Der Audit erkennt Inventar-/Modellkarten-/Owner-/Klassifikations-Defekte (fehlende Owner/Version/Risk-Class/Klassifikation, fehlende Modellkarten und Pflichtfelder, undokumentierte Third-Party-Abhängigkeiten, Duplikate) datei- und zeilengenau.
Produkt ai-model-inventory-audit · Version 0.1.0
AI Model Inventory & Model Card Audit
Standardisierter, deterministischer Audit für KI-Modell-Inventar und Modellkarten. Das Produkt prüft ein Modell-Register statisch auf Evidenzlücken: Modelle ohne Owner/Owner-Registry-Eintrag, fehlende Version, fehlende Risk-Klassifikation, fehlende Modellkarten und Pflichtfelder (Intended Use/Limitations/Training Data), undokumentierte Third-Party-/Foundation-Model-Abhängigkeiten, fehlende/veraltete/failed Evaluationen, fehlendes/veraltetes/deaktiviertes Drift- und Performance-Monitoring, fehlende oder abgelaufene Produktions-Approvals, fehlende Daten-Lineage, fehlende PII-/Vertraulichkeitsklassifikation, decommissioned Modelle im aktiven Status, doppelte Modelleinträge und überfällige Reviews. Jeder Befund ist datei- und zeilengenau mit konkreter Korrekturanweisung; Modell-Governance-Score und Kategorie-Scores sind transparente Formeln, heuristische Regeln sind gekennzeichnet. Der Lauf wird unabhängig re-validiert und ist über einen hash-verketteten Evidence-Record mit Ed25519-Signaturen und Contract-Digests reproduzierbar.
Zielkunde (ICP)
AI-Governance-, Risk- und Compliance-Funktionen in mittelständischen Unternehmen (10-200 KI-Modelle), die Modell-Inventar, Modellkarten, Evaluations-Evidence, Monitoring und Produktions-Approvals verantworten und vor Governance-Reviews, Modell-Audits oder AI-Assurance-Programmen eine schnelle, reproduzierbare Prüfung ihres Modell-Registers benötigen.
Problem
Modell-Governance scheitert an Evidenzlücken: Modelle ohne Owner, Version oder Risk-Class, fehlende Modellkarten und Pflichtfelder, undokumentierte Foundation-Model-Abhängigkeiten, fehlende oder veraltete Evaluationen, deaktiviertes Drift-Monitoring, fehlende oder abgelaufene Produktions-Approvals, fehlende Lineage und Klassifikation sowie decommissioned Modelle, die noch aktiv geführt werden. Diese Lücken verteilen sich über Modell-, Karten-, Evaluations-, Monitoring-, Approval- und Lineage-Exporte; manuelle Reviews sind langsam und liefern keine zeilengenauen Evidenz-Pointer. Teams benötigen eine deterministische, lokal laufende Vorprüfung ihres Modell-Registers.
Liefermodelle
- Audit as a Service
- Workflow as a Service
Service-Level (SLA)
| Feld | Wert |
|---|---|
delivery_time_hours | 48 |
max_findings_per_audit | 200 |
max_runtime_seconds | 120 |
Grenzen des Produkts
- Rein statischer Audit eines synthetischen Modell-Registers – kein Live-Registry-/Eval-Zugriff, kein Netzwerk.
- Modellkarten-/Klassifikations-/Approval-Prüfungen basieren auf deklarierten Feldern; echte Evidenz kann abweichen.
- Duplikat-/Evaluations-Frischeprüfung ist eine Heuristik.
- Technischer Evidenzentwurf; keine EU-AI-Act-/ISO-Konformitäts- und keine Zertifizierungsaussage.
- Die aktuelle Evidenz basiert ausschließlich auf dem synthetischen Lab-Target synthetic-model-registry, nicht auf echten Modell-Registern.
- Rein statischer Audit eines synthetischen Modell-Registers – kein Live-Registry-/Eval-Zugriff, kein Netzwerk.
- Modellkarten-/Klassifikations-/Approval-Prüfungen basieren auf deklarierten Feldern; echte Evidenz kann abweichen.
- Duplikat-/Evaluations-Frischeprüfung ist eine Heuristik.
- Technischer Evidenzentwurf; keine EU-AI-Act-/ISO-Konformitäts- und keine Zertifizierungsaussage.
Verträge: Eingabe und Ausgabe
Ein Claim erscheint nur, wenn die Evidenz zur exakten Version passt. Contract-Felder werden aus dem veröffentlichten Datenvertrag gerendert.
JSON-Schema (input_contract) aus dem veröffentlichten Datenvertrag. Der Runner validiert Ein- und Ausgaben gegen dieses Schema.
{
"properties": {
"repository_snapshot": {
"description": "Read-only Modell-Register-Export (Modelle, Modellkarten, Owner, Evaluationen, Monitoring, Approvals, Lineage, Policy); synthetische oder kundenseitig freigegebene Metadaten, kein Live-Registry-Zugriff.",
"type": "object"
}
},
"required": [
"repository_snapshot"
],
"type": "object"
}| Feld | Typ | Pflicht | Beschreibung |
|---|---|---|---|
repository_snapshot | object | ja | Read-only Modell-Register-Export (Modelle, Modellkarten, Owner, Evaluationen, Monitoring, Approvals, Lineage, Policy); synthetische oder kundenseitig freigegebene Metadaten, kein Live-Registry-Zugriff. |
JSON-Schema (output_contract) aus dem veröffentlichten Datenvertrag. Der Runner validiert Ein- und Ausgaben gegen dieses Schema.
{
"properties": {
"findings": {
"description": "Maschinenlesbare Findings als JSON inkl. Summary mit Severity-Zählern, Score-Formel, Kategorie-Scores, Zählern, Disclaimer und unterdrückten Decoy-Mustern.",
"type": "object"
},
"report": {
"description": "Modell-Governance-Bericht (Markdown) mit Zusammenfassung, Methodik, priorisierten Findings inkl. Datei, Zeile, Schweregrad, Fix-Anweisung, Modell-Governance-/Kategorie-Scores, Heuristik-Kennzeichnung, Evidenz-/ Reproduzierbarkeitsdaten und Grenzen.",
"type": "object"
}
},
"required": [
"report",
"findings"
],
"type": "object"
}| Feld | Typ | Pflicht | Beschreibung |
|---|---|---|---|
findings | object | ja | Maschinenlesbare Findings als JSON inkl. Summary mit Severity-Zählern, Score-Formel, Kategorie-Scores, Zählern, Disclaimer und unterdrückten Decoy-Mustern. |
report | object | ja | Modell-Governance-Bericht (Markdown) mit Zusammenfassung, Methodik, priorisierten Findings inkl. Datei, Zeile, Schweregrad, Fix-Anweisung, Modell-Governance-/Kategorie-Scores, Heuristik-Kennzeichnung, Evidenz-/ Reproduzierbarkeitsdaten und Grenzen. |
Veröffentlichte Claims (gate-geprüft)
Jeder folgende Claim ist an mindestens einen PASSED-Evidenz-Record gebunden. Die SHA-256-Hashwerte der Records sind direkt an jedem Claim sichtbar; nicht freigegebene Claims werden nicht gerendert.
Der Audit erkennt Evaluations-/Monitoring-/Approval-/Lineage-/ Lifecycle-Defekte (fehlende/veraltete/failed Evaluationen, fehlendes/ veraltetes/deaktiviertes Monitoring, fehlende/abgelaufene Approvals, fehlende Lineage, decommissioned Modelle noch aktiv, überfällige Reviews).
Jeder Audit-Lauf ist deterministisch, wird unabhängig re-validiert und ist über einen hash-verketteten Evidence-Record mit Ed25519-Signaturen, Artefakt-Hashes und Contract-Digests reproduzierbar.
Es sind keine unterdrückten Claims für dieses Produkt im Gatekeeper-Status enthalten.
Workflow
Ausführungsschritte laut Manifest; jeder Schritt referenziert einen geprüften Skill.
| Schritt | Skill | Beschreibung | Abhängig von |
|---|---|---|---|
audit | ai_model_inventory_audit | Modell-Register statisch prüfen und Modell-Governance-Findings deterministisch mit dem Skill ai_model_inventory_audit erzeugen. | — |
Skills in diesem Produkt
Versionen, Schwellenwerte und Evidenzstand je Skill. Details in der Skill-Registry.
| Skill | Version | Reife | Recall / Precision | Evidenz | Letzte Evidenz |
|---|---|---|---|---|---|
| AI Model Inventory & Model Card Audit (synthetic registry) | 0.1.0 | VALIDATED | 1,000 / 0,900 | 1 | 8ff2082170c446b8817bb895c03a5551 |
Evidenz für dieses Produkt
Ausschließlich verifizierte Records. Hashes und Artefaktpfade sind im Evidenz-Detail einsehbar.
record_sha256: 116b70db096b43db232f5d9399e7f3f29c7f0b298219025398f42f07bf034d65
- Rein statischer Audit eines synthetischen Modell-Registers – kein Live-Registry-/Eval-Zugriff, kein Netzwerk.
- Modellkarten-/Klassifikations-/Approval-Prüfungen basieren auf deklarierten Feldern; echte Evidenz kann abweichen.
- Duplikat-/Evaluations-Frischeprüfung ist eine Heuristik.
- … 6 weitere
Bericht: evidence/artifacts/8ff2082170c446b8817bb895c03a5551/report.md
Weitere Dokumentation
Kein Dokumentationspfad veröffentlicht.