Definition: KI-Stückliste (AI-BOM)
Eine KI-Stückliste (AI-BOM) ist ein strukturiertes, maschinenlesbares Inventar aller Modelle, Datensätze, Komponenten und Abhängigkeiten eines KI-Systems, damit ein Unternehmen genau nachvollziehen kann, was darin tatsächlich läuft.
Kernmerkmale von KI-Stückliste (AI-BOM)
Eine KI-Stückliste ist zum Abfragen gedacht, nicht nur zum Ablegen. Sie begleitet das System, das sie beschreibt, und wird bei jeder Änderung an Modell, Datensatz oder Abhängigkeit aktualisiert.
- Listet das Basis- oder Foundation Model sowie alle Fine-Tuning-Varianten
- Erfasst Trainings- und Fine-Tuning-Datensätze mit Quelle und Lizenz
- Katalogisiert Drittanbieter-Bibliotheken, APIs und Plugins zur Laufzeit
- Dokumentiert System-Prompts und Versionen der Guardrail-Konfiguration
KI-Stückliste (AI-BOM) vs. Model Card
Eine Modellkarte dokumentiert die Eigenschaften eines einzelnen Modells: Einsatzzweck, Trainingsdaten-Zusammenfassung und bekannte Grenzen. Eine KI-Stückliste liegt eine Ebene höher: Sie inventarisiert jedes Modell, jeden Datensatz und jede Komponente eines gesamten Systems, das mehrere Modelle hinter einer Anwendung kombinieren kann. Eine Model Card beantwortet “was macht dieses Modell”, während eine KI-Stückliste beantwortet “was steckt in diesem System, und woher stammt jeder Bestandteil”.
Bedeutung von KI-Stückliste (AI-BOM) im Enterprise-KI-Umfeld
Unternehmen setzen KI-Systeme zunehmend aus Anbietermodellen, Open-Source-Komponenten und eigenem Fine-Tuning zusammen, wodurch sich die tatsächliche Zusammensetzung eines Produktivsystems im Nachhinein kaum rekonstruieren lässt. Gartner prognostiziert, dass bis 2028 75 % der Unternehmen bei der Beschaffung eine KI-Stückliste von Anbietern verlangen, gegenüber unter 10 % im Jahr 2024.
Methoden und Verfahren für KI-Stückliste (AI-BOM)
Der Aufbau einer KI-Stückliste verbindet Inventardisziplin mit Werkzeugen, die den Datensatz aktuell halten.
Komponenteninventar und Abhängigkeitskartierung
Ausgangspunkt ist die Kartierung jedes Elements, von dem ein System abhängt, bis zur kleinsten Utility-Bibliothek. Teams priorisieren dabei meist Systeme, die als Hochrisiko-KI-System eingestuft sind.
- Basismodelle, Adapter und Fine-Tuning-Checkpoints identifizieren
- Datensätze für Training, Fine-Tuning und Retrieval nachverfolgen
- Drittanbieter-APIs und Orchestrierungs-Frameworks erfassen
Standardisierte BOM-Formate (SPDX, CycloneDX)
Die meisten Unternehmen erweitern bestehende Lieferketten-Standards, statt neue zu erfinden. SPDX und CycloneDX, beide etabliert für Software Bills of Materials, enthalten inzwischen KI-spezifische Profile für Modellkennungen und Datensatzherkunft, wodurch die KI-Stückliste mit bestehenden Werkzeugen kompatibel bleibt.
Automatisierte Erstellung und laufende Aktualisierung
Manuell gepflegte Inventare veralten, sobald ein Modell neu trainiert wird. Ausgereifte Ansätze erzeugen die KI-Stückliste automatisch aus Build-Pipelines und Modellregistern, sodass jede Änderung eine Aktualisierung auslöst, statt sich auf eine manuell gepflegte Tabelle zu verlassen.
Wichtige Kennzahlen für KI-Stückliste (AI-BOM)
Die Steuerung eines KI-Stücklisten-Programms erfordert Kennzahlen für Abdeckung und Aktualität gleichermaßen.
Abdeckungs- und Vollständigkeitskennzahlen
- Produktive KI-Systeme mit aktueller KI-Stückliste: Ziel >95 %
- Komponenten mit verifizierter Herkunft: Ziel >90 %
- Zeit zur Erstellung einer KI-Stückliste für ein neues System: unter 5 Werktage
- Anbietermodelle mit gelieferter KI-Stückliste bei Aufnahme: Ziel >80 %
Strategische Risikokennzahlen
Eine KI-Stückliste sollte die Zeit verkürzen, die nötig ist, um bei einer Schwachstelle zu beantworten, wo eine Komponente eingesetzt wird. IDC berichtet, dass Unternehmen mit ausgereiften Lieferketten-Inventaren komponentenbezogene Sicherheitsvorfälle bis zu 60 % schneller lösen als bei manueller Nachverfolgung.
Audit- und Aktualitätskennzahlen
Eine KI-Stückliste nützt nur, wenn sie aktuell ist. Aktualität wird am besten in Tagen seit der letzten Aktualisierung gemessen, wobei jeder Datensatz, der älter als ein Release-Zyklus ist, vor einer Konformitätsbewertung markiert wird.
Risikofaktoren und Kontrollen bei KI-Stückliste (AI-BOM)
KI-Stücklisten-Programme tragen Risiken, die klassisches Lieferkettenmanagement spiegeln, ergänzt um KI-spezifische Aspekte.
Unvollständige oder veraltete Inventare
Eine KI-Stückliste, die Komponenten übersieht oder veraltet ist, täuscht Transparenz vor, statt sie zu liefern.
- Schatten-Deployments außerhalb des erfassten Registers
- Fine-Tuning-Läufe, die unerfasste Modellvarianten erzeugen
- Datensatz-Updates, die nicht in der erfassten Herkunft auftauchen
Risiken durch Drittanbieter- und Open-Source-Modelle
Viele KI-Systeme hängen von Open-Source-Modellen und Datensätzen ab, deren Lizenzbedingungen oder Pflegestatus unklar sind. Eine KI-Stückliste macht diese Abhängigkeiten sichtbar, sodass Rechts- und Sicherheitsteams das Risiko bewerten können, bevor eine Komponente im Produktivbetrieb zum Problem wird.
Regulatorisches Non-Compliance-Risiko
Die EU-KI-Verordnung verlangt technische Dokumentation für Hochrisiko-Systeme und Transparenzpflichten für Anbieter von Allzweck-KI-Modellen (GPAI). Ohne KI-Stückliste wird das Zusammenstellen dieser Dokumentation unter Prüfungsdruck zur hastigen, fehleranfälligen Aufgabe statt zum routinemäßigen Export.
Praxisbeispiel
Ein 160-Mitarbeiter-Hersteller von Präzisionsinstrumenten in Baden-Württemberg hat ein KI-gestütztes Bildprüfsystem eingeführt, das ein lizenziertes Foundation Model, ein feinabgestimmtes Fehlerklassifizierungsmodell und eine Open-Source-Bibliothek zur Bildvorverarbeitung kombiniert. Da das System als Hochrisiko-System der EU-KI-Verordnung eingestuft wurde, benötigte die Compliance-Abteilung vor der Konformitätsbewertung ein vollständiges Komponentenverzeichnis. Der Aufbau der KI-Stückliste aus Modellregister und CI-Pipeline dauerte unter zwei Wochen und wurde zum Rückgrat der technischen Akte, die der benannten Stelle vorgelegt wurde.
- Vollständige Datensatz- und Modellherkunft auf Anfrage verfügbar
- Schnellere Lieferantenrisikobewertung bei der Beschaffung neuer KI-Tools
- Strukturierte technische Dokumentation für Prüfungen nach der EU-KI-Verordnung
- Schnellere Ursachenanalyse bei der Untersuchung eines KI-Vorfalls
Aktuelle Entwicklungen und Auswirkungen
KI-Stücklisten-Praktiken entwickeln sich von einem Nischenkonzept der Sicherheit zu einer verbreiteten Beschaffungs- und Compliance-Anforderung.
Regulatorische Vorgaben nehmen zu
Dokumentationspflichten der EU-KI-Verordnung und vergleichbarer Regelwerke drängen KI-Stücklisten von der Best Practice zu einer faktischen Anforderung.
- Anbieter von Hochrisiko-Systemen müssen detaillierte technische Dokumentation führen
- Anbieter von GPAI-Modellen unterliegen eigenen Transparenzpflichten
- KI-Vorfallmeldungen verweisen zunehmend auf die KI-Stückliste, um festzustellen, was zum Zeitpunkt eines Vorfalls lief
Annäherung an Software-Lieferkettensicherheit
KI-Stücklisten-Tools nähern sich bestehenden SBOM-Praktiken an, statt eine eigene Disziplin zu bilden, da Sicherheitsteams ihre bestehenden Software-Lieferkettenprozesse auf KI-Komponenten ausweiten.
Anbieter-Tooling reift
KI-Plattform- und MLOps-Anbieter erzeugen KI-Stücklisten zunehmend automatisch als Nebenprodukt von Deployment-Pipelines, was den manuellen Aufwand früherer Ansätze deutlich senkt.
Fazit
Eine KI-Stückliste macht die undurchsichtigen Innereien eines KI-Systems zu einem dokumentierten, prüfbaren Datensatz. Da die Dokumentationspflichten der EU-KI-Verordnung zunehmend greifen und Lieferantenrisikobewertungen zur Standardpraxis in der Beschaffung werden, ist eine aktuelle KI-Stückliste keine Option mehr, sondern Voraussetzung. Unternehmen, die ihre Erstellung automatisieren, vermeiden das hektische Rekonstruieren der Systemzusammensetzung unter Prüfungsdruck. Wer die KI-Stückliste als Routineinfrastruktur behandelt und nicht als einmalige Übung, ist für die nächste Prüfung oder den nächsten Vorfall gerüstet.
Häufig gestellte Fragen
Was ist eine KI-Stückliste?
Ein strukturiertes Inventar aller Modelle, Datensätze, Drittanbieter-Komponenten und Abhängigkeiten eines KI-Systems, das ein nachvollziehbares Bild davon liefert, woraus das System besteht.
Wie unterscheidet sich eine KI-Stückliste von einer Model Card?
Eine Modellkarte dokumentiert Einsatzzweck und Grenzen eines einzelnen Modells. Eine KI-Stückliste erfasst das gesamte System, einschließlich jedes Modells, Datensatzes und jeder Komponente, von der es abhängt.
Verlangt die EU-KI-Verordnung eine KI-Stückliste?
Sie nennt “KI-Stückliste” nicht ausdrücklich, doch ihre Dokumentationspflichten für Hochrisiko-Systeme und Allzweck-KI-Modelle erfordern faktisch den komponentenbezogenen Datensatz, den eine KI-Stückliste liefert.
Lohnt sich eine KI-Stückliste für ein Unternehmen im Mittelstand?
Ja, besonders für Unternehmen, deren KI-Systeme Kundendaten, Beschäftigungsentscheidungen oder Produktionsqualität betreffen, da der Aufwand gering ist gegenüber der Zeit, die spätere Prüfungen einsparen.
Was kostet der Aufbau einer KI-Stückliste?
Der Großteil der Kosten fällt zu Beginn an: die Kartierung bestehender Systeme und die Einbindung der Erstellung in Modellregister oder CI-Pipeline. Laufende Kosten bleiben nach der Automatisierung gering.
Brauchen wir dafür eigene IT-Ressourcen?
Nicht zwingend. Viele Unternehmen starten mit einem externen Partner für den initialen Aufbau und die Automatisierung und übergeben die laufende Pflege anschließend an internes Personal, sobald der Prozess weitgehend eigenständig läuft.
