# 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 1.1 · September 2026* --- ## Vorwort Die meisten Werkzeuge für KI-Governance 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 ein einziges lebendiges Register zu überführen, in dem Systeme, Pflichten, Nachweise und geprüfte Maßnahmen 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 — das Register, das Ihre KI-Systeme einstuft und ihnen die geltenden Pflichten zuordnet, die Nachweise und geprüften Maßnahmen, die sie stützen, die Exporte, die ein Prüfer verifizieren kann, die Überwachung, die nach neuen Lücken schaut, sowie die Bereitschaftsbewertung und die KI-Agenten, die die Organisationspraxis diagnostizieren. 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](#1-was-e-ari-ist) 2. [Das Problem, das wir lösen](#2-das-problem-das-wir-lsen) 3. [Wie E-ARI aufgebaut ist](#3-wie-e-ari-aufgebaut-ist) 4. [Der Governance-Arbeitsbereich](#4-der-governance-arbeitsbereich) 5. [Laufende Überwachung](#5-laufende-berwachung) 6. [Die Bereitschaftsbewertung](#6-die-bereitschaftsbewertung) 7. [Die KI-Agenten](#7-die-ki-agenten) 8. [Der Nutzerweg](#8-der-nutzerweg) 9. [Methodik und Bewertung](#9-methodik-und-bewertung) - [Unsere Methodik, ehrlich dargelegt](#unsere-methodik-ehrlich-dargelegt) 10. [Datenschutz, Sicherheit und Umgang mit Daten](#10-datenschutz-sicherheit-und-umgang-mit-daten) 11. [Tarife und Preise](#11-tarife-und-preise) 12. [Für wen das gedacht ist](#12-fr-wen-das-gedacht-ist) 13. [Fahrplan](#13-fahrplan) 14. [Glossar](#14-glossar) --- ## 1. Was E-ARI ist E-ARI (der Name stand ursprünglich für **Enterprise AI Readiness Index**) ist eine Plattform für KI-Governance und Nachweise, gebaut rund um das EU-KI-Gesetz. Sie hilft einer Organisation, fünf Fragen der Reihe nach zu beantworten: | Frage | Antwort von E-ARI | |---|---| | **Welche KI-Systeme betreiben wir, und wie sind sie eingestuft?** | Ein Register mit einer regelbasiert entschiedenen Risikoeinstufung je System (Artikel 5 / 6 / 7 + Anhang III). | | **Welche Pflichten gelten für jedes System?** | Eine Pflichtenliste je System, abgegrenzt nach Risikostufe und Betreiberrolle. | | **Haben wir die Nachweise, um das zu belegen?** | Ein typisierter Nachweistresor mit automatischer Klauselextraktion, der jeden Nachweis den Pflichten zuordnet, die er stützt. | | **Wer behebt was, und ist es geprüft?** | Verbesserungsmaßnahmen mit verantwortlicher Person, Fälligkeit, verknüpften Nachweisen und einem Prüfschritt. | | **Kann ein Prüfer den Datensatz verifizieren?** | Versiegelte Exporte mit signierten Manifesten, die ein unabhängiger Verifizierer prüfen kann. | Neben dem Register diagnostiziert eine Bereitschaftsbewertung über 8 Säulen, verglichen mit Ihrer Branche, die Organisationspraxis; die wöchentliche Compliance-Zusammenfassung, das Regulierungs-Änderungsprotokoll und Erinnerungen vor Attestierungsfristen halten den Datensatz aktuell. Das Ergebnis ist kein einmaliges PDF: Systeme, Pflichten, Nachweise, geprüfte Maßnahmen, Grundrechte-Folgenabschätzungen, technische Dokumentationen und Bereitschaftswerte bleiben versioniert und exportierbar. --- ## 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 | Versagensmuster | Wie es aussieht | Was es Sie kostet | |---|---|---| | **Reifegradmodelle in Tabellen** | Vier Farben auf einem Tabellenblatt, jedes Quartal zwischen Teams kopiert. | Keine Versionierung, keine Belastbarkeit, keine Verbindung zu echten Nachweisen. | | **Beratungsprojekte der großen Häuser** | Ein 200-seitiger Bericht, der an dem Tag zutrifft, an dem er ausgeliefert wird. | Hohe Kosten, geringe Taktung — bis die nächste Bewertung läuft, hat sich die Regulierungslandschaft weiterbewegt. | | **Allgemeine GRC-Plattformen** | Compliance-Module mit einem angeschraubten allgemeinen „KI“-Häkchen. | Keine native Behandlung der Grundrechte-Folgenabschätzung (Artikel 27) oder der technischen Dokumentation nach Anhang IV. Kein Risikoklassifizierer. Keine Nachweiszuordnung auf Klauselebene. | ### 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. Jedes registrierte System wird regelbasiert eingestuft, und seine Pflichten ergeben sich aus dieser Einstufung. 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 rund um einen einzigen Datensatz gebaut. Jede Schicht hat ihr eigenes Datenmodell und ihre eigenen Oberflächen, und alle lesen und schreiben dasselbe Register. | Schicht | Name | Bestandteile | |---|---|---| | **04** | **Laufende Überwachung** | Lückenradar · Regulierungs-Änderungsprotokoll · Attestierungskalender · Wöchentliche Zusammenfassungen | | **03** | **Datensätze und Ergebnisse** | Generator für Grundrechte-Folgenabschätzungen · Generator für technische Dokumentationen · Einreichungspaket · Versiegelte, prüfbare Exporte · Governance-Berichte | | **02** | **Nachweise und Maßnahmen** | Nachweistresor · Klauselextraktion · Kontrollen · Maßnahmen mit geprüften Entscheidungen · KI-Ausgaben | | **01** | **KI-Systemregister** | Register · Regelbasierter Risikoklassifizierer · Geltende Pflichten | Neben den Schichten diagnostizieren die **Bereitschaftsbewertung** (8 Säulen, 40 Fragen), die Pulse-Checks und die KI-Agenten die Organisationspraxis. Die Registrierung setzt keine Bewertung voraus; ein System kann optional mit einer abgeschlossenen Bewertung verknüpft werden. --- ## 4. Der Governance-Arbeitsbereich Das ist der Kern von E-ARI: der Datensatz, nach dem eine Aufsichtsbehörde, ein Kunde oder Ihre eigene Innenrevision fragen wird. Der Governance-Arbeitsbereich bildet Ihre KI-Systeme auf das **EU-KI-Gesetz** ab und erzeugt die Artefakte, die jede geltende Pflicht stützen. ### 4.1 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 - **Inventarprofil** — die Art des Systems (Assistent, KI-Funktion, Modell, Agent), seine Lebenszyklusphase, das betreibende Team, die Daten, mit denen es arbeitet, und ihre Herkunft; bei einem Agenten, wie weit er selbstständig handelt und worauf er zugreift (§4.16) Der Tarif Kostenlos registriert bis zu 3 KI-Systeme und Pro bis zu 25; Enterprise hat keine Obergrenze. ### 4.2 Der Risikoklassifizierer Für jedes registrierte System läuft ein Klassifizierer gegen die Risikosystematik des Gesetzes: | Risikoklasse | Auslöser | Was wir erzeugen | |---|---|---| | **Verboten** (Art. 5) | Unterschwellige oder ausbeuterische Praktiken, Social Scoring, biometrische Echtzeit-Identifizierung im öffentlichen Raum | Handlungsanweisung zur Unterlassung samt zitierter Artikel | | **Hochrisiko** (Art. 6 + Anhang III) | Sicherheitsbauteile, Biometrie, Bildung, Beschäftigung, wesentliche Dienste, Strafverfolgung usw. | Vollständige technische Dokumentation nach Anhang IV + Grundrechte-Folgenabschätzung + Plan zur Beobachtung nach dem Inverkehrbringen | | **Begrenztes Risiko** (Art. 50 / 52 / 53) | Chatbots, Deepfakes, Emotionserkennung, biometrische Kategorisierung | Paket für Transparenzpflichten (Hinweisvorlagen, Offenlegungstexte) | | **Minimales Risiko** | Alles Übrige | Schlanke Pflichtenliste (Kompetenz, freiwillige Selbstverpflichtung) | 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). ### 4.3 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. ### 4.4 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. ### 4.5 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. ### 4.6 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 ### 4.7 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 --- ### 4.8 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 (§4.1), wobei der Anbieter im Modul für Anbieterrisiken automatisch angelegt wird — von dort greift die übliche Pipeline: Risikoeinstufung, Pflichten, Nachweise. ### 4.9 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. ### 4.10 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. ### 4.11 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. ### 4.12 Öffentliche API Die API ist Teil des Enterprise-Tarifs, mit Lese- und 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`. ### 4.13 Maßnahmen und geprüfte Entscheidungen Governance-Arbeit braucht eine verantwortliche Person und einen Nachweis dessen, was entschieden wurde. Eine Maßnahme kann aus einer Bewertungsfrage, einer Pflicht oder Kontrolle an einem System, einem Nachweis, einem Vertrag oder einem Vorfall entstehen. Jede Quelle hat einen stabilen Schlüssel: Wer sie zweimal anlegt, öffnet dieselbe Maßnahme, nie ein Duplikat. Eine Maßnahme hat eine zuständige Person, ein Fälligkeitsdatum, ihre stützenden Nachweise und ein Ergebnis; ist die Arbeit eingereicht, prüft sie ein Inhaber oder Admin. Jede abgeschlossene Prüfung fügt einen Datensatz hinzu, der nie überschrieben wird: die Entscheidung der Person und ihre Begründung, getrennt von der Empfehlung des Systems, mit der prüfenden Person, der Regelversion, einem Schnappschuss der Quelle, den Nachweisreferenzen und ihren Hashes sowie dem Datum der nächsten Prüfung. Vertragsentscheidungen und akzeptierte Risiken müssen dieses Datum setzen. Eine durch Nachweise gestützte Prüfung kann einen gespeicherten Pflichtbefund schließen; die Akzeptanz eines Risikos tut das nicht, und keine von beiden ändert die deterministische Abdeckung oder die rechtliche Einstufung. Eine Entscheidung ist nur so gut wie die Fakten, auf denen sie beruht. Ändern sie sich (Kosten, Verantwortliche oder Verknüpfungen eines Vertrags, der Zustand des Anbieters, der Governance-Kontext des Systems, die Nachweise oder ihre Aktualität, das Nutzungsband, die aktuelle Empfehlung), gilt die Entscheidung sofort als prüfungsbedürftig, und der tägliche Compliance-Überwachungslauf öffnet dieselbe Maßnahme erneut. Ein umbenannter Datensatz oder ein neuerer Beobachtungszeitpunkt macht eine Entscheidung für sich allein nicht ungültig. Die Übersicht und die wöchentliche Zusammenfassung beginnen mit kritischen Befunden, überfälliger Arbeit und Entscheidungen, die erneut geprüft werden müssen. ### 4.14 KI-Ausgaben und Einführungsentscheidungen KI-Ausgaben (Pro und Enterprise) ist ein Register der KI-Verträge, die Sie bezahlen: das Werkzeug, seine Kategorie, die Abrechnung pro Lizenz oder nach Nutzung, die Jahreskosten, die Währung, das Verlängerungsdatum, die Kündigungsfrist, die verantwortliche Person, der Anbieter und die Systeme, die darauf laufen. Für jeden Vertrag beantwortet es eine Frage: behalten, kündigen, zuerst in Ordnung bringen oder zwischen zwei Werkzeugen wählen, die dieselbe Aufgabe erfüllen. Die Governance-Antwort steht an erster Stelle: Eine verbotene Nutzung, ein nicht eingestuftes System oder ein fehlender Auftragsverarbeitungsvertrag erscheint über der Lizenzzahl. Die Zahlen bleiben nachvollziehbar. Die Kosten pro aktiver Person sind die Jahreskosten geteilt durch die Personen, die der Nutzungsexport des Anbieters selbst zählt; nichts wird zwischen Währungen umgerechnet und nichts hochgerechnet. Nutzungsimporte speichern Zählungen pro Zeitraum, nie pro Person: Personen werden über eine stabile ID oder E-Mail-Adresse dedupliziert, danach werden die Kennungen verworfen. Aggregierte Zeilen verlangen die ausdrückliche Bestätigung, dass die Gruppen verschiedene Personen umfassen, ein zweiter Import derselben Datei ändert nichts, und das Ersetzen eines überschneidenden Berichts verlangt eine Bestätigung und bewahrt den alten als ersetzten Verlauf. Veraltete oder unmögliche Nutzungsdaten ergeben weder Kosten pro Nutzer noch Zahlen zu ungenutzten Lizenzen. Die Regeln empfehlen, ein Mensch entscheidet. Die Entscheidung wird als geprüfte Entscheidung (§4.13) mit einer Notiz und dem Datum der nächsten Prüfung festgehalten. Erinnerungen fallen auf das Verlängerungsdatum abzüglich der erfassten Kündigungsfrist. Ist die Kündigungsfrist unbekannt, wird stattdessen das Verlängerungsdatum verwendet und als unbestätigt gekennzeichnet. ### 4.15 Governance-Berichte Berichte (`/portal/reports`) erfassen den gesamten Arbeitsbereich so, wie er gerade ist, unabhängig von jeder Bewertung. Ein einziger Governance-Bericht dient der Leitung, und nummerierte Quellenverweise, die jeweils auf den Datensatz verlinken, aus dem sie stammen, stützen die Nachverfolgung im Audit. Er umfasst die Punkte, die Aufmerksamkeit brauchen, das Systeminventar mit den Verantwortlichen, das Governance-Programm (Governance-Gremien und die Prüfung vor der Inbetriebnahme, die KI-Richtlinie und ihre Bestätigungen, das Risikoregister, Folgenabschätzungen und, sobald erfasst, die Erklärung zur Anwendbarkeit nach ISO/IEC 42001), die vorläufige Pflichtenabdeckung, die Absicherung von Nachweisen und Prüfungen, Maßnahmen und Entscheidungen, die im gewählten Zeitraum erfassten Beobachtungen, das Anbieter- und Vertragsrisiko sowie den Kontext gespeicherter Bewertungen. Er enthält keinen von einem Modell geschriebenen Text und keinen zusammengesetzten Governance-Score. Ein Bericht ist eine Momentaufnahme des aktuellen Zustands, keine Rekonstruktion der Vergangenheit: Das Datum des Aktivitätszeitraums filtert nur erfasste Überwachungsbeobachtungen. Der erfasste Inhalt wird mit seinem SHA-256-Hash gespeichert, der ihn identifiziert, aber keine unabhängige Signatur ist; die versiegelten Systemexporte bleiben das spezialisierte Nachweisergebnis. Jeder Bericht wird mit dem vorherigen Bericht derselben Ausgabe verglichen. Die geteilte Ausgabe lässt Vertragskosten und interne Vertragsbegründungen weg; die eingeschränkte Ausgabe enthält sie, und nur Inhaber und Admins können sie öffnen. Jede Person, die den Arbeitsbereich bearbeiten kann, kann einen Bericht erstellen. Das Erstellen verbraucht das monatliche Berichtskontingent (§11.1), das Herunterladen eines gespeicherten Berichts nicht. Ein Bericht beginnt als Entwurf. Ein Inhaber oder Admin schließt ihn nach dem Lesen mit einer verpflichtenden Notiz ab; das ursprüngliche Entwurfs-PDF bleibt erhalten, und spätere Änderungen erfordern eine neue Version. Der Abschluss ist weder eine behördliche Zertifizierung noch eine Freigabe der Entscheidungen im Bericht. Der Berichtsinhalt ist vorerst auf Englisch; die Bedienelemente darum folgen Ihrer Sprache. ### 4.16 Das Inventarprofil Ein Register, das ein System nennt, aber nicht sagt, was es ist, wo es steht oder womit es arbeitet, beantwortet die Fragen nicht, für die man ein Inventar führt. Jedes System kann seine Art erfassen (ein Assistent oder Chatbot, eine KI-Funktion in einem Produkt, ein Modell, das die Organisation trainiert oder betreibt, oder ein Agent, der handelt), seine Lebenszyklusphase (geplant, Pilot, im Betrieb, außer Betrieb), das Team oder den Geschäftsbereich, der es betreibt, die Datenkategorien, mit denen es arbeitet (besondere Kategorien, biometrische Daten, Daten von Kindern, personenbezogene Daten, Beschäftigtendaten, vertrauliche Geschäftsdaten oder nur öffentliche Informationen), und woher die Daten kommen. Für einen Agenten hält es zudem fest, wie weit er selbstständig handelt, was er tun kann und worauf er zugreift. Keines dieser Felder ändert die Einstufung nach der KI-Verordnung, die Zweck, Beschreibung, Branche und betroffene Personen liest; eine Änderung macht eine Einstufung daher nie vorläufig. Sie fließen in die Prüfung vor der Inbetriebnahme, die Datenregeln der Richtlinie und die Erklärung nach ISO/IEC 42001 ein, und das Register lässt sich nach Agenten, personenbezogenen Daten und Systemen im Betrieb filtern. Das Profil gehört in jedem Tarif zum Register. ### 4.17 Governance-Struktur und die Prüfung vor der Inbetriebnahme Governance (Pro und Enterprise) hält fest, wer entscheidet. Governance-Gremien — ein Ausschuss, ein Board, eine benannte Gruppe — haben ein Mandat, einen Sitzungsrhythmus, Mitglieder und die Entscheidungen, die ihnen zustehen (Freigaben für den Betrieb, Risikoakzeptanz, die KI-Richtlinie, Werkzeuganfragen). Mitglieder brauchen kein Konto: Inhaber oder Admins erfassen die Entscheidung eines Gremiums in dessen Namen, und der Datensatz nennt, wer sie erfasst hat. Jedes System nennt eine verantwortliche Person, die Person, die es im Einsatz beaufsichtigt (Art. 14; Art. 26 Abs. 2 für Betreiber), und die Stelle, die den Betrieb freigibt. Die Prüfung vor der Inbetriebnahme legt fest, was erfüllt sein muss, bevor ein System in Betrieb geht. Jeder Punkt liest einen Datensatz, den das Produkt bereits führt: eine benannte verantwortliche Person, zugewiesene menschliche Aufsicht, eine nicht vorläufige Einstufung, keine offenen kritischen Lücken, eine abgeschlossene Grundrechte-Folgenabschätzung (FRIA) und technische Dokumentation, wo die Pflichten-Engine sie anwendet, eine abgeschlossene Folgenabschätzung, ein Risikoregister ohne hohes oder kritisches Risiko ohne Behandlung, eine veröffentlichte KI-Richtlinie und eine Freigabe. Die Organisation wählt, welche Punkte erforderlich sind, und kann eigene Prüfpunkte ergänzen, die eine Person je System bestätigt. Die Prüfung ist standardmäßig empfehlend; verbindlich gemacht, verweigert das Register den Wechsel in den Betrieb, bis die erforderlichen Punkte erfüllt sind, und nennt die fehlenden. Die Freigabe ist eine geprüfte Entscheidung (§4.13). Sie hält die Liste so fest, wie sie stand, und veraltet, sobald sich etwas daran ändert — wie jede andere geprüfte Entscheidung. ### 4.18 Die KI-Richtlinie Die KI-Richtlinie (Pro und Enterprise) umfasst die Regeln, nach denen Beschäftigte arbeiten: welche Werkzeuge wofür freigegeben sind, welche Information jedes höchstens sehen darf, was je nach Informationsklasse in KI-Werkzeuge darf, was nie erlaubt ist (einschließlich der nach Art. 5 verbotenen Praktiken), wie KI-Ergebnisse geprüft und gekennzeichnet werden, welche Schulung zur KI-Kompetenz verlangt wird, wer neue Werkzeuge freigibt und wie Bedenken gemeldet werden. Die Organisation trifft jede Entscheidung in einem Entwurf; E-ARI schreibt daraus das Dokument auf Englisch, Französisch, Portugiesisch, Spanisch oder Deutsch. Die Vorlage schreibt Sätze; sie entscheidet keine Regel. Die Veröffentlichung friert den gespeicherten Entwurf als nächste Version ein: den gerenderten Text und einen SHA-256 darüber, mit Veröffentlichungsvermerk und Überprüfungsdatum. Eine veröffentlichte Version ändert sich nie; eine Änderung ist eine neue Version. Personen im Team erhalten einen persönlichen Link, 30 Tage gültig und ohne Konto, um die Version zu lesen und die Kenntnisnahme zu bestätigen. Jede Bestätigung nennt die gelesene Version und trägt einen schlüsselbasierten Digest; wird während des Lesens eine neuere Version veröffentlicht, wird die Bestätigung abgelehnt und die Person liest die neue. Jede Person mit Mitgliedsplatz kann ein Werkzeug anfragen, das die Richtlinie nicht freigibt; die Anfrage wird als geprüfte Entscheidung entschieden, und eine Freigabe fügt das Werkzeug dem Entwurf hinzu, nicht dem veröffentlichten Text. ### 4.19 Risikoregister und Folgenabschätzungen Das Risikoregister (Pro und Enterprise) hält fest, was mit jedem System schiefgehen könnte. Eine Person bewertet Wahrscheinlichkeit und Auswirkung von 1 bis 5; die Stufe ist das Produkt aus beiden, eingeteilt nach festen Schwellen, die neben jedem Wert stehen (1–4 niedrig, 5–9 mittel, 10–15 hoch, 16–25 kritisch). Jedes Risiko hat eine Kategorie, eine Behandlung (mindern, akzeptieren, übertragen oder vermeiden), einen Behandlungsplan, eine optionale Bewertung nach der Behandlung, eine verantwortliche Person und ein Prüfdatum. Ein Risiko zu akzeptieren oder zu bestätigen, dass die Behandlung gewirkt hat, ist eine geprüfte Entscheidung, und ein entschiedenes Risiko, das neu bewertet oder anders behandelt wird, öffnet sich wieder. Das Register zeigt alle Risiken, den höchsten aktuellen Wert zuerst, mit einer 5 × 5-Karte vor und nach der Behandlung. Die Folgenabschätzung deckt jedes System ab, wie es ISO/IEC 42001 A.5 verlangt: wen das System betrifft, wie es Einzelne und Gruppen treffen könnte, seine weiteren gesellschaftlichen Folgen, wie schwer, wie verbreitet und wie umkehrbar die Folgen wären, wie man es beaufsichtigen oder widersprechen kann und was vorgesehen ist. Die Antworten schreibt eine Person; das Produkt bewertet sie nicht und zieht keine Schlüsse daraus. Der Abschluss hält fest, wer sie abgeschlossen hat und wann sie wieder geprüft wird; eine spätere Änderung macht sie wieder zum Entwurf. Für ein Hochrisiko-KI-System, das eine Grundrechte-Folgenabschätzung nach Art. 27 schuldet, bleibt die FRIA (§4.4) der rechtliche Nachweis. ### 4.20 Die Erklärung zur Anwendbarkeit nach ISO/IEC 42001 Die Erklärung zur Anwendbarkeit (Enterprise) listet die 38 Maßnahmen aus Anhang A der ISO/IEC 42001, nach Zielen gruppiert. Für jede hält die Organisation fest, ob sie gilt — mit der Begründung, die Abschnitt 6.1.3 verlangt, wenn nicht —, wie weit sie umgesetzt ist und wie sie erfüllt wird. E-ARI setzt diesen Status nie. Neben jeder Maßnahme listet es die Datensätze des Arbeitsbereichs, die sie betreffen (die veröffentlichte Richtlinie und ihr Überprüfungsdatum, Governance-Gremien, verantwortliche Personen und Aufsicht, Folgenabschätzungen, geschulte Beschäftigte, Freigaben für den Betrieb, Risiken, Vorfälle, Anbieterbewertungen und -verträge) als Zählwerte mit Verweis auf ihre Quelle, dazu die Nachweise, die unter den zugeordneten Artefakttypen abgelegt sind. Eine Maßnahme ohne etwas dahinter ist in E-ARI nicht belegt — das ist nicht dasselbe wie nicht umgesetzt. Die Erklärung lässt sich als CSV exportieren. Über eine Zertifizierung entscheidet eine akkreditierte Zertifizierungsstelle; die Zuordnung von Datensätzen zu Maßnahmen stammt von E-ARI. ## 5. Laufende Überwachung Compliance ist kein Projekt. Sie ist ein Prozess, der immer weiterläuft. ### 5.1 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. ### 5.2 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](https://www.e-ari.com/regulatory-changelog), 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 (§5.4) deckt nicht erfüllte Kontrollen, ausstehende Nachweise und fällige Attestierungen ab. ### 5.3 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. ### 5.4 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`. --- ## 6. Die Bereitschaftsbewertung Die Bereitschaftsbewertung ist eine unterstützende Diagnose der Organisationspraxis. Die Registrierung von Systemen setzt sie nicht voraus, und weder ihr Score noch ihre Bereitschaftsstufe ist eine Compliance-Feststellung. ### 6.1 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. | # | Säule | Gewicht | Was sie misst | |---|---|---|---| | 1 | **Strategie und Vision** | 15 % | Formale KI-Strategie, Rückhalt in der Geschäftsleitung, ROI-Messung, mehrjähriger Fahrplan. | | 2 | **Daten und Infrastruktur** | 15 % | Datenqualität, Zugänglichkeit, Governance, Reife von ETL/MLOps, Rechenleistung. | | 3 | **Technologie und Werkzeuge** | 12 % | ML-Plattformen, Werkzeuge für den Modelllebenszyklus, Anbietervielfalt, Cloud-Architektur. | | 4 | **Talent und Kompetenzen** | 13 % | Einstellungspipeline, interne Weiterbildung, Rollendefinitionen, Nachfolgeplanung. | | 5 | **Governance und Ethik** | 15 % | Ethikgremien, Vollständigkeit der Richtlinien, Prüfung auf Verzerrungen, Verantwortlichkeit. | | 6 | **Kultur und Wandel** | 10 % | Psychologie der Einführung, Veränderungsmanagement, Kommunikation, Umgang mit Widerstand. | | 7 | **Prozesse und Betrieb** | 10 % | Einbindung in Arbeitsabläufe, Prozessumgestaltung, Rückkopplungsschleifen, SLA-Management. | | 8 | **Sicherheit und Compliance** | 10 % | Modellsicherheit, Datenschutzkontrollen, regulatorische Ausrichtung, Prüfbereitschaft. | Jede Säule enthält genau **5 Fragen** auf einer Likert-Skala (1–5). Insgesamt 40 Fragen. Mittlere Bearbeitungszeit: etwa 15 Minuten. ### 6.2 Reifegradstufen Nach der Gewichtung wird der Gesamtwert (0–100) einer von vier Stufen zugeordnet: | Stufe | Bereich | Deutung | |---|---|---| | **Nachzügler** | 0–25 | Minimale Grundlagen. KI-Initiativen sind ad hoc oder nicht vorhanden. | | **Mitläufer** | 26–50 | Bereitschaft im Frühstadium. Einzelne Initiativen, aber ohne Zusammenhalt oder Ausrichtung. | | **Verfolger** | 51–75 | Fortschreitende Bereitschaft. Grundlagen stehen, Investitionen laufen. | | **Schrittmacher** | 76–100 | Fortgeschrittene Bereitschaft. Gut aufgestellt für KI-getriebene Wettbewerbsvorteile. | Die Stufen sind bewusst breiter als ein Perzentil — sie sollen *Verhalten* steuern (wo investiert wird), keine Eitelkeitskennzahlen bedienen. ### 6.3 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. --- ## 7. Die 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: | Stufe | Agenten | Modus | Rolle | |---|---|---|---| | **1** | Bewertung | Sequenziell · läuft zuerst | Deterministische Arithmetik — erzeugt die numerische Grundlinie | | **2** | Insight + Discovery | Parallel | Laufen gleichzeitig, da sich ihre Eingaben nicht überschneiden | | **3** | Bericht | Sequenziell · fügt zusammen | Verbindet die Ausgaben der Stufen 1–2 zum Führungsdokument | | **4** | Literacy | Sequenziell · adaptiv | Personalisiertes Curriculum auf Basis der schwächsten Säulen | | **—** | Assistenz | Auf Abruf | Interaktiver Dialog, verfügbar nach der Pipeline | ### 7.1 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. ### 7.2 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. ### 7.3 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. ### 7.4 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. ### 7.5 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. ### 7.6 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 --- ## 8. Der Nutzerweg Die Übersicht in Ihrem Portal folgt diesen vier Schritten und zeigt zuerst die nächste Maßnahme. ### Schritt 1 — Registrieren Beginnen Sie mit einem KI-System, das Sie tatsächlich nutzen; der Shadow-AI-Scan findet Werkzeuge, die niemand gemeldet hat. Der regelbasierte Klassifizierer legt die Risikostufe jedes Systems und die geltenden Pflichten fest. Die Registrierung setzt keine Bereitschaftsbewertung voraus. ### Schritt 2 — Steuern Prüfen Sie Einstufungen, verknüpfen Sie Nachweise mit den Pflichten, die sie stützen, und schließen Sie die Verbesserungsmaßnahmen ab, die zu Ihren Systemen erfasst sind. Die Kontrollen zeigen jede Pflicht als belegt, fehlgeschlagen oder ohne Nachweis. ### Schritt 3 — Bewerten Beantworten Sie die 40 Fragen der Bereitschaftsbewertung für einen Score und eine Reifegradstufe über 8 Säulen — eine Diagnose der Organisationspraxis, deren Prioritäten zu Verbesserungsmaßnahmen werden. ### Schritt 4 — Pflegen Prüfen Sie Systeme, Nachweise und Bereitschaft regelmäßig. Verfolgen Sie das Regulierungs-Änderungsprotokoll und den Attestierungskalender, exportieren Sie versiegelte Datensätze, die ein Prüfer verifizieren kann, und führen Sie zwischen Bewertungen Pulse-Checks durch. --- ## 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. | Regel | Auslöser | Wirkung | Warum | |---|---|---|---| | R1 | Governance < 30 | Technologie × 0,70 | Reife Werkzeuge ohne Governance sind unkontrolliertes Risiko, keine Fähigkeit. | | R2 | Daten < 30 | Strategie × 0,85 | Strategie ohne Datenfundament ist Absichtserklärung, nicht Betrieb. | | R3 | Sicherheit < 30 | Technologie × 0,85 | Einsatzfähige Modelle ohne Kontrollen sind eine Haftung. | | R4 | Talent < 25 | Strategie × 0,90 | Ehrgeiz, der die interne Kapazität übersteigt, wird nicht ausgeliefert. | | R5 | Governance < 35 *und* Sicherheit < 35 | Prozesse × 0,85 | Industrialisierte KI ohne Kontrollen häuft Vorfälle im großen Maßstab. | | R6 | Kultur < 30 | Prozesse × 0,92 | Veränderungsresistente Kulturen können KI-Gewinne nicht operationalisieren. | 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. | Branche | Betonte Säulen (×) | Zurückgenommene Säulen (×) | |---|---|---| | Gesundheitswesen | Governance ×1,35 · Sicherheit ×1,25 · Daten ×1,20 | Technologie ×0,90 · Kultur ×0,90 | | Finanzwesen | Governance ×1,30 · Sicherheit ×1,25 · Daten ×1,20 | Kultur ×0,85 · Talent ×0,90 | | Fertigung | Prozesse ×1,30 · Daten ×1,20 · Technologie ×1,15 | Kultur ×0,85 · Talent ×0,90 | | Handel | Daten ×1,30 · Prozesse ×1,20 · Technologie ×1,10 | Governance ×0,90 · Talent ×0,95 | | Technologie | Technologie ×1,25 · Talent ×1,20 · Strategie ×1,10 | Governance ×0,90 · Sicherheit ×0,95 | | Öffentlicher Sektor | Governance ×1,35 · Sicherheit ×1,25 · Daten ×1,10 | Talent ×0,90 · Kultur ×0,90 | | Energie | Sicherheit ×1,30 · Daten ×1,20 · Prozesse ×1,15 | Talent ×0,90 · Kultur ×0,90 | | Bildung | Governance ×1,25 · Kultur ×1,20 · Sicherheit ×1,10 | Prozesse ×0,95 · Technologie ×0,95 | 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. | ID | Muster | Auslöser | Warum es zählt | |---|---|---|---| | **P-01** | Schatten-IT-Risiko | Hohe Technologieeinführung + niedriger Governance-Boden | Der schnellste Weg zu einer Feststellung der Nichtkonformität nach dem EU-KI-Gesetz. | | **P-02** | Die Ehrgeizlücke | Hoher strategischer Ehrgeiz + brüchiges Daten- und Governance-Fundament | Leuchtturmvorhaben bleiben im Monat 9 bis 12 im Pilotstadium stecken. | | **P-03** | Pilot-Fegefeuer | Hohe Experimentierfreude + niedrige MLOps-Reife | Piloten bleiben in der Demo stecken, wenn Werkzeuge da sind, aber der Prozess zur Operationalisierung fehlt — und die Lust auf den nächsten Versuch sinkt mit jedem, der steckenbleibt. | | **P-04** | Compliance-Klippe | `(governance_5 + governance_3 + security_5 ≤ 6)` UND `(technology_3 ≥ 4 ∨ process_4 ≥ 4 ∨ technology_3 + process_4 ≥ 2)` | Die Kompetenzpflicht des Artikels 4 bindet heute, was immer Sie einsetzen; die Hochrisiko-Pflichten für eigenständige Systeme nach Anhang III gelten ab dem 2. Dezember 2027, und eine Grundrechte-Folgenabschätzung samt technischer Dokumentation braucht Quartale. Kritisch, wenn echte Fähigkeit in genau diese Lücke hinein eingesetzt wird. | | **P-05** | Talent-Strategie-Missverhältnis | Hoher KI-Ehrgeiz + geringes internes Talentangebot | Fahrpläne verrutschen und externe Ausgaben wachsen, um die Lücke zu decken; jeder verpasste Termin kauft eine weitere externe Kraft statt der internen Fähigkeit, die ihn verhindert hätte. | | **P-06** | Verzerrungs-Blindstelle | Hohe Einsatzreife + geringe Fairness und Transparenz | Ein Verzerrungsvorfall dieser Form wird von außen entdeckt statt von innen, weil nichts darauf achtet — dasselbe Problem, von einer Kundin oder einer Behörde gemeldet, liest sich als Aufsichtsversagen nach Artikel 14. | | **P-07** | Führungsentkopplung | Starke operative Fähigkeit + geringer Rückhalt in der Leitung | Fähigkeit ohne Rückhalt zersplittert; KI-Fachkräfte gehen binnen 18 Monaten. | | **P-08** | Prozess-zuerst-Missverhältnis | Hohe Prozessreife + schwache Datenschicht | Disziplinierte Teams industrialisieren die falschen Ergebnisse im großen Maßstab. | 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. 1. **Nachweisgestützt** — Antworten mit Artefakten im Tresor — belegte Existenz, eine Untergrenze der tatsächlichen Bereitschaft. 1. **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 | Kategorie | Beispiele | Wo | |---|---|---| | Kontodaten | Name, E-Mail, Organisation, Rolle, Passwort-Hash | PostgreSQL (Supabase) | | Bewertungsantworten | Likert-Antworten, Freitext-Erläuterungen | PostgreSQL | | Metadaten zu KI-Systemen | Systemname, Zweck, Branche, Einstufung | PostgreSQL | | Nachweisdokumente | Hochgeladene Dateien (Datenschutz-Folgenabschätzungen, Verträge, Model Cards) | Vercel Blob (privat) | | Erzeugte Artefakte | Grundrechte-Folgenabschätzungen, technische Dokumentationen, Berichte | PostgreSQL + Vercel Blob | | Protokolle | Compliance-Prüfprotokoll, Nutzeraktionen | PostgreSQL mit 90 Tagen Aufbewahrung | | Zahlung | Kunden-ID, Abonnementstufe | Stripe (wir speichern nie Kartennummern) | ### 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 - Geschäftliche E-Mail-Adresse und Passwort (NextAuth Credentials-Provider). Private Postfachadressen wie Gmail, Outlook.com oder Yahoo werden bei Registrierung, Anmeldung und Team-Einladung abgelehnt. - SSO (OIDC) im Enterprise-Tarif — eingerichtet mit Ihrem Identitätsanbieter (Okta, Entra ID, Google Workspace, Keycloak). Ist SSO erzwungen, wird die Anmeldung per Passwort abgelehnt und Nicht-SSO-Sitzungen enden, auch wenn der Identitätsanbieter nicht erreichbar oder nicht registriert ist; nur ein Betreiber, der die Erzwingung abschaltet, stellt den Passwortzugang wieder her. - Keine Anmeldung über Verbraucherkonten (Google, GitHub, X). 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 eu-central-2, Zürich); die Schweiz ist kein EU-Mitgliedstaat, verfügt aber über einen Angemessenheitsbeschluss der Europäischen Kommission. Der Standard-Modellanbieter verarbeitet Daten in China, und weitere Unterauftragsverarbeiter arbeiten in ihren eigenen Regionen (siehe `/security#subprocessors`); einen ausschließlichen EU-Datenstandort behaupten wir daher nicht. 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 veröffentlicht unter `/data-processing` - Verzeichnis der Unterauftragsverarbeiter gepflegt unter `/security#subprocessors` - 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 Standard-Modellanbieter der Plattform ist DeepSeek, das Daten in China verarbeitet; für China besteht kein Angemessenheitsbeschluss der Europäischen Kommission, daher sind die Übermittlungsgarantien zu prüfen. Modellgestützte Funktionen sind Textgenerierung, Klauselextraktion aus hochgeladenen Nachweisen, Compliance-Entwürfe und Organisationsanreicherung; Reifegrad-Scoring und regelbasierte Risikoklassifizierung verwenden kein Sprachmodell. Aufbewahrungs- und Trainingsbedingungen richten sich nach den API-Bedingungen des Anbieters: E-ARI behauptet keine ausgehandelten Zusagen zu Aufbewahrungs- oder Trainingsverzicht und trainiert keine eigenen Modelle mit Kundendaten. Nachweistext, der zur Klauselextraktion gesendet wird, durchläuft zuvor eine Schwärzung personenbezogener Daten per regulärem Ausdruck. --- ## 11. Tarife und Preise | Tarif | Preis | Am besten geeignet für | |---|---|---| | **Kostenlos** | 0 € | Systeme registrieren und die geltenden Pflichten sehen | | **Pro** | 299 €/Monat oder 2.990 €/Jahr (17 % sparen) | Systeme steuern: Nachweise, FRIA und technische Dokumentation, prüfbare Aufzeichnungen | | **Enterprise** | Ab 20.000 €/Jahr, vertraglich vereinbart | Im großen Maßstab automatisieren: API, Konnektoren, SSO und keine Limits | ### 11.1 Was je Tarif enthalten ist | Fähigkeit | Kostenlos | Pro | Enterprise | |---|---|---|---| | KI-Systeme | 3 | 25 | Unbegrenzt | | Nutzer mit Anmeldung | 2 | 10 | Unbegrenzt | | Personen in der Schulung zur KI-Kompetenz (Artikel 4) | 5 | 250 | Unbegrenzt | | KI-Systemregister + regelbasierte Klassifizierung | ✓ | ✓ | ✓ | | Pflichten | Welche gelten, mit dem Artikel | Vollständiges Register, mit Lücken und Maßnahmen | Vollständiges Register, mit Lücken und Maßnahmen | | Nachweis-Tresor | 10 Dateien | Unbegrenzt | Unbegrenzt | | FRIA, technische Dokumentation, Lückenanalyse + Einreichungspaket | — | ✓ | ✓ | | Versiegelte, prüfbare Exporte | — | ✓ | ✓ | | Verbesserungsmaßnahmen mit Prüfung | ✓ | ✓ | ✓ | | Unternehmensweiter Artikel-4-Bericht zur KI-Kompetenz | — | ✓ | ✓ | | Shadow-AI-Discovery (CSV-Importe) | — | Unbegrenzt | Unbegrenzt | | Lieferanten-Risikofragebögen | — | 25 | Unbegrenzt | | KI-Ausgaben und Einführungsentscheidungen | — | ✓ | ✓ | | Governance-Gremien und Prüfung vor der Inbetriebnahme | — | ✓ | ✓ | | KI-Richtlinie, veröffentlicht und bestätigt | — | ✓ | ✓ | | Risikoregister und Folgenabschätzungen | — | ✓ | ✓ | | Erklärung zur Anwendbarkeit nach ISO/IEC 42001 | — | — | ✓ | | Bereitschaftsbewertungen pro Monat | 1 | 20 | Unbegrenzt | | Pulse-Checks pro Monat | 3 | 50 | Unbegrenzt | | Berichte | 1 PDF pro Monat | Unbegrenzt, PDF und Word | Unbegrenzt + eigenes Branding | | API-Zugriff (Lesen und Schreiben) | — | — | ✓ | | Nachweis-Konnektoren | — | — | Early Access | | SSO (OIDC) | — | — | ✓ | | Support | Community | E-Mail (48 Std.) | Feste Betreuung, Audit-Unterstützung + SLA | Auf der Roadmap und noch nicht verfügbar: SCIM-Provisionierung, Multi-Entity-Workspaces, eigene Kontrollen und Frameworks sowie kontinuierliche Nachweiserfassung. ### 11.2 Kündigung Jederzeit kündbar. Der Zugang bleibt bis zum Ende des Abrechnungszeitraums bestehen. Das Konto fällt automatisch auf den Tarif Kostenlos zurück — Ihre Daten bleiben erhalten, Sie verlieren lediglich den Zugang zu den Pro-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): | Quartal | Thema | Höhepunkte | |---|---|---| | **Q2 2026** | Konnektor-Ökosystem — ausgeliefert | Nachweis-Konnektoren für Slack, Jira, Confluence, Notion, GitHub, Google Drive, Microsoft 365, ServiceNow, Entra ID und Okta, mit Reifegrad je Konnektor | | **Q3 2026** | Ausrichtung an ISO 42001 — ausgeliefert | Querzuordnung der Pflichten des KI-Gesetzes zu Kontrollen der ISO/IEC 42001 und des NIST AI RMF, in beide Richtungen | | **Q4 2026** | Mehrere Rechtsräume | Britischer KI-Regulierungsrahmen, US-Präsidialerlass, NYC-AEDT-Compliance | | **Q1 2027** | Abläufe mit notifizierten Stellen | Vorlagen zur Vor-Konformitätsbewertung, automatisierte Pakete für den Austausch mit notifizierten Stellen | 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 | Oberfläche | URL | |---|---| | Marketing-Website | `https://www.e-ari.com` | | Preise | `https://www.e-ari.com/pricing` | | Anmelden | `https://www.e-ari.com/auth/login` | | Portal | `https://www.e-ari.com/portal` | | Anwendungsfälle (Compliance) | `https://www.e-ari.com/portal/use-cases` | | Nachweistresor | `https://www.e-ari.com/portal/evidence` | | Datenschutzerklärung | `https://www.e-ari.com/privacy` | | Nutzungsbedingungen | `https://www.e-ari.com/terms` | | Status und Systemzustand | `https://www.e-ari.com/api/health` | ## Anhang B — Kontakt | Thema | E-Mail | |---|---| | Allgemeine Fragen | `hello@e-ari.com` | | Vertrieb / Enterprise | `sales@e-ari.com` | | Datenschutz / DSB | `privacy@e-ari.com` | | Meldung von Sicherheitslücken | `security@e-ari.com` | | Support | `support@e-ari.com` | --- *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 eu-central-2, Zürich). 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.*