Ein strukturierter Ansatz oder ein Satz von Richtlinien, den Organisationen verwenden, um die Umsetzbarkeit, Messung und Steuerung von Erklärbarkeitspraktiken in ihren KI-Systemen zu implementieren und zu verwalten.
Ein formalisiertes Programm – das häufig aus Richtliniendokumenten, technischen Standards und Prozess-Workflows besteht – das vorgibt, wann und wie Erklärbarkeitstechniken anzuwenden sind, erforderliche Erklärungsformate (z. B. textuell, visuell) definiert, Rollen festlegt (Verantwortliche für Erklärungen, Auditoren) und Kontrollpunkte etabliert (Design-Review, Validierung vor der Bereitstellung, regelmäßige Audits). Es gewährleistet eine konsistente, prüfbare XAI-Bereitstellung im Einklang mit organisatorischen Risikovorgaben und regulatorischen Anforderungen.
Ein Gesundheitsdienstleister führt ein XAI-Framework ein, das vorschreibt: (1) Alle diagnostischen Modelle enthalten lokale Erklärungen für jede Vorhersage; (2) die Erklärungsgenauigkeit muss, gemessen an der Übereinstimmung mit den Ground-Truth-Merkmalseinflüssen, über 90 % liegen; und (3) vierteljährliche XAI-Audits validieren, dass die Erklärungen nach dem erneuten Training der Modelle weiterhin präzise bleiben.
