Vorlage für eine KI-Modellkarte
Laden Sie eine Vorlage für KI-Modellkarten herunter: Angaben zum Modell, bestimmungsgemäße Verwendung, Trainingsdaten, Evaluierung, Leistungskennzahlen, ethische Aspekte, Grenzen und Empfehlungen.
Erstellen Sie in 45-90 Minuten eine umfassende Modellkarte.
Für Teams aus Regulatorik, Risikomanagement, Produkt und Betrieb maschinellen Lernens, die agentenbasierte Prozesse in regulierten Umgebungen einsetzen.
Zuletzt aktualisiert: 16. Dez. 2025 · Version v1.0 · Fiktives Beispiel. Keine Rechtsberatung.
Problem melden: /contact
Was dieses Artefakt ist (und wann Sie es brauchen)
Minimal funktionsfähige Erklärung, geschrieben für Audits, nicht für Theorie.
Modellkarten sind standardisierte Dokumentation für KI-Modelle. Sie wurden ursprünglich 2019 von Forschern bei Google vorgeschlagen und gelten inzwischen als bewährte Praxis der Branche, um zu vermitteln, was ein Modell tut, wie es arbeitet und welche Grenzen es hat.
Für Organisationen, die der EU-KI-Verordnung unterliegen, helfen Modellkarten bei den Transparenzanforderungen nach Artikel 13 und tragen zur technischen Dokumentation nach Anhang IV bei.
Sie brauchen dies, wenn
- Sie setzen Modelle des maschinellen Lernens ein und benötigen eine standardisierte Dokumentation für technische Prüfer.
- Sie müssen Transparenzanforderungen der EU-KI-Verordnung (Artikel 13) erfüllen oder zur Dokumentation nach Anhang IV beitragen.
- Sie möchten Modellfähigkeiten, Grenzen und ethische Aspekte an Betreiber und Nutzer vermitteln.
Häufiger Fehler
Modellkarten berichten nur günstige Kennzahlen, lassen bekannte Grenzen aus oder enthalten keine aufgeschlüsselte Leistung für relevante Untergruppen und Bedingungen.
Erfolgskriterien
Akzeptanzkriterien, die Prüfer tatsächlich überprüfen.
- Die Modellidentifikation umfasst Version, Architektur, Herkunft und Entwicklungsprovenienz.
- Der bestimmungsgemäße Zweck definiert primäre Anwendungsfälle und Nutzer und benennt ausdrücklich nicht vorgesehene Verwendungen.
- Trainingsdaten sind mit Quellen, Eigenschaften, Vorverarbeitung und bekannten Qualitätsproblemen dokumentiert.
- Leistungskennzahlen enthalten Gesamt- und aufgeschlüsselte Ergebnisse mit Konfidenzintervallen.
- Ethische Aspekte umfassen Fairnesskennzahlen, Tests auf Verzerrungen und geschützte Merkmale.
- Grenzen sind umfassend dokumentiert, einschließlich Fehlermodi und Randbedingungen.
- Empfehlungen bieten umsetzbare Hinweise für Einsatz, Überwachung und Wartung.
Vorlagenvorschau
Ein echter Auszug in HTML, damit er indexierbar und prüfbar ist.
## Abschnitt 2: Bestimmungsgemäße Verwendung ### 2.1 Primäre Anwendungsfälle | Anwendungsfall | Beschreibung | Nutzertyp | |----------------|--------------|-----------| | [Primärer Anwendungsfall 1] | [Detaillierte Beschreibung] | [Wer verwendet ihn] | ### 2.3 Nicht vorgesehene Verwendungen | Anwendungsfall | Grund, warum nicht unterstützt | |----------------|-------------------------------| | [Verbotener Anwendungsfall 1] | [Warum ungeeignet: Datenlimits, ethische Bedenken usw.] | ## Abschnitt 7: Grenzen ### 7.2 Bekannte Fehlermodi | Fehlermodus | Auslösebedingungen | Erkennung | Reaktion | |-------------|-------------------|-----------|----------| | [Fehlermodus 1] | [Was diesen Fehler auslöst] | [Wie er erkannt wird] | [Was zu tun ist] |
Wie man es (schnell) ausfüllt
Benötigte Eingaben, Zeit zum Abschließen und ein minimales Arbeitsbeispiel.
Benötigte Eingaben
- Angaben zu Modellarchitektur, Version und Trainingsprovenienz.
- Bestimmungsgemäße Anwendungsfälle und ausdrücklich nicht vorgesehene Verwendungen.
- Dokumentation von Trainings- und Evaluierungsdaten mit bekannten Problemen.
- Leistungskennzahlen (gesamt + aufgeschlüsselt) mit Konfidenzintervallen.
- Ergebnisse der Fairnessanalyse und ethische Aspekte.
- Bekannte Grenzen, Fehlermodi und Randbedingungen.
Zeit zum Abschließen: 45-90 Minuten für eine umfassende v1.
Kurzbeispiel: Nicht vorgesehene Verwendung
Nicht vorgesehene Verwendungen: | Anwendungsfall | Grund, warum nicht unterstützt | |----------------|-------------------------------| | Alleinige Entscheidung über Kredite | Modell ist nur als Entscheidungshilfe ausgelegt; menschliche Prüfung erforderlich | | Einsatz bei Populationen außerhalb der Trainingsdaten | Leistung nicht validiert; möglicherweise unzuverlässige Ergebnisse | | Echtzeitanwendungen mit Sicherheitskritikalität | Latenzanforderungen für diesen Anwendungsfall nicht validiert |
Wie KLA daraus belastbare Nachweise macht
Verknüpfen Sie das Artefakt mit Produktfunktionen.
Govern
- Versionskontrollierte Modellkarten, verknüpft mit Modellregister und Bereitstellungsabläufen.
- Freigabepunkte, die die Vollständigkeit der Modellkarte vor dem Produktionseinsatz prüfen.
Assure
- Automatische Erfassung von Leistungskennzahlen, Signalen für Verteilungsverschiebungen und Fairnessindikatoren.
- Aufgeschlüsselte Überwachung der Leistung für geschützte Gruppen und Randbedingungen.
Prove
- Modellkarten, verknüpft mit Evaluierungsartefakten, Trainingsdatenherkunft und Freigabeprotokollen.
- Nachweispakete, die Dokumentationsaussagen mit Leistungsdaten aus dem Betrieb verknüpfen.
Häufige Fragen
Prägnante Antworten auf häufige Fragen.
Artefakt herunterladen
Bearbeitbares Markdown. Keine E-Mail erforderlich.
Vorlage für eine Modellkarte herunterladen