Inhaltsverzeichnis
1. AI-Strategie & Prinzipien
AI ist kein Add-On, sondern das zentrale Nervensystem des Portals. Jede Interaktion wird durch AI angereichert, beschleunigt oder automatisiert.
| Prinzip | Beschreibung |
|---|---|
| Human-in-the-Loop | AI unterstützt, der Mensch entscheidet bei kritischen Aktionen |
| Transparent | AI-Entscheidungen sind nachvollziehbar und erklärbar |
| Datensouverän | Alle Daten bleiben On-Premises, nur bereinigte Anfragen gehen an Claude API |
| Lernend | Feedback-Loops verbessern die AI kontinuierlich |
| Sicher | PII-Filterung vor jeder API-Anfrage, keine sensiblen Daten an externe Services |
| Kontextbewusst | AI kennt den Benutzer, seine Rolle und seinen Kontext |
2. AI-Komponenten-Übersicht
AI Service Layer Architecture
┌─────────────────────────────────────────────────────────────────┐ │ AI SERVICE LAYER │ │ │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ AI GATEWAY │ │ │ │ (Rate Limiting, Routing, Caching, Logging, Guardrails) │ │ │ │ PII-Filter │ Prompt Sanitization │ Response Validation │ │ │ └────────────────────────┬────────────────────────────────┘ │ │ │ │ │ ┌────────────┬───────────┼───────────┬────────────────┐ │ │ │ │ │ │ │ │ │ ▼ ▼ ▼ ▼ ▼ │ │ ┌──────┐ ┌──────┐ ┌──────┐ ┌──────────┐ ┌──────────────┐ │ │ │ Self │ │Agent │ │Auto │ │Knowledge │ │ Predictive │ │ │ │ Help │ │Copi- │ │Triage│ │ AI │ │ Analytics │ │ │ │ Chat │ │lot │ │ │ │ │ │ │ │ │ │ Bot │ │ │ │ │ │ │ │ │ │ │ └──┬───┘ └──┬───┘ └──┬───┘ └────┬─────┘ └──────┬───────┘ │ │ │ │ │ │ │ │ │ └─────────┴─────────┴───────────┴────────────────┘ │ │ │ │ │ ┌────────────▼────────────────┐ │ │ │ SHARED AI SERVICES │ │ │ │ │ │ │ │ • RAG Engine │ │ │ │ • Embedding Service │ │ │ │ • NLP Pipeline │ │ │ │ • Sentiment Analysis │ │ │ │ • Entity Extraction │ │ │ │ • Intent Classification │ │ │ │ • Guardrails & Safety │ │ │ └──────────────┬──────────────┘ │ │ │ │ │ ┌───────────────▼───────────────┐ │ │ │ EXTERNE LLM-ANBINDUNG │ │ │ │ │ │ │ │ Anthropic Claude API │ │ │ │ (via HTTPS, PII-gefiltert) │ │ │ │ │ │ │ │ + Elasticsearch (On-Prem) │ │ │ │ für Vector Search / RAG │ │ │ └────────────────────────────────┘ │ └─────────────────────────────────────────────────────────────────┘
3. Self-Help Chatbot
Der Self-Help Chatbot ist der erste Kontaktpunkt für alle Mitarbeiter. Er ist über das Web-Portal und Microsoft Teams erreichbar.
Chatbot Conversation Flow
Benutzer: "Mein VPN funktioniert nicht"
│
▼
┌───────────────┐
│ Intent Engine │──► Intent: vpn_problem
└───────┬───────┘ Confidence: 0.94
│
▼
┌───────────────┐
│ Context │──► User: Max Müller
│ Enrichment │ Abteilung: Fund Operations
│ │ Letzte Tickets: VPN (vor 3 Mo.)
│ │ Assets: Laptop HP-4521
└───────┬───────┘
│
▼
┌───────────────┐
│ RAG Search │──► KB-Artikel: "VPN Troubleshooting"
│ (Elasticsearch│ Lösung-Score: 0.87
│ Vector) │
└───────┬───────┘
│
▼
┌───────────────┐
│ Claude API │──► "Hallo Max, ich helfe dir mit
│ Response │ deinem VPN-Problem. Lass uns
│ Generation │ zuerst folgendes prüfen:
│ │ 1. VPN-Client neu starten
│ │ 2. Netzwerkverbindung prüfen
│ │ 3. ..."
└───────┬───────┘
│
▼
┌───────────────────────┐
│ Follow-Up: │
│ "Hat das geholfen?" │
│ │
│ [Ja, danke!] │──► Ticket vermieden ✓
│ [Nein, weiter helfen] │──► Weitere Diagnose
│ [Ticket erstellen] │──► Ticket mit Kontext
└───────────────────────┘
3.1 Chatbot-Features
| Feature | Beschreibung |
|---|---|
| Multi-Turn Conversations | Mehrstufige Dialoge mit Kontextverständnis |
| Guided Troubleshooting | Schritt-für-Schritt Fehlerbehebung |
| Quick Actions | Direkte Aktionen: Passwort-Reset, Software-Install, Berechtigungen |
| Ticket Creation | Nahtloser Übergang zum Ticket (alle Infos übernommen) |
| Proaktive Vorschläge | „Ich sehe, dass es aktuell VPN-Störungen gibt…“ |
| Mehrsprachig | Deutsch, Englisch (weitere konfigurierbar) |
| Rich Responses | Bilder, Videos, Step-by-Step Anleitungen, Buttons |
| Feedback Buttons | Daumen hoch/runter für kontinuierliche Verbesserung |
| Eskalation | „Ich verbinde dich mit einem IT-Mitarbeiter“ |
| Öffnungszeiten-Aware | Unterschiedliches Verhalten innerhalb/außerhalb Servicezeiten |
3.2 Conversation Guardrails
| Guardrail | Beschreibung |
|---|---|
| Topic Boundary | Bot antwortet nur auf IT-bezogene Fragen |
| Data Leakage Prevention | Keine sensitiven Daten in Antworten |
| Hallucination Detection | Confidence-Threshold, bei Unsicherheit → Ticket |
| Prompt Injection Protection | Schutz vor manipulativen Eingaben |
| PII Handling | Automatische Maskierung persönlicher Daten vor API-Aufruf |
| Audit Trail | Alle Konversationen werden lokal protokolliert |
| Content Safety | Anthropic Claude Built-in Safety + eigene Filter |
portal.hafs.de/chat
Fragen Sie mich zu IT, HR, Policies, Compliance, Facilities…
➤
Unternehmensweiter Self-Help Chatbot – IT-Diagnose mit Auto-Resolve und Repair-Script-Ausführung
portal.hafs.de/chat
Fragen Sie mich zu IT, HR, Policies, Compliance, Facilities…
➤
Zentrale Knowledge Base – Chatbot beantwortet Fragen zu Urlaubsrichtlinien, Sicherheitspolicies und Compliance-Vorgaben mit Quellenangaben
portal.hafs.de/chat
Fragen Sie mich zu IT, HR, Policies, Compliance, Facilities…
➤
Prozessübergreifender Chatbot – Facilities-Anfrage mit automatischer Ticket-Erstellung, Gruppen-Assignment an Facility Management und Raumbuchungs-Integration. Das Portal ist modular erweiterbar für beliebige Unternehmensprozesse.
portal.hafs.de/chat
Fragen zu IT, HR, Security, Compliance, Facilities, Finance, Schulungen, Beschaffung…
➤
Erweiterbare Plug-in-Architektur – HR-Urlaubsauskunft, Sicherheitsrichtlinien mit regulatorischem Kontext, und automatische Ticket-Erstellung mit Gruppen-Assignment an IT-Security. Neue Prozessmodule (Schulungen, Einkauf etc.) können jederzeit hinzugefügt werden.
4. Agent Copilot
Der Agent Copilot unterstützt IT-Support-Mitarbeiter direkt in ihrem Arbeitsablauf.
Agent Copilot Panel
┌─────────────────────────────────────────────────────────────┐ │ AGENT COPILOT PANEL │ │ │ │ ┌───────────────────────────────────────────────────────┐ │ │ │ Ticket: HAFS-2026-01234 │ │ │ │ "Exchange Postfach - kein Zugriff mehr" │ │ │ └───────────────────────────────────────────────────────┘ │ │ │ │ ┌─── AI Analyse (Claude) ─────────────────────────────┐ │ │ │ │ │ │ │ Kategorie: Applications > M365 > Exchange │ │ │ │ Priorität: P2 (High) – Arbeitsfähigkeit betroffen │ │ │ │ Sentiment: Frustriert (Score: 0.72) │ │ │ │ Betroffene: 1 (keine weiteren Meldungen) │ │ │ └────────────────────────────────────────────────────────┘ │ │ │ │ ┌─── Lösungsvorschlag ─────────────────────────────────┐ │ │ │ │ │ │ │ Basierend auf 47 ähnlichen Tickets (89% Match): │ │ │ │ │ │ │ │ 1. Exchange Online Connectivity prüfen │ │ │ │ 2. Postfach-Berechtigung in Admin Center verifizieren│ │ │ │ 3. Outlook Profil neu einrichten │ │ │ │ │ │ │ │ Geschätzte Lösungszeit: 15-30 min │ │ │ │ │ │ │ │ [Lösung übernehmen] [Anpassen] [Andere Lösung] │ │ │ └────────────────────────────────────────────────────────┘ │ │ │ │ ┌─── Antwort-Draft ────────────────────────────────────┐ │ │ │ │ │ │ │ "Hallo Herr Müller, │ │ │ │ │ │ │ │ vielen Dank für Ihre Meldung. Ich kümmere mich │ │ │ │ um Ihr Exchange-Postfach. Bitte versuchen Sie │ │ │ │ zunächst folgendes: │ │ │ │ ..." │ │ │ │ │ │ │ │ [Senden] [Bearbeiten] [Neu generieren] │ │ │ └────────────────────────────────────────────────────────┘ │ │ │ │ ┌─── Kontext ──────────────────────────────────────────┐ │ │ │ User: Max Müller | Fund Operations | Seit 2019 │ │ │ │ Letzte 5 Tickets: 2x Exchange, 1x VPN, 2x Pwd │ │ │ │ Assets: HP EliteBook 840 | Windows 11 | Office365 │ │ │ │ Relevante KB: KB-0234, KB-0567 │ │ │ └────────────────────────────────────────────────────────┘ │ └─────────────────────────────────────────────────────────────┘
4.1 Copilot-Aktionen
| Aktion | Beschreibung | Trigger |
|---|---|---|
| Auto-Classify | Ticket automatisch klassifizieren | Bei Ticket-Eingang |
| Suggest Solution | Lösungsvorschlag generieren | Bei Ticket-Öffnung |
| Draft Response | Antwort-Entwurf erstellen | Auf Knopfdruck |
| Summarize Thread | Ticket-Verlauf zusammenfassen | Bei langen Threads |
| Find Similar | Ähnliche Tickets und Lösungen finden | Auf Knopfdruck |
| Escalation Advice | Eskalationsempfehlung | Bei SLA-Risiko |
| Knowledge Suggest | KB-Artikel vorschlagen oder erstellen | Bei Ticket-Lösung |
| Impact Assess | Auswirkungsanalyse | Bei P1/P2 Tickets |
portal.hafs.de/agent/ticket/HAFS-2026-00139?copilot=true
Beschreibung: Trading-Applikation kann keine Verbindung zu Bloomberg-Feed aufbauen. Firewall blockiert Port 8294. Betrifft gesamten Trading-Floor – seit 08:30 kein Live-Daten-Feed.
Kommentare
Timeline
Verknüpft (2)
System
08:30
Ticket automatisch erstellt aus Monitoring-Alert: Bloomberg-Feed Connectivity Failure
AI-Triage
08:30
Klassifiziert als P1 · Security > Firewall · Confidence: 98% · Eskalation an Network-Security-Team ausgelöst
★ AI Copilot
⚠ Dringende Empfehlung
Firewall-Regel für Port 8294 wurde bei letztem Change (CHG-0045) versehentlich entfernt. Emergency-Rollback empfohlen.
● 92% Confidence · Basierend auf Change-Log
⚠ Emergency Change einleiten
📄 Antwort-Draft generieren
🙋 War Room eröffnen
IMPACT
👤 Betroffene User: ~25 (Trading)
💰 Business Impact: Kritisch
🕑 Ausfall seit: 47 min
Agent-Copilot Split-View: Ticket-Details links, AI-Empfehlungen rechts mit Emergency-Actions
5. Auto-Triage Engine
Klassifizierungs-Pipeline
Eingehende Anfrage
│
▼
┌──────────────────┐
│ NLP Pre-Process │
│ • Tokenization │
│ • Language Detect │
│ • PII Masking │
└──────┬───────────┘
│
▼
┌──────────────────┐
│ Intent │──► Primary Intent + Confidence
│ Classification │ z.B. "access_request" (0.92)
│ (Claude Haiku) │
└──────┬───────────┘
│
▼
┌──────────────────┐
│ Entity │──► Entities: System("Exchange"),
│ Extraction │ Action("Zugriff"), User("Max Müller")
└──────┬───────────┘
│
▼
┌──────────────────┐
│ Priority │──► P2 (High)
│ Scoring │ Faktoren: Arbeitsfähigkeit betroffen,
│ │ keine Workaround erwähnt
└──────┬───────────┘
│
▼
┌──────────────────┐
│ Category │──► Applications > M365 > Exchange
│ Mapping │ Team: M365 Support
└──────┬───────────┘
│
▼
┌──────────────────┐
│ Routing │──► Zuweisung basierend auf:
│ Decision │ • Team-Kapazität
│ │ • Agent-Expertise
│ │ • Aktuelle Auslastung
│ │ • Schichtplan
└──────────────────┘
5.1 Priority Scoring
Die Priorität wird durch einen Multi-Faktor-Score berechnet:
| Faktor | Gewicht | Beschreibung |
|---|---|---|
| Business Impact | 30% | Wie viele Nutzer/Prozesse betroffen? |
| User Role | 15% | C-Level, Manager, Standard? |
| Urgency Keywords | 20% | „dringend“, „blockiert“, „kritisch“ |
| System Criticality | 20% | Wie geschäftskritisch ist das betroffene System? |
| Sentiment Score | 10% | Wie frustriert/verärgert ist der Nutzer? |
| Historical Data | 5% | Wiederkehrendes Problem? Bekannter Bug? |
portal.hafs.de/admin/ai/triage-monitor
94.2%
Triage-Genauigkeit
+1.3%
1.2s
Avg. Triage-Zeit
34%
Auto-Resolved
+5%
127
Tickets (24h)
🔬 LIVE TRIAGE-STREAM
| Zeit | Ticket | Input | AI-Kategorie | AI-Priorität | Confidence | Aktion |
|---|---|---|---|---|---|---|
| 11:42:03 | HAFS-00143 | „Kann nicht drucken“ | Infra > Drucker | P4 | 96% |
Auto-Resolve |
| 11:41:47 | HAFS-00142 | „VPN bricht ab“ | Infra > Network | P2 | 94% |
Assign: Network |
| 11:40:12 | HAFS-00141 | „Neuer MA Compliance“ | Onboarding | P3 | 91% |
Workflow: JML |
| 11:38:55 | HAFS-00140 | „SharePoint Zugriff“ | IAM > Access | P4 | 72% |
Auto-Provision |
Auto-Triage Monitor: Echtzeit-Klassifikation eingehender Tickets mit Confidence-Scores
6. RAG-Architektur (Retrieval-Augmented Generation)
6.1 Datenquellen
RAG Data Sources & Embedding Pipeline
┌─────────────────────────────────────────────────────────┐ │ RAG DATA SOURCES │ │ │ │ ┌──────────┐ ┌──────────┐ ┌──────────────────────┐ │ │ │ Knowledge│ │ Gelöste │ │ SharePoint Docs │ │ │ │ Base │ │ Tickets │ │ (via Graph API) │ │ │ │ Artikel │ │ (Top │ │ │ │ │ │ │ │ Rated) │ │ │ │ │ └────┬─────┘ └────┬─────┘ └──────────┬───────────┘ │ │ │ │ │ │ │ └──────────────┼────────────────────┘ │ │ ▼ │ │ ┌──────────────────┐ │ │ │ Embedding Engine │ │ │ │ (On-Prem oder │ │ │ │ Claude Embed.) │ │ │ └────────┬─────────┘ │ │ ▼ │ │ ┌──────────────────┐ │ │ │ Elasticsearch │ │ │ │ (Vector + │ │ │ │ Semantic Index) │ │ │ │ On-Premises │ │ │ └──────────────────┘ │ └─────────────────────────────────────────────────────────┘
6.2 RAG Pipeline
Retrieval-Augmented Generation Pipeline
User Query: "Outlook stürzt ab beim Öffnen von Anhängen"
│
▼
┌──────────────────┐
│ Query Processing │
│ • Reformulation │──► "Outlook crash open attachment"
│ • Expansion │ + "Outlook Absturz Anhang"
└──────┬───────────┘
│
▼
┌──────────────────┐
│ Hybrid Search │
│ (Elasticsearch) │
│ • Vector Search │──► Top-K relevante Dokumente
│ • Keyword Search │ Reranking nach Relevanz
│ • Semantic Search│
└──────┬───────────┘
│
▼
┌──────────────────┐
│ Context Assembly │
│ • Top 5 Results │──► Zusammengestellter Kontext
│ • User Context │ mit Quellenangaben
│ • System Prompt │
└──────┬───────────┘
│
▼
┌──────────────────┐
│ PII Filter │
│ • Persönliche │──► Bereinigte Anfrage
│ Daten entfernen│
│ • Nur relevanter │
│ Kontext │
└──────┬───────────┘
│
▼
┌──────────────────┐
│ Anthropic Claude │
│ API (Sonnet 4.5) │──► Strukturierte Antwort
│ │ mit Quellenverweis
└──────┬───────────┘
│
▼
┌──────────────────┐
│ Output Guardrails│
│ • Factuality │──► Geprüfte, sichere Antwort
│ • Safety Check │
│ • PII Filter │
└──────────────────┘
portal.hafs.de/knowledge/search?q=vpn+timeout+globalprotect
🔍 vpn timeout globalprotect
4 Ergebnisse in 0.3s · RAG-Suche über 1.247 Dokumente · Embedding-Model: text-embedding-3-large
KB-0234: VPN-Troubleshooting nach Windows Updates
Zuletzt aktualisiert: vor 3 Tagen · Autor: Network-Team
94%
RELEVANZ
GlobalProtect VPN-Verbindung bricht ab nach Windows Update. Lösung: MTU-Anpassung und Registry-Fix…
VPNGlobalProtectWindows UpdateMTU
KB-0189: GlobalProtect Client – Allgemeines Troubleshooting
Zuletzt aktualisiert: vor 2 Wochen · Autor: Network-Team
78%
RELEVANZ
Allgemeine Fehlerbehebung für GlobalProtect VPN-Client: Verbindungsprobleme, Authentifizierung, Timeout-Fehler…
VPNGlobalProtectTroubleshooting
KB-0156: Netzwerk-Konnektivität – Diagnose-Leitfaden
Zuletzt aktualisiert: vor 1 Monat
45%
RELEVANZ
RAG-basierte Knowledge-Base-Suche mit Relevanz-Scores und Keyword-Highlighting
7. Knowledge AI
7.1 Automatische Artikelgenerierung
Automatische Artikelgenerierung
Ticket gelöst (CSAT ≥ 4/5)
│
▼
┌──────────────────┐
│ AI: Artikel- │
│ Kandidat? │──► Kriterien:
│ (Claude Haiku) │ • Neues Thema (kein bestehender KB-Artikel)
│ │ • ≥ 3 ähnliche Tickets im letzten Monat
│ │ • Wiederverwendbare Lösung
└──────┬───────────┘
│ Ja
▼
┌──────────────────┐
│ Draft Generation │
│ (Claude Sonnet) │──► AI generiert:
│ │ • Titel
│ │ • Symptom-Beschreibung
│ │ • Schritt-für-Schritt Lösung
│ │ • Kategorie/Tags
│ │ • Verknüpfte Tickets
└──────┬───────────┘
│
▼
┌──────────────────┐
│ Review Queue │──► IT-Experte reviewed und
│ │ genehmigt/korrigiert
└──────┬───────────┘
│
▼
┌──────────────────┐
│ Publish │──► Artikel live in Knowledge Base
│ │ Elasticsearch-Index aktualisiert
└──────────────────┘
7.2 Artikel-Lifecycle
| Phase | AI-Unterstützung |
|---|---|
| Erstellung | Auto-Draft aus gelösten Tickets |
| Optimierung | AI schlägt Verbesserungen vor basierend auf Nutzerfeedback |
| Veraltet-Erkennung | AI erkennt wenn Artikel nicht mehr zutreffen |
| Konsolidierung | AI erkennt Duplikate und schlägt Zusammenführung vor |
| Übersetzung | Automatische Übersetzung DE ↔ EN |
8. Predictive Analytics
8.1 Vorhersagemodelle
| Modell | Input | Output | Nutzen |
|---|---|---|---|
| Incident Predictor | Monitoring-Daten, Patterns | Wahrscheinliche Incidents | Proaktive Prävention |
| Load Predictor | Historische Ticketdaten | Erwartetes Ticketvolumen | Kapazitätsplanung |
| SLA Risk | Ticket-Alter, Komplexität | SLA-Verletzungs-Risiko | Frühzeitige Eskalation |
| User Churn | Nutzungsverhalten | Adoptions-Risiko | Proaktive Kommunikation |
| Trend Detection | Ticket-Cluster | Emerging Issues | Frühwarnung |
8.2 Proaktive Benachrichtigungen
Proaktive AI-Alerts
┌─────────────────────────────────────────────────────────┐ │ PROAKTIVE AI-ALERTS │ │ │ │ "In den letzten 2 Stunden wurden 12 Tickets zum │ │ Thema 'Teams Audio-Probleme' erstellt. Möglicher │ │ Major Incident. Empfehlung: Incident eröffnen." │ │ │ │ "Nächste Woche werden voraussichtlich 15% mehr │ │ Tickets erwartet (Quarter-End). Empfehlung: │ │ Zusätzliche Kapazität einplanen." │ │ │ │ "KB-Artikel 'VPN Setup' wurde 50x aufgerufen aber │ │ nur 30% bewerten ihn positiv. Review empfohlen." │ └─────────────────────────────────────────────────────────┘
9. Anthropic Claude – Modell-Einsatz
| Modell | Einsatzgebiet | Kosten-Effizienz |
|---|---|---|
| Claude Sonnet 4.5 | Chatbot, Copilot, komplexe Analyse, RAG-Antworten | Hoch (für komplexe Tasks) |
| Claude Haiku 4.5 | Klassifizierung, einfache Antworten, Triage | Sehr hoch (Batch-Tasks) |
| Embedding Model | RAG Embeddings, Similarity Search (On-Prem oder API) | Standard |
9.1 API-Anbindung & Datenschutz
Claude API Integration
┌─────────────────────────────────────────────────────────┐ │ CLAUDE API INTEGRATION │ │ │ │ On-Premises AI Gateway │ │ ┌─────────────────────────────────────────────────┐ │ │ │ │ │ │ │ 1. Anfrage von Portal-Service empfangen │ │ │ │ 2. PII-Filter: Personendaten entfernen/masken │ │ │ │ 3. Prompt Assembly: System-Prompt + Kontext │ │ │ │ 4. Rate Limiting & Token Budget prüfen │ │ │ │ 5. Request an Anthropic Claude API senden │ │ │ │ (HTTPS, via Proxy/Firewall) │ │ │ │ 6. Response empfangen & validieren │ │ │ │ 7. Output Guardrails anwenden │ │ │ │ 8. Response cachen (Redis, wenn sinnvoll) │ │ │ │ 9. Audit-Log schreiben (lokal) │ │ │ │ │ │ │ └─────────────────────────────────────────────────┘ │ │ │ │ Datenschutz-Garantien: │ │ • Keine personenbezogenen Daten an Claude API │ │ • Alle Logs verbleiben On-Premises │ │ • API-Key in HashiCorp Vault gespeichert │ │ • Verschlüsselte Verbindung (TLS 1.3) │ │ • Anthropic speichert keine Anfragen (API ToS) │ └─────────────────────────────────────────────────────────┘
9.2 Cost Management
| Maßnahme | Beschreibung |
|---|---|
| Prompt Caching | Wiederverwendung häufiger System-Prompts (Anthropic Prompt Caching) |
| Response Caching | Cache für identische/ähnliche Anfragen (Redis On-Prem) |
| Model Routing | Einfache Anfragen → Haiku 4.5, Komplexe → Sonnet 4.5 |
| Token Budgets | Maximale Token-Budgets pro Anfrage und pro Monat |
| Batch Processing | Nicht-zeitkritische AI-Tasks im Batch (Anthropic Batch API) |
| Local Processing | Einfache NLP-Tasks (Sentiment, Entity Extraction) lokal ohne API |
10. AI Governance & Ethics
| Aspekt | Maßnahme |
|---|---|
| Bias Detection | Regelmäßige Prüfung auf Verzerrungen in AI-Entscheidungen |
| Explainability | Jede AI-Entscheidung kann begründet werden |
| Human Override | Jede AI-Aktion kann von Menschen übersteuert werden |
| Data Privacy | PII-Filterung vor jeder API-Anfrage, keine personenbezogenen Daten im AI-Training |
| Monitoring | Continuous Monitoring von AI-Qualität und -Fairness (Prometheus-Metriken) |
| Feedback Loop | Nutzerfeedback fließt in Prompt-Optimierung und RAG-Verbesserung ein |
| Audit Trail | Alle AI-Entscheidungen sind nachvollziehbar protokolliert (On-Prem) |
| Responsible AI | Einhaltung der Anthropic Usage Policies und interner AI-Richtlinien |