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.
Nachweise
- Versionshistorie
- Änderungsprotokolle
- Archivsystemberichte.
Nachweistypen
- Dokumentation
- Systemberichte
Kontrollen
- Pflicht zur Nutzung von Versionierungstools
- regelmäßige Stichproben.
Verwandte Risiken
Noch keine Beziehungen hinterlegt.