Wie weit ist die KI-Normung?

Der Artificial Intelligence Act – kurz AI Act – ist die erste umfassende Verordnung der EU zur Regulierung künstlicher Intelligenz. Er soll sicherstellen, dass KI-Systeme innerhalb Europas verantwortungsvoll, sicher und im Einklang mit europäischen Werten eingesetzt werden. Die Verordnung zur KI-Regulierung weist Normen im Bereich der Hochrisiko-KI-Anwendungen eine zentrale Rolle zu. Anforderungen an KI-Systeme, u.a. an Transparenz, Robustheit und Genauigkeit, sollen durch harmonisierte Europäische Normen technisch konkretisiert werden. Eine zentrale Rolle spielt hierbei die Normungsroadmap KI: Sie formuliert Bedarfe für Normen und Standards, die in Umsetzung des AI Acts zu erarbeiten sind. Mehr als 570 Expertinnen und Experten waren bis Ende November 2024 an der Ausarbeitung des Gemeinschaftswerkes beteiligt. Das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) hat das Projekt finanziert. Die Umsetzung der Empfehlungen aus der Roadmap ist nun in vollem Gange.

Neun Schwerpunkte

Die derzeit in Arbeit befindlichen oder bereits abgeschlossenen KI-Normungsprojekte sind neun Schwerpunktthemen zugeordnet, entsprechend der Unterteilung in der Normungsroadmap KI:

• Grundlagen
• Prüfung und Zertifizierung
• Sicherheit
• Soziotechnische Systeme
• Industrielle Automation
• Mobilität
• Medizin
• Finanzdienstleistungen
• Energie und Umwelt

Insbesondere in der industriellen Automation sind Normen und Standards essenziell: Sie fördern die unternehmensübergreifende Interoperabilität und helfen dabei, regulatorische Rahmenbedingungen umzusetzen. Beim Schwerpunktthema Industrielle Automation steht die digitale Transformation des produzierenden Gewerbes mittels KI im Fokus. Eine wichtige Funktion wird dabei der digitalen Abbildung der physischen Realität zugeschrieben, dem digitalen Zwilling. Die Normungsroadmap stellt Herausforderungen im Zusammenhang mit Datenmodellen für den Einsatz von KI in der industriellen Automation dar. Thema ist außerdem, wie Mensch und Maschine interagieren und wie sich KI-Systeme integrieren lassen.

Anzeige

Business Process Solutions
Retarus beschleunigt Datenaustausch in der Produktion

Die Digitalisierungs- und Automatisierungslösungen von Retarus ermöglichen effiziente Abläufe ohne manuellen Aufwand oder Kompromisse bei der Datensouveränität ‣ weiterlesen

Übergeordnete Empfehlungen

Zudem haben die Autorinnen und Autoren im Dokument sechs übergreifende Handlungsempfehlungen formuliert. Diese richten sich an Normung, Forschung und Gesetzgebung und verfolgen eine übergeordnete und langfristige Zielstellung:

• Horizontales Konformitätsbewertungs- und Zertifizierungsprogramm für vertrauenswürdige KI aufsetzen
• Dateninfrastrukturen und -qualitätsstandards zur Entwicklung und Validierung von KI-Systemen aufsetzen
• Den Menschen in allen Phasen des KI-Lebenszyklus als Teil des Systems begreifen
• Vorgaben für die Konformitätsbewertung lernender Systeme im Bereich der Medizin erarbeiten
• Über Best Practices sichere und vertrauenswürdige KI-Anwendungen in der Mobilität entwickeln
• Übergreifende Datenstandards und dynamische Modellierungsverfahren erarbeiten

Großteil erledigt oder in Arbeit

Welchen Status quo haben nun aktuell die Projekte? Von den 122 in der Normungsroadmap gelisteten Handlungsbedarfen richten sich 88 an die Normung, 14 an die Forschung und neun an die Gesetzgebung. Die Umsetzung der 88 Bedarfe im Bereich Normung ist auf einem guten Weg: Ein Großteil der zugehörigen Normungsprojekte ist erledigt oder in den entsprechenden Gremien in Arbeit. So wurden Stand Dezember 2024 bereits 54 Prozent umgesetzt bzw. teilweise umgesetzt. Weitere 29 sind derzeit in Umsetzung, elf Prozent in Vorbereitung. Ein guter Zwischenstand, der veranschaulicht, wie effizient und zügig sich wichtige Normen und Standards für eine sichere und vertrauenswürdige KI ‚Made in Germany‘ realisieren lassen. Ein Nebeneffekt in diesem Zusammenhang: Bei der Umsetzung der Normungsroadmap KI wurden – Stand Dezember 2024 – 346 KI-Fachleute an die Normung herangeführt, davon 85 für die Mitarbeit in Normungsgremien und 261 für die Mitarbeit in Arbeitsgruppen wie DIN SPEC-Gremien, Ad hoc-Gruppen und Anwenderkreisen. Engagieren sich diese Expertinnen und Experten aus Wirtschaft, Wissenschaft, Politik und Zivilgesellschaft auch künftig in der KI-Normungsarbeit, ist das eine nachhaltige Investition in eine sichere und wertebasierte KI aus Deutschland und Europa. Denn zügig im Konsens erarbeitete, markt- und bedarfsgerechte Normen und Standards sind Basis für innovative Systeme, die diese Technologie nutzen.

KI im Engineering

Folgende Beispiele aus dem Bereich der industriellen Automation illustrieren, welche Themen und Normungsbedarfe aus der Normungsroadmap KI umgesetzt wurden. So hatten die Autoren und Autorinnen einen Bedarf für ein Referenzmodell für KI-Engineering ermittelt. Ziel war es, Begriffe und Konzepte sowie deren Zusammenhänge zum System Engineering unter besonderer Berücksichtigung des Einsatzes von KI-Methoden in Subsystemen zu definieren und zu erläutern. Und so für Ingenieurinnen, Informatiker und Datenwissenschaftlerinnen ein gemeinsames Grundverständnis zu schaffen. Dieser Bedarf wurde über mehrere Normen umgesetzt, etwa über die ISO/IEC20546 ‚Informationstechnik – Big Data – Überblick und Begriffe‘ und die ISO/IEC22989 ‚Informationstechnik – künstliche Intelligenz – Konzepte und Terminologie der künstlichen Intelligenz‘.

Von Modellen und Metriken

Ein weiteres Beispiel: Ermittelt wurde ein Bedarf an validierbaren Transformationen von Strukturen und Modellen. Transformationsmechanismen von Werkzeugen und Systemen für den Import und Export von Strukturen und Modellen sollten transparent und überprüfbar sein, um Veränderungen der transformierten Inhalte erkennen zu können sowie Fehlinterpretationen zu vermeiden. Dies wurde über die Normungsprojekte DIN EN ISO/IEC12792 und ISO/IEC TS 8200 realisiert. Ebenso gefragt war eine Definition von Metriken und Methoden, um die Datenqualität u.a. in Machine-Learning-Datenmodellen bewerten zu können. Denn die Datenqualität ist ein entscheidender Faktor, sobald Transaktionen über Datenmodelle ausgeführt werden. Umgesetzt wurde dies über die Norm ISO/IEC5259 ‚Künstliche Intelligenz – Datenqualität für Analytik und maschinelles Lernen (ML) – Teil 2: Datenqualitätsmaßnahmen‘. Weitere KI-Normungsprojekte im Bereich Industrielle Automation sind noch in Umsetzung oder wurden teilweise umgesetzt. Zwei Projekte sind noch unbehandelt, eines ist in Vorbereitung: der Aufbau einer standardisierten Metadatenbeschreibung von KI-Methoden.