DLT als Audit- und Vertrauensschicht für KI-Entscheidungen

Künstliche Intelligenz hat sich in den vergangenen Jahren zu einem zentralen Bestandteil digitaler Transformationsstrategien entwickelt und beeinflusst zunehmend operative Entscheidungsprozesse in Organisationen. Fortschritte im maschinellen Lernen haben dazu geführt, dass KI-Systeme zunehmend in operative Entscheidungsprozesse integriert werden. Parallel dazu zeigt sich jedoch, dass viele KI-Systeme den Übergang von Pilotanwendungen in revisionssichere und verantwortbare Produktivumgebungen nur eingeschränkt bewältigen können. In der Praxis sind KI-Entscheidungen häufig in komplexe, historisch gewachsene Daten- und Systemlandschaften eingebettet. Unklare Verantwortlichkeiten sowie fehlende Nachvollziehbarkeit von Datenständen, Modellversionen und Entscheidungskontexten erschweren den vertrauenswürdigen Einsatz von KI. Diese Defizite betreffen weniger die Leistungsfähigkeit der Modelle als vielmehr die strukturellen Voraussetzungen ihrer Governance. Der Beitrag stellt ein praxisorientiertes Architekturkonzept vor, das nachhaltiges Vertrauen in KI-Entscheidungen durch eine zusätzliche Audit- und Vertrauensschicht adressiert. Vor diesem Hintergrund wird gezeigt, wie Distributed-Ledger-Technologien (DLT) als unabhängige und unveränderliche Infrastruktur zur Protokollierung zentraler KI-Artefakte eingesetzt werden können. Ziel ist es, DLT als komplementären Baustein für Governance, Auditierbarkeit und institutionelle Verantwortung in KI-Systemarchitekturen darzustellen.