Umgang mit regulatorischen Herausforderungen

Der Erfolg KI-basierter Dienste und Produkte hängt entscheidend davon ab, ob sie rechtskonform eingesetzt werden können. Die zunehmende Regelungsdichte und der wachsende Druck, sich an neue Vorgaben anzupassen, stellen für F&E-Projekte eine zentrale Herausforderung dar. Insbesondere die EU hat in den letzten Jahren eine Vielzahl von daten- und KI-relevanten Regelwerken auf den Weg gebracht. Viele Projekte mussten sich während ihrer Laufzeit auf neue oder unklare gesetzliche Anforderungen einstellen, was zum Teil erhebliche Anpassungen der Verwertungsstrategien erforderlich machte. Vor diesem Hintergrund stellt sich die Frage, wie F&E-Projekte in hochregulierten Bereichen effektiv mit bestehenden, neuen oder sich ändernden gesetzlichen Anforderungen umgehen können. Die hier vorgestellten Projekte aus dem KI-Innovationswettbewerb standen dabei vor unterschiedlichen Herausforderungen. Ein zentraler Aspekt war die Nutzung von Datenbeständen, insbesondere für das Training von KI-Modellen. Diese Daten enthalten häufig personenbezogene Informationen, die nur unter Beachtung der datenschutzrechtlichen Vorgaben verarbeitet werden dürfen. Hinzu kommen neue Anforderungen durch den Data Act, der den Zugang zu Daten aus vernetzten Produkten und den Data Governance Act, der den Austausch von Daten über sogenannte Datenvermittlungsdienste regelt. Darüber hinaus bringt der AI Act als weltweit erstes umfassendes KI-Regelwerk erhebliche Compliance-Anforderungen mit sich, insbesondere für Anwendungen in risikobehafteten Bereichen.

Lösungswege / -ansätze

  1. Regulatorische Herausforderungen sollten frühzeitig identifiziert und entsprechende Lösungsansätze ausgearbeitet werden.
  2. Bei der Entwicklung von Geschäfts- und Betriebsmodellen sollten die rechtlichen Rahmenbedingungen kontinuierlich mitbedacht werden.
  3. Gerade in hochregulierten Bereichen sollten Projektpartner mit juristischer Expertise einbezogen werden.
  4. Bei datenschutzkritischen KI-Diensten kann es sinnvoll sein in den Dialog und die Abstimmung mit den Aufsichtsbehörden zu gehen.

Praxisbeispiele

SafeFBDC

SafeFBDC hat eine Plattform entwickelt, die den sicheren und datenschutzkonformen Austausch von Finanzdaten über Unternehmens- und Landesgrenzen hinweg ermöglicht. Ziel war es, Künstliche Intelligenz in den europäischen Finanzsektor zu integrieren, ohne dabei die individuelle Datensouveränität zu gefährden.

Videostatement Kai Niklas (SAP Fioneer)



REIF

Das REIF-Projekt entwickelt eine Plattform, die mithilfe von KI den Austausch von Daten und Informationen in der Lebensmittelindustrie optimiert, um Überproduktion und Ausschuss zu minimieren und dadurch Lebensmittelverschwendung zu reduzieren.

Videostatement Beatrix Weber (Hochschule Hof)



PAIRS

PAIRS ist ein Forschungsvorhaben zur datenbasierten Krisenbewältigung. Ein Hauptziel des Projekts ist die Entwicklung von rechtskonformen KI-Systemen zur Krisenfrüherkennung und zur Generierung von Handlungsempfehlungen für die Bewältigung von Krisen.

Videostatement Nils Wiedemann (Universität des Saarlandes)

Weiterführende Informationen