EnaGuard
Zentrale Konzepte, in klarer Sprache
Gespräche über KI-Architektur im Vorstand scheitern oft an einer fehlenden gemeinsamen Sprache. Dieses Glossar erklärt die zentralen Konzepte aus dem Leitfaden und der Website, kein Ingenieursjargon, sondern das Mindestmaß an Begriffen, das Führungskräfte brauchen, um die richtigen Fragen zu stellen.
Grundlegende Konzepte
Ein auf großen Textmengen trainiertes KI-Modell, das Antworten in natürlicher Sprache erzeugen kann. Es ist oft der Ausgangspunkt der Unternehmens-KI-Architektur, stellt für sich allein aber noch keine Unternehmensfähigkeit dar.
Eine Kategorie von KI-Systemen, die neuen Text, Bilder, Audio oder Code erzeugen; im Gegensatz zu klassischen Vorhersage-/Klassifikationsmodellen produzieren sie probabilistische, kreative Ausgaben.
Ein großskaliges Modell, das auf breiten, allgemeinen Daten trainiert und für viele Aufgaben anpassbar ist; die meisten Unternehmensanwendungen nutzen solche Modelle direkt oder passen sie an.
Eine KI-Komponente, die ein Ziel interpretieren, in Teilschritte zerlegen, Unternehmensdatenquellen abfragen, Werkzeuge aufrufen und Transaktionen unter definierten Bedingungen abschließen kann. → Für wen? / Was ist EnaGuard
Eine Architektur, in der mehrere Agenten Aufgaben und Informationen teilen, um zusammenzuarbeiten; sie schafft komplexere Koordinations- und Berechtigungsanforderungen als ein Einzelagentenmodell.
Ein KI-System, das Text-, Bild-, Audio-, Video- und Sensordaten innerhalb desselben Arbeitsablaufs verarbeitet; jeder Datentyp bringt unterschiedliche Anforderungen an Speicherung, Datenschutz und Sicherheit mit sich.
Im Gegensatz zu großen Allzweckmodellen ein kleineres Modell, das trainiert oder angepasst wurde, um in einer bestimmten Aufgabe oder Domäne schnellere, wirtschaftlichere und konsistentere Ergebnisse zu liefern.
Der Prozess, ein Foundation Model weiter zu trainieren, um es an eine bestimmte Aufgabe oder den eigenen Datenbestand eines Unternehmens anzupassen.
Eine Optimierungstechnik, die die numerische Präzision eines Modells reduziert, damit es mit weniger Ressourcen und geringerer Latenz läuft.
Ein KI-Modell, das nahe am Ort der Datenerzeugung läuft (Feldgerät, Fertigungslinie, Fahrzeug, Filiale); es entsteht aus dem Bedarf nach geringer Latenz und Offline-Betrieb.
Künstlich erzeugte Daten mit statistischen Eigenschaften ähnlich realer Daten; einsetzbar für Modelltraining oder -tests, wenn Beschränkungen für sensible Daten gelten.
Architektur & Systemkomponenten
Ein architektonischer Ansatz, der einem Modell erlaubt, relevante Informationen aus Unternehmensquellen abzurufen und bei der Antworterzeugung zu verwenden. → Was ist EnaGuard
Eine Datenbank, die Text in numerische Vektoren umwandelt und darüber eine semantische Ähnlichkeitssuche durchführt; eine Kernkomponente von RAG-Systemen.
Die Neuordnung der von einer ersten Suche zurückgegebenen Kandidaten mithilfe eines stärkeren Modells; beeinflusst direkt die Antwortqualität von RAG.
Der Prozess, ein Dokument vor der Indexierung in kleinere, sinnvolle Abschnitte zu zerlegen; die Chunking-Qualität beeinflusst die Suchgenauigkeit.
Eine Ebene zwischen Anwendungen und Modelldiensten, die Zugriff, Routing, Richtliniendurchsetzung, Kostenkontrolle und Protokollierung zentralisiert. → Was ist EnaGuard
Die Weiterleitung einer Anfrage an das am besten geeignete Modell auf Basis von Anwendungsfall, Datenklasse, Latenzziel oder Kostengrenze.
Ein Integrationsprotokoll, das Modellen und Agenten erlaubt, sich über eine gemeinsame Methode mit Datenquellen und Werkzeugen zu verbinden.
Die Disziplin, Modelle, Prompts, Datensätze und Konfigurationen über Entwicklung, Test, Freigabe und Produktivbetrieb hinweg nachvollziehbar zu verwalten.
Identität, Berechtigung & Agentenkontrolle
Das Prinzip, dass ein Agent oder Nutzer nur die für seine Aufgabe erforderlichen Daten- und Transaktionsrechte besitzen sollte.
Die digitale Identität, die ein Agent oder eine Systemkomponente zum Zugriff auf Unternehmensressourcen nutzt; jeder Agent sollte idealerweise ein eigenes, nachvollziehbares Dienstkonto besitzen.
Zugangsdaten, die nur begrenzt gültig sind und automatisch erneuert werden, statt langlebiger Passwörter oder Schlüssel; das begrenzt die Auswirkung eines Datenlecks.
Ein Designprinzip, das für Aktionen, die eine definierte Risikoschwelle überschreiten, eine menschliche Freigabe verlangt.
Ein Mechanismus, der einen Agenten schnell stoppt und seinen Zugriff entzieht, wenn unerwartetes Verhalten, eine Berechtigungsverletzung oder eine fehlerhafte Entscheidungskette erkannt wird.
Resilienz & Betrieb
Ein Resilienzmuster, das Aufrufe an eine ausfallende Abhängigkeit vorübergehend unterbricht, um zu verhindern, dass sich der Fehler durch das System ausbreitet.
Ein Design, das einen Dienst über ein Sekundärmodell, eine eingeschränkte Funktion oder einen manuellen Prozess fortführen lässt, wenn das primäre Modell oder der Anbieter nicht verfügbar ist.
Der kontrollierte erneute Versuch einer Anfrage nach einem vorübergehenden Fehler; da unkontrollierte Wiederholungen ein Problem verstärken können, braucht es eine zentrale, begrenzte Richtlinie.
Sicherheit & Bedrohungsglossar
Der Versuch, das Modellverhalten über Anweisungen zu manipulieren, die in Nutzereingaben oder verarbeiteten Inhalten wie einem Dokument, einer Webseite, einer E-Mail oder einer Werkzeugausgabe eingebettet sind.
Eine Schutzebene, die die Ein- und Ausgaben eines Modells gegen akzeptable Verhaltensgrenzen prüft.
Unabhängige, gegnerische Tests, die Schwachstellen in einem System aufdecken, bevor ein echter Angreifer es tut.
Die absichtliche Manipulation von Trainingsdaten, Feinabstimmung-Daten oder RAG-Quellen, um das Modellverhalten zu verfälschen.
Das Feld von Angriff und Verteidigung, das gezielt konstruierte Eingaben nutzt, um den Entscheidungsmechanismus eines Modells irrezuführen.
Das Kopieren des Verhaltens eines Modells aus seinen Ausgaben (Extraction) oder das Ableiten von Informationen über seine Trainingsdaten (Inversion); beide bergen Risiken für geistiges Eigentum und Datenschutz.
Mitarbeitende nutzen KI-Werkzeuge von Drittanbietern ohne Wissen oder Genehmigung des Unternehmens; das kann Unternehmensdatenflüsse für das Unternehmen unsichtbar machen.
Daten, die eine Person direkt oder indirekt identifizieren können (z. B. Name, Ausweisnummer oder E-Mail); sie erfordern besonderen Schutz nach DSGVO und vergleichbaren Regelungen.
Sprache der Nachweise & Reife
Eine Fähigkeit, die das Team lediglich als existierend bezeichnet; die stützenden Nachweise sind noch begrenzt.
Die Architektur, Richtlinie, das Verfahren oder der Standard ist definiert; die Umsetzung in den Produktivbetrieb steht möglicherweise noch aus.
Die betreffende Technologie oder Kontrolle ist bereitgestellt und konfiguriert.
Die Fähigkeit wurde unter Normal-, Last-, Ausfall- und Angriffsszenarien validiert.
Ein Fähigkeitsniveau, das durch Protokolle aus dem Produktivbetrieb, Kennzahlen, Testaufzeichnungen und Vorfallsdaten belegt und kontinuierlich überwacht und verbessert wird.
Nicht nur, dass ein KI-System läuft, sondern dass es unter realen Betriebsbedingungen sicher, skalierbar und nachhaltig betrieben werden kann.
Die unabhängige Verifizierung erklärter KI-Architekturfähigkeiten eines Unternehmens auf Basis von Nachweisen durch eine interessenkonfliktfreie Partei. → Was ist EnaGuard
Eine Kontrolle wird als existierend erklärt, aber ihr Umfang, ihre Verantwortlichkeit, ihre Anbindung an den Produktivbetrieb oder ihr Teststatus sind unklar, sodass der tatsächliche Zustand unsichtbar bleibt.
Eine nachweisbasierte Sicht auf Reife, Nachweissicherheit, Umfangsabdeckung, Restrisiko, Ergebnis der Qualitätssicherung und Aussagegrenze; keine einzelne Kennzahl.
Wenn die Person, die einen Nachweis einreicht, und die Person, die ihn prüfen würde, identisch sind, muss ein separater Prüfer zustimmen, bevor der Nachweis zählt; ohne dies sinkt das Vertrauen in das Ergebnis.
Governance, Compliance & Standards
Ein internationaler Standard für ein KI-Managementsystem (AIMS); er soll Unternehmen helfen, KI-Risiken systematisch zu steuern.
Ein internationaler Standard zum KI-Risikomanagement.
Ein freiwilliger KI-Risikomanagement-Rahmen des US-amerikanischen National Institute of Standards and Technology, aufgebaut auf den Funktionen Govern / Map / Measure / Manage.
Eine Open-Source-Sicherheitsforschungsinitiative mit globaler Beteiligung, die sich auf die Sicherheitsrisiken LLM- und agentenbasierter Systeme konzentriert.
Eine kontinuierlich aktualisierte Wissensbasis, die reale Angriffstaktiken und -techniken gegen KI-Systeme zusammenträgt.
Ein von der Cloud Security Alliance entwickelter Cloud- und Sicherheitskontrollrahmen für KI-Systeme.
Die risikobasierte KI-Regulierung der Europäischen Union; sie stellt höhere Anforderungen an Hochrisikosysteme.
Die zentralen Datenschutzregelungen der Europäischen Union und der Türkei; sie prägen unmittelbar, wie KI-Systeme Daten verarbeiten dürfen.
Das Land oder die Region, in der Daten verarbeitet und gespeichert werden; ein architektonischer Parameter, der regulatorische, latenz- und sicherheitsbezogene Entscheidungen unmittelbar prägt.
Bereitstellungsmodelle
Ein Bereitstellungsmodell, in dem KI-Workloads überwiegend auf Cloud-Plattformen laufen, unter relativ flexiblen regulatorischen und Datenbeschränkungen.
Ein Bereitstellungsmodell, in dem ein Teil der Workloads in der Cloud und ein Teil auf interner Infrastruktur läuft, unter eingeschränkter Cloud-Nutzung.
Ein vollständig von externen Netzwerken isoliertes Bereitstellungsmodell, typischerweise gewählt bei hohen Vertraulichkeits- oder Anforderungen an kritische Infrastruktur.
Ein Bereitstellungsmodell, in dem die KI-Infrastruktur im eigenen Rechenzentrum des Unternehmens betrieben wird.
Sie möchten das vollständige Bild, mit den Risiken und Fragen hinter jedem Begriff? Der Leitfaden für Führungskräfte führt durch alles.