Mission KI: Qualitätsstandard für sichere Auto-KI

Mission KI: Wie Niedrigrisiko-KI die Autoindustrie sicherer macht

2025 wird in vielen deutschen Entwicklungsabteilungen ein Thema dominieren: EU AI Act und KI-Qualität. Während die großen OEMs Taskforces und Kanzleien beschäftigen, hängen viele Zulieferer und Mittelständler in der Luft – gerade im Bereich Niedrigrisiko-KI. Also genau dort, wo heute ein Großteil der KI-Funktionen in Fahrzeugentwicklung, Produktion und Supply Chain entsteht.

Hier setzt das Projekt „Mission KI“ an: ein freiwilliger Qualitätsstandard plus digitales Prüfportal, entwickelt von Fraunhofer IAIS, VDE, TÜV AI.Lab, PwC und weiteren Partnern. Das Spannende daran: Der Standard ist ideal für die deutsche Automobilindustrie, weil er zwei Probleme gleichzeitig adressiert:

• Sie können ihre KI-Funktionen strukturiert bewerten und nachweisbar absichern.
• Sie bereiten sich frühzeitig auf den EU AI Act vor, ohne jedes Projekt juristisch zu überfrachten.

In diesem Beitrag schauen wir uns an, was hinter Mission KI steckt, wie das Prüfverfahren funktioniert – und vor allem, wie Sie es konkret für Automotive-Use-Cases in Entwicklung, Produktion und Lieferkette nutzen können.

---

Was ist Niedrigrisiko-KI – und warum ist sie im Auto überall?

Niedrigrisiko-KI umfasst alle KI-Systeme, die unterhalb der Hochrisikoschwelle des EU AI Act liegen. Also keine Fahrfunktionen mit direktem Einfluss auf Verkehrssicherheit wie Level‑3‑Automatisierung, sondern typischerweise:

• KI-gestützte Qualitätskontrolle in der Produktion (z.B. optische Bauteilprüfung)
• Predictive Maintenance für Roboter, Schweißanlagen oder Prüfstände
• KI-Modelle zur Lieferkettenoptimierung und Bestandsplanung
• Algorithmen zur Energieoptimierung in Lackierereien oder Presswerken
• ML-Modelle in Engineering-Tools (z.B. für Bauteil-Optimierung oder Fehlerklassifizierung)

Genau diese Systeme treiben in der deutschen Automobilindustrie aktuell Produktivität und Effizienz nach oben. Und genau hier entsteht das Dilemma:

Zu „harmlos“ für Hochrisiko-Regulierung, aber zu geschäftskritisch, um sie ohne nachvollziehbaren Qualitätsnachweis zu betreiben.

Mission KI füllt diese Lücke mit einem freiwilligen, strukturierten Qualitätsstandard, der vor allem für Zulieferer und KMU attraktiv ist – also den Kern der deutschen Automotive-Wertschöpfung.

---

Der Kern von Mission KI: Sechs Qualitätsdimensionen statt Bauchgefühl

Mission KI übersetzt die üblichen Prinzipien vertrauenswürdiger KI – Transparenz, Fairness, Verlässlichkeit – in sechs konkrete Qualitätsdimensionen. Die Originalquelle listet sie nicht im Detail, aber in der Praxis laufen die Dimensionen u.a. auf folgende Aspekte hinaus:

1. Funktionale Korrektheit & Performance
   Erreicht das KI-System seine Ziele reproduzierbar? Sind Fehler- und Falschalarmraten dokumentiert?

2. Robustheit & Sicherheit
   Wie reagiert das System auf verrauschte Daten, Sensorfehler oder Edge Cases? Gibt es Fallback-Mechanismen?

3. Nicht-Diskriminierung & Fairness
   Gerade bei HR‑, Kunden- oder Lieferantenbewertungssystemen wichtig, im Automotive-Umfeld z.B. bei Garantie- oder Kulanzprognosen.

4. Transparenz & Nachvollziehbarkeit
   Ist klar dokumentiert, welche Daten, Modelle und Versionen verwendet wurden? Können Ergebnisse erklärt werden?

5. Datenschutz & Compliance
   Umgang mit personenbezogenen Daten (z.B. Fahrerprofile, Werkmitarbeiterdaten, Lieferantendaten), DSGVO-Konformität.

6. Betrieb & Lifecycle-Management
   Monitoring, Retraining-Strategien, Incident-Handling – also der komplette Betrieb über den Lebenszyklus.

Für jede Dimension legt Mission KI Kriterien, Indikatoren und prüfbare Maßnahmen fest. Das Ergebnis ist ein Raster, mit dem sich ein KI-System in der Fahrzeugproduktion oder -entwicklung systematisch bewerten und dokumentieren lässt.

Gerade in der Autoindustrie, wo Gewohnheit und Bauchgefühl oft gegen „noch mehr Dokumentation“ rebellieren, ist das ein Vorteil:

Aus subjektiven Einschätzungen wird ein nachvollziehbares, wiederholbares Bewertungsverfahren.

---

So funktioniert das Prüfportal: Vom Use Case zum Qualitätsnachweis

Das digitale Prüfportal von Mission KI führt Unternehmen Schritt für Schritt durch eine mehrstufige Prüfung. Der Ablauf passt erstaunlich gut zur Denkweise vieler Qualitäts- und Entwicklungsabteilungen im Automotive-Bereich.

1. Anwendungsfall sauber beschreiben

Am Anfang steht eine präzise Beschreibung der KI-Anwendung:

• Zweck (z.B. „Erkennung von Schweißnahtfehlern“)
• Einsatzkontext (Karosseriebau, Nacharbeit, Linienintegration)
• Datenbasis (Kameradaten, Labeling-Verfahren, Datenquellen)
• Abgrenzung des Systems (Was entscheidet die KI, was das MES/PLC?)
• Betriebsart (lokal im Edge-Device, Cloud, Hybrid)

In Automotive-Projekten wird dieser Schritt häufig unterschätzt. Aus Erfahrung: 80 % aller Missverständnisse entstehen, weil der Scope der KI-Funktion nicht sauber beschrieben ist. Mission KI zwingt hier zu Klarheit.

2. Schutzbedarfsanalyse: Wie kritisch ist der Use Case wirklich?

Anschließend erfolgt eine Schutzbedarfsanalyse. Hier wird bewertet, welche Schäden entstehen können, wenn die KI ihre Anforderungen nicht erfüllt – etwa bezogen auf:

• Sicherheit (Personen- oder Anlagenschutz)
• Diskriminierungsrisiken (z.B. bei Lieferantenscoring)
• Datenschutz (Umgang mit Mitarbeiter- oder Kundendaten)
• Wirtschaftliche Auswirkungen (Ausschuss, Stillstände, Vertragsstrafen)

Jedes Kriterium wird als gering, moderat oder hoch relevant eingestuft – oder als nicht anwendbar. Für die Automobilindustrie ist das Gold wert, weil Sie Ihre Ressourcen auf die wirklich kritischen KI-Systeme bündeln können.

3. Bewertung per VCIO-Systematik: Von A bis D

Die eigentliche Qualitätsbewertung orientiert sich an einer hierarchischen VCIO-Systematik:

• V – Qualitätsdimension (z.B. Robustheit)
• C – Kriterium (z.B. Umgang mit Ausreißerdaten)
• I – Indikator (z.B. existierende Stresstests, Abdeckungsraten)
• O – Observable (konkreter Nachweis, z.B. Testreport, Risikoanalyse)

Für jeden relevanten Indikator vergeben Sie einen Erfüllungsgrad von:

• A – Best Practice
• B – solide erfüllt
• C – minimal erfüllt
• D – nicht erfüllt

Die notwendige Stufe hängt direkt vom Schutzbedarf ab:

• Hoher Schutzbedarf → mindestens A
• Moderater Schutzbedarf → mindestens B
• Geringer Schutzbedarf → C ausreichend

Damit entsteht ein klares Erwartungsniveau: Eine KI, die nur eine interne KPI für Logistik-Optimierung liefert, wird anders bewertet als ein System, das über Gut/Schlecht-Entscheidungen in der Batterieproduktion entscheidet.

4. Evidenzen hinterlegen – vom Testprotokoll bis zum Audit-Trail

Zu jeder Einstufung müssen passende Evidenzen hinterlegt werden, etwa:

• Risikoanalysen und FMEAs
• Testprotokolle, Confusion-Matrizen, KPI-Reports
• Dokumentation zu Datensätzen, Labeling-Prozessen, Modellversionen
• Hinweise auf bestehende Zertifizierungen, z.B. ISO 9001, TISAX, ISO 27001

Der Standard unterscheidet zwischen:

• Basisdokumentation für gering schutzbedürftige Anwendungen
• Detaillierten, reproduzierbaren Nachweisen mit Audit-Trail bei hohem Schutzbedarf

Die Validierung kann erfolgen als:

• einfache Selbstprüfung (z.B. für interne Tools),
• interne unabhängige Prüfung (z.B. durch Qualitätsabteilung),
• oder Vier-Augen-Prinzip mit optionaler externer Prüfstelle.

Am Ende erzeugt das Portal einen standardisierten Prüfbericht mit:

• Systemkontext und Schutzbedarfen
• erreichten Qualitätsstufen
• nachgewiesenen Maßnahmen
• Validierungsgrad

Dieser Bericht ist genau das, was viele OEMs in Ausschreibungen oder Lieferantenaudits inzwischen erwarten oder in naher Zukunft verlangen werden.

---

Konkrete Einsatzszenarien in der deutschen Automobilindustrie

Wie lässt sich Mission KI jetzt ganz praktisch nutzen? Drei typische Szenarien aus „Baustelle 4.0“ und smarter Produktion in der Autoindustrie.

1. KI-Qualitätskontrolle im Karosseriebau

Ein Tier‑1-Zulieferer setzt ein Computer-Vision-System zur Schweißnahtprüfung ein. Das System ist Niedrigrisiko-KI: Es entscheidet nicht über Fahrfunktionen, aber es beeinflusst Ausschussquoten und Nacharbeit massiv.

Mit Mission KI kann das Unternehmen:

• den Use Case formalisieren (Datenquellen, Kameraposition, Grenzwerte),
• in der Schutzbedarfsanalyse klar machen, dass ein hoher wirtschaftlicher, aber moderater Sicherheits-Schutzbedarf vorliegt,
• über die VCIO-Systematik Robustheit, Performance und Transparenz strukturiert bewerten,
• Test- und Validierungsreports als Observablen hinterlegen.

Ergebnis: Ein prüffähiger Qualitätsnachweis, der sowohl gegenüber dem OEM als auch gegenüber Prüfern im Rahmen des EU AI Act Bestand hat.

2. Predictive Maintenance für Roboter und Fördertechnik

In der Endmontage laufen Tausende Roboter und Förderanlagen. Ein KI-Modell prognostiziert Ausfälle auf Basis von Sensordaten. Fehlerhafte Prognosen gefährden in der Regel nicht direkt Menschenleben, aber sie können Schichtpläne, Ausbringung und OEE empfindlich treffen.

Mit Mission KI lässt sich der Schutzbedarf als moderat einstufen und darauf aufbauend z.B. definieren:

• welche Genauigkeit und Recall-Werte mindestens erreicht werden müssen,
• wie mit Concept Drift umgegangen wird (Retraining, Monitoring),
• wie Ausfälle und Fehlalarme im Audit-Trail dokumentiert werden.

So wird aus einem „Data-Science-Projekt“ eine sauber dokumentierte, auditierbare Produktionskomponente.

3. KI zur Lieferkettenoptimierung und Bestandsplanung

Viele OEMs und Zulieferer nutzen bereits ML-Modelle zur Bedarfs- und Bestandsprognose. Falsche Prognosen führen zu Materialengpässen oder Überbeständen, aber selten zu direkten Sicherheitsrisiken.

Mission KI hilft hier vor allem bei:

• Transparenz: Welche Datenquellen fließen ein? Wie gehen Sie mit Datenlücken um?
• Nicht-Diskriminierung: Bewertet der Algorithmus Lieferanten fair oder benachteiligt er systematisch bestimmte Regionen oder Unternehmensgrößen?
• Lifecycle-Management: Wie oft wird das Modell aktualisiert? Wer zeichnet verantwortlich?

Gerade im Zusammenspiel mit dem Cyber Resilience Act und steigenden Anforderungen an digitale Resilienz in der Lieferkette bietet ein Mission-KI‑Report einen starken Vertrauensanker.

---

Strategischer Nutzen: Vorsprung beim EU AI Act und in Ausschreibungen

Der größte Mehrwert von Mission KI für die Automobilindustrie liegt nicht in einem weiteren Formular, sondern in der strategischen Wirkung.

Frühzeitig EU-AI-Act-Fitness aufbauen

Auch wenn Niedrigrisiko-KI im EU AI Act „nur“ begrenzt reguliert wird, profitieren Unternehmen, die:

• bereits heute Dokumentations- und Nachweispfade aufbauen,
• klare Rollen und Verantwortlichkeiten für KI-Systeme definieren,
• Schnittstellen zu bestehenden Managementsystemen (Qualität, Sicherheit, IT) schaffen.

Wer das jetzt im „Niedrigrisiko-Spielplatz“ übt, wird bei Hochrisiko-KI deutlich schneller compliant sein.

Wettbewerbsvorteil in OEM-Ausschreibungen

Aus Sicht eines OEM-Einkaufsleiters sieht das so aus:

• Anbieter A: „Unsere KI funktioniert sehr gut, glauben Sie uns.“
• Anbieter B: legt zusätzlich einen Mission-KI-Prüfbericht mit klaren Qualitätsstufen und Evidenzen vor.

Es ist ziemlich klar, wer eher auf die Shortlist kommt – gerade in sicherheitsrelevanten Bereichen oder bei komplexer Automatisierung in Werken.

Bessere interne Steuerung von KI-Portfolios

Viele Konzerne und große Zulieferer haben mittlerweile Dutzende KI-Projekte parallel laufen. Mission KI bietet einen Rahmen, um:

• KI-Systeme nach Schutzbedarf und Qualitätsreife zu clustern,
• Investitionsentscheidungen zielgerichteter zu treffen,
• technische Schulden und Risiken transparent zu machen.

Das ist der Punkt, an dem KI von „Experiment“ zu einer geregelten Technologie im Produktionsverbund wird.

---

Fazit: Mission KI jetzt nutzen, bevor der Druck steigt

Die Autoindustrie steht beim Thema KI unter Doppelstress: Transformation zu E-Mobilität und Software-Defined Vehicle auf der einen Seite, wachsende Regulierung auf der anderen. Niedrigrisiko-KI ist dabei kein Nebenkriegsschauplatz, sondern der Bereich, in dem heute der Großteil der produktionsnahen Innovation entsteht.

Mission KI bietet dafür einen pragmatischen, freiwilligen Qualitätsstandard plus Prüfportal, mit dem:

• Zulieferer und OEMs ihre KI-Anwendungen in Produktion, Entwicklung und Supply Chain systematisch bewerten,
• belastbare Qualitätsnachweise für Kunden, Investoren und Aufsichtsbehörden erzeugen,
• und sich Schritt für Schritt auf die Anforderungen des EU AI Act vorbereiten können.

Wer das Thema heute angeht, verschafft sich einen echten Vorsprung – nicht nur gegenüber der Konkurrenz, sondern auch gegenüber künftigen Audit- und Compliance-Anforderungen. Die spannende Frage für 2026 wird weniger sein, ob KI in der Fertigung genutzt wird, sondern wer nachweisen kann, dass seine KI zuverlässig, sicher und beherrschbar ist.

---