EN
FR
IT
العربيةSie setzen KI ein.
Können Sie sie auch verantworten?
Fünf Disziplinen entscheiden, ob Ihr KI-Einsatz belegbar verantwortbar bleibt. Das AI GRC Modul der SwissGRC® Plattform deckt sie vollständig und verbunden ab, vom Use Case bis zur Modellkennzahl.
Wer entscheidet, wer verantwortet, wer prüft
Jeder Use Case und jedes Modell hat eine verantwortliche Person, einen Lebenszyklus und einen Prüfrhythmus. Nichts geht ohne Entscheid, kein Entscheid ohne Spur.
Im Modul ansehen- Governance-Prinzipien und Kontrollen
- Richtlinien und Ethik-Leitlinien
- Rollen und Rechenschaft
- Provider- und Third-Party-Governance
- Lebenszyklus-Management
- Laufende Aufsicht
- Risikobasierte interne KI-Audits
- KI-Kompetenz und Schulung
KI-Risiken bewertet, abgesichert, überwacht
KI-Risiken laufen in denselben Risikokatalog wie Ihre übrigen Unternehmensrisiken, mit denselben Kontrollen, Vorfällen und Massnahmen. Kein Sonderregister, kein Sonderprozess.
Im Modul ansehen- KI-Risiken im Unternehmenskatalog
- Impact- und Risikobewertungen
- Sicherheitskontrollen für KI-Systeme
- Integrität der KI-Modelle
- Resilienz und Business Continuity
- Threat Intelligence und Monitoring
Einmal bewerten, gegenüber jedem Rahmenwerk nachweisen
Ein Use Case, viele Pflichten. Die Plattform zeigt je Anforderung, was erfüllt ist und was offen bleibt. Neue Regulierung heisst neues Mapping, nicht neue Erhebung.
Im Modul ansehen- ISO 42001 Managementsystem
- EU AI Act mit Risikoklassen
- FINMA-Erwartungen
- NIST AI RMF
- OCC Model Risk Management
- SDAIA AI Ethics Principles
- Eigene und proprietäre Rahmenwerke
- Konformitätsbewertungen
Personendaten in KI-Prozessen beherrschbar
Trainings- und Inferenzdaten sind der wunde Punkt jeder KI-Initiative. Folgenabschätzung, Aufbewahrung und Anonymisierung hängen direkt am Use Case und am Modell.
Im Modul ansehen- Datenschutz-Rahmenwerke
- Datenschutz-Folgenabschätzungen
- Datensicherheits-Kontrollen
- Privacy-Kontrollen am Modell
- Data Governance über den Datenfluss
- Aufbewahrung und Anonymisierung
Modellgüte messbar, erklärbar, belegt
Hier trifft Governance auf Data Science. Accuracy und Stabilität mit Schwellenwerten, Bias-Analyse und unabhängige Validierung. Aus einer Kennzahl wird ein Nachweis.
Im Modul ansehen- Transparenz und Rechenschaft
- Erklärbarkeit und Dokumentation
- Performance-Monitoring mit Schwellenwerten
- Fairness- und Bias-Analyse
- Unabhängige Validierung und Kalibrierung
- Modelloptimierung
Vertraut von führenden Organisationen
Von der KI-Liste
zur belegten Governance
Ein Inventar, eine Richtlinie und ein paar Assessments sind schnell aufgesetzt. Den Unterschied macht, ob sie im Betrieb noch stimmen.
Inventar in Tabellen, Nachweise verstreut
Wer KI in Tabellen führt, kennt den Stand von gestern. Klassifizierung, Assessments und Modellkennzahlen liegen in getrennten Welten und finden erst im Audit zusammen.
- Inventar unvollständig, Schatten-KI unentdeckt
- Klassifizierung als Einzelfallentscheid ohne Beleg
- Assessments in Dokumenten, Modellkennzahlen im Fachteam
- Wirksamkeit belegt zum Go-live, nicht im Betrieb
Jede KI-Entscheidung mit Beleg
Use Cases, Modelle und Tools liegen als geführte Objekte im Inventar, mit Klassifizierung, Assessments, Risiken, Kontrollen und Prüfterminen daran. Ein Stand, der jederzeit stimmt.
- Use Cases, Modelle und Tools in einem Lebenszyklus
- Klassifizierung nach EU AI Act, ISO 42001 und NIST AI RMF
- Risiken und Kontrollen am realen Prozess verankert
- Assessments, Audits und Validierungen terminiert und dokumentiert
Vom Use Case bis zur
Modellkennzahl, an einem Ort
Inventarisieren, klassifizieren, bewerten, überwachen. Klicken Sie sich durch die vier Ansichten.
Jeder Anwendungsfall geführt und klassifiziert
Use Case, eingesetzte Tools und Modelle in einem Lebenszyklus von Request bis Inactive. Aus Ihren Angaben leitet die Plattform Risikoklasse, Modellklasse und die daraus folgenden Pflichten ab, je Rahmenwerk sichtbar.
- Lebenszyklus von Request über Review bis Production
- Tools mit Kritikalität, intern oder extern
- Assessment-Bibliothek von GAIRA bis PIA
Risiken und Kontrollen am realen KI-Prozess
Der Use Case wird als Prozessdiagramm modelliert. Modelle, Tools und Datenflüsse tragen die zugehörigen Risiken und Kontrollen an der Stelle, an der sie wirken. Lücken in der Abdeckung fallen sofort auf.
- Modelle, Tools und Datenflüsse im Diagramm
- Risiken und Kontrollen direkt am Prozessschritt
- Verbindung zu Risikomanagement und IKS
Modellgüte als Governance-Kennzahl
Accuracy und Stabilität mit Schwellenwert, Verlauf und Verantwortlichkeit. Aus AuROC, Gini und KS wird ein Wert, der im Gremium trägt, hinterlegt mit Dokumentation und Entscheidungslogik.
- Accuracy- und Stabilitätskennzahlen mit Schwellenwert
- Transparenz, Erklärbarkeit und Modelldokumentation
- Assistent erklärt Kennzahlen im Kontext
Prüfungen terminiert, Historie lückenlos
Assessments, Audits, Validierungen und Kalibrierungen mit Termin und Verantwortlichkeit. Die Historie belegt, wer wann was geprüft hat, ohne dass jemand Belege zusammensuchen muss.
- Fällige Assessments, Audits und Validierungen im Blick
- Vollständige Oversight-Historie je Use Case
- Nachweise auf Knopfdruck für Audit und Aufsicht
Der Aufschub ist kein Freibrief,
sondern Ihr Umsetzungsfenster
Die Transparenzpflichten des EU AI Act gelten seit dem 2. August 2026. Die Pflichten für Hochrisiko-KI wurden auf Dezember 2027 verschoben. Wer jetzt aufbaut, kommt geprüft an und nicht knapp.
Wichtig für die Planung: Die verschobenen Fristen entlasten die Konformitätsbewertung, nicht das Fundament. Inventar, Klassifizierung, Rollen und Nachweisführung braucht es vorher, sonst wird aus einem Aufschub ein Rückstand. Die Fristen im EU AI Act wurden 2026 angepasst, prüfen Sie den für Sie geltenden Stand mit Ihrer Rechtsabteilung.
Einmal erheben,
gegenüber allen nachweisen
Das Modul bringt die führenden Rahmenwerke mit und nimmt Ihre eigenen dazu. Eine Erhebung, viele Nachweise.
EU AI Act
Risikoklassen, Rollen als Anbieter oder Betreiber und die daraus folgenden Pflichten je Use Case.
ISO/IEC 42001
Managementsystem für künstliche Intelligenz, als Struktur für Richtlinien, Kontrollen und Audits.
ISO/IEC 42005
Folgenabschätzung für KI-Systeme, als Methode hinter Ihren Impact-Assessments.
NIST AI RMF
Govern, Map, Measure und Manage als Struktur für die Bewertung und Steuerung von KI-Risiken.
FINMA 08/2024
Erwartungen der Aufsicht an Governance und Risikomanagement beim Einsatz von KI im Finanzsektor.
OCC Model Risk Management
Etablierte Praxis der Modellvalidierung, verbunden mit Ihren Kennzahlen und Kalibrierungen.
SDAIA und MIT AI Risk Repository
Ethikprinzipien und forschungsbasierte Risikotaxonomien für Organisationen mit internationaler Aufstellung.
Eigene Rahmenwerke
Konzernrichtlinien und eigene Taxonomien werden abgebildet und wie jedes andere Rahmenwerk bewertet.
KI verantworten,
ohne sie zu bremsen
Governance, die Tempo zulässt. Das schafft Akzeptanz im Business und Sicherheit im Gremium.
Schatten-KI wird sichtbar
Ein geführter Antragsweg bringt jeden neuen Use Case ins Inventar, statt an der Governance vorbei.
Einmal bewerten, mehrfach nachweisen
Eine Erhebung, viele Rahmenwerke: EU AI Act, ISO 42001, NIST AI RMF und Ihre eigenen Vorgaben aus derselben Basis.
Governance trifft Data Science
Modellkennzahlen, Validierungen und Kalibrierungen liegen dort, wo auch Richtlinien, Risiken und Kontrollen liegen.
Prüfsicher gegenüber Aufsicht und Audit
Klassifizierung, Bewertung, Freigabe und Prüfung sind mit Datum, Person und Beleg hinterlegt.
Kein isoliertes KI-Register
KI-Risiken, Kontrollen und Massnahmen liegen im selben Katalog wie Ihre übrige Governance, statt in einem Silo daneben.
Kein Compliance-Stillstand
Laufende Überwachung ersetzt die punktuelle Freigabe. Drift, Fristen und Abweichungen melden sich selbst.
Wir zeigen Ihnen
das AI GRC Modul live
In einer persönlichen Demo führen wir Sie durch das gesamte Modul: Inventar, Klassifizierung, Assessments, Prozessverankerung, Modellkennzahlen und Nachweisführung. An einem durchgängigen Beispiel aus der Praxis, ohne Vorbereitung auf Ihrer Seite.
