Technische Dokumentation im Kontext von Künstlicher Intelligenz

Die EU-KI-Verordnung gibt spezifische Anforderungen vor, welche Inhalte eine technische Dokumentation umfassen muss. Diese Inhalte können je nach Anwendungsbereich variieren, weisen jedoch folgende allgemeine Schwerpunkte auf:

• Ziel und Zweck des AI-Systems.

• Überblick über die Architektur, Funktionsweise und Einsatzumgebung.

• Beschreibung der Hauptfunktionen und Anwendungsbereiche.

• Herkunft der Trainingsdaten, einschließlich Datenquellen und -qualität.

• Maßnahmen zur Sicherstellung der Datenrepräsentativität und -freiheit von Verzerrungen (Bias).

• Mechanismen zur Datenanonymisierung und Einhaltung der DSGVO.

• Verfahren zur kontinuierlichen Überwachung und Aktualisierung der Daten.

• Beschreibung der Algorithmen und Modelle, einschließlich ihrer mathematischen Grundlagen.

• Erklärbarkeit der Entscheidungsprozesse, z. B. durch Modellvisualisierungen oder Erklärungsmethoden (Explainable AI, XAI).

• Angaben zu Hyperparametern und Modellarchitekturen.

• Identifizierung potenzieller Risiken für Sicherheit, Gesundheit und Grundrechte.

• Maßnahmen zur Risikominderung, z. B. durch Fail-Safe-Mechanismen.

• Ergebnisse von Tests und Validierungen.

• Dokumentation der Trainingsergebnisse, einschließlich Genauigkeit, Robustheit und Fehlerraten.

• Ergebnisse von Simulationen und Szenariotests.

• Mechanismen zur Überwachung der Leistung im Betrieb (Post-Market Monitoring).

• Schutz vor Cyberangriffen und unbefugtem Zugriff.

• Mechanismen zur Gewährleistung der Systemsicherheit im Betrieb.

• Protokolle für Sicherheitsupdates.

• Erfüllung der Anforderungen der KI-Verordnung, der DSGVO und anderer relevanter Vorschriften.

• Nachweise der Konformitätsbewertung durch benannte Stellen (bei hochrisiko-KI-Systemen).

• Beschreibung der CE-Kennzeichnung und anderer Zertifikate.

Im Facility Management (FM) gewinnt die technische Dokumentation von KI-Systemen besondere Bedeutung, da diese häufig in sicherheitskritischen und datensensitiven Bereichen eingesetzt werden.

• Dokumentation der verwendeten biometrischen Daten und Algorithmen (z. B. Gesichtserkennung).

• Beschreibung der Datenschutzmechanismen zur Vermeidung unbefugter Zugriffe.

• Darstellung der Maßnahmen zur Fehlerreduktion (z. B. bei der Erkennung von berechtigten Personen).

• Beschreibung der KI-Modelle, die für die Steuerung von Klima-, Beleuchtungs- oder Sicherheitssystemen verwendet werden.

• Nachweise zur Energieeffizienz und Optimierungsalgorithmen.

• Dokumentation der Interoperabilität mit anderen Gebäudesystemen.

• Beschreibung der Modelle, die auf Sensordaten basieren und Wartungsbedarf vorhersagen.

• Nachweise zur Verlässlichkeit der Vorhersagen und Minimierung von Fehlalarmen.

• Dokumentation von Testprotokollen und Wartungsplänen.

• Darstellung der Algorithmen zur Analyse von Gebäudedaten (z. B. Belegungsplänen) und Optimierung von Reinigungsprozessen.

• Nachweise der Einhaltung von Hygienevorschriften und Effizienzsteigerung.

• Komplexität der Systeme: Die zunehmende Komplexität von KI-Modellen, insbesondere bei tiefen neuronalen Netzen, erschwert die Erklärung und Dokumentation ihrer Funktionsweise.

• Regulatorische Vielfalt: Verschiedene Vorschriften und Standards (z. B. DSGVO, ISO 27001, AI Act) stellen unterschiedliche Anforderungen an die Dokumentation.

• Datenherkunft und -qualität: Die Nachvollziehbarkeit und Qualitätssicherung von Trainingsdaten ist oft herausfordernd, insbesondere bei heterogenen Datenquellen.

• Interdisziplinäre Anforderungen: Die technische Dokumentation muss sowohl technische Details für Fachleute als auch verständliche Informationen für Regulierungsbehörden und Endnutzer enthalten.

• Dynamische Weiterentwicklung: KI-Systeme entwickeln sich kontinuierlich weiter, was eine regelmäßige Aktualisierung der Dokumentation erforderlich macht.

• Standardisierung: Nutzung etablierter Dokumentationsstandards wie ISO/IEC 15504 (Software-Prozesse) oder ISO 9001 (Qualitätsmanagement).

• Modularer Aufbau: Aufteilung der Dokumentation in klar strukturierte Abschnitte, die spezifische Anforderungen adressieren.

• Transparente Sprache: Vermeidung von Fachjargon und Nutzung klarer, nachvollziehbarer Beschreibungen.

• Kontinuierliche Überprüfung: Regelmäßige Updates der Dokumentation, um Änderungen im System oder regulatorischen Anforderungen zu berücksichtigen.

• Integration von Visualisierungen: Einsatz von Diagrammen, Flussdiagrammen und Grafiken zur Veranschaulichung komplexer Prozesse.

Sie schafft Transparenz, ermöglicht die Einhaltung regulatorischer Anforderungen und stärkt das Vertrauen in die Technologie. Insbesondere im Facility Management dient sie als Grundlage für die Zertifizierung, den sicheren Betrieb und die kontinuierliche Weiterentwicklung von KI-Anwendungen. Unternehmen, die eine umfassende und präzise Dokumentation erstellen, positionieren sich als vertrauenswürdige Anbieter und leisten einen entscheidenden Beitrag zur sicheren und effizienten Nutzung von AI.