NIST AI RMF. Die Risiko-Methodik für KI.

Das NIST AI RMF (AI 100-1) ist ein freiwilliger Risikomanagement-Rahmen für KI-Systeme, veröffentlicht vom US-amerikanischen NIST im Januar 2023. Strukturiert um vier Funktionen — Govern, Map, Measure, Manage — und branchen-, technologie- sowie anwendungsfall-unabhängig. Wird ergänzt durch das AI RMF Playbook mit umsetzbaren Hinweisen und Referenz-Outcomes. NIST hat zudem Profile für spezifische Kontexte veröffentlicht, darunter das Generative AI Profile (AI 600-1) im Juli 2024.

Ja — trotz US-Ursprung ist NIST AI RMF für EU-Organisationen aus drei Gründen sehr nützlich. (1) Methodische Tiefe — die Risikotaxonomie, Trustworthy-AI-Charakteristika und Outcome-Statements sind granularer und operativer als der AI-Act-Text. (2) US-Marktzugang — wer in US-Konzerne oder den US-Public-Sector verkauft, muss NIST-AI-RMF-Compliance zunehmend nachweisen. (3) Crosswalk mit AI Act — NIST hat Mappings veröffentlicht, wie AI-RMF-Outcomes die AI-Act-Pflichten stützen, insbesondere Art. 9 (Risikomanagement) und Art. 72 (Post-Market-Monitoring).

(1) Govern — Politik, Rollen und Rechenschaft für KI-Risikomanagement etablieren. Fundamentale, querschneidende Funktion. (2) Map — Kontext etablieren, Charakteristika, Verwendungszwecke und Risiken eines KI-Systems identifizieren und dokumentieren. Inventar, Klassifizierung, Stakeholder. (3) Measure — identifizierte Risiken quantitativ und qualitativ bewerten und tracken. Tests, Monitoring, Evaluierung gegen definierte Metriken. (4) Manage — Ressourcen für identifizierte Risiken zuweisen, Risikoreaktionen priorisieren, Wirksamkeit von Risikominderungen tracken. Jede Funktion hat Kategorien und Subkategorien mit spezifischen Outcome-Statements.

NIST AI 600-1 (Generative AI Profile, Juli 2024) ist ein NIST-AI-RMF-Begleitdokument, das spezifisch die Risiken generativer KI adressiert — große Sprach- und Bildmodelle, Multimodal-Modelle. Identifiziert 12 generative-KI-spezifische Risiken (CBRN-Informationen, Konfabulation, gefährliche Inhalte, Datenschutz, Umwelt, schädliche Bias, Mensch-KI-Konfiguration, IP, obszöne Inhalte, Informationsintegrität, Informationssicherheit, Wertschöpfungskette) und mappt jedes auf umsetzbare Mitigationsmaßnahmen über alle vier Funktionen. Pflichtlektüre für jede Organisation, die GPAI einsetzt — nach NIST oder AI Act.

Komplementär, nicht konkurrierend. NIST AI RMF ist freiwillig, methodisch tief, prozessorientiert. AI Act ist bindend, klassifizierungsgetrieben, ergebnisorientiert. Mappings: NIST „Govern“ entspricht AI-Act-Art. 17 (Qualitätsmanagementsystem); NIST „Map“ entspricht Art. 9 (Risikomanagementsystem); NIST „Measure“ entspricht Art. 15 (Genauigkeit, Robustheit, Cybersicherheit) und Art. 72 (Post-Market-Monitoring); NIST „Manage“ entspricht den operativen Pflichten quer durch Art. 9, 14, 15 und 73. Eine Organisation mit reifer NIST-AI-RMF-Implementierung kann etwa 70 % der Evidenz für AI-Act-Konformitätsbewertung wiederverwenden.

Ähnlicher Problemraum, unterschiedliche Form. ISO 42001 ist eine Management-System-Norm (Annex SL, zertifizierbar); NIST AI RMF ist ein Risikorahmen (Selbstbewertung, kontinuierliche Verbesserung). Viele Organisationen betreiben beides — ISO 42001 als strukturelles Rückgrat, NIST AI RMF als operative Risikomethodik. Beide sind interoperabel: AI-RMF-Outcomes können Evidenz für ISO-42001-Controls liefern (insb. A.5 Folgenabschätzung und Kapitel 6 Risikoplanung), und ISO-42001-PDCA-Zyklus passt zur NIST-Orientierung auf kontinuierliche Verbesserung.

Nein — NIST AI RMF ist bewusst kein Zertifizierungsrahmen. Es ist ein Selbstbewertungswerkzeug ohne formale Akkreditierungsstelle oder Zertifikat. Organisationen können öffentlich ihre Nutzung des Frameworks erklären, und Beratungen bieten NIST-AI-RMF-Readiness-Bewertungen — aber kein Dritt-Zertifikat „NIST AI RMF zertifiziert“ existiert. Für Zertifizierung kombinieren Organisationen typischerweise NIST-AI-RMF-Methodik mit ISO-42001-Zertifizierung.