Research
Innovationsreife, Dokumentation, Wissensmanagement und kontinuierliche Weiterentwicklung
AAM-005
Trustworthy AI
Assessment
Können Sie Ihrer AI begründet vertrauen?
Vertrauen in AI entsteht nicht durch Leistungsfähigkeit, Compliance oder gute Absichten allein. Es benötigt nachvollziehbare Gründe – über Technologie, Organisation und Menschen hinweg.
Das Trustworthy AI Assessment untersucht, worauf dieses Vertrauen tatsächlich basiert. Wir führen vorhandene Evidence, bekannte Limitierungen, Unsicherheiten, Governance und wirksame Controls zu einem nachvollziehbaren Trust Profile zusammen. So wird sichtbar, welche Annahmen belastbar begründet sind – und wo weitere Evidence benötigt wird.
Trustworthy AI Assessment besprechen →01
Warum
AI-Systeme beeinflussen zunehmend Geschäftsprozesse, Interaktionen und Entscheidungen. Je grösser dieser Einfluss wird, desto wichtiger wird die Frage, ob eine Lösung nicht nur leistungsfähig, sondern auch sicher, nachvollziehbar, verantwortungsvoll und langfristig tragfähig eingesetzt werden kann.
Einzelne technische Tests oder Governance-Massnahmen beantworten diese Frage nur teilweise. Das Trustworthy AI Assessment verbindet unterschiedliche Perspektiven und macht sichtbar, worauf bestehendes Vertrauen tatsächlich basiert – und wo Annahmen noch nicht ausreichend belegt sind.
Vertrauen ist stärker, wenn seine Grundlage sichtbar ist.
02
Was
Fünf Dimensionen. Eine ganzheitliche Sicht auf Vertrauenswürdigkeit.
People
Human-AI Interaction, Transparenz, Kompetenz, Human Oversight und organisatorische Einbettung
Quality
Daten- und Modellqualität, Robustheit, Reproduzierbarkeit, Monitoring und Verbesserung
Governance
Verantwortlichkeiten, Human Oversight, Policies, Nachvollziehbarkeit und Risikoakzeptanz
Security
AI Security, Identitäten, Datenflüsse, Zugriffsschutz und Resilienz
03
Wie
Wir definieren Kontext und Scope, analysieren vorhandene Evidence und beziehen relevante Stakeholder ein. Anschliessend machen wir sichtbar, worauf Vertrauen heute basiert, welche bekannten Limitierungen und Unsicherheiten bestehen und wo zusätzliche Evidence benötigt wird.
Scope
AI-Systeme, Kontext, Ziele und Bewertungsumfang gemeinsam definieren
Evidence
Dokumentation, Architektur, Prozesse und bestehende Ergebnisse analysieren
Engage
Stakeholder einbeziehen und den praktischen Einsatz verstehen
Assess
Research, People, Quality, Governance und Security ganzheitlich bewerten
Challenge
Ergebnisse diskutieren, Annahmen hinterfragen und Verbesserungen priorisieren
04
Wissen
Nach dem Assessment kennen Sie die Grundlage, auf der Vertrauen in Ihre AI aufgebaut werden kann:
Welche Evidence Vertrauen in das betrachtete AI-System tatsächlich unterstützt
Welche bekannten Limitierungen berücksichtigt werden müssen
Welche Unsicherheiten trotz vorhandener Evidence bestehen bleiben
Welche Annahmen noch nicht ausreichend belegt sind
Welche zusätzliche Evidence benötigt wird, um kritische Trust Gaps zu schliessen
Typische ErgebnisseTrustworthy AI Assessment ReportTrust ProfileEvidence BasisKnown Limitations & UncertaintyEvidence & Trust GapsPriorisierte Empfehlungen
05
scip AG
Wir beschäftigen uns mit Trust in AI, seit Vertrauen noch selten Teil der AI-Diskussion war.
scip verbindet über zwanzig Jahre Cybersecurity-Erfahrung mit einer eigenen Research-Linie zu AI, Trust und Human-AI Interaction. Bereits 2018 haben wir Trust in AI systemisch untersucht und diese Fragestellung seither kontinuierlich weiterentwickelt.
Unser Assessment basiert deshalb nicht ausschliesslich auf regulatorischen Anforderungen oder technischen Best Practices. Wir verbinden Research, praktische Projekterfahrung und interdisziplinäres Denken, um herauszufinden, ob Vertrauen in eine konkrete AI-Lösung nachvollziehbar begründet werden kann – und worauf dieses Vertrauen tatsächlich beruht.
2018+
5
Evidence
06
Umblick
AAM ist kein linearer Prozess. Je nach Kontext können weitere Fragen relevant werden und unterschiedliche Capabilities gezielt eingesetzt werden.
07
Insights
Trustworthy AI ist für scip kein neuer Compliance-Begriff. Unsere Research zu Trust und AI reicht mehrere Jahre zurück und bildet eine zentrale Grundlage dieses Moduls.
On Trust in AI – A Systemic Approach →ISO/IEC TR 24028:2020 — Overview of Trustworthiness in Artificial Intelligence →Trust and AI – Three Wrong Questions →ISO/IEC 42005:2025 — AI System Impact Assessment →Acht Fragen auf dem Weg zu Trustworthy AI – Vertrauen ist keine Phase →08
Trust should not be assumed.
It should be justified.
Wenn AI Verantwortung übernimmt oder Entscheidungen beeinflusst, sollte Vertrauen mehr sein als ein Gefühl. Lassen Sie uns sichtbar machen, worauf es basiert.
Mit scip besprechen →