Eingabedaten und Informationsquellen
Die Texte stammen von Bürgerinnen und Bürgern, Kundinnen und Kunden, Eltern oder Verbänden außerhalb der Organisation. Freie Antworten nennen oft Namen, Orte oder die eigene Lebenslage.
Textanalyse von Rückmeldungen und Stellungnahmen (Text Analytics)
Englisch: Text analytics of feedback and consultation responses
Das System fasst große Mengen freier Antworten aus Umfragen, Beschwerden oder Beteiligungsverfahren zusammen, erkennt Themen und ordnet jede Antwort zu.
Den Anwendungsfall verstehen
Was macht diesen Anwendungsfall aus?
Auf einen Blick wird sichtbar, welche Themen wie oft vorkommen und welche Haltung überwiegt. Die schottische Regierung hat ein solches Werkzeug an einer Konsultation getestet, die britische Schulaufsicht Ofsted erprobt eines.
Die Seite beschreibt einen typischen Aufbau. Die tatsächlichen Datenwege und Befugnisse ergeben sich aus Ihrer Umsetzung.
- Bauform
- Generative Assistenz
- Handlungsmacht
- Liefert Ergebnisse zur Weiterverwendung
- Einsatzfelder
- öffentliche Verwaltung
- Auch bekannt als
- Stimmungsanalyse, Themenanalyse, Auswertung von Freitexten, Beschwerdeanalyse
Funktionsweise und Ablauf
Aufbau und Datenwege
Eingabedaten
Freie Antworten aus Umfragen, Beschwerden oder einem Beteiligungsverfahren kommen gesammelt an.
Die Texte stammen von Bürgerinnen und Bürgern, Kundinnen und Kunden, Eltern oder Verbänden außerhalb der Organisation. Freie Antworten nennen oft Namen, Orte oder die eigene Lebenslage.
Verarbeitung
Ein Modell erkennt Themen und Haltungen und ordnet jede Antwort zu; ein Sprachmodell fasst die Themen zusammen.
Texte werden vergleichbar aufbereitet und nach Themen, Kategorien oder anderen vorgegebenen Merkmalen ausgewertet. Je nach Aufbau ordnet ein Modell einzelne Antworten zu oder ein Sprachmodell formuliert eine zusammenfassende Darstellung. Einzelzuordnung, Verdichtung und Interpretation sollten im Ergebnis unterscheidbar bleiben.
Ergebnisse
Das Werkzeug liefert eine Übersicht der Themen mit Häufigkeiten, Zusammenfassungen und Beispielzitaten.
Ein generiertes Ergebnis ist neu formuliert oder erzeugt. Für seine Einordnung muss erkennbar bleiben, auf welchem Auftrag und welchem Kontext es beruht.
Nutzung und Auswirkungen
Die Übersicht fließt in Berichte, Gesetzentwürfe oder Entscheidungen über Produkte und Leistungen ein.
Das Modell liefert Informationen zur Weiterverwendung. Die Auswahl, Übernahme oder fachliche Entscheidung im anschließenden Arbeitsablauf ist ein eigener Schritt und sollte dem Modell nicht automatisch zugerechnet werden.
Aufbau aktiv erkunden: Wählen Sie einen Baustein, um seine Aufgabe, die ein- und ausgehenden Daten und die Einbindung im Anwendungsfall zu sehen. Der geführte Ablauf erläutert jede Phase. Mit Ja, Offen und Nein können Sie anschließend Ihre konkrete Systemvariante abbilden.
12 zuerst zu prüfen8 zu klären8 Grundlagen
- Vorhanden
- Hängt von Ihrem System ab
- Nicht vorhanden
- Zuerst zu prüfen
- Zu klären
So nutzen Sie das Modell
Das Bild zeigt den Anwendungsfall, wie er typischerweise gebaut ist. Wählen Sie einen Baustein, um zu sehen, was dort geschieht, und stellen Sie seine Merkmale auf Ihr System um. Mit „Analysehinweise“ sehen Sie anschließend, welche Prüfkandidaten zu diesem Aufbau gehören. Die Prüfliste der Seite bleibt auf den typischen Fall bezogen.
Abweichungen vom typischen Fall
Noch keine. Jede Umstellung erscheint hier.
Wo die meisten Bedrohungen ansetzen
- 4 zuerst zu prüfen
- 4 zu klären
- 3 zuerst zu prüfen
- 2 zuerst zu prüfen
Im gezeigten Aufbau: 12 zuerst zu prüfen, 8 zu klären, 8 Grundlagen.
Aufbau als Liste
Zugang von außen: Hängt von Ihrem System ab
Zu klären
Eingabe: Gehört zu jedem KI-System
Zuerst prüfen
Grundlage für jedes KI-System
Inhalte Dritter: Vorhanden
Zuerst prüfen
- Prompt Injection: Indirekt Prüfschwerpunkt
KI-Modell: Gehört zu jedem KI-System
Zuerst prüfen
- Sleepy Agent (zeit-/ereignisgetriggerte verdeckte Instruktionen)
- Prompt Injection: Direkt
- Jailbreaks
- Extraktion des Meta-Prompts
Grundlage für jedes KI-System
Dienst eines Anbieters: Vorhanden
Zuerst prüfen
Zu klären
Training und Rückmeldung: Hängt von Ihrem System ab
Zu klären
Ergebnis: Gehört zu jedem KI-System
Zuerst prüfen
Grundlage für jedes KI-System
Mensch: Gehört zu jedem KI-System
Zuerst prüfen
- Übermäßiges Vertrauen in das KI-System Prüfschwerpunkt
Betroffene Person: Hängt von Ihrem System ab
KI-Dienste ohne Freigabe: Hängt von Ihrem System ab
Zu klären
Lieferkette und technische Basis: 5 Grundlagen, die für jedes KI-System gelten
Grundlage für jedes KI-System
Abgrenzung zu ähnlichen Anwendungsfällen
Generativer KI-Assistent für Beschäftigte
Fasst einzelne Texte auf Zuruf zusammen, statt einen ganzen Bestand auszuwerten
Automatisierte Inhaltsmoderation
Erkennt einzelne rechtswidrige oder regelwidrige Beiträge und entfernt sie
Daten und Informationen
Verarbeitung und Betriebsumgebung
Das Sprachmodell stammt in der Regel von einem anderen Anbieter.
Speicherung und weitere Nutzung
Protokollierung, Speicherfristen und eine mögliche Verwendung für Training müssen für die konkrete Umsetzung geklärt werden.
Ergebnisse und Datenweitergabe
Bei einem Clouddienst verlassen die Antworten die eigene Umgebung.
Ein eingebundener Anbieter legt den Verarbeitungsort nicht automatisch fest. Speicherort, Unterauftragnehmer, Löschfristen und die Nutzung für Training sind im konkreten Betrieb zu prüfen.
Risiken einordnen und Maßnahmen festlegen
Vom Systemverständnis zur Risikoanalyse
- System abgrenzen
Daten, Beteiligte, Schnittstellen und Rechte erfassen. Offene Merkmale im Modell klären.
- Bedrohungen untersuchen
Prüfkandidaten auf die tatsächlichen Datenwege beziehen: Was könnte passieren und wer wäre betroffen?
- Risiko bewerten
Auswirkungen und Eintrittswahrscheinlichkeit im Einsatzkontext bewerten. Die Anzahl der Prüfkandidaten ist kein Risikowert.
- Maßnahmen nachweisen
Geeignete Kontrollen auswählen, Verantwortliche und Wirksamkeitsprüfungen festlegen. Restrisiken und Freigaben dokumentieren.
Wichtige Bedrohungen im Anwendungskontext
- 3 besonders wichtig
- 9 üblich
- 8 je nach System
- 8 weitere bei jedem KI-System
Insgesamt kommen bei diesem Anwendungsfall 28 Bedrohungen aus dem Bedrohungskatalog infrage.
Vorrangige Prüfansätze
Faktische Fehler (Halluzinationen)
Das Sprachmodell fasst ein Thema zusammen, das in den Antworten kaum vorkommt, oder gibt eine Minderheitsmeinung als Mehrheit aus. Wer nur die Zusammenfassung liest, zieht daraus falsche Schlüsse für eine Regelung oder ein Produkt.
Eine Interessengruppe reicht viele Stellungnahmen ein, in denen versteckte Anweisungen an das Sprachmodell stehen. Die Auswertung gewichtet dann ihre Position stärker, als es der Zahl der Antworten entspricht.
Übermäßiges Vertrauen in das KI-System
Die Themenübersicht wirkt vollständig und ist nach Häufigkeit sortiert. Seltene, aber gewichtige Hinweise, etwa auf eine Gefährdung, liest danach niemand mehr im Wortlaut.
9 weitere Prüfkandidaten im typischen Aufbau
Weitere relevante Bedrohungen
Über Trainingsdaten oder ein übernommenes Grundmodell kann das Modell versteckte Auslöser für Fehlverhalten enthalten.
Steht hier wegen dieser Eigenschaft
- Nutzt ein Modell eines anderen Anbieters
Sleepy Agent (zeit-/ereignisgetriggerte verdeckte Instruktionen)
Ein Modell, das Anweisungen befolgt, kann sein Verhalten zu einem bestimmten Zeitpunkt oder bei einem bestimmten Ereignis ändern.
Steht hier wegen dieser Eigenschaft
- Führt Aufträge in normaler Sprache aus
Nutzerinnen und Nutzer können mit ihren Eingaben die Arbeitsanweisungen des Systems aushebeln.
Steht hier wegen dieser Eigenschaft
- Führt Aufträge in normaler Sprache aus
Wer das System Inhalte erzeugen lässt, kann versuchen, die vorgesehenen Grenzen zu umgehen.
Steht hier wegen dieser Eigenschaft
- Führt Aufträge in normaler Sprache aus
Geschickte Abfragen können die Arbeitsanweisungen des Systems offenlegen. Sie dürfen deshalb keine Geheimnisse enthalten.
Steht hier wegen dieser Eigenschaft
- Führt Aufträge in normaler Sprache aus
Denial-of-Service auf das Modell
Aufwendige oder massenhafte Eingaben können die Rechenleistung des Modells erschöpfen.
Steht hier wegen dieser Eigenschaft
- Schreibt eigene Texte
Mit gezielten Abfragen lassen sich personenbezogene und schutzbedürftige Trainingsdaten teilweise aus dem Modell zurückgewinnen.
Steht hier wegen dieser Eigenschaften
- Verarbeitet personenbezogene Daten
- Verarbeitet vertrauliche Daten
Offenlegung sensibler Informationen
Vertrauliche Inhalte können in Antworten, im mitgegebenen Kontext oder in Protokollen auftauchen.
Steht hier wegen dieser Eigenschaften
- Verarbeitet personenbezogene Daten
- Verarbeitet vertrauliche Daten
Exfiltration aus der ML-Anwendung
Schutzbedürftige Daten können über Werkzeuge, Netzverbindungen, Speicher oder Innentäter abfließen.
Steht hier wegen dieser Eigenschaft
- Verarbeitet vertrauliche Daten
Je nach Aufbau Ihres Systems kommen bis zu 8 weitere hinzu. Neun Bedrohungen prüfen Sie bei jedem KI-System. Eine davon ist hier besonders wichtig und steht deshalb oben.
Systemmerkmale und offene Fragen
Jedes Ja setzt weitere Bedrohungen auf Ihre Prüfliste, insgesamt bis zu 8. Können Sie eine Frage noch nicht beantworten, prüfen Sie die Bedrohungen mit.
- Kommt mit diesem Ja hinzu
- Braucht zusätzlich ein Ja auf eine andere Frage
Wie Ihr System gebaut ist
- Verwertet Rückmeldungen aus dem Betrieb2 Bedrohungen
- Lernt aus Ihren eigenen Daten1 Bedrohung, 1 weitere nur zusammen mit weiteren Merkmalen
- Lernt aus Beispielen mit richtiger Antwort1 Bedrohung
Wie Sie das System betreiben
- Nimmt Anfragen direkt über eine Schnittstelle an4 Bedrohungen
- Ist über ein Netzwerk erreichbar1 Bedrohung, 1 weitere nur zusammen mit weiteren Merkmalen
- Verursacht mit jeder Anfrage Kosten1 Bedrohung
- Teilt Rechenleistung mit anderen Kunden oder Anwendungen1 Bedrohung
- Neben KI-Diensten ohne Freigabe im Einsatz1 Bedrohung
Wie Ihr System gebaut ist
Trainiert oder verfeinert Ihre Organisation das Modell selbst mit eigenen Daten?
Wenn ja, kommt hinzu
Wird das Modell mit Beispielen trainiert, denen jemand die richtige Antwort zugeordnet hat?
Klassische Verfahren zur Stimmungsanalyse lernen aus Beispielen mit zugeordneter Bewertung; Sprachmodelle arbeiten oft ohne solche Beispiele.
Wenn ja, kommt hinzu
Fließen Rückmeldungen oder Ergebnisse aus dem Betrieb später in Auswertung oder Training ein?
Wenn ja, kommt hinzu
Wie Sie das System betreiben
Diese Fragen stellen sich bei fast jedem KI-System.
Können Personen oder Programme dem Modell direkt Anfragen stellen, zum Beispiel über eine Schnittstelle?
Wenn ja, kommt hinzu
Ist das System über ein Netzwerk erreichbar oder auf Dienste im Netz angewiesen?
Wenn ja, kommt hinzu
Zahlen Sie je Anfrage oder je Rechenzeit, sodass die Kosten mit der Nutzung steigen?
Wenn ja, kommt hinzu
Teilt sich das System Server oder Rechenleistung mit anderen Kunden oder Anwendungen?
Wenn ja, kommt hinzu
Nutzen Beschäftigte für diese Aufgabe auch KI-Dienste, die Ihre Organisation nicht freigegeben hat?
Wenn ja, kommt hinzu
Maßnahmen und Umsetzung
Maßnahmen zu den Prüfschwerpunkten sind direkt geöffnet. Die verlinkten Maßnahmen erläutern jeweils die Umsetzung.
PrüfschwerpunktFaktische Fehler (Halluzinationen)3 Maßnahmen
PrüfschwerpunktPrompt Injection: Indirekt3 Maßnahmen
PrüfschwerpunktÜbermäßiges Vertrauen in das KI-System3 Maßnahmen
Backdoor im ML-Modell2 Maßnahmen
Sleepy Agent (zeit-/ereignisgetriggerte verdeckte Instruktionen)3 Maßnahmen
Prompt Injection: Direkt3 Maßnahmen
Jailbreaks2 Maßnahmen
Extraktion des Meta-Prompts2 Maßnahmen
Denial-of-Service auf das Modell3 Maßnahmen
Privacy-Angriffe3 Maßnahmen
Offenlegung sensibler Informationen3 Maßnahmen
Exfiltration aus der ML-Anwendung3 Maßnahmen
Maßnahmen gegen die übrigen Bedrohungen finden Sie auf deren Seiten im Bedrohungskatalog.
Vorschriften der KI-Verordnung
-
Art. 4: KI-Kompetenz
Für jedes KI-System Gilt seit dem 2. Februar 2025.
-
Art. 53 Abs. 1 Buchst. b, Anhang XII: Eingebautes Allzweckmodell
Je nach Einsatz Prüfanlass seit dem 2. August 2025.
-
Art. 50 Abs. 4: Kennzeichnung von Deepfakes und veröffentlichten Texten
Je nach Einsatz Prüfanlass seit dem 2. August 2026.
Gilt für jedes KI-System
Art. 4: KI-Kompetenz
Greift, wenn Beschäftigte oder Beauftragte KI-Systeme betreiben oder nutzen.
Gilt seit dem 2. Februar 2025.
Pflichten und Einzelheiten zu Art. 4: KI-Kompetenz
- Wer die Pflichten trägt
- Anbieter, Betreiber, Produkthersteller, Anbieter eines KI-Modells mit allgemeinem Verwendungszweck
Die Pflichten im Einzelnen
Kann bei bestimmtem Einsatz greifen
Art. 50 Abs. 4: Kennzeichnung von Deepfakes und veröffentlichten Texten
Greift, wenn eine Behörde die erzeugten Zusammenfassungen einer Konsultation veröffentlicht, ohne dass jemand sie redaktionell prüft und verantwortet.
Gilt seit dem 2. August 2026.
Pflichten und Einzelheiten zu Art. 50 Abs. 4: Kennzeichnung von Deepfakes und veröffentlichten Texten
- Allgemein lautet die Bedingung
- Greift, wenn mit dem System Deepfakes entstehen oder KI-Texte zu Themen von öffentlichem Interesse ohne redaktionelle Verantwortung veröffentlicht werden.
- Wer die Pflichten trägt
- Betreiber
Die Pflichten im Einzelnen
Art. 53 Abs. 1 Buchst. b, Anhang XII: Eingebautes Allzweckmodell
Greift, wenn Ihre Organisation das Werkzeug selbst baut und dafür ein großes Sprachmodell oder ein anderes Allzweckmodell eines fremden Anbieters verwendet.
Gilt seit dem 2. August 2025.
Pflichten und Einzelheiten zu Art. 53 Abs. 1 Buchst. b, Anhang XII: Eingebautes Allzweckmodell
- Allgemein lautet die Bedingung
- Greift, wenn ein KI-Modell mit allgemeinem Verwendungszweck eines anderen Anbieters eingebaut ist, etwa ein großes Sprachmodell.
- Zu beachten
- Die Pflichten für das Modell trägt dessen Anbieter. Er muss Ihnen die Informationen nach Anhang XII geben; nutzen Sie sie für Ihre eigene Dokumentation.
- Wer die Pflichten trägt
- Anbieter eines KI-Modells mit allgemeinem Verwendungszweck
Die Pflichten im Einzelnen
Ihr System im Schnellprüfer einordnen Alle Pflichten im Pflichtenkompass
Übergreifende Bedrohungen
Diese Bedrohungen prüfen Sie bei jedem KI-System, egal wofür es eingesetzt wird.
- Lieferkette: Infrastruktur
- Lieferkette: Modelle
- Lieferkette: Datensätze
- Adversariale Eingaben
- Unsicherer Umgang mit Modellausgaben
- Anwendungs-Schwachstellen
- Übermäßiges Vertrauen in das KI-System Prüfschwerpunkt: Übermäßiges Vertrauen in das KI-System
- Modell-Drift & -Degradation
- Middleware-Exploits (Angriffe auf AI-Frameworks)
Abweichende Systemmerkmale
18 weitere Fragen ansehen
Trifft eine dieser Fragen bei Ihrem System doch zu, kommen die genannten Bedrohungen hinzu.
Erzeugt oder verändert das System Bilder, Töne, Stimmen oder Videos?
Wenn ja, kommt hinzu
Schreibt oder gestaltet das System auf freie Anfrage neue Inhalte, die Menschen direkt lesen, sehen oder hören? Übersetzen, Vorlesen und Abschreiben zählen nicht.
Das System gibt wieder, was in den Antworten steht, und gestaltet keine Inhalte nach freier Vorgabe.
Wenn ja, kommt hinzu
Sucht das System in einer eigenen Sammlung von Dokumenten oder Datensätzen nach passenden Inhalten?
Wenn ja, kommt hinzu
Formuliert das System seine Antwort aus gefundenen Dokumenten?
Wenn ja, kommt hinzu
Nutzt das System ein Begriffsnetz (Wissensgraph), in dem Begriffe und ihre Beziehungen gespeichert sind?
Wenn ja, kommt hinzu
Merkt sich das System Inhalte aus früheren Gesprächen oder Aufgaben und nutzt sie später wieder?
Wenn ja, kommt hinzu
Ruft das System selbst andere Programme, Schnittstellen oder Suchdienste auf, auch wenn es dort nur liest?
Wenn ja, kommt hinzu
Kann das System selbst etwas verändern, etwa Daten speichern, Nachrichten senden, Buchungen auslösen oder Rechte vergeben?
Wenn ja, kommt hinzu
Legt das System seine nächsten Arbeitsschritte selbst fest, je nachdem, was vorher herauskam?
Wenn ja, kommt hinzu
Gibt das System Aufgaben an andere KI-Agenten weiter oder übernimmt es deren Ergebnisse?
Wenn ja, kommt hinzu
Ist das System über das Model Context Protocol (MCP) an Werkzeuge oder Datenquellen angebunden?
Wenn ja, kommt hinzu
Liegen Dokumente mehrerer Kunden, Abteilungen oder Berechtigungsgruppen im selben Suchspeicher?
Wenn ja, kommt hinzu
Bewegt oder steuert das System unmittelbar etwas in der physischen Welt, etwa Motoren, Ventile, Fahrzeuge oder Temperaturen?
Wenn ja, kommt hinzu
Können Menschen außerhalb Ihrer Organisation das System nutzen, auch ohne Anmeldung?
Wenn ja, kommt hinzu
Verarbeitet das System mehrere Arten von Eingaben zusammen, etwa Text mit Bild oder Sprache?
Wenn ja, kommt hinzu
Erzeugt das System Programmcode, Skripte oder Datenbankabfragen, die weiterverwendet werden?
Wenn ja, kommt hinzu
Führt das System selbst Programme, Skripte oder Befehle aus?
Wenn ja, kommt hinzu
Soll das System eine vorgegebene Kennzahl möglichst verbessern, etwa Umsatz, Auslastung oder Klicks?
Wenn ja, kommt hinzu
Quellen
- Bericht über einen Einsatz
Incubator for AI, Evaluating Consult: An AI Tool for Enhanced Public Consultation Analysis
Der Bericht beschreibt einen Test von Consult an einer laufenden Konsultation der schottischen Regierung und vergleicht die Ergebnisse mit der Auswertung durch Menschen.
- Register oder Fallsammlung
UK Algorithmic Transparency Record, Ofsted: Survey Summarisation Tool, 8. Juli 2026
Ein Sprachmodell fasst Freitexte zusammen und erkennt Themen; das Werkzeug wird mit ausgewählten Nutzerinnen und Nutzern erprobt (Private Beta).
- Statistik
Von den Unternehmen, die KI nutzen, setzen 52 Prozent Text Mining ein.
Verwandte Anwendungsfälle
Ebenfalls im Einsatzgebiet Dokumente und Sachbearbeitung
- Intelligente Dokumentenverarbeitung (IDP)Das System liest Schreiben, Rechnungen und Formulare, ordnet sie der zuständigen Stelle zu und überträgt die Angaben ins Fachverfahren.
- Automatische Anonymisierung und SchwärzungDas System findet Namen, Anschriften und andere Personenangaben in Dokumenten und schlägt Schwärzungen vor, die ein Mensch freigibt.
- E-Discovery und KI-gestützte Dokumentenprüfung (TAR)Das System sortiert große Dokumentbestände danach, wie wichtig sie vermutlich für eine Untersuchung oder einen Informationsantrag sind, und erleichtert so die Durchsicht.
Oft zusammen eingesetzt mit
Stand: 30. September 2026. Regelwerk der Prüfliste in Fassung 0.3.2, Bedrohungskatalog in Fassung 2026.10.24.2. Wie diese Seiten aufgebaut sind