Überblick über AI-Typen: Verständnis zur besseren Governance
AI umfasst heute eine breite Vielfalt von Technologien, Modellen und Anwendungsfällen. Diese Pluralität macht ihr Verständnis für Organisationen unerlässlich, um ihre Auswirkungen zu erfassen, damit verbundene Risiken zu identifizieren und geeignete Rahmenbedingungen für Verantwortung und Governance zu definieren.
1. Das AI-System: Die Grundlage des AI-Ökosystems
Bevor die verschiedenen Kategorien von AI im Detail betrachtet werden, ist es notwendig, sich auf das zentrale Konzept zu konzentrieren, um das der gesamte europäische Rahmen aufgebaut ist: das AI-System.
Dies ist der Ankerpunkt des regulatorischen Rahmens, da es den Anwendungsbereich der Anforderungen, Verantwortlichkeiten und Kontrollmechanismen definiert, die durch die Regulierung vorgesehen sind.
Ein AI-System wird als ein maschinenbasiertes System definiert, das so konzipiert ist, dass es mit unterschiedlichem Maß an Autonomie arbeitet und nach der Bereitstellung Anpassungsfähigkeit aufweisen kann. Es leitet aus den Eingaben, die es erhält, ab, wie es Ausgaben wie Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen generiert, die physische oder virtuelle Umgebungen beeinflussen können.
Diese Definition hebt mehrere strukturierende Elemente hervor:
- Automatisierung;
- Das Maß an Autonomie;
- Die Inferenzfähigkeit;
- Die potenziellen Auswirkungen der vom System erzeugten Ausgaben auf physische oder virtuelle Umgebungen.
In der Praxis ist das AI-System das primäre Objekt der Regulierung: Risikoklassifizierung, Compliance-Verpflichtungen, Kontrollen und Sanktionen gelten für es.
2. Das AI-Modell: Die technische Grundlage des Systems
Ein AI-Modell bezieht sich auf eine mathematische oder rechnerische Darstellung, die durch einen Trainingsprozess auf Basis von Daten erhalten wird und zur Durchführung von Inferenz verwendet wird.
Es ermöglicht die Transformation von Eingabedaten in Ausgaben wie Vorhersagen, Klassifikationen, Empfehlungen oder Entscheidungen, gemäß einer erlernten Funktion.
Generell sind AI-Modelle nicht direkt von der AI-Verordnung betroffen, da sie als grundlegende Komponenten von AI-Systemen betrachtet werden. Sie unterliegen spezifischen Vorschriften, wenn sie als allgemeine AI-Modelle klassifiziert werden.
3. Herausforderungen der Governance
Die Unterscheidung zwischen Modell und System ist entscheidend für die Governance von AI. Risiken, Verpflichtungen und Verantwortlichkeiten ergeben sich nicht isoliert aus dem Modell, sondern aus dessen Integration und Nutzung innerhalb eines implementierten Systems sowie aus dem Zweck und Nutzungskontext des Systems.
4. Open Source in AI
Open-Source-AI-Modelle sind Modelle, die unter einer freien und offenen Lizenz veröffentlicht werden und Zugang, Nutzung, Modifikation und Verbreitung des Modells ermöglichen. Die AI-Verordnung erkennt ihre Rolle bei der Innovation an und führt spezifische Verpflichtungen je nach Nutzung und Risikostufe ein.
5. Chatbots: Die konversationale Schnittstelle
Ein Chatbot ist ein AI-System, das darauf ausgelegt ist, ein Gespräch in einem bestimmten Kanal zu simulieren und Informationen, Unterstützung oder einen Dienst bereitzustellen. Sie unterliegen den Verpflichtungen der AI-Verordnung, insbesondere in sensiblen Kontexten, wo sie als Hochrisiko-AI-Systeme klassifiziert werden können.
6. AI-Agenten: Vom Werkzeug zur Autonomie
AI-Agenten sind Systeme, die spezifische Merkmale aufweisen. Sie automatisieren komplexe, kontextualisierte Aufgaben und treffen Entscheidungen, ohne zwingend menschliches Eingreifen zu erfordern.
7. Fazit
Die Vielfalt der AI-Technologien macht ein detailliertes Verständnis der verschiedenen AI-Typen, die innerhalb von Organisationen eingesetzt werden, unverzichtbar. Dieses Inventar ist eine Voraussetzung für jeden effektiven Governance-Ansatz.
Es ermöglicht eine genauere Risikobewertung und die Strukturierung einer kohärenten, dokumentierten und nachhaltigen AI-Governance, die mit Technologien und Anwendungsfällen wachsen kann.
