Zuletzt aktualisiert am:
Quantitative Kennzahlen (z. B. Abweichungen bei der Genauigkeit, Fairness-Scores, Reaktionszeiten bei Vorfällen), die zur Überwachung des Systemzustands, des Risikos und der Compliance-Ziele von KI-Systemen herangezogen werden.
Ein Dashboard-gestütztes Set von Indikatoren – modellspezifisch (Genauigkeit, Latenz), Governance-spezifisch (Prozentsatz der Modelle mit aktuellen Folgenabschätzungen) und organisatorisch (mittlere Zeit bis zur Behebung von Verzerrungen). Die Kennzahlen werden in festgelegten Abständen von Governance-Gremien überprüft und mit strategischen Zielen verknüpft, was datengestützte Entscheidungen über die Ressourcenallokation, Prozessverbesserungen und die Risikopriorisierung ermöglicht.
Praxisbeispiel:
Die KI-Governance-Scorecard eines Technologieunternehmens umfasst KPIs wie: 100 % der Produktionsmodelle verfügen über eine aktuelle Validierung, die durchschnittliche Reaktionszeit bei Vorfällen liegt unter 24 Stunden und monatliche Trends der Fairness-Metriken. Der Datenethikrat überprüft diese Kennzahlen vierteljährlich, um Richtlinienaktualisierungen zu steuern.
