Eine AI Bill of Materials (AIBOM) ist ein strukturiertes Inventar der KI-Modelle, Trainingsdatensätze, fremden Bibliotheken und Laufzeit-Abhängigkeiten in einem KI-System. Sie ist die KI-spezifische Weiterentwicklung der SBOM (Software Bill of Materials), die im Software-Einkauf seit der Executive Order 14028 in den USA und dem Cyber Resilience Act in der EU zum Standard geworden ist. OWASP hat sein AIBOM-Projekt 2025 gestartet; die SPDX-3.0-Spezifikation der Linux Foundation enthält jetzt ein KI/ML-Profil; CycloneDX trägt die ML-BOM als formale Erweiterung. Die Standardisierung läuft schnell — und Auditoren der KI-Verordnung werden ab 2026 zunehmend AIBOM-ähnliche Nachweise prüfen, um die Anforderungen an die technische Dokumentation nach Anhang IV für Hochrisiko-Systeme zu bewerten.
Für HR-Tech-Käufer ist die AIBOM-Anfrage der schnellste Weg, um zu sehen, ob ein Anbieter die Ingenieursarbeit hinter seinen Compliance-Aussagen wirklich geleistet hat. Ein Anbieter mit einer echten AIBOM liefert sie in Tagen; ein Anbieter ohne braucht intern Monate — und das beantwortet die Procurement-Frage von selbst. Eine AIBOM speist außerdem drei weitere Compliance-Artefakte: Abschnitt 5 der DPIA (Herkunft der Trainingsdaten), die technische Dokumentation nach Anhang IV der KI-Verordnung und den Nachweis zur Lieferkette nach NIS2.
Dieser Leitfaden erklärt, was in einer AIBOM steht, worin sie sich von der SBOM unterscheidet, welche 7 Felder Auditoren konkret prüfen, woran du eine gute von einer schlechten AIBOM unterscheidest und wie du deinen KI-Anbieter danach fragst, ohne dort monatelange Rechtsprüfung auszulösen. Geschrieben für Procurement-Verantwortliche, Datenschutzbeauftragte und KI-Governance-Verantwortliche, die AIBOM-Anfragen 2026 zum Standard in der Anbieter-Due-Diligence machen müssen.
Für das übergeordnete Compliance-Bild siehe unseren Leitfaden KI-Governance und Compliance in der EU. Für Abschnitt 5 der DPIA, der direkt auf AIBOM-Daten zurückgreift, siehe die DPIA-Vorlage nach EDPB 2026.
Was ist eine AIBOM und wie unterscheidet sie sich von einer SBOM?
Eine SBOM listet die Software-Komponenten, Bibliotheken und Abhängigkeiten eines Softwarestücks auf. Sie ist heute Standard im Einkauf: Wer Unternehmenssoftware kauft, erwartet eine SBOM — typischerweise im SPDX- oder CycloneDX-Format. Sie ermöglicht Schwachstellen-Scans, Lizenz-Compliance und Transparenz in der Lieferkette.
Eine AIBOM ist die KI-spezifische Erweiterung. Sie enthält alles, was eine SBOM enthält, plus die KI-Schicht: die eingesetzten KI-Modelle (Name des Foundation-Modells, Version, Anbieter), die Trainingsdatensätze (Herkunft, Lizenzierung, Kennzeichnung synthetischer Daten), die Daten für Feintuning (falls vorhanden), die Modell-Karte (Fähigkeiten, Grenzen, bekannte Verzerrungen), die Inferenz-Abhängigkeiten (Vektor-Datenbanken, Embedding-Modelle, RAG-Korpora) und die Laufzeit-Telemetrie (Versions-Pinning der Modelle, Fallback-Kette, Observability-Anbindungen).
Der Unterschied ist wichtig, weil KI-Risiken eine andere Qualität haben als klassische Software-Risiken. Eine Software-Schwachstelle ist begrenzt: Ein CVE in Bibliothek X bedeutet, dass Bibliothek X gepatcht werden muss. Ein KI-Modell-Risiko ist nicht begrenzt: Verzerrungen in den Trainingsdaten, Drift im Produktivbetrieb, Abhängigkeit von einem undurchsichtigen Foundation-Modell, dessen Trainingsprozess du nicht einsehen kannst. Die SBOM sagt dir, welcher Code läuft; die AIBOM sagt dir, welche Intelligenz läuft und woher sie kommt. Auditoren wollen 2026 beides.
Die 7 Felder, die Auditoren konkret prüfen
| AIBOM-Feld | Was dokumentiert wird | Warum Auditoren es verlangen |
|---|---|---|
| 1. Verwendete KI-Modelle | Name des Foundation-Modells, Version, Anbieter, Region des Betriebs | Trifft die Pflichten der KI-Verordnung an Anbieter und den Drittland-Transfer nach DSGVO |
| 2. Herkunft der Trainingsdaten | Woher die Trainingsdaten stammen, Lizenzierung, gescrapt vs. lizenziert vs. synthetisch | Pflichtangabe für Abschnitt 5 der DPIA; Bias-Quellenanalyse; Urheberrechts-Risiko |
| 3. Daten für Feintuning (falls vorhanden) | Vom Kunden eingebrachte Daten für das Feintuning; Folgen für die Datensouveränität | DSGVO Art. 32 Sicherheit; Trennung der Kundendaten; Transparenz im AVV |
| 4. Modell-Karte | Fähigkeiten, vorgesehener Einsatz, bekannte Grenzen, dokumentierte Verzerrungen | Pflichtbestandteil der technischen Dokumentation nach Anhang IV |
| 5. Inferenz-Abhängigkeiten | Vektor-Datenbank, Embedding-Modelle, RAG-Korpora und externe APIs, die zur Inferenz aufgerufen werden | Tiefe der Lieferkette; NIS2-Meldepflichten; Risiko von Datenflüssen zwischen Mandanten |
| 6. Laufzeit-Telemetrie | Versions-Pinning der Modelle, Fallback-Kette, Observability-Anbindungen, Ziele der Audit-Logs | Post-Market-Monitoring nach Anhang IV; Fähigkeit zur Vorfallmeldung |
| 7. Update- und Versions-Richtlinie | Wie Modell-Updates ausgerollt werden, Benachrichtigung der Kunden, Rollback-Unterstützung | Change-Management; Mitbestimmung des Betriebsrats bei wesentlichen Änderungen nach BetrVG; Reproduzierbarkeit |
Starte eine KI-Governance-Bewertung
Die kostenlose 8-Minuten-Bewertung enthält Checks zur AIBOM-Bereitschaft deiner Anbieter. Du siehst, wer eine echte AIBOM in Tagen liefert — und wer dafür Monate braucht. Strukturierter KI-Report, ohne Anmeldung.
Gute AIBOM und schlechte AIBOM im Vergleich
So sieht eine gute AIBOM aus
Alle 7 Felder mit konkreten Fakten befüllt — nicht mit
proprietär
odervariiert
Konkrete Foundation-Modelle samt Version (gpt-4-turbo-2025-01, claude-3.5-sonnet-2025-02 etc.)
Trainingsdaten nach Quelle und Lizenz beschrieben, nicht pauschal als
öffentlich verfügbare Daten
Modell-Karte verlinkt oder beigefügt, mit konkret benannten Grenzen und Verzerrungen
Maschinenlesbares Format (SPDX 3.0 oder CycloneDX ML-BOM) — nicht nur ein PDF
Innerhalb von 30 Tagen nach jeder wesentlichen Änderung aktualisiert
So sieht eine schlechte AIBOM aus
Felder mit
vertraulich
,proprietär
odernicht zutreffend
gefülltPauschaler Modell-Verweis ('wir nutzen OpenAI') ohne Versionsangabe
Trainingsdaten:
verschiedene Quellen, darunter Web-Crawl
Keine Modell-Karte; Verzerrungen
werden nicht offengelegt
Als Marketing-PDF geliefert, ohne maschinenlesbare Variante
Letzte Aktualisierung vor 2 Jahren — obwohl der Anbieter letztes Quartal Modelle gewechselt hat
So fragst du deinen KI-Anbieter nach einer AIBOM
Der falsche Weg führt über die Rechtsabteilung: Unser Rechtsteam verlangt eine umfassende AI Bill of Materials, einschließlich aller Trainingsdaten, Modellgewichte und proprietären algorithmischen Informationen.
Das löst beim Anbieter eine monatelange Rechtsprüfung aus, eskaliert bis auf Vorstandsebene und produziert am Ende ein verwässertes PDF.
Der richtige Weg führt über den Einkauf — formuliert als Standard-Due-Diligence: Im Rahmen unserer Due-Diligence für KI-Anbieter 2026 erheben wir AIBOM-Informationen entsprechend OWASP AIBOM v1.0, SPDX 3.0 oder CycloneDX ML-BOM (Format nach Ihrer Wahl). Welche Angaben können Sie zu den 7 Standardfeldern liefern: verwendete KI-Modelle, Herkunft der Trainingsdaten, Daten für Feintuning, Modell-Karte, Inferenz-Abhängigkeiten, Laufzeit-Telemetrie sowie Update- und Versions-Richtlinie?
Diese Formulierung hat drei Eigenschaften. Erstens verweist sie auf veröffentlichte Standards — der Anbieter weiß, dass die Anfrage nicht maßgeschneidert und nicht rechtlich aufgeladen ist. Zweitens benennt sie die 7 Felder explizit, sodass der Anbieter nicht mit was meinen Sie mit AIBOM?
ausweichen kann. Drittens überlässt sie ihm das Format, was die Anfrage umsetzbar hält. Vorbereitete Anbieter antworten typischerweise innerhalb einer Woche mit einem strukturierten Dokument. Nicht vorbereitete Anbieter antworten mit wir melden uns
— was als Information für den Einkauf ebenfalls aussagekräftig ist.
In der Praxis im deutschen Mittelstand reicht es, die Anfrage als zusätzlichen Punkt in den bestehenden Procurement-Fragebogen aufzunehmen — neben AVV-Bereitschaft, ISO-27001-Nachweis und SOC-2-Bericht. Die Bitkom-KI-Studie 2026 zeigt, dass Einkaufsabteilungen in DACH AIBOM-Anfragen heute schon häufiger stellen als noch vor einem Jahr. Wer sie weiterhin überspringt, gibt freiwillig Verhandlungsspielraum auf.
Der 1-Wochen-Test. Ein Anbieter mit echter AIBOM kann die 7 Felder innerhalb einer Woche füllen. Ein Anbieter ohne braucht 1 bis 3 Monate. Die Antwortzeit selbst ist bereits ein Signal für den Einkauf. Wer in einer Woche nicht antwortet, dessen weitere Compliance-Aussagen zur KI-Verordnung solltest du mit dem gleichen Maß an Skepsis behandeln.
Starte einen KI-Readiness-Check
Die 8-Minuten-Bewertung gleicht die AIBOM-Bereitschaft deiner Anbieter mit den 7 Feldern ab. Kostenlos, strukturierter KI-Report, ohne Anmeldung. Damit kannst du Anbieter vor dem Einkauf einordnen.
Kernaussagen
1. AIBOM wird zum Standard. SBOM ist Standard für Software, AIBOM wird es für KI. Auditoren der KI-Verordnung werden sie als Nachweis verlangen.
2. 7 Felder im Audit. Verwendete KI-Modelle, Herkunft der Trainingsdaten, Feintuning-Daten, Modell-Karte, Inferenz-Abhängigkeiten, Laufzeit-Telemetrie und Update-Richtlinie. Jedes Feld konkret und überprüfbar.
3. Ein Inventar, drei Nachweise. Die AIBOM speist Abschnitt 5 der DPIA, die technische Dokumentation nach Anhang IV der KI-Verordnung und den Lieferketten-Nachweis nach NIS2.
4. Der 1-Wochen-Test entscheidet. Vorbereitete Anbieter liefern in einer Woche. Nicht vorbereitete brauchen Monate — die Antwortzeit selbst ist ein Einkaufssignal.
5. Frag über den Einkauf, nicht über die Rechtsabteilung. Verweise auf OWASP, SPDX und CycloneDX, benenne die 7 Felder und überlass dem Anbieter das Format. So vermeidest du monatelange Rechtsprüfung.



![DSGVO & KI-Verordnung: Die Compliance-Checkliste für KI-Teamassistenten [2026]](https://www.teamazing.com/wp-content/uploads/2026/03/ai-governance-in-companies.jpg)
![KI-Vertrauen der Mitarbeitenden: Die Linie zwischen Entwicklung und Überwachung [2026]](https://www.teamazing.com/wp-content/uploads/2026/04/employee-ai-trust-confidentiality.jpg)
