ISO 42001 Klausel 6: Planung, KI-Risiken und AIMS-Ziele

Wer ein KI-Managementsystem nach ISO/IEC 42001 aufbaut, unterschätzt regelmäßig Klausel 6. Sie wirkt wie der übliche Planungsabschnitt einer Managementsystemnorm — und ist in Wahrheit der Punkt, an dem sich entscheidet, ob das AIMS Substanz hat oder nur ein Ordner mit Richtlinien ist. Denn Klausel 6 ist die einzige Stelle der Norm, an der zwei verschiedene Beurteilungsverfahren nebeneinander gefordert werden: eine Risikobeurteilung aus Sicht der Organisation und eine Auswirkungsbeurteilung aus Sicht der betroffenen Personen. Wer beide zusammenwirft, produziert eine Lücke, die im Zertifizierungsaudit auffällt.

Zwei Perspektiven, die nicht dasselbe sind

Die KI-Risikobeurteilung nach Klausel 6.1.2 folgt der Logik, die man aus ISO/IEC 27001 kennt: Die Organisation legt Kriterien fest, identifiziert Risiken, die das Erreichen der eigenen Ziele gefährden, bewertet sie nach Eintrittswahrscheinlichkeit und Auswirkung und priorisiert sie. Das Bezugsobjekt ist die Organisation — ihre Reputation, ihre Verträge, ihre Rechtsposition, ihre Betriebsfähigkeit.

Die KI-Auswirkungsbeurteilung nach Klausel 6.1.4 dreht die Blickrichtung um. Hier geht es darum, welche Konsequenzen ein KI-System für Einzelpersonen, für Personengruppen und für die Gesellschaft haben kann. Ein Modell, das eine Bevölkerungsgruppe systematisch schlechter bewertet, mag für die Organisation lange ein niedriges Risiko darstellen — die Auswirkung auf die Betroffenen ist trotzdem hoch. Genau deshalb trennt die Norm die beiden Verfahren.

Diese Trennung ist kein Formalismus. Sie ist der methodische Anschluss an das europäische Regelwerk. Artikel 9 der Verordnung (EU) 2024/1689 verlangt für Hochrisiko-KI ein Risikomanagementsystem, das ausdrücklich die Risiken für Gesundheit, Sicherheit und Grundrechte adressiert. Artikel 27 verpflichtet bestimmte Betreiber zusätzlich zur Grundrechte-Folgenabschätzung. Wer die Auswirkungsbeurteilung aus Klausel 6.1.4 sauber aufsetzt, hat die Methodik dafür bereits im Haus — und muss sie nicht zweimal erfinden. Für die inhaltliche Ausgestaltung existiert mit ISO/IEC 42005 eine eigene Leitlinie zur Auswirkungsbeurteilung von KI-Systemen, die sich als Referenz für Umfang und Dokumentationstiefe anbietet.

Risikobehandlung: der Punkt, an dem Annex A ins Spiel kommt

Klausel 6.1.3 verlangt die Auswahl von Behandlungsoptionen und den Abgleich mit den Maßnahmen aus Annex A der Norm. Ergebnis ist die Erklärung zur Anwendbarkeit — das Statement of Applicability. Dort steht für jede Annex-A-Maßnahme, ob sie anwendbar ist, und wenn nicht, warum nicht.

Der häufigste Fehler an dieser Stelle ist ein SoA, das nicht aus der Risikobeurteilung folgt, sondern parallel zu ihr entstanden ist. Man erkennt es daran, dass sich für keine einzige Maßnahme ein Risiko benennen lässt, das sie behandelt. Ein Auditor prüft genau diese Kette rückwärts: von der Maßnahme zur Behandlungsentscheidung zum Risiko zum Kriterium. Bricht sie an einer Stelle, ist der gesamte Nachweis brüchig — unabhängig davon, wie gut die einzelnen Dokumente für sich genommen aussehen.

Ein zweiter Punkt aus 6.1.3, der oft untergeht: Die Norm verlangt die Zustimmung der Risikoeigentümer zum Risikobehandlungsplan und zur Akzeptanz der Restrisiken. Restrisiko-Akzeptanz ist eine Entscheidung mit Namen, Datum und Begründung. Ein Vermerk „Restrisiko akzeptiert" ohne erkennbaren Entscheider ist im Audit kein Nachweis, sondern eine Feststellung.

Ziele, die man messen kann

Klausel 6.2 fordert KI-Ziele auf relevanten Funktionen und Ebenen. Die Anforderungen sind explizit: Die Ziele müssen mit der KI-Politik im Einklang stehen, messbar sein — soweit praktikabel —, überwacht, kommuniziert und bei Bedarf aktualisiert werden. Und die Norm verlangt zusätzlich die Planung dahinter: was getan wird, welche Ressourcen nötig sind, wer verantwortlich ist, wann es fertig ist und wie das Ergebnis bewertet wird.

In der Praxis ist das die Stelle, an der viele AIMS-Projekte ins Unverbindliche kippen. „Wir wollen verantwortungsvolle KI einsetzen" ist kein Ziel, sondern eine Haltung. Prüfbare Formulierungen sehen anders aus: der Anteil der im KI-Inventar erfassten Systeme mit vollständiger Auswirkungsbeurteilung, die Zeitspanne zwischen Inbetriebnahme eines Systems und seiner Erstbewertung, der Anteil der Hochrisiko-Systeme mit dokumentierter menschlicher Aufsicht. Solche Kennzahlen sind der Anknüpfungspunkt für Klausel 9 — Überwachung, Messung, Analyse und Bewertung. Wer Klausel 6.2 vage lässt, hat in der Managementbewertung nichts zu berichten.

Für die Reifegradbetrachtung ist das entscheidend. AIMS-Reife im Sinne von ISO 42001 × CMMI v3 heißt nicht, dass Dokumente existieren, sondern dass Prozesse definiert, gemessen und gesteuert werden. Der Sprung vom definierten zum quantitativ gesteuerten Prozess findet genau hier statt: bei messbaren Zielen mit belastbaren Daten dahinter.

Änderungen planen statt nachdokumentieren

Klausel 6.3 ist kurz und wird deshalb gern überlesen: Änderungen am AIMS sind geplant durchzuführen. Bei KI-Systemen ist das kein Nebensatz. Ein neues Basismodell, ein geänderter Trainingsdatensatz, ein zusätzlicher Anwendungsfall für ein bestehendes System — jede dieser Änderungen kann die Risikolage und die Auswirkungsbeurteilung verschieben. Wenn die Beurteilung erst nachträglich angepasst wird, entsteht ein Zeitraum, in dem das System außerhalb des dokumentierten Rahmens betrieben wurde. Genau solche Lücken werden im Audit sichtbar, weil sich Änderungszeitpunkt und Beurteilungsdatum vergleichen lassen.

Wer die Systemlandschaft klassifiziert und dabei Hochrisiko-Fälle sauber abgrenzen will, findet die Einordnungslogik vertieft auf hochrisiko-ki.com.

Was das für den Zeitplan bedeutet

Die Durchsetzung der Hochrisiko-Pflichten des EU AI Act ist nach dem Digital Omnibus auf den 02.12.2027 terminiert. Klausel 6 ist der Teil des AIMS mit der längsten Vorlaufzeit, weil Risiko- und Auswirkungsbeurteilungen nicht am Schreibtisch entstehen: Sie brauchen ein vollständiges KI-Inventar, benannte Risikoeigentümer, Zugang zu Modell- und Datendokumentation und mindestens einen Durchlauf, in dem die Kriterien an realen Systemen kalibriert werden. Organisationen, die diesen Zyklus vor dem Stichtag einmal komplett durchlaufen haben, gehen mit belegten Entscheidungen in die Prüfung — nicht mit Absichtserklärungen.

Der Unterschied zwischen beidem ist Nachweisführung: verknüpfte, datierte, zurechenbare Evidenz statt einer Sammlung von Einzeldokumenten. Genau darum geht es bei Evidence-based AI Trust — nachweisbar und audit-ready. Mehr zur AEGIRA Trust-Platform: aegira.ai.

Primärquellen: ISO/IEC 42001:2023, Klausel 6; ISO/IEC 42005 (Leitlinie zur Auswirkungsbeurteilung von KI-Systemen); Verordnung (EU) 2024/1689 (EU AI Act), Artikel 9 und 27.