Die drei Dimensionen des AI-Vendor-Risikos
- Modelltransparenz: Wie wird das Modell trainiert? Verwendet der Anbieter Kundendaten für künftige Modellversionen? Können Sie dem Datentraining widersprechen?
- Datenresidenz und -souveränität: Wo werden die Daten verarbeitet? Für Unternehmen in der EU ist die Sicherstellung, dass Daten innerhalb der Region bleiben, häufig eine disqualifizierende Compliance-Anforderung.
- Instruktionssicherheit: Bietet der Anbieter integrierte Schutzmaßnahmen gegen Prompt Injection und Jailbreaking? Wie lautet seine Richtlinie zur Meldung und Behebung von Schwachstellen auf Modellebene?
Die Checkliste zur Bewertung von AI-Anbietern
- Auftragsverarbeitungsvertrag (DPA): Verfügt der Anbieter über einen DPA, der explizit AI-spezifische Datenverarbeitung und DSGVO-Anforderungen abdeckt?
- Datentraining-Richtlinie: Gibt es eine klare, durchsetzbare „No-Training"-Garantie für Enterprise-API-Kunden?
- Verschlüsselung und Zugriff: Wie werden Daten bei der Übertragung und im Ruhezustand verschlüsselt? Wer beim Anbieter hat Zugriff auf rohe Prompt-Logs?
- Aufbewahrungsfristen: Wie lange ist die standardmäßige Log-Aufbewahrungsfrist? Lässt sie sich an die Compliance-Anforderungen Ihrer Organisation anpassen?
- Bedrohungsüberwachung: Stellt der Anbieter Warnmeldungen für potenzielle Sicherheitsvorfälle oder Modellmissbrauch bereit?
Governance konsolidieren
Das Risikomanagement über mehrere Anbieter hinweg ist komplex. Viele Unternehmen nutzen eine Sicherheitsschicht wie Shield Control, um eine einzige, konsistente Richtlinie über alle AI-Anbieter hinweg durchzusetzen und so die Belastung für Beschaffungs- und Compliance-Teams zu reduzieren.



