Automobilzulieferer stehen unter demselben Druck wie der Rest der Industrie: KI und Automatisierung sollen Prozesse beschleunigen, Qualitätsprüfungen schärfen und Entwicklungszyklen verkürzen. Anders als in vielen Branchen arbeiten sie dabei mit hochsensiblen Daten — Konstruktionsdaten, Prototypen-Informationen, Fertigungsparameter, OEM-Vorgaben.
Für genau diese Daten gilt im Automotive-Sektor TISAX (Trusted Information Security Assessment Exchange). TISAX wurde 2017 von der ENX Association — gegründet 2000 — im Auftrag des VDA eingeführt und ist heute der branchenweite Mechanismus, mit dem Hersteller und Zulieferer ein einheitliches Niveau der Informationssicherheit nachweisen. Inhaltlich basiert er auf dem VDA-ISA-Katalog, der sich an ISO/IEC 27001 orientiert (aktuelle Fassung: 2022). Ein TISAX-Label ist drei Jahre gültig und in drei Prüftiefen (Assessment Level 1 bis 3) organisiert. Jedes neue System, das geschützte Daten berührt — auch eine KI —, fällt damit unter diese Anforderungen.
Warum kollidieren Cloud-KI und TISAX?
Ein großer Teil der verfügbaren KI-Werkzeuge ist Cloud-basiert. Daten verlassen die eigene Umgebung, werden auf fremder Infrastruktur verarbeitet, teils in Drittstaaten, teils in Systemen, deren Verarbeitungswege sich kaum nachvollziehen lassen. Für allgemeine Anwendungsfälle mag das vertretbar sein. Für TISAX-relevante Daten ist es in vielen Fällen schlicht nicht tragbar.
Das Problem ist weniger die Technik als die Nachweisbarkeit. TISAX verlangt kontrollierte, dokumentierte Verarbeitung: Wer greift auf welche Daten zu? Wo werden sie gespeichert? Wie ist der Zugriff abgesichert? Ein Cloud-KI-Dienst, der Eingaben an einen externen Anbieter sendet, durchbricht genau die Kette, die ein TISAX-Assessment belegen soll.
Was macht eine datensouveräne KI-Architektur aus?
Der tragfähige Weg führt über Architekturen, bei denen die Daten die kontrollierte Umgebung nicht verlassen. On-Premise-KI im Automotive-Umfeld — KI-Modelle auf eigener oder dediziert abgeschotteter Infrastruktur — löst den Kernkonflikt an der Wurzel: Die Verarbeitung bleibt dort, wo auch die TISAX-Kontrollen greifen. Eine datensouveräne KI zeichnet sich dabei aus durch:
- Modelle in einer Umgebung, deren Zugriffe, Protokolle und Netzgrenzen vollständig unter eigener Kontrolle stehen,
- definierte und dokumentierte Datenflüsse statt impliziter Verarbeitung,
- Komponenten, die sich in das bestehende Sicherheitsregime nach ISO/IEC 27001 einordnen, statt es zu umgehen.
Welche Fehler verhindern die Nachweisbarkeit?
In realen Projekten scheitern KI-Vorhaben im Automotive-Umfeld selten an der Modellqualität. Sie scheitern an drei wiederkehrenden Lücken: der Governance-Lücke (ein funktionierender Pilot, aber keine Festlegung, wer verantwortet, freigibt und Änderungen kontrolliert), dem ungetesteten Pilotprojekt (einmal demonstriert, nie systematisch gegen Grenzfälle und spätere Modellversionen geprüft) und der fehlenden Nachweiskette (ohne durchgängige Protokollierung lässt sich im Nachhinein nicht rekonstruieren, auf welcher Grundlage eine Entscheidung zustande kam).
Für ein TISAX-Assessment ist genau diese Nachvollziehbarkeit entscheidend — und sie lässt sich nicht nachträglich herstellen, wenn sie nicht von Anfang an mitgedacht wurde.
Wie sichert man KI TISAX-konform ab?
Entscheidend ist eine saubere Teststrategie. Ein KI-System ist erst dann produktionsreif, wenn sein Verhalten geprüft, reproduzierbar und gegen eine Baseline absicherbar ist — inklusive definierter Freigaben, Protokollierung und menschlicher Aufsicht an den richtigen Stellen. Testing, Quality Gates und On-Premise-Architektur sind damit die Bausteine, die eine KI-Einführung unter TISAX-Bedingungen tragfähig machen.
In der Praxis heißt das: Zugriffsrechte werden rollenbasiert vergeben, jede Verarbeitung wird protokolliert, und kritische Ausgaben durchlaufen eine definierte Freigabe, bevor sie in geschäftskritische Prozesse einfließen. Modellaktualisierungen werden nicht einfach eingespielt, sondern gegen die bestehende Baseline getestet und dokumentiert. So entsteht die durchgängige Nachweiskette, die ein TISAX-Assessment erwartet — nicht als nachträgliche Dokumentation, sondern als gelebter Betrieb, der auch einem späteren Audit standhält.
Genau in diesem Umfeld bringt Ventus Erfahrung aus großen Automotive-Programmen mit: sensible Daten, getestete Systeme, kontrollierte Rollouts und der Nachweis, dass alles unter Kontrolle ist. KI im Automotive-Umfeld einzusetzen ist technisch machbar. Sie den Informationssicherheitsanforderungen standhalten zu lassen und nachweisbar zu halten, ist die eigentliche Aufgabe.
Häufig gestellte Fragen
Was ist TISAX?
TISAX ist der 2017 von der ENX Association eingeführte Standard der Automobilindustrie für Informationssicherheit. Er basiert auf dem VDA-ISA-Katalog, der sich an ISO/IEC 27001 orientiert; ein Label ist drei Jahre gültig.
Darf man für TISAX-Daten Cloud-KI nutzen?
Nur, wenn sich die Verarbeitung lückenlos kontrollieren und nachweisen lässt. Oft scheitert genau das — weshalb On-Premise-KI für sensible Fahrzeug- und Produktionsdaten der sicherere Weg ist.
Was bedeutet datensouveräne KI?
KI, deren Daten die eigene, kontrollierte Umgebung nicht verlassen und deren Zugriffe, Protokolle und Datenflüsse vollständig unter eigener Kontrolle stehen — passend zum Sicherheitsregime nach ISO/IEC 27001.
Dieser Beitrag dient der allgemeinen Information und stellt keine Rechts- oder Zertifizierungsberatung dar. Verbindliche Aussagen zu TISAX-Anforderungen und Assessments treffen die ENX Association bzw. akkreditierte Prüfdienstleister.
