Vertrauenswürdige KI-Projekte – in 4 Schritten von der Theorie zur Praxis

Christina Meyer, Head of Digital Ethics, Die Schweizerische Post. (Source: zVg)

Christina Meyer, Head of Digital Ethics, Die Schweizerische Post. (Source: zVg)

Bei Responsible AI geht es um mehr als nur um technische Qualität oder Sicherheit von KI-Systemen. Sie fokussiert auf Menschen, gesellschaftliche Auswirkungen und ethische Prinzipien wie Transparenz oder Fairness. Entscheidend ist, dass Organisationen Responsible AI nicht nur deklarieren, sondern konkret in Projekten, Entscheidungen und Prozessen verankern. Folgende vier Schritte helfen dabei.

1. KI-Prinzipien formulieren

Zu Beginn ist eine vertiefte Reflexion zu Werten und zur Haltung relevant: Was ist uns wichtig? Wo sind die roten Linien? Wie gehen wir mit Zielkonflikten um? Hilfreich ist die Formulierung von Prinzipien, auf die man sich immer wieder berufen kann. Dabei ist weniger oft mehr: Statt viele Prinzipien aufzuzählen, braucht es wenige, konkret formulierte Leitplanken. Sich an bestehenden Responsible-AI-Frameworks oder -Kodizes zu orientieren, kann Inspiration liefern, ersetzt aber die eigene Auseinandersetzung nicht.

2. In bestehende Prozesse integrieren 

Prinzipien nützen wenig, wenn sie nur auf dem Papier oder im Intranet stehen. Sie müssen frühzeitig in KI-Vorhaben einfliessen, also dort, wo Zweck und Design der Lösung, die Datengrundlagen und das Modell definiert werden. Sinnvoll ist es, bestehende Prozesse (z. B. Innovations- oder Datenschutzprozesse) dafür zu nutzen, statt komplett neue Abläufe zu schaffen. So kommt das Thema für Projektteams zum richtigen Zeitpunkt auf die Agenda und wird dort berücksichtigt, wo ohnehin Entscheidungen getroffen werden, und das über den Lebenszyklus einer Lösung hinweg. 

3. Prinzipien in Hilfsmittel übersetzen

Hilfsmittel sollen dabei unterstützen, ethische Fragen systematisch zu reflektieren und Risiken sichtbar zu machen. Sie dürfen aber weder zur reinen Checkliste werden noch zu umfassend sein, damit sie nicht abschrecken. Hilfreich sind Leitfragen, die Prinzipien übersetzen: Wer könnte von ungewollten Auswirkungen oder Diskriminierung betroffen sein? Wie wird Transparenz zum KI-Einsatz hergestellt? Wie erfolgt menschliche Kontrolle? Gibt es Wege, mögliche Fehlentscheide zu melden? Fragekataloge können als Einstieg unterstützen; als Begleitmassnahme erweisen sich oft interaktive Workshop-Formate als wertvoll, weil verschiedene Perspektiven einfliessen. Idealerweise werden betroffene Stakeholder direkt einbezogen. Erkenntnisse und Bedenken sollten dokumentiert und mit konkreten Massnahmen und Verantwortlichkeiten verbunden werden. 

4. Kompetenzen aufbauen und Verantwortung übernehmen

Vertrauenswürdige KI entsteht nicht allein durch Technologie und Prozesse, sondern durch Menschen, die Lösungen entwickeln, einsetzen und hinterfragen. Darum sind Befähigung und Awareness im Thema zentral. Ein klares Commitment des Managements zu Responsible AI ist das A und O, um bewusst Ressourcen und Kompetenzen aufzubauen. Nur so können Mitarbeitende die notwendige Verantwortung für das Thema übernehmen.

Vertrauen entsteht dort, wo Verantwortlichkeiten geklärt sind und Entscheidungen nachvollziehbar bleiben. Responsible AI ist deshalb kein zusätzlicher Kontrollmechanismus neben der eigentlichen KI-Arbeit. Sie ist die Basis guter KI-Arbeit. Organisationen, die Verantwortung, Transparenz und menschliche Aufsicht von Anfang an mitdenken, schaffen die Grundlage für nachhaltige Innovation und langfristiges Vertrauen. Mit der zunehmenden Verbreitung von generativer KI und AI Agents wird dies immer mehr zu einem Wettbewerbs- und Erfolgsfaktor.