Welche Ansätze gibt es für KI-Regulierung? Eine Studie der Stanford-University vergleicht verschiedene internationale Lösungen. Die darin vorgestellte Taxonomie bestätigt mehrere Thesen des Skripts „Grundwissen KI-Recht“: Darunter die Rolle des Softlaws als auch die wichtige Differenzierung von ex ante und ex post Betrachtung von (Sorgfalts-)Pflichten.

Um welche Studie geht es?

• Der schweizer E-Government und KI-Experte Paul Meyrat wies heute auf LinkedIn auf spannende Erkenntnisse von Mitarbeitern* der Standford University hin.
• Es geht um die Studie „Comparing Apples to Oranges: A Taxonomy for Navigating the Global Landscape of AI Regulation„. Autoren sind Sacha Alanoca, Shira Gur-Arieh, Tom Zick, Kevin Klyman.
• Die Studie kann durch Klick auf das nachfolgende Bild als PDF heruntergeladen werden.

Die Studie vergleicht nicht nur verschiedene internationale KI-Regulierungen. Sie enthält auch eine Taxonomie aus 11 Punkten, die mehrere Thesen des Skripts „Grundwissen KI-Recht“ wissenschaftlich bestätigen.

Welche Gesetze werden verglichen?

Die Studie hat insbesondere folgende KI-Regulierungen unter die Lupe genommen:

• Die KI-Verordnung (EU AI Act) der Europäischen Union.
• Die Executive Order 14110 der Vereinigten Staaten.
• Den AI and Data Act Kanadas.
• Die Interim Measures for Generative AI Services Chinas.
• Den KI-Gesetzentwurf 2338/2023 Brasiliens.

Dabei kommt die Studie aus verschiedenen Gründen zum Ergebnis, dass der Vergleich wie jener von „Äpfeln und Birnen“ ausfällt (englisch: „Apples to Oranges“). Die Regulierungsansätze unterscheiden sich demnach insbesondere in Hinsicht auf:

• Den Grad der Verbindlichkeit (Softlaw vs. Hardlaw)
• Die Art der Regulierung in zeitlicher Hinsicht (ex ante vs. ex post)

So gesehen ist KI-Regulierung nicht gleich KI-Regulierung.

Welcher Bezug besteht zum Skript?

Die Studie geht vor diesem Hintergrund vertiefend auf zwei Themen ein, die auch im Skript „Grundwissen KI-Recht“ eine wichtige Rolle spielen:

• Die dreistufige Inhaltspyramide (Kapitel 1)
• Die Methodik der Fallbearbeitung (Anhang)

a) Die Inhaltspyramide

Die Studie befasst sich zwar nicht explizit mit Art. 95 des EU AI Acts. Sie verwendet jedoch eine Terminologie und einen analytischen Ansatz, der die im Skript beschriebenen Punkte bestätigt und erweitert:

• Das Skript betont die Rolle von Anbietern und Interessenvertretungen bei der Ausgestaltung von Verhaltenskodizes. Die Studie beleuchtet die „Inclusion of Stakeholders“ (Einbeziehung der Interessengruppen) als zentrale Metrik ihrer Taxonomie. Am Beispiel Brasiliens wird hervorgehoben, dass die Einbeziehung der Zivilgesellschaft in den Konsultationsprozess für das KI-Gesetz als hoch eingestuft wird.
• Das Skript verdeutlicht den Unterschied von Verhaltenskodizes und rechtlich bindenden Vorschriften (Artikel und Anhänge). Dies entspricht in vieler Hinsicht der Unterscheidung in der Studie zwischen „Soft Law“ (z.B. nationale Strategien und freiwillige Leitlinien) und „Binding Regulation“ (rechtlich bindende Verordnungen). Während die Studie diese zwei Stufen differenziert, nimmt das Skript eine dreiteilige Abstufung vor: Verhaltenskodizes sind dort Teil des ethischen Fundaments der KI-Verordnung und kein Bereich des Soft Laws. Für beide Ansichten gibt es Pro- und Contra-Argumente.
• Das Skript vertritt zudem die These, dass Verhaltenskodizes und Corporate Digital Responsibility als „Radar“ für zukünftige Regulierungsthemen dienen. Die Studie unterstützt dies, indem sie „Standard Setting“ als ein wichtiges Kriterium in ihrer Taxonomie zur Klassifizierung der Regulierungstiefe heranzieht. Sie stellt fest, dass in manchen Ländern, wie z.B. China, die freiwilligen Maßnahmen (die Interim Measures) als übergeordnete Rahmenwerke dienen, auf denen spezifischere Standards und Regelungen aufbauen sollen.

Beide Ansätze unterstreichen somit die Notwendigkeit eines flexiblen, mehrschichtigen Rechtsrahmens, der mit der technologischen Entwicklung mitwachsen kann, wie es mit dem Konzept des „living law“ im Skript beschrieben wird.

b) Ex ante vs. ex post

Die Studie verwendet ex ante und ex post als zentrale Metriken ihrer Taxonomie, um die Tiefe der Regulierung in verschiedenen Ländern zu klassifizieren.

• Ex ante (präventiv): Die Studie bewertet, inwieweit ein Regelwerk präventive Anforderungen stellt, bevor ein KI-System auf den Markt kommt. Dies korrespondiert mit der „vorausblickenden“ Perspektive des Skripts, die sich auf die Erfüllung künftiger Pflichten konzentriert. Die KI-Verordnung mit ihren strengen Anforderungen an Hochrisiko-KI-Systeme vor dem Inverkehrbringen ist ein Beispiel für einen hohen ex ante-Ansatz.
• Ex post (rückblickend): Hier betrachtet die Studie die Mechanismen, die nach einem Verstoß zur Anwendung kommen, wie Sanktionen oder zivilrechtliche Haftung. Dies deckt sich mit der im Skript beschriebeben „rückblickenden“ Perspektive, die sich mit der Bewertung vergangener Pflichtverletzungen befasst.

Die Studie bestätigt somit, dass die in der „Szenarien-Zeitleisten-Analyse (SZA)“ empfohlene Methodik, bei der dynamische Veränderungen über die Zeit betrachtet werden, ein entscheidender Ansatzpunkt für die Differenzierung internationaler KI-Regulierungen ist. Sie zeigt, dass die zeitliche Perspektive nicht nur für die Fallprüfung relevant ist, sondern auch ein grundlegendes Kriterium zur Klassifizierung und zum Vergleich der unterschiedlichen regulatorischen Ansätze weltweit darstellt.

Fazit:

Die Regulierung von KI ist ein weltweit relevantes Thema! Diesbezügliches Grundwissen erfordert den Blick über den Tellerrand der EU hinaus – um zu verstehen, welche rechtlichen Instrumente überhaupt zur Verfügung stehen, um einen hoch dynamischen Bereich wie KI regulieren zu können. Insofern sind Kapitel 1 und der Anhang des Skripts „Grundwissen KI-Recht“ von großer Relevanz.

Bezug zum Skript „Grundwissen-KI-Recht“ u.a.: Kapitel 1 u. Anhang

Kategorie: EU AI Act

Inhalte des Beitrags, u.a.:

• Vergleich von KI-Regularien
• Softlaw vs. Hardlaw
• ex ante vs. ex post