Research
Neue Forschungserkenntnisse, technologische Entwicklungen, Angriffstechniken, Innovationen und Lessons Learned
AAM-008
Continuous AI
Assurance
Wie stellen Sie sicher, dass Ihre AI auch morgen noch vertrauenswürdig ist?
Eine Assurance-Bewertung gilt immer für einen bestimmten Kontext und einen bestimmten Zeitpunkt. Wenn Modelle, Daten, Systeme, Bedrohungen oder Verantwortlichkeiten sich verändern, verändert sich auch die Grundlage, auf der Vertrauen beruht.
Continuous AI Assurance erkennt solche Veränderungen und stellt die relevanten Fragen erneut. Neue Evidence kann Vertrauen stärken – sie kann aber ebenso bekannte Limitierungen verändern oder bisher unbekannte Unsicherheit sichtbar machen. So bleibt die Grundlage für Vertrauen überprüfbar und lernfähig.
Continuous AI Assurance besprechen →01
Warum
AI bleibt nicht stehen. Neue Modelle, Datenquellen, Bedrohungen, regulatorische Anforderungen oder organisatorische Veränderungen können Annahmen verändern, auf denen eine frühere Bewertung beruhte.
Mehr Evidence bedeutet dabei nicht automatisch weniger Unsicherheit. Manchmal zeigt neue Evidence erst, was wir bisher nicht wussten. Continuous AI Assurance geht deshalb über AI- und Model Monitoring hinaus: Sie macht sichtbar, ob beobachtete Veränderungen bestehende Evidence, Annahmen oder frühere Assurance-Schlussfolgerungen erneut zur Prüfung stellen. So werden relevante Fragen rechtzeitig erneut gestellt.
Trustworthy AI ist kein Endzustand.
02
Was
Fünf Dimensionen bleiben in Bewegung.
Security
Neue Bedrohungen, Schwachstellen, Red-Team-Erkenntnisse, Architekturänderungen, Identitäten und Supply Chain
Governance
Organisatorische Veränderungen, Richtlinien, Rollen, Human Oversight und regulatorische Anforderungen
Quality
Modell- und Datenqualität, Monitoring, Drift Detection und kontinuierliche Verbesserung
People
Schulung, Awareness, Akzeptanz, neue AI-Anwendungsfälle und organisatorische Veränderungen
03
Wie
Continuous AI Assurance verbindet eine belastbare Baseline mit wiederkehrender Beobachtung und gezielten Reassessments. Vertieft wird dort, wo Veränderungen bestehende Annahmen berühren oder neue Evidence benötigt wird.
Baseline
Aktuellen AI-Assurance-Status und gewünschten Zielzustand festhalten
Review
Veränderungen in AI-Landschaft, Governance und Betrieb regelmässig bewerten
Observe
Relevante Veränderungen in Technologie, Bedrohungslage, Organisation, Regulierung und Research erkennen
Reassess
Bei relevanten Veränderungen gezielte Reviews oder Assessments auslösen
Improve
Erkenntnisse mit Management priorisieren und Roadmap sowie Massnahmen aktualisieren
04
Wissen
Continuous Assurance schafft kein statisches Zertifikat, sondern aktuelle Orientierung:
Wie sich der AI-Assurance-Status und die Reife Ihrer Organisation über die Zeit entwickeln
Welche technologischen, organisatorischen oder regulatorischen Veränderungen die bestehende Vertrauensgrundlage beeinflussen
Welche neuen Risiken, Schwachstellen oder Unsicherheiten frühzeitig Aufmerksamkeit benötigen
Wo Governance, Security, Quality, People oder Research neu bewertet werden sollten
Welche Massnahmen und vertiefenden AAM-Module aufgrund neuer Evidence sinnvoll sind
Typische ErgebnisseContinuous AI Assurance ReportAssurance BaselineEvidence ChangesReassessment FindingsAktualisierte PrioritätenAssurance Roadmap
05
scip AG
AI Assurance ist für uns kein einmaliges Assessment.
scip verbindet kontinuierliche Research, Cybersecurity, Governance und praktische Bewertung über den gesamten Lebenszyklus von AI. Dadurch können wir neue technologische Entwicklungen, Angriffstechniken, organisatorische Veränderungen und regulatorische Anforderungen früh einordnen und ihre Bedeutung für bestehende Systeme hinterfragen.
Unser Ziel ist nicht, Vertrauen einmal nachzuweisen. Wir unterstützen Organisationen dabei, die Grundlagen ihres Vertrauens aktuell zu halten, neue Evidence einzuordnen und bei relevanten Veränderungen die richtigen Fragen erneut zu stellen.
Continuous
Research
Lifecycle
06
Umblick
AAM ist kein linearer Prozess. Je nach Kontext können weitere Fragen relevant werden und unterschiedliche Capabilities gezielt eingesetzt werden.
AAM-002Ist Ihre AI-Architektur langfristig tragfähig?Architecture ReviewAAM-003Hält Ihre AI realistischen Angriffen stand?AI Red TeamAAM-004Sind Verantwortung und Steuerung für AI wirksam organisiert?Governance & Operating ModelAAM-005Können Sie Ihrer AI begründet vertrauen?Trustworthy AI AssessmentAAM-006Können Sie nachvollziehen, wie Ihre AI Entscheidungen beeinflusst?Decision Security
07
Insights
Unsere Research betrachtet Trust als dynamisch: Neue Evidence kann Wissen verändern, Limitierungen sichtbar machen und neue Unsicherheit erzeugen. Deshalb muss auch Assurance lernfähig bleiben.
Acht Fragen auf dem Weg zu Trustworthy AI – Vertrauen ist keine Phase →ISO/IEC 5338:2023 — AI System Life Cycle Processes →AI Assurance & Trustworthy AI →ISO/IEC 42005:2025 — AI System Impact Assessment →On Trust in AI – A Systemic Approach →08
Trust is not a state.
It must evolve with reality.
AI verändert sich. Ihr Umfeld verändert sich. Die Grundlage für Vertrauen muss deshalb überprüfbar und lernfähig bleiben.
Mit scip besprechen →