NIST AI RMF.
KI-Risiken im konkreten Einsatz verstehen, begründete Entscheidungen treffen und die Wirkung von Schutzmaßnahmen überprüfen.
- NIST AI 100-1 · AI RMF 1.0
- Von Jonathan Bezdek
- Stand: 22.10.2026
- Fachlich freigegeben von Jonathan Bezdek am 22.10.2026
- Lesezeit: 6 Min.
Kurzantwort.
NIST AI RMF ist ein freiwilliger Rahmen für das Risikomanagement von KI-Systemen. Das AI Risk Management Framework 1.0 unterstützt Entwicklung, Einsatz und Bewertung mit den Funktionen Govern, Map, Measure und Manage. Es verbindet technische Prüfungen mit Verantwortlichkeit und Folgenbetrachtung über den Lebenszyklus; ein allgemeines Zertifizierungsverfahren begründet es nicht.
AI RMF 1.0, Playbook und Generative AI Profile.
NIST AI RMF 1.0 ist eine Veröffentlichung des US-amerikanischen National Institute of Standards and Technology vom 26. Januar 2023. NIST AI 100-1 beschreibt Risiken für Menschen, Organisationen und Gesellschaft sowie Eigenschaften vertrauenswürdiger KI. Das Rahmenwerk richtet die Betrachtung auf den tatsächlichen Einsatz: Dass ein Modell einen Test besteht, beantwortet noch nicht, welche Folgen seine Ausgaben in einem betrieblichen Ablauf haben.
Das NIST AI RMF Playbook ergänzt den Rahmen um freiwillige Handlungsvorschläge. Nach der NIST-Playbook-Seite ist es keine vollständig abzuarbeitende Checkliste; passende Vorschläge werden für den eigenen Kontext ausgewählt. NIST AI 600-1 von Juli 2024 ist wiederum ein gesondertes Generative AI Profile. Es vertieft Risiken generativer KI und ergänzt die Grundausgabe, statt sie durch eine neue Version zu ersetzen.
NIST kündigt auf seiner Programmseite und in den im August 2026 aktualisierten FAQ eine Überarbeitung von AI RMF 1.0 an. Diese Seite bezieht sich auf die veröffentlichte Grundausgabe und die benannten Ergänzungen. Für die eigene Arbeit sollte festgehalten werden, welche Fassung, welches Profil und welcher Quellenstand eine Bewertung tragen.
Für wen das AI Risk Management Framework gedacht ist.
Das NIST AI RMF richtet sich nach NIST AI 100-1, Kapitel 2, an verschiedene Akteure im KI-Lebenszyklus: Entwicklung, Beschaffung, Einsatz und Bewertung. Die NIST-FAQ nennt Organisationen unterschiedlicher Größen und Branchen. Auch ein Unternehmen, das externe KI einkauft, kann damit Fragen zu seinem Einsatz, zu Lieferantenabhängigkeiten und zur eigenen Verantwortung bearbeiten.
Die Betrachtung gehört in ein fachübergreifendes Team. Technische Fachleute können beispielsweise das Verhalten eines Systems prüfen, während Fachverantwortliche erklären, welche Fehler in einem Arbeitsablauf folgenreich sind. Datenschutz, Sicherheit und die Perspektive betroffener Personen ergänzen diese Arbeit. Nach NIST AI 100-1, Kapitel 3, können zwischen Vertrauenswürdigkeitsmerkmalen Zielkonflikte bestehen; ein einzelner guter Messwert ersetzt daher keine begründete Gesamtentscheidung.
Govern, Map, Measure und Manage verbinden.
Die vier Funktionen aus NIST AI 100-1, Kapitel 5, ordnen die KI-Risikoarbeit. Sie sind keine vier zwingend nacheinander abgeschlossenen Projektphasen. Govern wirkt übergreifend; Erkenntnisse aus Betrieb und Bewertung führen wieder zu Kontextklärung und Entscheidungen.
Govern: Verantwortung und Entscheidungsregeln.
Govern verbindet nach Kapitel 5.1 die technische Arbeit mit Zuständigkeiten, Risikotoleranz und organisatorischen Regeln. Für einen konkreten Einsatz muss verständlich sein, wer eine Bewertung verantwortet, wer verbleibende Risiken entscheiden darf und wann eskaliert wird. Governance bleibt auch nach einer Freigabe wirksam und trägt die anderen Funktionen.
Map: Einsatzkontext und mögliche Folgen.
Map untersucht nach Kapitel 5.2 Zweck, Umfeld, Beteiligte und mögliche Auswirkungen eines KI-Systems. Ein Assistent für interne Textentwürfe hat andere Entscheidungspunkte als eine Anwendung, deren Ergebnisse über Bewerbungen mitentscheiden. Die Kontextbeschreibung macht sichtbar, welche Informationen fehlen und welche Annahmen eine spätere Bewertung einschränken.
Measure: Aussagen mit passenden Methoden prüfen.
Measure nutzt nach Kapitel 5.3 qualitative und quantitative Methoden, um Risiken und relevante Systemeigenschaften zu untersuchen. Tests sollten zu den ermittelten Folgen passen und ihre Grenzen offenlegen. Ein Ergebnis ist nur so aussagekräftig wie Daten, Testbedingungen und untersuchter Einsatz; Unsicherheit gehört deshalb zur Bewertung.
Manage: Behandlung und Betrieb steuern.
Manage ordnet nach Kapitel 5.4 Maßnahmen und Entscheidungen nach den bewerteten Risiken. Dazu gehören Behandlung, Überwachung und der Umgang mit Änderungen oder Vorfällen. Eine Organisation sollte erklären können, weshalb sie einen Einsatz freigibt, einschränkt oder beendet und welche Ergebnisse diese Entscheidung später verändern würden.
NIST AI RMF praktisch anwenden.
Anwendungsfall abgrenzen.
Wählen Sie als praktischen Einstieg einen konkreten KI-gestützten Ablauf und dokumentieren Sie Zweck, Systemgrenze, zuständige Person sowie die verwendete Framework-Fassung.
Kontext gemeinsam untersuchen.
Erfassen Sie Beteiligte, betroffene Personen, Lieferanten und mögliche Folgen und halten Sie widersprüchliche Annahmen als offene Untersuchungsfragen fest.
Risiken und Bewertungsbedarf bestimmen.
Priorisieren Sie relevante Risikoszenarien und entscheiden Sie, welche technischen Prüfungen, fachlichen Bewertungen und zusätzlichen Informationen eine belastbare Entscheidung erfordert.
Behandlung und Freigabe begründen.
Verknüpfen Sie Ergebnisse mit Schutzmaßnahmen, verbleibenden Unsicherheiten und einer verantworteten Entscheidung einschließlich Bedingungen und Einschränkungen.
Betrieb und Änderungen verfolgen.
Legen Sie fest, welche Rückmeldungen, Vorfälle oder Änderungen eine erneute Bewertung auslösen und wer die daraus entstehende Arbeit übernimmt.
Nachweis durch überprüfbare Entscheidungen.
Eine RMF-orientierte Bewertung wird durch ihren Umfang, ihre Methoden und ihre dokumentierten Ergebnisse nachvollziehbar. NIST AI 100-1, Kapitel 4 und 6, behandelt Wirksamkeit und kontextbezogene Profile. Aussagekräftig sind beispielsweise eine begründete Risikobetrachtung, nachvollziehbare Evaluationen, dokumentierte Grenzen und überprüfte Behandlungsentscheidungen. Ein ausgefüllter Fragebogen allein zeigt nicht, dass ein Risiko beherrscht wird.
Das freiwillige Rahmenwerk enthält kein Zertifizierungsverfahren nach dem Vorbild einer ISO-Managementsystemnorm. Bei einer externen Bewertung ist zu prüfen, was tatsächlich untersucht wurde: welche Anwendung, welche Version, welche Methoden und welcher Zeitpunkt. Eine private Bescheinigung ist nach diesen Angaben zu beurteilen und nicht als pauschale Freigabe durch NIST zu behandeln. Eine allgemeine Zertifikatslaufzeit lässt sich aus dem AI RMF nicht ableiten.
Andere Frameworks für andere Entscheidungen.
ISO 42001 beschreibt Anforderungen an ein KI-Managementsystem und einen möglichen unabhängigen Zertifizierungsnachweis. Der EU AI Act begründet gesonderte gesetzliche Pflichten je nach System, Rolle und Anwendungszeitpunkt. NIST CSF unterstützt die Cybersecurity-Risikoarbeit; die Anwendung dieser Instrumente ersetzt keine kontextbezogene KI-Risikobetrachtung und begründet keine automatische gegenseitige Erfüllung.
In Secani.
Secani stellt einen redaktionellen Arbeitskatalog zu NIST AI RMF 1.0 mit deutschen und englischen Inhalten bereit. Zum gespeicherten KI-Profil gehören Angaben wie Rolle, generativer Einsatz, externe Modelle und Betriebsstatus. Der Produktkatalog kennzeichnet die noch ausstehende Fachprüfung und bildet das gesonderte Generative-AI-Profil sowie künftige NIST-Revisionen nicht vollständig ab. Daraus entsteht keine automatische Konformitäts- oder Zertifizierungsentscheidung.
Mit einer konkreten KI-Entscheidung beginnen.
Wählen Sie einen Einsatz, für den Ihre Organisation eine belastbare Freigabe oder Einschränkung begründen muss. Stellen Sie vorhandene Kontextinformationen, Evaluationen und Entscheidungen zusammen und benennen Sie die verantwortliche Person. Daran lässt sich prüfen, welche Informationen für eine Entscheidung fehlen und welche Arbeit zuerst nötig ist. Der Einstieg ist eine praktische Empfehlung; das Playbook schreibt keine universelle Projektfolge vor.
Quellen.
- NIST: AI Risk Management Framework und Revisionsstand
- NIST AI 100-1: AI RMF 1.0, Kapitel 1–6
- NIST: AI Risk Management Framework FAQs
- NIST: AI RMF Playbook
- NIST AIRC: Playbook und Anwendungshinweise
- NIST AIRC: AI RMF Core, Kapitel 5
- NIST AI 600-1: Generative Artificial Intelligence Profile
- NIST: Veröffentlichung des Generative-AI-Profils
Häufige Fragen.
NIST stellt das AI RMF als freiwilligen Rahmen bereit. Welche gesetzlichen oder vertraglichen Anforderungen für einen konkreten KI-Einsatz gelten, ist gesondert zu prüfen.
Nein. Governance wirkt übergreifend; die Funktionen werden passend zum Kontext wiederholt verbunden. Weder der Core noch das Playbook bilden eine für jeden Einsatz vollständig abzuarbeitende Schrittfolge.
Nein. NIST AI 600-1 ist ein ergänzendes Profil zu AI RMF 1.0 für generative KI und ersetzt die Grundausgabe nicht.
Das AI RMF begründet kein Zertifizierungsverfahren wie bei einer ISO-Managementsystemnorm. Eine externe Bewertung ist anhand ihrer Methode und ihres tatsächlichen Umfangs zu beurteilen; sie ersetzt keine gesonderte rechtliche Konformitätsprüfung.
KI-Risiken nachvollziehbar bearbeiten.
Secani unterstützt die Arbeit mit dem redaktionellen AI-RMF-Katalog und dem zugehörigen KI-Profil.
Diese Seite ordnet NIST-Veröffentlichungen allgemein ein. Maßgeblich sind die benannten Originalquellen und die für den jeweiligen Einsatz geltenden rechtlichen Anforderungen.