Expertise
Methodik, die geprüft werden kann.
Responsible-AI-Beratung ist häufig charisma-getrieben — Berater empfehlen, Kunden glauben oder nicht. waveImpact arbeitet anders. Jede Aussage in einem Audit-Bericht lässt sich auf konkrete Daten, Tests und Werkzeuge zurückführen. Das ist nicht nur Wissenschaft, sondern Voraussetzung dafür, dass externe Prüfer Ihre Compliance- Dokumentation tatsächlich akzeptieren.
Wie wir arbeiten
Drei Prinzipien machen unsere Arbeit prüfbar.
Methodische Disziplin ist kein Selbstzweck — sie ist die einzige Form von Beratung, die einer späteren Prüfung durch Behörden, Auditoren oder skeptische Stakeholder standhält.
Reproduzierbarkeit
Jedes Engagement endet mit einem Evidence Archive — der strukturierten Sammlung aller Konfigurationen, Werkzeug-Versionen, Eingabe-Checksummen, Rohausgaben und Interpretationsnotizen. Ein externer Prüfer kann von jeder Aussage im Bericht zurück zu den Daten und zum Code gehen, die sie produziert haben.
Open-Source-First
Wir bauen auf einem offen lizenzierten Stack — AIF360, Fairlearn, SHAP, Great Expectations, Alibi Detect. Keine Black Boxes, keine Vendor-Lock-ins. Nach unserem Engagement können Sie die Methodik selbst weiterführen oder andere Berater einsetzen, ohne dass etwas in einem proprietären Format gefangen ist.
Beratung trifft Werkzeug
Die Werkzeuge messen, die Beraterin interpretiert. Eine Fairness-Metrik ohne fachlichen Kontext ist nutzlos; eine Beraterin ohne Werkzeug ist unzuverlässig. waveTest kombiniert beides systematisch — automatisierte Tests, gefolgt von menschlicher Interpretation, beides separat dokumentiert.
waveTest
Acht Module, eine Methodik.
waveTest ist die proprietäre Methodik, mit der wir KI-Systeme prüfen — konzipiert als Notebook-basierte Modul-Architektur. Jedes Modul deckt eine prüfbare Eigenschaft ab, alle teilen eine gemeinsame Evidenz- und Bericht-Schicht und können einzeln oder end-to-end ausgeführt werden.
Console
Engagement-Orchestrierung: lädt Konfigurationen, validiert Eingaben, koordiniert die Modul-Ausführung, archiviert jedes Artefakt. Mehrsprachig DE/EN.
Click · Pydantic
Fairness
Gruppen- und Einzelfairness: statistische Parität, gleiche Fehlerraten, Equalized Odds, intersektionale Analysen, Mitigation-Trade-off-Studien.
AIF360 · Fairlearn
Explain
Modell-Erklärbarkeit: globale und lokale Erklärungen, Feature-Wichtigkeit, kontrafaktische Beispiele, zielgruppen-angepasste Renderings.
SHAP · LIME · DiCE
DataQ
Datenqualität: Vollständigkeit, Konsistenz, Verteilungsstabilität, Label-Qualität, Repräsentativität gegen Referenzpopulationen.
Great Expectations · Pandera
Comply
EU-AI-Act-Mapping: regelbasierter Crosswalk von Modul-Ausgaben zu Artikel-Pflichten, YAML-definierte Controls, Dokumentations-Lückenanalyse.
Custom Python · YAML
Monitor
Post-Deployment-Drift (Kovariate, Label, Concept), Fairness-Creep, schwellenbasierte Alarmierung. Direkter Bezug zu Art. 72 EU AI Act.
Alibi Detect · Evidently AI
Report
Deterministische Bericht-Generation: Executive Summary, technischer Anhang, Evidenz-Index als PDF und HTML in waveImpact-Branding.
Jupyter · Quarto
Sustain · in Entwicklung
CO₂- und Energie-Tracking jedes Modell-Trainings und Inferenz-Laufs. Anschluss an CSRD- und ESRS-E1-Berichterstattung geplant für 2026/27.
CodeCarbon · Electricity Maps
Unter allen Modulen läuft eine Logging-Framework-Schicht, die Konfigurations-Hashes, Bibliotheks-Versionen, Eingabe-Checksummen, Laufzeiten und Ausgabe-Checksummen strukturiert protokolliert — die Grundlage des Evidence Archives.
Engagement-Ablauf
Fünf Phasen, jede mit eigenem Artefakt.
Jedes waveTest-Engagement folgt der gleichen Sequenz — unabhängig davon, ob es ein Bias Audit, ein Readiness Assessment oder ein Monitoring-Setup ist. Jede Phase produziert strukturierte Artefakte, die in die nächste einfließen und im Evidence Archive landen.
01
Intake
Testing Plan
System, Zweck, Zielgruppen, geschützte Merkmale, regulatorische Klassifizierung und Test-Batterie. Erster Eintrag im Evidence Archive.
02
Ingestion
DataQ zuerst
Modell-Artefakte, Metadaten und Daten laden. DataQ validiert zuerst — bei Qualitätsmängeln pausiert das Engagement zur Daten-Klärung.
03
Testing
Module parallel
Fairness, Explain und PerfMon laufen parallel auf den validierten Eingaben. Comply läuft zuletzt und konsumiert die Ausgaben der Vorgänger-Module.
04
Interpretation
Berater-Review
Die Beraterin reviewt jede Modul-Ausgabe, schreibt eine klare Interpretation im Kunden-Kontext, identifiziert Befunde und formuliert Empfehlungen — separat archiviert.
05
Reporting
Bericht & Archive
Branded PDF mit Executive Summary, technischem Anhang und Evidenz-Index. Zusammen mit dem vollständigen Archive an den Kunden übergeben.
Das Evidence Archive enthält den Testing Plan, die YAML-Konfigurationen, ein gepinntes Environment-Manifest mit Hashes, Eingabe-Checksummen (nicht die Daten selbst — die bleiben beim Kunden), die Rohausgaben jedes Moduls, das Ausführungs-Log, die Interpretations-Notizen und den finalen Bericht. Strukturiert so, dass jede Aussage auf Daten und Code zurückgeführt werden kann.
Regulatorische Abdeckung
Was waveTest zu welcher Pflicht beiträgt.
waveTest erteilt keine Compliance-Verdikte — diese bleiben Sache der provider-seitigen Konformitätsbewertung. Aber waveTest produziert die quantitative Evidenz, die elf Artikel des EU AI Act direkt adressieren, plus Beiträge zu ISO 42001 und DSGVO.
Art. 9 · 10 · 11 / Annex IV
Risikomanagement, Daten-Governance, technische Dokumentation
DataQ-Modul liefert Daten-Governance-Evidenz (Schema, Repräsentativität, Label-Qualität). Report-Modul generiert die test-abhängigen Sektionen der Annex-IV-Dokumentation. Fairness- und Monitor-Ausgaben füttern das Risikoregister.
Art. 12 · 13 · 14
Logging, Transparenz, menschliche Aufsicht
Das Logging-Framework erzeugt strukturierte Test-Logs für Traceability. SHAP-Erklärungen aus dem Explain-Modul liefern die Substanz für Transparenz-Dokumentation und ermöglichen substanzielle menschliche Aufsicht.
Art. 15 · 17 · 27
Genauigkeit, QMS, Grundrechte-Folgenabschätzung
PerfMon adressiert Genauigkeits- und Robustheits-Anforderungen. Das Evidence Archive integriert sich in das QMS des Kunden. Fairness- und intersektionale Outputs liefern die quantitative Grundlage für die FRIA nach Art. 27.
Art. 26 · 72
Deployer-Pflichten, Post-Market-Monitoring
Das Monitor-Modul ist speziell für Art. 72 designed: Drift-Detection, Fairness-Creep, schwellenbasierte Alarmierung, dokumentierte Re-Assessment-Zyklen. Funktioniert auch auf Deployer-Seite.
Zusätzliche Frameworks: Mehrere Annex-A-Controls von ISO/IEC 42001:2023 werden direkt unterstützt (erwartete harmonisierte Norm für AI-Act-Konformitätsbewertung). Datenverarbeitung erfolgt DSGVO-konform mit Art.-28-AVV pro Engagement. Sektor-Rahmen wie ESRS E1/S4 für CSRD-Berichte und AGG für anti-diskriminierungs-rechtliche Einordnung werden in der Beratung mitgedacht.
Selbstprüfung
Fünf Fragen — drei Reifestufen.
Bevor Sie ein Erstgespräch buchen: prüfen Sie für sich, wo Ihr Unternehmen steht. Die fünf Fragen decken die Grundlagen einer belastbaren KI-Governance ab.
01
Haben Sie ein vollständiges Inventar aller KI-Systeme in Ihrem Unternehmen?
Transparenz
02
Ist für jedes System die Risikoklassifizierung nach EU AI Act dokumentiert?
Regulatorik
03
Gibt es einen dokumentierten Abgleich zwischen KI-Ergebnissen und Ihren Unternehmenswerten?
Kohärenz
04
Sind Verantwortlichkeiten für KI-Governance auf Geschäftsführungsebene benannt?
Governance
05
Ist KI-Governance Teil Ihres aktuellen Nachhaltigkeitsberichts?
ESG-Integration
Drei Reifestufen
0–1 von 5
Startpunkt
KI-Governance ist noch kein Thema. Die Grundlagen fehlen. Empfehlung: Inventar erstellen, Erstgespräch mit waveImpact.
2–3 von 5
Aufbauen
Einzelne Elemente existieren, aber kein kohärenter Rahmen. Empfehlung: Werte-Abgleich durchführen, Governance-Verantwortung klären.
4–5 von 5
Prüfbar
Solide Basis vorhanden. Empfehlung: ESG-Integration finalisieren, externes Review erwägen, Audit-Vorbereitung beginnen.
Über den Gründer
Foto folgt
Dr. Valentin José Mayr
Gründer & Geschäftsführer
Doctor of Business Administration (Data Science), IHK-zertifizierter AI Compliance Manager, mit mehr als 25 Jahren Erfahrung in der digitalen Transformation. Gründer der waveImpact GmbH in Bremen Anfang 2025.
Der methodische Ansatz von waveImpact verbindet zwei Welten, die in der Praxis häufig getrennt sind: wissenschaftliche Methodik aus der Data-Science-Forschung mit der Praxis der Compliance-Beratung und Unternehmensführung. Aus der Kombination entsteht eine Beratung, die methodisch belastbar ist — reproduzierbar, dokumentiert, evidenz-orientiert — und gleichzeitig im konkreten Kunden-Kontext anwendbar bleibt.
Qualifikation
DBA Data Science · IHK AI Compliance Manager
Erfahrung
25+ Jahre digitale Transformation
Haftpflicht
2 Mio. € Berufshaftpflicht
Register
AG Bremen HRB 42134 HB
Eine Methodik, die nicht reproduziert werden kann, ist Marketing. Eine Methodik, die reproduziert werden kann, ist Wissenschaft — und nur die zweite hilft Ihnen, wenn die Aufsichtsbehörde fragt.
— Dr. Valentin José Mayr · Gründer
Konkret werden