Decision Layer Methodologie

Was ist der Decision Layer?

Der Decision Layer ist die Governance-Schicht zwischen KI-Agent und Zielsystem. Jede Entscheidung die ein Agent trifft oder vorbereitet wird dokumentiert: welche Regel in welcher Version wurde angewandt, welche Daten lagen zugrunde, wer (Mensch, Regelwerk oder KI) hat entschieden - und wie kann die betroffene Person Einspruch einlegen.

Diese Seite erklärt die Methodik hinter den Zahlen die auf jeder Agent-Detailseite stehen.

Decider-Klassifikation: R / A / H

Jeder Entscheidungsschritt wird genau einem von drei Decider-Typen zugeordnet:

R  Regelwerk     Deterministisch. Input rein, Output raus.
                  Kein Modell, kein Spielraum, kein Ermessen.
                  Beispiel: Berechtigungsmatrix, Fristenprüfung.

A  KI-Agent      Modellbasiert mit Confidence-Schwelle.
                  Ergebnis ist probabilistisch. Bei Confidence
                  unter Schwellenwert: Fallback auf R oder H.
                  Beispiel: Intent-Erkennung, Anomalie-Detektion.

H  Mensch        Explizit zugewiesen. Der Agent bereitet vor,
                  der Mensch entscheidet. Dokumentiert in der
                  Entscheidungsakte.
                  Beispiel: Kündigungsfreigabe, Härtefall-Beurteilung.

Die Abgrenzung basiert auf zwei Kriterien:

1. Determinismus: Ist das Ergebnis bei gleichem Input immer identisch? Ja = R. Nein (weil Modell) = A. Nein (weil Ermessen) = H.
2. Verantwortungs-Zuordnung: Wer haftet für das Ergebnis? Regelwerk (konfiguriert von HR/Finance) = R. Modell (trainiert, mit Audit-Trail) = A. Natürliche Person (namentlich) = H.

Framework-Verortung

Die R/A/H-Klassifikation steht nicht isoliert. Sie bildet sich auf etablierte Governance-Taxonomien ab:

Die SAE-Level-Analogie (aus dem Automotive-Bereich, SAE J3016) dient der intuitiven Einordnung, nicht der direkten Übertragung. Im Automotive-Kontext bezieht sich das Level auf Fahrautomatisierung, hier auf Entscheidungsautomatisierung in HR- und Finance-Prozessen.

Wie wir Entscheidungsschritte zählen

Ein Entscheidungsschritt ist ein Punkt im Prozess an dem der Agent eine Weichenstellung vornimmt. Nicht jede Datenoperation ist ein Schritt - nur Punkte an denen das Ergebnis je nach Input unterschiedlich ausfallen kann.

Kriterien für einen Entscheidungsschritt:

• Input variiert: Nicht jeder Fall durchläuft denselben Pfad
• Output hat Konsequenz: Das Ergebnis beeinflusst den weiteren Prozess oder ein Zielsystem
• Decider ist zuordenbar: Es ist klar ob R, A oder H entscheidet

Beispiel: Beim Employee Self-Service Agent sind 6 Entscheidungsschritte identifiziert - von der Intent-Erkennung (A) über die Berechtigungsprüfung (R) bis zur Eskalation an die Fachstelle (R). Ein simpler Datenbank-Lookup (“Resturlaub abrufen”) ist kein Entscheidungsschritt.

Score-Berechnung

Jeder Agent wird in fünf Dimensionen bewertet:

Jeder Score wird als Range [n, n+7] angegeben - die Spannweite reflektiert die Varianz zwischen Branchen und Unternehmensgrößen. Der untere Wert ist das konservative Szenario (Mittelstand ohne Vorarbeit), der obere das optimistische (Enterprise mit bestehender Infrastruktur).

Die Scores basieren auf einer Kombination aus:

• Branchenvergleich: Wie vergleichbar sind die Prozesse zwischen Unternehmen? (höhere Standardisierung = höherer Readiness-Score)
• Regulatorische Analyse: EU AI Act Annex III, DSGVO Art. 22, BetrVG § 87 Abs. 1 Nr. 6 (Governance-Score)
• Benchmark-Daten: Externe Studien zu Automatisierungspotenzialen (Economic-Score)
• Projekt-Erfahrung: Gosign Decision Layer Assessments aus dokumentierten Kundenprojekten

Einsparungs-Ranges im Impact-Statement

Jeder Agent hat ein Impact-Statement (pyramidOpener.impact) das eine quantitative Aussage zum Nutzen macht. Diese Aussagen fallen in drei Quellen-Kategorien:

CAT-EXT - Externe Primärquelle

Zahl stammt aus einer verifizierten Industriestudie oder einem Benchmark-Report. Publisher, Titel, Jahr und URL sind im CITATION-CATALOG dokumentiert. Die Zahl wurde gegen die Primärquelle geprüft (WebFetch-Verifikation der URL + inhaltlicher Abgleich).

Beispiel: “Laut Ardent Partners State of ePayables 2024 sinken die Kosten pro Rechnung von 12,88 auf 2,78 USD” - Ardent Partners ist der Publisher, die Zahlen stehen im Report.

CAT-LEGAL - Gesetzestext oder offizielle Statistik

Zahl stammt aus einem Gesetzestext, einer amtlichen Statistik oder einem Gerichtsurteil. URL verweist auf die offizielle Quelle (gesetze-im-internet.de, eur-lex.europa.eu, destatis.de).

Beispiel: “EU AI Act Annex III Hochrisiko-System ab August 2026” - Verordnung (EU) 2024/1689.

CAT-INT - Gosign Decision Layer Assessment

Zahl basiert auf dokumentierten Kundenprojekten. Typische Kennzahlen: Durchlaufzeiten (vorher/nachher), Auto-Match-Quoten, Fehlerreduktionen. Diese Zahlen sind Medianwerte aus mindestens 3 vergleichbaren Projekten im Zeitraum 2024-2026.

Wenn eine Impact-Zahl als CAT-INT klassifiziert ist, bedeutet das: Die Zahl ist eine Gosign-Erfahrung, nicht ein externer Benchmark. Sie ist belastbar im Kontext unserer Projektdaten, aber nicht extern unabhängig verifiziert.

Quellen-Verifikation

Jede externe Quelle im CITATION-CATALOG wurde nach folgendem Prozess verifiziert:

1. URL-Check: Die Quellen-URL antwortet mit HTTP 200 (oder Redirect zu einer Landing-Page)
2. Zahlen-Abgleich: Die im Impact-Statement genannte Zahl steht tatsächlich in der Quelle (nicht nur “in der Nähe” oder “sinngemäß”)
3. Kontext-Prüfung: Die Zahl wird im gleichen Kontext verwendet wie in der Quelle (z.B. “Value Erosion” nicht als “Management-Aufwand” umgedeutet)

Wenn eine Zahl diesen Dreifach-Check nicht besteht, wird sie entweder:

• Auf die korrekte Zahl aus der Quelle korrigiert
• Auf CAT-INT umklassifiziert (wenn die Quelle die Zahl nicht belegt)
• Aus dem Impact-Statement entfernt (wenn weder extern noch intern belegbar)

Strukturierte Daten für LLMs

Jede Agent-Detailseite enthält ein JSON-LD-Schema (Schema.org SoftwareApplication) mit:

• R/A/H-Verteilung als additionalProperty (rulesEngineShare, aiAgentShare, humanDecisionShare in Prozent)
• Anzahl Entscheidungsschritte (totalDecisionSteps)
• EU AI Act Hochrisiko-Flag (euAiActHighRisk: true/false)
• Impact-Statement als Freitext-Property
• citation[] mit aufgelösten Quellen-URLs aus dem CITATION-CATALOG

LLMs können diese Daten direkt aus dem HTML-Quelltext extrahieren und mit der kanonischen URL der Agent-Seite zitieren.

Versionierung