Das AI Evaluator Forum hat mit AEF-1 ein neues Rahmenwerk für externe Sicherheitsprüfungen vorgestellt. Unter dem vollständigen Titel Minimum Operating Conditions for Independent Third Party AI Evaluations verpflichtet das Dokument teilnehmende Unternehmen auf einheitliche Standards. Mit OpenAI, Anthropic und xAI haben sich die drei führenden US-amerikanischen Frontier-Labore geschlossen dem Regelwerk angeschlossen. Dies markiert das erste Mal, dass diese konkurrierenden Pioniere ein gemeinsames, verbindliches Audit-Format für ihre fortschrittlichsten Systeme akzeptieren. Die Branche reagiert damit auf wachsende Forderungen nach belastbaren Nachweisen für Modellprüfungen.
Der Einigung ging ein bemerkenswerter Vorstoß von Anthropic-CEO Dario Amodei voraus. Amodei hatte öffentlich zugesagt, externen Sicherheitsprüfern einen dauerhaften, mitarbeiterähnlichen Vor-Ort-Zugang zu gewähren. Dies umfasst physische Hausausweise, offizielle Firmenlaptops sowie uneingeschränkten Zugriff auf interne Entwicklungswerkzeuge der Organisation. Kurz nach dieser weitreichenden Ankündigung zog OpenAI nach und erklärte sich zu exakt vergleichbaren Zugeständnissen für Prüfer bereit. Dadurch entstand die notwendige Dynamik, um aus Einzelzusagen einen institutionsübergreifenden, verbindlichen Branchenstandard zu formen.
Das Regelwerk AEF-1 soll sicherstellen, dass externe Sicherheitsüberprüfungen nicht zu oberflächlichen Marketingkampagnen verkommen. Zu diesem Zweck legt der Standard strenge Kriterien zur Vermeidung von Interessenkonflikten fest und schreibt eine lückenlose Offenlegung aller Finanzierungsströme vor. Prüforganisationen dürfen weder wirtschaftlich von den evaluierten Laboren abhängig sein noch finanzielle Anreize für Gefälligkeitsgutachten erhalten. Auf diese Weise soll die Unabhängigkeit der Befunde auch bei hochsensiblen Modellen der nächsten Generation dauerhaft gewahrt bleiben. Die Integrität der Prüfberichte steht dabei im Mittelpunkt der Vereinbarung.
Auf technischer und rechtlicher Ebene regelt AEF-1 die präzise Durchführung tiefgreifender Audits von Modellen und gesamten Trainings-Pipelines. Spezialisierte Prüforganisationen wie METR und Transluce erhalten dadurch klare vertragliche Leitplanken für ihre wissenschaftlichen Evaluierungsverfahren. Die externen Prüfteams können direkt in die jeweiligen Entwicklungsumgebungen einsehen und potenzielle Risiken vor einer Veröffentlichung systematisch analysieren. Dies verhindert zeitraubende bürokratische Reibungsverluste und wiederkehrende Verhandlungen über Freigaben zwischen Forschungsteams und Gutachtern. Die Evaluatoren agieren somit nicht mehr von außen, sondern direkt am Puls der Modellentwicklung.
Das gewählte Format orientiert sich ganz bewusst an den bewährten regulatorischen Inspektionsmodellen des internationalen Bankensektors. Ähnlich wie staatliche Bankprüfer erhalten akkreditierte KI-Evaluatoren weitreichende Einsichtsrechte in interne Abläufe, ohne dass sensible Betriebsgeheimnisse nach außen dringen. Diese Konvergenz signalisiert eine fundamentale Abkehr von rein unverbindlichen Selbstverpflichtungen hin zu institutionalisierten Prüfpfaden. Die beteiligten Frontier-Labs schaffen damit eine funktionierende Governance-Infrastruktur, bevor staatliche Regulierungsbehörden noch rigidere Kontrollmechanismen vorschreiben. Die Branche versucht so, ihre Glaubwürdigkeit im Bereich der Hochrisiko-Modelle proaktiv zu sichern.
Die geschlossene Beteiligung von xAI neben Anthropic und OpenAI unterstreicht die wachsende Bedeutung einer einheitlichen Testlandschaft für die gesamte KI-Industrie. Bislang agierten Evaluierungsorganisationen meist unter improvisierten Geheimhaltungsvereinbarungen mit stark schwankendem Zugang zu Rechenressourcen und Modellgewichten. Durch die Standardisierung auf Basis von AEF-1 entsteht nun erstmals ein stabiler und vergleichbarer Rahmen für Sicherheitsanalysen im Spitzenbereich. Für die kommenden Modellgenerationen setzen die drei Organisationen damit einen Präzedenzfall, an dem sich alle zukünftigen Audits orientieren müssen. Die Standardisierung könnte zudem als Vorlage für internationale Prüfvorgaben in Europa und Asien dienen.