Sind Sie bereit für den KI-Einsatz? 
Diese Tests geben erste Antworten!

Der AI-Act schützt die europäischen Verbraucher:innen vor Grundrechtsverletzungen, die auf eine unangemessene Nutzung von KI zurückzuführen sind. Hierfür unterteilt er KI-Systeme in vier verschiedene Risikoklassen. Anbieter von als hoch riskant eingestuften KI-Systemen müssen künftig die Einhaltung zahlreicher Anforderungen im Sinne der Grundsätze vertrauenswürdiger KI überprüfen und förmlich bestätigen – von KI-Governance bis zu KI-Qualität. Für Verstöße gegen diese Vorgaben drohen hohe Geldstrafen. Grundsätzlich gilt: Je höher das Risiko, desto höher die Anforderungen. Um als Anwender:in, Nutzer:in oder Einkäufer:in festzustellen, inwiefern das entwickelte, genutzte oder eingekaufte KI-System in eine der Risikoklassen fällt, lässt sich die Einordnung mit dem AI-Act Compliance Checker feststellen.

Der KI-Reifegrad in Ihrem Unternehmen lässt sich mit Hilfe des Tools von Applied AI feststellen: Der KI-Reifegrad-Kompass bietet die Möglichkeit, den aktuellen Stand eines KI-Projekts einzuschätzen. Mit der Beantwortung einiger Fragen erhalten Nutzer des Tools eine umfassende Bewertung des KI-Einsatzes.

Der KI Readiness Check des Mittelstand-Digital Zentrums Kaiserslautern ermöglicht die Selbsteinschätzung der eigenen KI-Reife im Unternehmen. Durch die Beantwortung von Fragen zu vier Themengebieten und durch allgemeine Aussagen zum Unternehmen ermittelt der Readiness-Check den Reifegrad von technischer Kompetenz und Infrastruktur, die strategische Ausrichtung des Unternehmens sowie die Bereitschaft der Mitarbeiter.

Der ClaIRK Dienst fasst komplexe rechtliche Texte in zugängliche und handlungsorientierte Erkenntnisse zusammen, um Compliance Risiken zu reduzieren und den Entscheidungsprozess zu verbessern. Die Tools stellen sicher, dass Texte visuell dargestellt und relevante Informationen sowie regulatorische Entwicklungen detailliert zusammengefasst werden.

Das Dataset Nutrition Label ist speziell auf Datensätze ausgelegt und soll die Kernkomponenten eines Datensatzes strukturiert darstellen. 
Es zielt darauf ab, Kennzeichnungen zu erstellen, die die wichtigsten Bestandteile eines Datensatzes Daten hervorheben, um Verzerrungen zu verhindern.