COMPLIANCE · NIST AI RMF · 1.0

Föderale KI-Risikomanagement-Schulung für
NIST AI RMF 1.0.

GOVERN / MAP / MEASURE / MANAGE akzeptieren nicht "wir haben das Framework gelesen." Sie erwarten nachweisbare Kompetenz in Sicherheit, Resilienz, Bias-Messung, Risikobehandlung und kontinuierlicher Verbesserung — pro Entwickler, der KI-Features ausliefert.

GovernMap · Measure · Manage
MEASURE-2.7KI-Sicherheit
85+KI-Themen abgedeckt

NIST AI RMF ist die US-föderale KI-Risikobasis.

Das NIST AI Risk Management Framework 1.0 (Januar 2023) bietet freiwillige, föderal-ausgerichtete Anleitung für KI-Risikomanagement. Obwohl freiwillig, ist es die De-facto-Basis für US-föderale KI-Programme, FedRAMP-nahe Beschaffung und die meisten DoD-KI-Bereitstellungen.

AI RMF organisiert Risiken um vier Funktionen — GOVERN, MAP, MEASURE, MANAGE — mit detaillierten Unterkategorien. Entwicklerorientierte Kontrollen leben hauptsächlich in MEASURE-2.7 (Sicherheit und Resilienz) und MEASURE-2.8 (Bias, Fairness und Drift), mit Behandlung erfasst unter MANAGE-2.4 und MANAGE-4.1.

AI-RMF-Funktionen — und wie die Schulung jede abdeckt.

Jede AI-RMF-Unterkategorie ist auf praktische Übungen und geführte Szenarien aus den Tracks OWASP LLM Top 10, OWASP Agentic AI Top 10 und Sichere KI-gestützte Entwicklung gemappt.

Unterkategorie
Ergebnis
Schulungsabdeckung
GOVERN-1.1
Richtlinien und Rollen für KI-Risiko
Richtlinien, Prozesse und Rollen für KI-Risikomanagement, ausgerichtet an organisatorischen Grundsätzen (GOVERN-1.1).
AI Dev Tools Compliance-Nachweislücken; rollenbasierte Zugriffsschulung für KI-Tool-Nutzung.
MAP-1.1
KI-System-Kontext und -Ziele
Dokumentieren Sie KI-System-Kontext, beabsichtigte Nutzungen, vorhersehbare Missbräuche und Stakeholder (MAP-1.1).
Agentic AI Intent Breaking + Specification Gaming Schulung; Threat-Modelling-Templates.
MEASURE-2.7
KI-Sicherheit und Resilienz
Bewerten Sie KI-System-Sicherheit und Resilienz gegen feindliche Eingaben, Poisoning, Evasion und Missbrauch (MEASURE-2.7).
Voller OWASP LLM Top 10 Stack; Agentic AI Identity Spoofing; LLM-Output-Handling-Schwachstellen.
MEASURE-2.8
KI-Bias, Fairness und Drift
Verfolgen und messen Sie KI-System-Bias, Fairness und Verhaltens-Drift über den Bereitstellungs-Lebenszyklus (MEASURE-2.8).
LLM Daten- und Modell-Poisoning; RLHF-Manipulations-Schulung; Bias-Mess-Kontext für Entwickler.
MANAGE-2.4
Risikobehandlung und -minderung
Anwenden, dokumentieren und aktualisieren Sie Risikobehandlung und Minderungsmaßnahmen für KI-Systeme (MANAGE-2.4).
Agentic AI HitL Default-Accept Manipulationsschulung; sicheres Genehmigungsmuster-Design.
MANAGE-4.1
Kontinuierliche Verbesserung
Erfassen, lernen und handeln Sie aus KI-Vorfällen, Beinahe-Vorfällen und Post-Deployment-Feedback (MANAGE-4.1).
Agentic AI Fehlender Audit Trail + Aktions-Attribution-Verlust; sichere Logging + Telemetrie-Muster.

Nachweise pro Entwickler für föderale KI-Programm-Audits.

Jede abgeschlossene Übung und jedes Szenario wird pro Entwickler aufgezeichnet, getaggt mit der AI-RMF-Unterkategorie und dem zugrundeliegenden CWE. Exportierbar als PDF oder maschinenlesbares JSON für föderale KI-Programm-Berichterstattung.

  • Abschluss-Log pro Entwickler, getaggt auf GOVERN / MAP / MEASURE / MANAGE Unterkategorien.
  • Zugrundeliegender CWE pro Thema — unterstützt MEASURE-2.7 Cybersicherheits-Reporting.
  • Zeitgestempelter, signierter PDF-Export — passt in föderale KI-Programm-Dokumentation.
  • Coverage-Dashboard aggregiert auf alle vier AI-RMF-Funktionen.

Häufige Fragen von US-föderalen KI-Programm-Teams.

Ist NIST AI RMF für föderale Auftragnehmer verpflichtend?

AI RMF 1.0 ist auf föderaler Ebene freiwillig, wird aber seit 2024 in OMB M-24-10, der DoD Responsible AI Strategy und den meisten föderalen KI-Beschaffungstexten referenziert oder gefordert. Viele föderal-nahe Programme (FedRAMP, GovCloud-Kunden, DIB-Auftragnehmer) erwarten AI-RMF-Ausrichtung jetzt als Grundvoraussetzung.

Erfordert AI RMF speziell Entwicklerschulung?

Ja. GOVERN-1.1 erfordert definierte Rollen und Kompetenz für KI-Risikomanagement. MEASURE-2.7 erfordert gemessene Sicherheit und Resilienz — beide sind schwer nachweisbar ohne praktische Entwicklerschulung und Aufzeichnungen pro Individuum.

Wie verhält sich AI RMF zu NIST 800-53 und FedRAMP?

AI RMF ist das KI-spezifische Overlay. NIST 800-53 Kontrollen (AC, AU, SC, SI Familien) gelten weiterhin für KI-Systeme; AI RMF fügt KI-spezifische Risikodimensionen hinzu wie adversariale Robustheit, Bias und Drift. SecureCodingHub-Nachweise unterstützen beide Oberflächen.

Was ist mit NIST AI 600-1 (GenAI-Profil)?

NIST AI 600-1 ist das Generative-KI-Profil von AI RMF, veröffentlicht im Juli 2024. Es verfeinert MEASURE und MANAGE speziell für GenAI — Prompt Injection, Trainingsdaten-Integrität, Halluzination, Output-Integrität. Unser OWASP LLM Top 10 Track mappt direkt.

Können wir das für DoD- oder IC-KI-Bereitstellungen verwenden?

Ja. Die DoD Responsible AI Strategy und das IC AI Ethics Framework referenzieren beide AI RMF als technische Basis. Nachweise pro Entwickler mit framework-gemapptem Roll-up sind genau die Art von Dokumentation, die diese Programme erwarten.

Können wir das parallel zu unseren EU AI Act und ISO 42001 Programmen betreiben?

Ja — derselbe Schulungskatalog erfüllt AI RMF, EU AI Act Artikel 9-15 und ISO 42001 Annex A. Eine Schulung, drei Frameworks abgedeckt.

Föderale KI-Beschaffung fragt jetzt nach AI-RMF-Ausrichtung.

30 Minuten mit unserem Team. Wir gehen mit Ihnen das AI-RMF-Mapping durch, zeigen den Nachweis-Export pro Entwickler und wie SSO und SCIM für Ihren IdP aktiviert werden.