreffend, wobei nein und teilweise offene Lücken sind, weiß nicht eine Wissenslücke ist und nicht zutreffend erfasst und ausgenommen wird. Sie wird als Diagnostik und Lücken ausgewiesen — nie als Wert. Welche Pflichten gelten, entscheidet die Compliance-Maschine; die Punkte verweisen auf deren Pflichtencodes, um zu zeigen, auf welche Pflicht eine Lücke Druck ausübt, mehr nicht.

Verhaltensverankerte Verifikation

Wo eine Frage eine sachlich prüfbare Form hat („Adressiert Ihr Notfallplan ausdrücklich Ausfälle von KI-Systemen?“ statt „Wie reif ist Ihre Vorfallreaktion?“), bietet die Bewertung beides an: die ursprüngliche Likert-Frage, die aus Kompatibilitätsgründen die bewertete Antwort bleibt, und eine Schaltfläche „Diese Antwort verifizieren“ mit den Möglichkeiten Ja/Nein/Teilweise. Ein verifiziertes Ja zählt im nachweisgestützten Wert mit vollem Gewicht; die Likert-Antwort bleibt unverändert. Das ist das BARS-Muster: zu fragen, ob eine konkrete, beobachtbare Sache zutrifft, statt wie gut sie sich anfühlt. Latham, Wexley & Pursell (1975) und Schwarz (1999) stützen den Mechanismus — das Format setzt den Bezugsrahmen, und eine prüfbare Frage lässt sich schwerer aufblähen als eine allgemeine. Keine der beiden nennt eine prozentuale Verringerung, und die „~40 %“, die dieses Dokument früher behauptete, standen in keiner von beiden.

Die Verzerrungsforschung, auf der das gründet

• Podsakoff, MacKenzie & Podsakoff (2012). „Sources of Method Bias in Social Science Research and Recommendations on How to Control It.“ Annual Review of Psychology 63, 539–569. — Gemeinsame Methodenvarianz — eine Person beantwortet beide Seiten — bläht beobachtete Zusammenhänge bei subjektiven Konstrukten auf. Die Übersicht belegt die Richtung und wie man dagegen gestaltet; sie nennt keinen einzelnen Prozentsatz, und die frühere Angabe „25–40 %“ war hier unbelegt.
• Kruger & Dunning (1999). „Unskilled and Unaware of It.“ Journal of Personality and Social Psychology 77(6), 1121–1134. — Personen im untersten Viertel lagen beim 12. Perzentil und verorteten sich selbst beim 62. — 50 Punkte, in den Worten der Arbeit selbst. Die Organisationen, die am schlechtesten für KI-Governance gerüstet sind, bewerten sich am wahrscheinlichsten hoch, weil sie nicht sehen können, wie Reife aussieht.
• Heidemeier & Moser (2009). „Self–Other Agreement in Job Performance Ratings: A Meta-Analytic Test of a Process Model.“ Journal of Applied Psychology 94(2), 353–370. — Über 128 Stichproben liegt die Übereinstimmung zwischen Selbst und Vorgesetzten bei r = ,22, und Selbstbewertungen sind um d = 0,32 milde (Δ = ,49 korrigiert) — etwa ein Drittel einer Standardabweichung, nicht die zuvor hier genannte Hälfte.
• Latham, Wexley & Pursell (1975). „Training Managers to Minimize Rating Errors in the Observation of Behavior.“ Journal of Applied Psychology 60(5), 550–555. — Bewertende, die nach konkretem beobachtbarem Verhalten gefragt werden, irren seltener als solche, die um ein Gesamturteil gebeten werden. Das ist eine Studie zum Training von Bewertenden, kein Vergleich von BARS gegen Likert, und sie nennt keinen Prozentsatz — die früher hier genannten „~40 %“ standen nicht darin.
• Schwarz (1999). „Self-Reports: How the Questions Shape the Answers.“ American Psychologist 54(2), 93–105. — Das Frageformat setzt den Bezugsrahmen: „Wie reif ist Ihre Vorfallreaktion?“ lädt zu einem Gesamturteil ein; „Adressiert Ihr Notfallplan Ausfälle von KI-Systemen?“ ruft eine prüfbare Tatsache auf.
• Krosnick (1999). „Survey Research.“ Annual Review of Psychology 50. — Zustimmungstendenz — unabhängig vom Inhalt zuzustimmen — ist eine bekannte Gefahr für Fragen auf Zustimmungsskalen und wird geringer, wenn Fragen nach Tatsachen statt nach Zustimmung fragen. Hier wird kein Prozentsatz zugeschrieben: Die frühere Angabe „~10–15 %“ war unbelegt, und eine Zahl dieser Größe würde ohnehin nicht rechtfertigen, eine Antwort zu halbieren. Der Abschlag von 0,5 ist unsere eigene konservative Wahl, unten beschrieben.
• Conway & Huffcutt (1997). „Psychometric Properties of Multisource Performance Ratings: A Meta-Analysis of Subordinate, Supervisor, Peer, and Self-Ratings.“ Human Performance 10(4), 331–360. — Die Zuverlässigkeit unterscheidet sich nach Quelle: Vorgesetzte ,50, Kolleginnen ,37, Untergebene ,30 — die ,50 ist der beste Fall, nicht der Durchschnitt. Die Übereinstimmung zwischen Quellen ist noch geringer (Selbst gegen Vorgesetzte ,22). Jede einzelne bewertende Person lässt den größten Teil der Varianz personengebunden, weshalb es den Mehrfachbewerter-Modus und die Kennzeichnung für Einzelbewertung gibt. Der Gewinn aus der Mittelung mehrerer Bewertender folgt Spearman-Brown und ist unsere Hochrechnung, kein Befund dieser Arbeit.
• Van der Heijden & Nijhof (2004). „The value of subjectivity: problems and prospects for 360-degree appraisal systems.“ International Journal of Human Resource Management 15(3), 493–511. — Abweichung zwischen Bewertenden aus verschiedenen Funktionsbereichen ist selbst ein gültiges diagnostisches Signal — die Grundlage dafür, Abweichung auszuweisen, statt sie wegzumitteln.
• Bracken, Timmreck & Church (2001). The Handbook of Multisource Feedback. Jossey-Bass. — Die etablierte 360°-Praxis: Bewertende beantworten Fragensätze, die zu ihrer Fachdomäne passen, und Uneinigkeit wird als Befund ausgewiesen.
• Oxford Insights (2024). Government AI Readiness Index Methodology. — Nutzt, wo immer möglich, extern überprüfbare Datenquellen und weist Umfragedaten als „wahrnehmungsbasiert“ aus — das Ehrlichkeitsmuster, dem die Stufenbezeichnungen folgen.
• Cisco (2024). AI Readiness Index Methodology. — Stellt unumwunden fest: „This is a perception study reflecting business leaders’ views“ — eine Selbsteinschätzung, als Wahrnehmung gekennzeichnet, nicht als objektive Bereitschaft.

Was wir behaupten können

• „Der selbstberichtete Wert ist ein Wahrnehmungsmaß — wir kennzeichnen ihn als solches“
• „Der nachweisgestützte Wert zählt nur Antworten mit Artefakten im Tresor — er ist eine Untergrenze der tatsächlichen Bereitschaft“
• „Der Abdeckungsanteil sagt Ihnen, wie viel der Selbsteinschätzung durch überprüfbare Nachweise gestützt ist“
• „Der Mehrfachbewerter-Modus legt Uneinigkeit zwischen Funktionsverantwortlichen als diagnostisches Signal offen“
• „Antworten mit Weiß nicht und Nicht zutreffend sind vom Wert ausgenommen und werden als Abdeckungslücken ausgewiesen — nie in die schlechteste Antwort umgewandelt“
• „Jede Bewertung erfasst die funktionale Rolle der antwortenden Person, und die Ergebnisse benennen, zu welchen Säulen diese Rolle aus erster Hand spricht und zu welchen nicht“
• „Das Konstrukte-Instrument bildet neun regulatorische Bereiche ab, die das bewertete Instrument nicht abdeckt, ausgewiesen als Diagnostik und Lücken — nie als Wert“

Was wir weiterhin nicht behaupten können

• „Ein höherer E-ARI-Wert sagt den Erfolg von KI-Projekten voraus — keine Ergebnisdaten“
• „Das Instrument ist unabhängig validiert — keine veröffentlichte Validierungsstudie (dafür braucht es 50+ Organisationen und 12 Monate)“
• „Der nachweisgestützte Wert entspricht geprüfter Compliance — er belegt Existenz, nicht Wirksamkeit im Betrieb“

Die Validierungsstudie

Die Datenerhebung für eine Validierungsstudie hat begonnen. Organisationen, die eingewilligt haben, erhalten eine monatliche Momentaufnahme ihrer Werte — selbstberichtet, nachweisgestützt, Abdeckungsanteil, Säulenkarte, Bewertungsversion —, und die Ergebnisseite wird daneben erfasst: selbstberichtete Projekt-, Vorfall- und Prüfereignisse sowie das Treffsicherheits-Register des Compliance-Countdowns, mit den Werten erst zur Analysezeit zusammengeführt. Ein Widerruf löscht die Momentaufnahmen und Ergebnisse einer Organisation. Nichts davon ändert eine Behauptung: Es gibt keine Validitätszahl, und die obige Liste „Was wir weiterhin nicht behaupten können“ bleibt unverändert, bis eine Studie zu diesen Daten veröffentlicht ist. Die Studienbereitschaft wird als Zähler veröffentlicht — Organisationen und Monate —, überall dort, wo diese Methodik offengelegt wird, sodass die noch zurückzulegende Strecke benannt und nicht bloß angedeutet wird.

Diese Grenzen sind tragend. Wenn das Instrument Ergebnisdaten, eine veröffentlichte Validierungsstudie oder die Freigabe einer Prüferin hinter einer Stufe hat, wandert die betreffende Zeile von „können wir nicht“ zu „können wir“ — und nicht früher.

10. Datenschutz, Sicherheit und Umgang mit Daten

10.1 Was wir speichern

10.2 Verschlüsselung

• Bei der Übertragung — TLS 1.3 überall, HSTS-Preload gelistet
• Im Ruhezustand — AES-256 (bereitgestellt durch Supabase und Vercel Blob)
• Passwörter — bcrypt mit Kostenfaktor 12

10.3 Authentifizierung

• E-Mail und Passwort (NextAuth Credentials-Provider)
• Google OAuth (NextAuth Google-Provider)
• SSO (OIDC) im Enterprise-Tarif — eingerichtet mit Ihrem Identitätsanbieter (Okta, Entra ID, Google Workspace, Keycloak). SSO kann noch nicht erzwungen werden; die Anmeldung per Passwort bleibt verfügbar.

Sitzungen verwenden JWT mit HttpOnly-, Secure- und SameSite=Lax-Cookies.

10.4 Datenstandort

Die Rechenleistung ist auf eine EU-Region festgelegt (Vercel, Frankfurt). Die Datenbank läuft auf Supabase (AWS) und liegt derzeit in der AWS-Region us-east-1; eine Migration in eine EU-Region steht auf dem Fahrplan. Wir behaupten heute keinen EU-Datenstandort; die Garantien für Drittlandübermittlungen sind im Auftragsverarbeitungsvertrag beschrieben.

10.5 Löschung von Daten

• Die Kontolöschung erfolgt selbst über /portal/preferences
• Die Löschung ist hart (nicht weich) — innerhalb von 30 Tagen werden alle Kontodaten einschließlich Nachweisdateien, Bewertungen, Grundrechte-Folgenabschätzungen und Protokolle vernichtet
• Die Aufbewahrung des Prüfprotokolls ist davon unabhängig und wird unabhängig vom Kontostatus nach 90 Tagen vernichtet

10.6 DSGVO-Haltung

• Auftragsverarbeitungsvertrag auf Anfrage (hello@e-ari.com)
• Liste der Unterauftragsverarbeiter gepflegt unter /privacy#sub-processors
• Recht auf Löschung wird innerhalb von 30 Tagen erfüllt
• Recht auf Datenübertragbarkeit — vollständiger Kontoexport als JSON über /portal/preferences

10.7 Einsatz von Sprachmodellen Dritter

Wir nutzen mehrere Anbieter von Sprachmodellen (Gemini, GLM, bei NVIDIA gehostete Modelle). Alle Anbieter sind für unseren API-Schlüssel mit Null-Datenaufbewahrung konfiguriert. Wir verwenden keine Kundendaten, um irgendein Modell zu trainieren. Freitexteingaben werden vor dem Senden an einen Sprachmodell-Endpunkt um gängige Muster personenbezogener Daten bereinigt.

11. Tarife und Preise

11.1 Was je Tarif enthalten ist

11.2 Kündigung

Jederzeit kündbar. Der Zugang bleibt bis zum Ende des Abrechnungszeitraums bestehen. Das Konto fällt automatisch auf Starter zurück — Ihre Daten bleiben erhalten, Sie verlieren lediglich den Zugang zu den kostenpflichtigen Funktionen.

12. Für wen das gedacht ist

12.1 Drei Hauptprofile

Die KI-Programmleitung in einem mittelständischen Unternehmen (etwa 500 bis 5.000 Beschäftigte). Berichtet an die Betriebs- oder IT-Leitung. Verantwortet den Fahrplan der KI-Strategie. Braucht E-ARI, um:

• der Geschäftsleitung Fortschritt Quartal für Quartal zu belegen
• Bereitschaftslücken in konkrete Investitionsvorschläge zu übersetzen
• dem Aufsichtsrat zu zeigen, dass das Unternehmen nicht hinter dem Wettbewerb liegt

Die Datenschutzbeauftragte oder Compliance-Leitung in jeder Organisation, die KI in EU-Rechtsräumen einsetzt. Braucht E-ARI, um:

• KI-Systeme automatisch gegen das Gesetz einzustufen
• einen lebendigen Nachweistresor zu führen, der eine Prüfung übersteht
• Grundrechte-Folgenabschätzungen und technische Dokumentationen zu erzeugen, ohne eine Großkanzlei zu mandatieren

Die Innenrevision, die sich auf eine externe Prüfung, eine ISO-42001-Zertifizierung oder die Begutachtung durch eine notifizierte Stelle vorbereitet. Braucht E-ARI, um:

• ein einziges Einreichungspaket mit Prüfsummen zu erzeugen
• Abdeckungstrends über die Zeit zu zeigen (Rate geschlossener Lücken)
• manipulationssichere Protokolle für jede Änderung an einem Artefakt bereitzustellen

12.2 Für wen das nicht gedacht ist

Dazu äußern wir uns ausdrücklich. E-ARI ist nicht das richtige Werkzeug, wenn Sie brauchen:

• ein Modellregister (nutzen Sie MLflow, Weights & Biases oder eine MLOps-Plattform)
• ein allgemeines GRC-Werkzeug über SOC 2, ISO 27001, HIPAA hinweg (nutzen Sie Vanta, Drata, Secureframe)
• Rechtsberatung (E-ARI legt Pflichten offen; es ersetzt keinen Rechtsbeistand)
• Projektmanagement der KI-Umsetzung (nutzen Sie Linear, Jira, Asana)

Je enger der Zuschnitt, desto besser das Werkzeug.

13. Fahrplan

Aktuelle Schwerpunkte (Änderungen vorbehalten):

Der Fahrplan wird auf der Plattform veröffentlicht und monatlich aktualisiert.

14. Glossar

KI-Gesetz — Verordnung (EU) 2024/1689 des Europäischen Parlaments und des Rates zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz. In Kraft getreten am 1. August 2024.

Anhang III — Die Liste der Hochrisiko-Anwendungsfälle, aufgezählt in Anhang III des KI-Gesetzes (Biometrie, Bildung, Beschäftigung, wesentliche Dienste, Strafverfolgung, Migration, Justiz).

Anhang IV — Die Struktur der technischen Dokumentation, die für Hochrisiko-KI-Systeme verlangt wird.

Artikel 5 — Verbietet bestimmte KI-Praktiken: unterschwellige Manipulation, Ausnutzung von Schutzbedürftigkeit, Social Scoring, biometrische Echtzeit-Identifizierung im öffentlichen Raum.

Artikel 27 — Schreibt eine Grundrechte-Folgenabschätzung für Hochrisiko-KI-Systeme vor, die von Behörden oder Betreibern wesentlicher Dienste eingesetzt werden.

Artikel 50–53 — Transparenzpflichten für Systeme mit begrenztem Risiko (Chatbots, Deepfakes, biometrische Kategorisierung, Emotionserkennung).

Konformitätsbewertung — Das Verfahren, mit dem ein Hochrisiko-KI-System die Einhaltung der Anforderungen des KI-Gesetzes nachweist, bevor es auf dem EU-Markt in Verkehr gebracht wird.

Betreiber — Jede natürliche oder juristische Person, Behörde oder Stelle, die ein KI-System in eigener Verantwortung verwendet. Zu unterscheiden vom Anbieter (der Stelle, die das System entwickelt oder entwickeln lässt).

Datenschutz-Folgenabschätzung — Folgenabschätzung nach Artikel 35 DSGVO. Häufig Voraussetzung für eine Grundrechte-Folgenabschätzung.

Grundrechte-Folgenabschätzung — Die Folgenabschätzung nach Artikel 27 des KI-Gesetzes.

KI-Modell mit allgemeinem Verwendungszweck — Basismodell. Unterliegt einem eigenen Pflichtenregime nach den Artikeln 51 bis 55.

Notifizierte Stelle — Eine von einem EU-Mitgliedstaat benannte Stelle, die die Konformität bestimmter Hochrisiko-KI-Systeme bewertet, bevor diese in Verkehr gebracht werden.

Säule — Eine der acht Bereitschaftsdimensionen von E-ARI (Strategie, Daten, Technologie, Talent, Governance, Kultur, Prozesse, Sicherheit).

Pulse-Check — Eine kurze monatliche Bewertung zu den Fragen, die empfindlich auf Abweichungen reagieren.

Einreichungspaket — Der einzelne .zip-Export, der technische Dokumentation nach Anhang IV, Grundrechte-Folgenabschätzung, Nachweise und Manifest bündelt — bereit für eine notifizierte Stelle oder eine Prüferin.

Technische Dokumentation — Das nach Anhang IV für Hochrisiko-KI-Systeme verlangte Dossier. Muss über die gesamte Lebensdauer des Systems aktuell gehalten werden.

Anhang A — Wichtige URLs

Anhang B — Kontakt

E-ARI wird vom E-ARI-Team betrieben. Die Rechenleistung der Anwendung ist auf die EU festgelegt (Vercel, Frankfurt); die Datenbank läuft auf Supabase (AWS, heute us-east-1) mit einer Migration in eine EU-Region auf dem Fahrplan. Dieses Dokument ist maßgeblich zum oben genannten Versionsdatum; die jeweils aktuelle Fassung wird stets unter https://www.e-ari.com/docs/e-ari-handbook.md bereitgestellt.