Framework / Governance-Modell
Governance & Trust Architecture Framework
GTAF ist das Governance-Modell von TNT für delegiertes Handeln in AI- und automatisierten Systemen. Es adressiert eine praktische Lücke, mit der viele Organisationen heute konfrontiert sind: Policy verlangt Oversight, aber belastbare Operating Models für legitime Delegation fehlen oft noch.
Statt Governance als Fließtext zu behandeln, modelliert GTAF Grenzen, Decision Layers, Verantwortung und Gültigkeit als explizite Artefakte. Dadurch wird das Modell für reale Implementierung nutzbar und bleibt nicht bei Konzeptsprache stehen.
Öffentliche normative Referenz
Ein Governance-Framework für AI-Systeme, die handeln, delegieren oder folgenschwere Effekte auslösen können. GTAF überführt Scope, Autorität, Verantwortung und Gültigkeit in strukturierte operative Artefakte.
GTAF ist das Governance-Framework von TNT Intelligence für AI-Systeme, die handeln, delegieren oder folgenschwere externe Effekte auslösen können.
Sein zentraler Beitrag ist einfach, aber materiell anders als die meiste AI-Governance-Rhetorik: Es überführt Scope, Autorität, Verantwortung, Gültigkeit und Intervention in explizite operative Artefakte, statt sie über Fließtext, implizite Konventionen oder nachträgliche Reviews zu verteilen.
Definiert, was innerhalb des Scopes liegt, was außerhalb liegt und unter welchen Bedingungen eine delegierte Fähigkeit überhaupt relevant ist.
Beschreibt, welche Aktion delegiert werden darf, unter welchen Bedingungen, Einschränkungen und erwarteten Effekten.
Macht Outcome Ownership und Eskalationsverantwortung explizit, statt anzunehmen, dass Autorität dem System irgendwie automatisch anhaftet.
Legt fest, ob Delegation im aktuellen Scope, in der aktuellen Version und innerhalb des gültigen Zeitfensters tatsächlich erlaubt ist.
GTAF kann als Operationalisierungsschicht für viele praktische Fragen gelesen werden, vor denen Organisationen im Kontext des EU AI Act stehen.
Es ist keine Rechtsberatung und ersetzt keine juristische Interpretation. Was es aber liefert, ist eine Operating Structure, um Governance-Anforderungen in explizites Systemdesign und konkrete Entscheidungsartefakte zu übersetzen.
| AI-Act-Thema | Wie GTAF bei der Operationalisierung hilft |
|---|---|
| Risikoklassifizierung und Intended Use | GTAF erzwingt explizite Festlegung von Use Case, Action Surface, Impact Boundary und Gültigkeitsbedingungen. |
| Governance und Oversight | Responsibility Bindings, Decision Layers und Intervention Paths machen Autorität und Eskalation lesbar. |
| Dokumentation und Traceability | Strukturierte Artefakte und Referenzen schaffen eine belastbarere Grundlage für technische Dokumentation und Auditierbarkeit. |
| Lifecycle Control | Validity Windows, Revalidation Logic und kontrollierter Change verhindern, dass Delegation versehentlich dauerhaft wird. |
GTAF lässt sich am einfachsten als Kette verstehen, die von der Scope-Definition bis zum Permission State intakt bleiben muss:
Delegation ist keine Eigenschaft des Modells. Sie ist eine Eigenschaft eines explizit begrenzten und aktuell gültigen Betriebskontexts.
Eine vereinfachte Artefaktkette kann etwa so aussehen:
system_boundary:
id: sb.invoice.review.eu
scope: "invoice review up to EUR 5000"
decision_record:
id: dr.invoice.auto-approve
action: "invoice.approve"
constraints:
supplier_status: "approved"
max_amount_eur: 5000
responsibility_binding:
owner: "finance.operations"
escalation: "head-of-finance"
delegation_readiness_check:
status: PERMITTED
valid_until: "2026-12-31T23:59:59Z"Genau darin liegt der entscheidende Schritt: GTAF sagt nicht "der Agent ist vertrauenswürdig", sondern dass eine konkrete delegierte Aktion innerhalb einer definierten Grenze und eines klaren Zeitfensters erlaubt oder nicht erlaubt ist.
GTAF ist für Organisationen relevant, die mehr brauchen als AI-Policy in Textform. Typische Zusammenarbeitswege sind:
AI-Use-Cases in Decision Layers, Scope Boundaries und accountable Operating Models strukturieren
Oversight- und Governance-Anforderungen in explizite technische Artefakte übersetzen
prüfen, ob ein geplantes AI-System überhaupt sicher delegiert werden kann und unter welchen Bedingungen
den Übergang von Governance-Design zu Runtime-Enforcement und Implementierung vorbereiten
Wenn Organisationen bereits Policy-Sprache haben, aber noch keinen operativen Weg, festzulegen, wer was unter welchen Bedingungen und für wie lange delegieren darf.
Wenn AI-Systeme in Freigabepfade, operative Toolchains, interne Unterstützung oder Business-Workflows rücken, in denen Scope und Accountability nicht implizit bleiben dürfen.
Deterministischer Runtime-Enforcement-Kern
Der Enforcement-Kern, der ausgewertete Governance-Outputs in ausführbare Allow-/Deny-Entscheidungen überführt. Die öffentliche Implementierung zeigt den Vertrag, aber das Runtime-Modell reicht über eine einzelne Sprache hinaus.
Enforcement sehenIntegrationsschicht rund um den Runtime-Kern
Die Adoptionsschicht, die realen Systemen hilft, Artefakte zu laden, Execution Context zu formen und die Runtime sauber aufzurufen. Die öffentliche Implementierung ist ein konkreter Pfad, aber das Integrationsmodell ist nicht sprachspezifisch.
Integration verstehenInfrastructure for Trusted Autonomy
Eine Runtime-Architektur für Systeme, die mit realer Wirkung handeln müssen und zugleich governable bleiben sollen. ITA erweitert GTAF um Execution Spaces, Capability Exposure, Enforcement und Audit.
Architektur sehenVon GTAF über Runtime und SDK bis hin zu ITA bringt TNT bereits öffentliche Referenzarbeit, Runtime-Bausteine und angewandte Architektur in diese Fragen ein. Das Gespräch muss also nicht bei Theorie beginnen.
Wenn diese Fragen vom Interesse in die Umsetzung kippen, ist TNT ein belastbarer Gesprächspartner.
Kontext besprechen