Probabilistischer Regulator: Governance des KI-Risikos

Das Ereignis: robuste Regelung für opake Systeme

Am 18. August 2026 haben drei Forscher auf arXiv eine Studie zur robusten Regelung (robust output regulation) komplexer dynamischer Systeme veröffentlicht. Die untersuchte Konfiguration ist Output-Feedback mit beliebig hohem Relativgrad.

Verfasst haben sie Shimin Wang, Martin Guay und Richard D. Braatz.

Das Papier gehört zur Kategorie Systems and Control, mit dem expliziten Tag Artificial Intelligence. Diese doppelte Einordnung zählt für alle, die technologisches Risiko steuern.

Die Methode regelt Systeme, deren Dynamik teilweise bekannt bleibt. Genau hier liegt der Punkt für ein Compliance-Büro: ein opakes System, das auf die physische Welt einwirkt.

Die Validierung erfolgt an einem geregelten Duffing-System, einem klassischen Prüfstand der Regelungstheorie. Die Konvergenz von Regelungsforschung und Regulierung der künstlichen Intelligenz definiert das Territorium dieses Desks. Ein Algorithmus, der ein physisches System steuert, wird im Moment des Deployments zum Gegenstand regulatorischer Prüfung.

Das technische Delta: von der adaptiven zur adaptionsfreien Regelung

Traditionelle adaptive Schemata schätzen unbekannte Parameter in Echtzeit. Sie verlangen linear parametrisierte Regressoren und sorgfältig konstruierte Lyapunov-Funktionen.

Die Studie schlägt einen alternativen Weg zum Problem der Output-Regulation vor. Sie kombiniert einen eingangsgetriebenen Filter, ein generisches internes Modell und ein rekursives Backstepping-Regelgesetz.

Diese Architektur formuliert das Problem als robuste Input-to-State-Stabilisierung eines erweiterten Fehlersystems um. Das Ergebnis eliminiert die Abhängigkeit von linear parametrisierten Regressoren.

Die Methode verzichtet zudem auf die Konstruktion von Lyapunov-Funktionen mit höchstens verschwindenden Ableitungen. Die Autoren leiten explizite, verifizierbare Ungleichungen für die Wahl der Entwurfsverstärkungen ab.

Das Delta ist klar: garantierte Konvergenz der Schätz- und Folgefehler, auch wenn die Dynamik des geregelten Systems komplex oder teilweise unbekannt bleibt. Für einen Prüfer lautet das Schlüsselwort „verifizierbar“.

Das Governance-Signal

Das Governance-Signal: Eine Methode wird auditierbar, sobald sie explizite und verifizierbare Kriterien liefert.

Ein adaptiver Regler lernt kontinuierlich. Seine Trajektorie lässt sich im Nachhinein schwer rekonstruieren.

Ein Entwurf, der die Verstärkungen über verifizierbare Ungleichungen festlegt, bietet dagegen ein stabiles Audit-Artefakt. Der Prüfer kontrolliert die Entwurfsbedingungen, misst die Konformität, dokumentiert das Ergebnis.

Ein stabiles Artefakt reduziert die Ambiguität in der Prüfung. Es senkt zudem die Kosten des wiederkehrenden Audits, weil die Kriterien zwischen einer Prüfung und der nächsten fix bleiben.

Genau das unterscheidet Dokumentation von realer Governance. Eine Audit-Spur, kalibriert auf ein adaptives System, wird überkalibriert, sobald das System seine Parameter vor dem Deployment festlegt.

Die Prüfung bleibt Pflicht; ihr Perimeter verschiebt sich. Die technische Frage nach der Konvergenz hat eine Antwort. Eine zweite Frage hat sich geöffnet: Wer verifiziert die Ungleichungen, und mit welchem Mandat?

Wer für das Ergebnis einsteht

Ein Regelungssystem, das auf physische Infrastruktur einwirkt, erzeugt eine präzise rechtliche Exposition. Die Risikoklassifizierung bestimmt das anwendbare Regime.

Die Position dieses Desks bleibt konstant: Accountability ohne Namen ist Compliance-Theater.

Ein Framework, das technische Anforderungen beschreibt und die verantwortliche Rolle offen lässt, produziert Papier. Reale Governance verlangt eine Unterschrift.

Die operative Frage ist direkt: Welche Rolle, vor dem Deployment namentlich und schriftlich festgelegt, steht für das Verhalten des Reglers unter Bedingungen außerhalb der Spezifikation ein?

Für den General Counsel definiert die Antwort den Perimeter der Exposition. Für den Chief Risk Officer definiert sie, welches Risikomodell zu aktualisieren ist.

Ein System, das auf teilweise unbekannter Dynamik operiert, vergrößert die Verantwortungsfläche. Der Board erbt diese Fläche im Moment der Disclosure.

Die Verankerung in den regulatorischen Frameworks

Der EU AI Act ist seit 2024 in Kraft, mit gestaffelter Anwendung in den Folgemonaten. Seine Architektur klassifiziert die Systeme nach Risikoniveau.

Annex III listet die Hochrisikosysteme auf. Regler, die in kritische Infrastrukturen integriert sind, fallen in diese Kategorie, sobald sie Sicherheit und Betriebskontinuität berühren.

Article 50 verankert Transparenzpflichten gegenüber den Nutzern. Ein System, das auf opaker Dynamik agiert, wirft direkte Fragen zu diesen Pflichten auf.

Die Jurisdiktion zählt. In der Europäischen Union ist das Regime definiert und verbindlich. In den Vereinigten Staaten bleibt die Fragmentierung zwischen den Bundesstaaten die erwartete Trajektorie.

Dieser Desk hält an einer präzisen Lesart fest: Ein kohärentes US-Bundesgesetz kommt voraussichtlich erst 2028-2030. Organisationen, die strukturierte Governance jetzt aufbauen, gewinnen einen Vorsprung von 18-24 Monaten.

Was sich für jede Rolle ändert

Der Wert dieser Analyse variiert je nach Rolle. Jede Funktion liest dasselbe Ereignis durch eine andere Linse.

Der General Counsel blickt auf die rechtliche Exposition. Ein Regler, der auf opaker Dynamik agiert, verschiebt den Perimeter des geforderten Audits.

Der Chief Risk Officer aktualisiert das Risikomodell. Eine Methode mit verifizierbaren Kriterien liefert Metriken, die dem bisherigen Framework fehlten.

Das Board Audit & Risk Committee entscheidet über die Disclosure. Die Frage lautet, welche Information für externe Stakeholder material ist.

Der CEO steht vor der strategischen Randbedingung. Die Risikoklassifizierung bestimmt, welche Deployments voranschreiten und welche zusätzliche Kontrollen vor dem Launch verlangen.

Drei Entscheidungen für den Board

Eine technische Methode wird im Moment des Deployments zur Governance-Frage. Hier sind die Entscheidungen, vor denen der Board steht.

1. Klassifizierung: Fällt das Regelungssystem unter Annex III des EU AI Act? Die Antwort bestimmt das anwendbare Regime.
2. Accountability: Welche Rolle unterschreibt die Verifikation der Entwurfsungleichungen, namentlich, vor dem Deployment?
3. Disclosure: Welche Information muss das Board Audit & Risk Committee über das Verhalten des Systems außerhalb der Spezifikation kommunizieren?

Jede Entscheidung verlangt einen benannten Eigentümer. Die technische Dokumentation bleibt notwendig; eine Unterschrift verwandelt sie in Governance.

Die Reihenfolge zählt. Zuerst die Klassifizierung, dann die benannte Accountability, zuletzt die Disclosure. Wer die Reihenfolge umkehrt, produziert Dokumentation ohne Fundament.

Für den CEO bindet die Risikoklassifizierung die Deployment-Entscheidung. Ein Hochrisikosystem verlangt Kontrollen, die dem kommerziellen Launch vorausgehen.

Regulatory Horizon

Aktueller Stand: Die Studie ist ein akademischer Beitrag, am 18. August 2026 auf arXiv hinterlegt. Sie beschreibt eine Methode und eröffnet eine Governance-Frage.

Der EU AI Act bleibt die verbindliche Referenz in der Europäischen Union, in gestaffelter Anwendung. Annex III und Article 50 definieren die relevanten Pflichten für Hochrisiko-Regelungssysteme.

In den Vereinigten Staaten setzt sich die Fragmentierung zwischen den Bundesstaaten fort. Eine föderale Konvergenz bleibt nach Lesart dieses Desks fern.

Organisationen, die ihre Exposition jetzt kartieren und die verantwortlichen Rollen vor dem Deployment benennen, halten einen Wettbewerbsvorsprung, wenn das Enforcement in die operative Phase eintritt. Weitere Analysen stehen im Blog dieses Desks bereit.