Pflichtdokument gemäß KIVO Art. 10, ISO 42001 Kap. 8.2 und DSGVO Art. 5

Das Dokument ist extrem detailliert, vollständig, auditfähig und deckt alle Normen ab.

Es enthält KPIs, Kontrollen, Risiken, Bias‑Tests, Ethik‑Check, Monitoring, Audit‑Mapping – das bieten viele Anbieter nicht einmal im Premium‑Segment.

Der KI_D0009 – Datenqualitätsbericht ist eines der wichtigsten und strengsten Pflichtdokumente im gesamten KI‑Managementsystem.
Er dokumentiert die Qualität, Herkunft, Repräsentativität, Vollständigkeit, Korrektheit, Bias‑Risiken, Datenethik, Filter, Bereinigung und Validierung aller Daten, die ein KI‑System verwendet.

    „Der Datenqualitätsbericht ist eines der kritischsten Pflichtdokumente im gesamten KI‑Managementsystem, weil Art. 10 KIVO extrem hohe Anforderungen an Datenqualität, Datenrepräsentativität, Bias‑Freiheit und Dokumentation stellt.“    (Aus dem Dokument)

Damit ist dieses Dokument unverzichtbar für jede KI‑Anwendung, insbesondere für Hochrisiko‑KI gemäß EU‑KI‑Verordnung.

Leistungsbeschreibung

1. Vollständige Datenqualitätsanalyse gemäß KIVO Art. 10

Enthält alle regulatorisch geforderten Elemente:

•     Datenkategorien & Sensitivität
•     Datenquellenanalyse
•     Herkunft & Rechtmäßigkeit
•     Vollständigkeit
•     Korrektheit
•     Repräsentativität
•     Aktualität
•     Bias‑Analyse
•     Datenbereinigung
•     Datenfilter
•     Validierungsregeln
•     Datenethik‑Bewertung
•     Residualrisiken
•     Monitoring‑Plan
•     Audit‑Hinweise
•     ISO‑ & KIVO‑Mapping
•     Governance‑Freigabe

2. Ultra‑Detail Datenqualitäts‑KPIs

Mit vollständigen Tabellen:

    „Skills – 75 % Vollständigkeit – Nicht OK“
    „Telefonnummer – 3 % Fehlerquote – Nicht OK“

3. Vollständige Bias‑Analyse

Mit Tests und Maßnahmen:

•     Gender Bias Test
•     Age Bias Test
•     PLZ Bias Test
•     Language Bias Test

    „Gender Bias Test: 0.18 – kritisch“
    „Age Bias Test: 0.22 – kritisch“

4. Datenbereinigung & Filter gemäß DSGVO Art. 5

Mit klaren Regeln:

•     Entfernung sensibler Attribute
•     Entfernung bias‑relevanter Attribute
•     Normalisierung
•     Dublettenprüfung
•     Ergänzung fehlender Werte

5. Validierungsregeln

Mit Pflichtfeldern, Formatregeln, Wertebereichen und Textlängen.

6. Datenethik‑Bewertung

Mit vollständiger Checkliste:

    „Werden sensible Daten verarbeitet? – Nein“
    „Gibt es Diskriminierungsrisiken? – Ja“
    „Sind Maßnahmen implementiert? – Ja“

7. Residualrisiko‑Bewertung

Mit Scores und Maßnahmen:

    „Geschlechterbias – 15 → 6 (akzeptabel)“
    „Altersbias – 15 → 5 (akzeptabel)“

8. Monitoring‑Plan

Mit Frequenzen und KPIs:

•     Bias monatlich
•     Datenqualität wöchentlich
•     Modellleistung täglich
•     Oversight kontinuierlich

9. Audit‑Hinweise

Mit typischen Auditfragen:

•     Wie wurde Bias gemessen?
•     Welche Daten wurden entfernt?
•     Wie wird Datenqualität überwacht?