Regulatorisches
Regulatorische Fragen treten im ML-Kontext oft später auf als Modell- oder Datenfragen. Sobald Modelle aber Entscheidungen beeinflussen, personenbezogene Daten verarbeiten oder in sensible Anwendungsfelder hineinreichen, reichen rein technische Überlegungen nicht mehr aus. Diese Seiten ordnen die rechtlichen, ethischen und strategischen Rahmenbedingungen ein.
Digitale Souveränität
Digitale Souveränität wird relevant, wenn Tool-, Cloud- oder Plattformabhängigkeiten nicht nur technischer Natur sind, sondern strategische Folgen haben. Für ML-Projekte betrifft das vor allem Datenhaltung, Anbieterbindung und die Wahl der Infrastruktur.
- Digitale Souveränität – Welche Abhängigkeiten entstehen durch Plattformen, Clouds und Datenräume? Begriff, Reifegrade und europäische Strategien.
Rechtliche Einordnung
Der EU AI Act ist nicht nur für generative KI relevant. Auch klassische ML-Systeme können unter risikobasierte Regulierung fallen, wenn sie in Bereichen wie Personal, Kreditvergabe, Bildung oder Gesundheitswesen eingesetzt werden.
- EU AI Act – Welche regulatorischen Anforderungen können für ML-Systeme relevant werden? Risikostufen, Pflichten und praktische Auswirkungen.
Ethik und Verantwortung
Ethische Fragen zeigen sich im ML-Alltag häufig sehr konkret: verzerrte Daten, intransparente Entscheidungen, unfaire Klassifikationen oder scheinbar saubere Modelle mit problematischen Wirkungen in der Anwendung.
- Ethik und KI – Wie wird ein ML-System verantwortungsvoll eingesetzt? Bias, Fairness, Transparenz und Verantwortlichkeit.