# Beschleunigung des Managements von Provenienz und Attribution von generativen KI‑Ausgaben mit Formize

Die rasche Verbreitung generativer KI‑Modelle — Textgeneratoren, Bildsynthesizer, Code‑Assistenten — schafft einen dringenden Bedarf an **Provenienz**‑ und **Attributions**‑Kontrollen. Aufsichtsbehörden, Prüfer und Endnutzer verlangen zunehmend transparente Aufzeichnungen, die drei Kernfragen beantworten:

1. **Wer** hat die Eingabe‑ oder Prompt‑Anfrage erstellt?  
2. **Was** für ein Modell, welche Version und welcher Datensatz hat die Ausgabe erzeugt?  
3. **Wann** und **wo** wurde die Ausgabe generiert?

Formize, eine Low‑Code‑Plattform für Dokumenten‑Automation, unterstützt bereits Compliance‑Workflows für Verträge, ESG‑Berichte und Datenschutz. Durch die Erweiterung seines PDF‑Formular‑Editors, seiner Workflow‑Engine und des blockchain‑gestützten Audit‑Trails kann Formize zum zentralen Hub für das Management von Provenienz generativer KI werden. Dieser Artikel führt durch die Architektur, Implementierungsschritte und Best Practices zum Aufbau einer **Provenienz‑ersten KI‑Pipeline** mit Formize.

---

## Warum Provenienz für generative KI wichtig ist

| Treiber | Auswirkung |
|--------|------------|
| **Regulatorischer Druck** ([EU AI Act](https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai), US‑Executive Orders) | Nicht‑Einhaltung kann zu Geldstrafen, Produktverboten oder Verlust des Marktzugangs führen |
| **Risiko für geistiges Eigentum** | Unklare Quelldaten können Urheberrechtsansprüche auslösen |
| **Modell‑Verantwortlichkeit** | Prüfer benötigen Nachweise zur Datenherkunft und Modellversionierung |
| **Vertrauen der Nutzer** | Transparente Attribution erhöht die Akzeptanz und reduziert Fehlinformationen |

Ohne ein systematisches Provenienz‑Framework sehen sich Unternehmen versteckten Haftungsrisiken ausgesetzt und verlieren das Vertrauen der Stakeholder.

---

## Kernkomponenten eines Formize‑basierten Provenienz‑Systems

1. **Prompt‑Erfassungs‑Formular** — Ein Web‑Formular, das die Anfrage des Nutzers, Kontext und optionale Begründung aufzeichnet.  
2. **Modell‑Aufruf‑Service** — Ein API‑Gateway, das den Prompt an das ausgewählte generative Modell weiterleitet und eine **Run‑ID** zurückgibt.  
3. **Metadaten‑Anreicherungs‑Engine** — Hängt automatisch Modellversion, Snapshot‑Hash des Trainingsdatensatzes und Umgebungsdetails an.  
4. **Unveränderlicher Audit‑Trail** — Formize schreibt einen signierten JSON‑LD‑Datensatz in eine Blockchain oder ein manipulationssicheres Ledger.  
5. **Attributions‑PDF‑Generator** — Ein PDF‑Template, das einen QR‑Code mit dem unveränderlichen Datensatz einbettet und zur Weiterverwendung bereitsteht.  

Das Diagramm unten visualisiert den Datenfluss.

```mermaid
graph LR
    A["Benutzer‑Prompt‑Formular"] --> B["Modell‑Aufruf‑API"]
    B --> C["Generatives Modell"]
    C --> D["Ausgabe‑Payload"]
    D --> E["Metadaten‑Anreicherung"]
    E --> F["Unveränderliches Ledger (Blockchain)"]
    E --> G["Attributions‑PDF"]
    G --> H["Verbraucheranwendung"]
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style F fill:#bbf,stroke:#333,stroke-width:2px
```

---

## Schritt‑für‑Schritt‑Implementierungs‑Leitfaden

### 1. Entwurf des Prompt‑Erfassungs‑Formulars

* Nutzen Sie den **Web‑Form‑Builder** von Formize, um Felder zu erstellen für:
  * Prompt‑Text
  * Geplanter Anwendungsfall (z. B. Marketing‑Copy, Code‑Snippet)
  * Geschäftliche Begründung (optional Freitext)
  * Anforderer‑Identität (Single‑Sign‑On‑Integration)
* Aktivieren Sie **bedingte Logik**, um Pflichtfelder für risikoreiche Kategorien (z. B. medizinische Beratung) zu erzwingen.

### 2. Anbindung an den Modell‑Aufruf‑Service

* Stellen Sie ein leichtgewichtiges **API‑Gateway** bereit (z. B. Azure Functions, AWS Lambda), das:
  * Das Formular‑Payload per Webhook empfängt.
  * Eine **Run‑ID** (UUID v4) erzeugt und den Request timestampet.
  * Das Zielmodell (OpenAI, Stability AI, internes LLM) mit dem Prompt aufruft.
  * Die Rohausgabe und die Run‑ID an Formize zurückgibt.

```goat
// Pseudo‑Code für das Gateway
func invokeModel(request FormPayload) (Response, error) {
    runID := uuid.New()
    modelResp, err := modelAPI.Generate(request.Prompt)
    if err != nil { return nil, err }
    return Response{
        RunID: runID,
        Output: modelResp.Text,
        Timestamp: time.Now().UTC(),
    }, nil
}
```

### 3. Anreicherung der Ausgabe mit Provenienz‑Metadaten

Der **Workflow‑Engine** von Formize kann die Antwort automatisch anreichern:

| Metadatum | Quelle |
|-----------|--------|
| Modellname & Version | Modell‑Register |
| Snapshot‑Hash des Trainingsdatensatzes | Prüfsumme des Data Lakes |
| Ausführungsumgebung | Container‑Image‑Digest |
| Anforderer‑ID | Identitäts‑Provider |
| Run‑ID | In Schritt 2 erzeugt |

Erstellen Sie ein **JSON‑LD**‑Template, das diese Felder auf die W3C Provenance Ontology (PROV‑O) abbildet. Beispiel‑Snippet:

```json
{
  "@context": "https://www.w3.org/ns/prov#",
  "id": "urn:uuid:{RunID}",
  "generatedAtTime": "{Timestamp}",
  "wasGeneratedBy": {
    "type": "prov:Activity",
    "id": "urn:uuid:{RunID}",
    "used": "urn:uuid:{ModelVersion}"
  },
  "wasAttributedTo": {
    "type": "prov:Agent",
    "id": "urn:uuid:{RequesterID}"
  },
  "entity": {
    "type": "prov:Entity",
    "id": "urn:uuid:{OutputHash}"
  }
}
```

### 4. Schreiben in ein unveränderliches Ledger

Formize unterstützt **Blockchain‑Connectoren** (Ethereum, Hyperledger). Senden Sie den JSON‑LD‑Datensatz als Transaktion:

```mermaid
sequenceDiagram
    participant F as Formize‑Workflow
    participant B as Blockchain‑Node
    F->>B: Provenienz‑Transaktion einreichen
    B-->>F: Transaktions‑Receipt (Hash)
    Note right of F: Receipt‑ID in Formize‑DB speichern
```

Der Transaktions‑Hash wird zum **einzigen Wahrheits­grundlage** für Prüfer.

### 5. Generierung eines Attributions‑PDFs

* Nutzen Sie den **PDF‑Form‑Editor** von Formize, um ein einseitiges Attributions‑Sheet zu designen.
* Fügen Sie dynamische Felder ein:
  * Ausgabe‑Vorschau (Text oder Bild)
  * QR‑Code, der zur Blockchain‑Transaktions‑URL auflöst
  * Menschlich lesbare Zusammenfassung der Provenienz (Modell, Version, Anforderer)
* Aktivieren Sie **digitale Signaturen** für zusätzliche Nicht‑Abstreitbarkeit.

### 6. Verteilung des Provenienz‑Pakets

Das fertige PDF kann:

* Automatisch per E‑Mail versendet werden (Formize‑E‑Mail‑Aktion)  
* Sicher in einem Dokumenten‑Repository gespeichert werden (SharePoint, Google Drive)  
* In nachgelagerten Anwendungen eingebettet werden (CMS, Marketing‑Automation)

---

## Sicherheits‑ und Datenschutz‑Überlegungen

| Bedenken | Gegenmaßnahme |
|----------|---------------|
| **Sensitive Prompt‑Daten** | Payload‑Verschlüsselung im Ruhezustand mit AES‑256 von Formize |
| **Unbefugtes Schreiben ins Ledger** | Mehr‑Faktor‑Freigabe für risikoreiche Modelle vor Blockchain‑Commit |
| **Daten‑Souveränität** | Blockchain‑Node in derselben Rechtsjurisdiktion wie die Datenquelle betreiben |
| **Aufbewahrung** | Formize‑Aufbewahrungs‑Policies konfigurieren, PDFs nach gesetzlicher Frist zu löschen, während das unveränderliche Ledger dauerhaft bleibt |

---

## Praxisbeispiele

### A. Marketing‑Agentur, die KI‑generierte Texte liefert

* **Problem**: Kunden verlangen Nachweis, dass Texte von einem genehmigten Modell stammen und nicht plagiiert sind.  
* **Lösung**: Die Agentur nutzt den Formize‑Provenienz‑Workflow, um jedem Text ein QR‑verknüpftes PDF beizufügen. Der Kunde kann den QR‑Code scannen und den unveränderlichen Datensatz einsehen, was das Marken‑Risikomanagement befriedigt.

### B. Pharma‑Forschungslabor, das molekulare Strukturen generiert

* **Problem**: Aufsichtsbehörden verlangen Rückverfolgbarkeit von KI‑vorgeschlagenen Verbindungen bis zu den Trainingsdaten.  
* **Lösung**: Das Labor protokolliert die exakte Version des Chemie‑Modells, den Trainings‑Daten‑Hash und die ID des Wissenschaftlers. Der unveränderliche Ledger wird Teil des IND‑Einreichungspakets.

### C. Finanzinstitut, das Berichtszusammenfassungen automatisiert

* **Problem**: KI‑generierte Gewinn‑Zusammenfassungen müssen für die SEC‑Compliance prüfbar sein.  
* **Lösung**: Jede Zusammenfassung wird mit einem Formize‑Attributions‑PDF versehen, und der Ledger‑Hash wird in der Compliance‑Datenbank des Unternehmens gespeichert, sodass Audits sofortige Zugriffe ermöglichen.

---

## Erfolgsmessung

| KPI | Ziel |
|-----|------|
| **Provenienz‑Erfassungs‑Rate** | 100 % aller KI‑Ausgaben besitzen ein verknüpftes PDF |
| **Audit‑Abrufzeit** | < 5 Sekunden pro Datensatz |
| **Reduktion von Compliance‑Vorfällen** | 80 % weniger Provenienz‑bezogene Findings |
| **Nutzer‑Adoption** | 90 % der Anforderer nutzen das Formize‑Prompt‑Formular |

Regelmäßige Reviews dieser Kennzahlen in einem **Formize‑Dashboard** stellen sicher, dass der Workflow effizient und konform bleibt.

---

## Checkliste bewährter Verfahren

- [ ] Single‑Sign‑On‑Integration für präzise Anforderer‑Attribution einbinden.  
- [ ] Modelle versionieren und Hashes in einem zentralen Register speichern.  
- [ ] Eine permissioned Blockchain nutzen, um Datenschutz und Unveränderlichkeit zu balancieren.  
- [ ] PDF‑Generierung mit dynamischen QR‑Codes automatisieren für sofortige Verifikation.  
- [ ] Periodische Überprüfung der Provenienz‑Richtlinien, um mit sich ändernden Vorschriften Schritt zu halten.  

---

## Zukünftige Erweiterungen

1. **KI‑generierte Wasserzeichen** — Kombination von Provenienz‑PDFs mit unsichtbaren Wasserzeichen, die direkt in Bilder oder Texte eingebettet werden.  
2. **Plattform‑übergreifender Provenienz‑Austausch** — Adoption des **Open Provenance Model (OPM)**, um Datensätze mit Partnern und Aufsichtsbehörden zu teilen.  
3. **Echtzeit‑Alarmierung** — Auslösen von Warnungen, wenn ein risikoreiches Modell ohne ausreichende Begründung aufgerufen wird.  

Durch kontinuierliche Weiterentwicklung können Unternehmen regulatorischen Anforderungen stets einen Schritt voraus sein und gleichzeitig das volle Potenzial generativer KI ausschöpfen.

---

## Siehe auch

- [W3C Provenance Ontology (PROV‑O)](https://www.w3.org/TR/prov-o/)  
- [EU AI Act – Transparenzanforderungen](https://digital-strategy.ec.europa.eu/en/policies/eu-artificial-intelligence)