ISO/IEC 42001 in der Praxis: das KI-Managementsystem aufbauen

Die ISO/IEC 42001:2023 folgt der High Level Structure: Kapitel 4 bis 10 regeln Kontext der Organisation, Führung, Planung, Unterstützung, Betrieb, Leistungsbewertung und Verbesserung. Annex A ergänzt 38 Referenz-Controls in neun Themengruppen (A.2 bis A.10) — von der AI Policy über Ressourcen, Impact Assessments und den KI-Lebenszyklus bis zu Daten, Transparenz, verantwortungsvoller Nutzung und Drittparteien; Annex B liefert die zugehörige Umsetzungsanleitung. Die Terminologie stützt sich auf die ISO/IEC 22989:2022.

Ein zertifizierbares AIMS ruht auf einer klar geschichteten Dokumentation: der AIMS-Policy als Leitwerk mit Prinzipien für Responsible AI, einem Handbuch mit den Normanforderungen der Kapitel 4–10 samt Audit-Checklisten sowie dem Statement of Applicability (SoA) als zentralem Nachweisdokument, das jede Control-Entscheidung begründet und Nachweise zuordnet. Ergänzt wird sie durch mitgeltende Dokumente entlang von zehn Governance-Domänen — Governance-Struktur, Rollen und Lifecycle-Verantwortung, Data Governance, Model Governance, Risk Management, Security & Privacy, Human Oversight & Ethical Control, Supplier & Third-Party Governance, Continuous Improvement & CAPA sowie Management Review.

Wer bereits ein ISMS nach ISO/IEC 27001 betreibt, muss das AIMS nicht daneben stellen, sondern kann es integrieren: ein gemeinsames Asset-Register für IT, Daten und KI-Systeme, eine einheitliche Risikomethodik, ein Lieferantenprozess mit AI-Klauseln, kombinierte interne Audits und ein gemeinsames Management Review. Auch Incident Management, Schulungen und das Richtlinienwerk lassen sich für beide Regelwerke gemeinsam führen. Startpunkt ist eine Gap-Analyse, die zeigt, welche ISMS-Bausteine wiederverwendbar sind und wo KI-spezifische Ergänzungen nötig werden.

Kapitel 5 der Norm verankert die Verantwortung der obersten Leitung: Sie legt die AI Policy fest, integriert das AIMS in die Geschäftsstrategie und weist Rollen, Verantwortlichkeiten und Befugnisse zu. In der Praxis bewährt sich ein Governance-Modell aus einem AI Governance Board für strategische Steuerung und Freigaben, einem AI Compliance Officer für rechtliche und ethische Anforderungen und einer AIMS-Leitung für die operative Umsetzung. Die Controls A.3.2 und A.3.3 fordern dokumentierte Rollen entlang des gesamten KI-Lebenszyklus — etwa über RACI-Matrix und Rollenregister — sowie geregelte Meldewege für Bedenken.

Den Kern des AIMS bilden drei verzahnte Prozesse: das AI Risk Assessment (Kapitel 8.2), die AI Risk Treatment (Kapitel 8.3) und das AI System Impact Assessment (Kapitel 6.1.4 und 8.4). Die Besonderheit gegenüber klassischem Sicherheits-Risikomanagement: Bewertet werden nicht nur Risiken für die Organisation, sondern ausdrücklich auch Auswirkungen auf Einzelpersonen, Gruppen und die Gesellschaft. Die Controls A.5.2 bis A.5.5 verlangen einen dokumentierten Impact-Assessment-Prozess samt Berichten — bis hin zur Bewertung gesellschaftlicher Auswirkungen.

Bewährt hat sich ein phasenweises Vorgehen: zunächst Kontext- und Ausgangslagenanalyse mit KI-Inventar und Gap-Analyse gegen das bestehende ISMS, dann Aufbau von Governance-Modell und Dokumentation, anschließend Umsetzung der Prozesse entlang des KI-Lebenszyklus — von Risikoanalyse und Trainingsdaten-Management bis Deployment, Monitoring und Incident Handling. Es folgen Schulung und Awareness für alle Rollen im AIMS, internes Audit und Management Review als Generalprobe, danach das Zertifizierungsaudit. Das SoA wird anschließend regelmäßig im Management Review aktualisiert.