Zum Inhalt

Taxonomie

Die AIMO Taxonomie bietet ein strukturiertes Klassifizierungssystem zur Kategorisierung von KI-Systemen, deren Nutzung und zugehörigen Governance-Anforderungen. Sie besteht aus 8 Dimensionen mit 91 Codes, die eine konsistente Klassifizierung und Evidence-Verwaltung in Organisationen ermöglichen.

Zweck

Die Taxonomie dient drei Hauptzwecken aus Audit-Perspektive:

  1. Erklärbarkeit: Bietet ein gemeinsames Vokabular zur Beschreibung von KI-Anwendungsfällen in der Organisation und unterstützt klare Kommunikation mit Prüfern und Stakeholdern.

  2. Evidence-Bereitschaft: Ermöglicht systematische Dokumentation von KI-Systemen mit standardisierter Klassifizierung, was Evidence-Sammlung und -Überprüfung effizienter macht.

  3. Vergleichbarkeit: Ermöglicht es Organisationen, KI-Anwendungsfälle über verschiedene Kontexte hinweg mit konsistenter Terminologie zu vergleichen.

Was sie nicht ist (Keine Überbeanspruchung)

!!! warning "Wichtig" Der AIMO Standard unterstützt Erklärbarkeit und Evidence-Bereitschaft. Er bietet keine Rechtsberatung, garantiert keine Compliance und zertifiziert keine Konformität mit Vorschriften oder Frameworks. Siehe Verantwortungsgrenze für Details.

Die Taxonomie ist nur ein Klassifizierungssystem. Sie:

  • Garantiert keine Compliance mit Gesetzen oder Vorschriften
  • Ersetzt keine professionelle Rechts-, Sicherheits- oder Compliance-Beratung
  • Zertifiziert keine Konformität mit externen Frameworks (ISO, NIST, EU AI Act, etc.)
  • Bietet keine Risikobewertungen oder Kontrollempfehlungen

Beispiele für KI-/agentenspezifische Risiken (warum ein KI-spezifischer Standard benötigt wird)

Traditionelle Sicherheitskontrollen (z.B. ISMS) allein erfassen oft keine LLM-/agentenspezifischen Fehlermodi und autonomen Agentenabweichungen (z.B. unbeabsichtigte Tool-Ausführung, rekursive Schleifen) auf eine audit-erklärbare Weise. AIMO Taxonomie bietet eine gemeinsame Sprache, um diese KI-spezifischen Risiken zu klassifizieren und sie mit Evidence-Anforderungen und Behebungs-Workflows zu verbinden.

(Referenzbeispiele zur Differenzierung. Die folgenden Codes sind illustrative Platzhalter; das offizielle Code-System folgt den Standard-Definitionen.) - AG-01 Runaway Loop / Rekursion - AG-02 Nicht autorisierte Tool-Nutzung (Confused-Deputy-artiger Missbrauch) - AG-03 Berechtigungsgrenze-Drift

Dimensionen-Übersicht

AIMO verwendet 8 Dimensionen zur Klassifizierung von KI-Anwendungsfällen. Jede Dimension hat ein eindeutiges 2-Buchstaben-Präfix.

ID Name Code-Anzahl Beschreibung
FS Funktionaler Scope 6 Welche Geschäftsfunktion wird unterstützt
UC Anwendungsfall-Klasse 30 Welche Art von Aufgabe wird ausgeführt
DT Datentyp 10 Welche Datenklassifizierungen sind beteiligt
CH Kanal 8 Wie Benutzer auf die KI zugreifen
IM Integrationsmodus 7 Wie KI mit Unternehmenssystemen verbunden ist
RS Risikooberfläche 8 Welche Risiken sind verbunden
OB Ergebnis / Nutzen 7 Welcher Nutzen wird erwartet
LG Log-/Registrierungstyp 15 Welches Log/Registrierung erforderlich ist

Gesamt: 91 Codes über 8 DimensionenEV- reserviert für Evidence-Artefakt-IDs; Taxonomie-Dimension Log/Registrierung: LG-.)

Nutzungsregeln

Dimension Auswahl Audit-Implikation
FS, IM Genau 1 Primäre Klassifizierung für Verantwortungszuweisung
UC, DT, CH, RS, LG 1 oder mehr Vollständige Aufzählung für Risikoabdeckung erforderlich
OB 0 oder mehr Optional; dokumentiert erwarteten Geschäftswert

Dimensionsdefinitionen

FS: Funktionaler Scope

Kategorisiert KI-Nutzung nach der unterstützten Geschäftsfunktion. Wählen Sie genau eine.

Code Label Definition
FS-001 Endbenutzer-Produktivität KI zur Verbesserung der Produktivität interner Endbenutzer (Schreiben, Suche, Zusammenfassung, Besprechungsnotizen).
FS-002 Kundenbezogene Funktionen KI eingebettet in Produkt-/Servicefunktionen für Kunden.
FS-003 Entwickler-Tooling KI zur Unterstützung von Softwareentwicklung und Engineering-Aufgaben.
FS-004 IT-Betrieb KI für IT-Betrieb und Systemadministration (Monitoring, Incident-Handling).
FS-005 Sicherheitsbetrieb KI für Sicherheitsüberwachung/-reaktion (SOC, Erkennung, Triage).
FS-006 Governance & Compliance KI zur Unterstützung von Governance-/Compliance-Aktivitäten (Policy, Audit-Evidence).

UC: Anwendungsfall-Klasse

Kategorisiert KI-Nutzung nach Art der Aufgabe oder Interaktion. Wählen Sie eine oder mehrere. Vollständige Liste enthält 30 Codes; repräsentative Beispiele unten.

Code Label Definition
UC-001 Allgemeine F&A Allgemeine Fragebeantwortung und konversationelle Nutzung.
UC-002 Zusammenfassung Zusammenfassung von Dokumenten, Besprechungen oder Nachrichten.
UC-003 Übersetzung Übersetzung zwischen Sprachen.
UC-004 Inhaltsentwurf Generierung von Entwürfen für E-Mails, Dokumente oder Berichte.
UC-005 Code-Generierung Generierung von Code oder Skripten.
UC-006 Code-Review Überprüfung von Code auf Probleme und Verbesserungen.
UC-009 Search/RAG RAG-basiertes Retrieval und Fragebeantwortung.
UC-010 Agentic Automation Autonome oder semi-autonome Agenten, die Aktionen ausführen.

Siehe Dictionary für die vollständige Liste von 30 UC-Codes.

DT: Datentyp

Kategorisiert die Sensitivität und Klassifizierung der beteiligten Daten. Wählen Sie eine oder mehrere.

Code Label Definition
DT-001 Öffentlich Daten, die öffentlich verfügbar und zur öffentlichen Offenlegung bestimmt sind.
DT-002 Intern Nicht-öffentliche interne Geschäftsdaten.
DT-003 Vertraulich Hochsensitive interne Daten, die eingeschränkten Zugriff erfordern.
DT-004 Personenbezogene Daten Personenbezogene Daten wie durch anwendbare Datenschutzgesetze definiert.
DT-005 Sensible personenbezogene Daten Besondere Kategorie/sensible personenbezogene Daten.
DT-006 Anmeldeinformationen Authentifizierungsgeheimnisse und Anmeldeinformationen.
DT-007 Quellcode Quellcode und zugehörige Artefakte.
DT-008 Kundendaten Von Kunden bereitgestellte oder kundenbezogene Daten.
DT-009 Betriebsprotokolle Betriebs- oder Systemprotokolle für Monitoring und Troubleshooting.
DT-010 Sicherheitstelemetrie Sicherheitstelemetrie wie Alerts und Erkennungen.

CH: Kanal

Kategorisiert, wie Benutzer auf die KI zugreifen oder mit ihr interagieren. Wählen Sie eine oder mehrere.

Code Label Definition
CH-001 Web-UI Nutzung über eine Web-Benutzeroberfläche.
CH-002 API Nutzung über programmatische API-Integration.
CH-003 IDE-Plugin Nutzung über IDE/Editor-Plugin.
CH-004 ChatOps Nutzung über Chat-Plattform-Integrationen (Slack/Teams).
CH-005 Desktop-App Nutzung über native Desktop-Anwendung.
CH-006 Mobile-App Nutzung über native mobile Anwendung.
CH-007 E-Mail Nutzung über E-Mail-Schnittstelle oder E-Mail-basierte Automatisierung.
CH-008 Kommandozeile Nutzung über Kommandozeilen-Schnittstelle.

IM: Integrationsmodus

Kategorisiert, wie KI in Unternehmenssysteme integriert ist. Wählen Sie genau eine.

Code Label Definition
IM-001 Standalone Standalone-Nutzung ohne Integration in Unternehmenssysteme.
IM-002 SaaS-integriert SaaS-Anwendung integriert KI-Funktionen.
IM-003 Enterprise-App-eingebettet KI eingebettet in interne Unternehmensanwendungen.
IM-004 RPA/Workflow KI aufgerufen innerhalb von Workflow-Automatisierung oder RPA.
IM-005 On-prem / Privat KI gehostet in privater/On-prem-Umgebung.
IM-006 Managed Service Nutzung über Managed Service mit Enterprise-Kontrollen.
IM-007 Shadow / Unmanaged Nutzung außerhalb genehmigter Governance-Kontrollen.

RS: Risikooberfläche

Kategorisiert die mit der KI-Nutzung verbundenen Risikotypen. Wählen Sie eine oder mehrere.

Code Label Definition
RS-001 Datenleck Risiko unbeabsichtigter Datenoffenlegung.
RS-002 Sicherheitsmissbrauch Risiko, dass das System für bösartige Zwecke missbraucht wird.
RS-003 Compliance-Verstoß Risiko der Verletzung von Gesetzen/Vorschriften/Richtlinien.
RS-004 IP-Verletzung Risiko der Verletzung von Urheberrecht/Patent/Geschäftsgeheimnissen.
RS-005 Modell-Missbrauch Risiko durch unangemessene Modellnutzung oder Überabhängigkeit.
RS-006 Bias/Fairness Risiko unfairer oder verzerrter Ergebnisse.
RS-007 Sicherheit Risiko schädlicher Inhalte oder unsicherer Empfehlungen.
RS-008 Drittanbieter-Risiko Anbieter-, Subunternehmer- und Modellanbieter-Risiken.

OB: Ergebnis / Nutzen

Kategorisiert die erwarteten Ergebnisse oder Vorteile der KI-Nutzung. Optional; wählen Sie null oder mehr.

Code Label Definition
OB-001 Effizienz Verbessert Zeit-/Kosteneffizienz.
OB-002 Qualität Verbessert Qualität/Genauigkeit der Ausgaben.
OB-003 Umsatz Trägt zum Umsatzwachstum bei.
OB-004 Risikoreduktion Reduziert Betriebs-/Sicherheits-/Compliance-Risiko.
OB-005 Innovation Ermöglicht neue Fähigkeiten oder Innovationen.
OB-006 Kundenzufriedenheit Verbessert Kundenzufriedenheit.
OB-007 Mitarbeitererfahrung Verbessert Mitarbeitererfahrung.

LG: Log-/Registrierungstyp

Kategorisiert die erforderlichen oder gesammelten Log-/Registrierungstypen. Wählen Sie eine oder mehrere.(EV- reserviert für Evidence-Artefakt-IDs.)

Code Label Definition
LG-001 Antragsdatensatz Evidence, dass eine KI-Nutzung/ein Service beantragt und beschrieben wurde.
LG-002 Prüfungs-/Genehmigungsdatensatz Evidence, dass eine Prüfung/Genehmigung durchgeführt wurde.
LG-003 Ausnahmedatensatz Evidence, dass eine Ausnahme gewährt und verfolgt wurde.
LG-004 Verlängerungs-/Neubewertungsdatensatz Evidence, dass Verlängerung oder Neubewertung erfolgte.
LG-005 Änderungsprotokolleintrag Evidence von Änderungen und deren Genehmigungen.
LG-006 Integritätsnachweis Evidence der Integrität (Hash, Signatur, WORM).
LG-007 Zugriffsprotokoll Evidence von Zugriffskontrolle und Zugriffshistorie.
LG-008 Modell-/Service-Inventar Inventardatensatz der verwendeten Modelle/Services.
LG-009 Risikobewertung Dokumentierte Risikobewertung für die Nutzung/den Service.
LG-010 Kontrollzuordnung Kontrollzuordnungs-Evidence zu externen Frameworks.
LG-011 Schulung/Anleitung Evidence von Schulung oder Anleitung für Benutzer.
LG-012 Monitoring-Evidence Evidence von Monitoring und laufender Aufsicht.
LG-013 Incident-Datensatz Evidence von Incident-Handling im Zusammenhang mit KI-Nutzung.
LG-014 Drittanbieter-Bewertung Evidence von Anbieter- oder Drittanbieter-Bewertung.
LG-015 Attestierung/Abzeichnung Formelle Attestierung oder Abzeichnungsdatensatz.

Verwendung

Beziehung zu Evidence

Jedes Evidence-Dokument referenziert Codes aus mehreren Dimensionen, um das dokumentierte KI-System oder den Anwendungsfall zu klassifizieren. Die 8-Dimensionen-Klassifizierung ermöglicht:

  • Konsistente Kategorisierung in der gesamten Organisation
  • Risikobasierte Filterung nach Dimensionswerten
  • Framework-Zuordnung über Coverage Map

Referenzierung des Dictionary

Für vollständige Code-Definitionen einschließlich Geltungsbereich-Hinweisen und Beispielen siehe Dictionary.

Beispielklassifizierung

FS: FS-001 (Endbenutzer-Produktivität)
UC: UC-001 (Allgemeine F&A), UC-002 (Zusammenfassung)
DT: DT-002 (Intern), DT-004 (Personenbezogene Daten)
CH: CH-001 (Web-UI)
IM: IM-002 (SaaS-integriert)
RS: RS-001 (Datenleck), RS-003 (Compliance-Verstoß)
OB: OB-001 (Effizienz)
LG: LG-001 (Antragsdatensatz), LG-002 (Prüfungs-/Genehmigungsdatensatz)

SSOT-Referenz

!!! info "Quelle der Wahrheit" Die maßgebliche Definition ist source_pack/03_taxonomy/taxonomy_dictionary_v0.1.csv. Diese Seite ist erklärend. Siehe Lokalisierungsleitfaden für Update-Workflows.

Verwandte Seiten