Wer gilt als betroffen?
Affected Persons sind alle Menschen, deren Zugang, Chancen, Behandlung, Sicherheit, Rechte oder wirtschaftliche Interessen durch ein AI-System beeinflusst werden können – auch wenn sie das System nie selbst bedienen. Scale beschreibt Anzahl, Häufigkeit, geografische Reichweite und systematische Wiederholung.
Warum Personengruppen und Reichweite getrennt prüfen?
Schutzbedarf
Kinder, ältere Menschen oder Personen in Abhängigkeit benötigen stärkere Sicherungen.
Skalierung
Ein kleiner systematischer Fehler kann bei hoher Fallzahl große Gesamtschäden erzeugen.
Fairness
Unterschiedliche Fehlerraten und Barrieren für Gruppen werden sichtbar.
Abhilfe
Information, Widerspruch, menschliche Prüfung und Beschwerde werden passend geplant.
Typisches Praxisbild
Ein Bewerbungsassistent wird von zehn Recruitern bedient, bewertet aber jährlich Tausende Bewerbungen. Die Nutzerzahl ist klein, die Zahl der Betroffenen groß. Werden Sprachstil oder Erwerbslücken verzerrt bewertet, kann dies bestimmte Gruppen systematisch benachteiligen.
Was BAIS vollständig erfasst
- Wer bedient das System aktiv?
- Über wen werden Daten verarbeitet oder Aussagen erzeugt?
- Wer erhält Vorteile, Nachteile oder keinen Zugang?
- Sind Kinder, ältere, kranke oder abhängige Personen betroffen?
- Wie viele Personen pro Tag, Monat und Jahr?
- Kann derselbe Fehler eine ganze Gruppe treffen?
- Gibt es sprachliche, digitale oder barrierebedingte Ausschlüsse?
- Können Betroffene den AI-Einsatz erkennen und verstehen?
- Gibt es Widerspruch, menschliche Prüfung und Korrektur?
- Wie werden neue Zielgruppen als Change erkannt?
Betroffenenlandkarte statt Nutzerliste
„Das System hat 25 interne Nutzer.“
- Keine indirekt Betroffenen
- Keine Fallzahl
- Keine vulnerablen Gruppen
- Keine Abhilfe
„25 Sachbearbeitende nutzen das System; ca. 18.000 Kundenfälle pro Jahr sind betroffen. Minderjährige sind ausgeschlossen. Für sprachliche Barrieren existiert ein alternativer Kanal; negative Vorschläge brauchen menschliche Freigabe und sind anfechtbar.“
Wie R-003 eingestuft wird
Severity: 0–2 internes Kleintestteam · 3–5 begrenzte Gruppe · 6–8 viele Betroffene oder relevante Abhängigkeit · 9–10 sehr große oder besonders schutzbedürftige Gruppe.
Was eingerichtet und nachgewiesen wird
Wer trägt welche Verantwortung?
Welche Regelwerke berührt R-003?
- EU AI Act: Betroffene Personen, Grundrechte, vulnerable Gruppen, Transparenz und Human Oversight.
- DSGVO: Betroffenenrechte, transparente Information, faire Verarbeitung und Risiken für Rechte und Freiheiten.
- AGG: Benachteiligungsrisiken in Beschäftigung und Zugang zu Leistungen können relevant sein.
- BFSG / Accessibility: Bei erfassten Produkten und Dienstleistungen sind zugängliche Interaktionen zu berücksichtigen.
- ISO/IEC 42001: Stakeholder, Impact Assessment, verantwortlicher Einsatz und kontinuierliche Verbesserung.
Wie Betroffenenschutz eingebaut wird
- Gruppen- und Fallzahlmetriken datensparsam überwachen.
- Testdatensätze auf relevante Segmente und Randgruppen ausrichten.
- Fehlerraten, Ablehnungen und Overrides gruppenbezogen prüfen.
- Barrierefreie Oberfläche, verständliche Sprache und Alternativkanal anbieten.
- Negative oder weitreichende Ergebnisse mit Human Review sperren.
- Widerspruch, Korrektur und Rücknahme technisch nachvollziehbar machen.
- Skalierungsgrenzen, Rate Limits und stufenweisen Rollout verwenden.
- Neue Nutzergruppe oder Region als verpflichtenden Review-Trigger setzen.
Was die Analyse unvollständig macht
Professionell und verständlich antworten
„R-003 ermittelt nicht nur, wer das AI-System bedient, sondern alle direkt und indirekt betroffenen Menschen. Wir prüfen Anzahl, Häufigkeit, vulnerable Gruppen, ungleich verteilte Nachteile sowie echte Widerspruchs- und Alternativmöglichkeiten.“
„Ein System mit wenigen internen Accounts kann Tausende Menschen beeinflussen. Deshalb erstellen wir eine Betroffenenlandkarte, messen Reichweite und kumulative Wirkung, prüfen vulnerable Gruppen und Gruppenunterschiede und planen Transparenz, Human Review, Widerspruch und barrierefreie Alternativen. Neue Zielgruppen lösen eine erneute Bewertung aus.“
„Wir speichern keine sensiblen Merkmale.“
Datensparsamkeit ist richtig. Trotzdem muss geprüft werden, ob Proxy-Merkmale oder Ergebnisse einzelne Gruppen systematisch benachteiligen.
„Es entscheidet doch ein Mitarbeiter.“
Dann prüfen wir, ob die Kontrolle fachlich, zeitlich und organisatorisch wirksam ist und Automation Bias begrenzt wird.
„Nur wenige Kollegen nutzen das Tool.“
Entscheidend ist zusätzlich, wie viele Personen durch deren AI-gestützte Entscheidungen oder Inhalte betroffen sind.
R-003 ist vollständig, wenn …
- direkte und indirekte Betroffene dokumentiert sind.
- Nutzerzahl und tatsächliche Fallzahl getrennt vorliegen.
- vulnerable und strukturell benachteiligte Gruppen geprüft sind.
- Reichweite, Häufigkeit und kumulative Wirkung bewertet sind.
- Fairness- und Segmenttests definiert und ausgeführt sind.
- Information, Widerspruch, Korrektur und Human Review funktionieren.
- barrierefreie oder manuelle Alternativen verfügbar sind.
- Owner, Evidence, Review-Zyklus und Change-Trigger feststehen.