Fehlende Vorgaben für KI-Modellarchivierung und -versionierung
Ohne geregelte Archivierungs- und Versionierungsprozesse für KI-Modelle können Änderungen und Verantwortlichkeiten an Modellen nicht zweifelsfrei nachvollzogen werden.
Kontext
Branche
alle
Prozess
Modellmanagement, IT-Betrieb, Audit
Schutzgut
Nachvollziehbarkeit, Integrität
Ursachen
Fehlende interne Regelungen
unzureichendes Tooling oder mangelndes Bewusstsein für Nachweispflichten bei Modelländerungen.
Auswirkungen
Unklare Verantwortlichkeiten
Verlust von Modellständen
erschwerte Rückverfolgbarkeit bei Vorfällen oder Audits.
Praxisbeispiel
Eine KI-Lösung zur Finanzprognose wird angepasst
alte Modellstände werden überschrieben und sind nicht mehr zugänglich.
Stakeholder
IT
Data Science
Risikomanagement
interne Revision
Maßnahmen
Noch nicht hinterlegt.
Präventive Maßnahmen
Einführung und Verpflichtung zur Nutzung eines Versionsmanagementsystems für alle produktiven KI-Modelle.
Detektive Maßnahmen
Regelmäßige Kontrolle auf lückenlose Nachvollziehbarkeit von Modellversionen.
Korrektive Maßnahmen
Nachträgliche Dokumentation und Versionierung
ggf. Wiederherstellung aus Backups.
Pruefziele
Modelle und deren Änderungen sind eindeutig dokumentiert
versioniert und archiviert.
Auditfragen
Stichprobe von Modelländerungen auf vollständige Archivierungs- und Versionsdokumentation prüfen.
Normbezüge
ISO/IEC 42001
ISO/IEC 27001
Normhinweise
Abgeleitet aus Anforderungen an Nachvollziehbarkeit und Änderungsverfolgung in ISO/IEC 42001 und 27001.