Zum Inhalt

KI-Transparenz

Fennibi setzt an mehreren Stellen KI ein. Diese Seite beschreibt, wo genau, was dabei zuverlässig funktioniert, wo die Grenzen liegen und woran Sie KI-erzeugte Inhalte erkennen. Sie richtet sich an alle, die im Unternehmen mit Fennibi arbeiten — und unterstützt Sie dabei, Ihre eigene Pflicht zur KI-Kompetenz nach Art. 4 der KI-Verordnung zu erfüllen.

Rollen nach der KI-Verordnung

Die KI-gestützten Funktionen von Fennibi sind KI-Systeme im Sinne der Verordnung (EU) 2024/1689. Anbieter im Sinne des Art. 3 Nr. 3 ist Paul Moldmann; Sie als nutzendes Unternehmen sind Betreiber im Sinne des Art. 3 Nr. 4. Nach der vertraglich festgelegten Zweckbestimmung — automatisierte Dokumentation, Qualitätsbewertung und Analyse von Power BI Semantic Models zu internen betrieblichen Zwecken — ist Fennibi weder eine nach Art. 5 verbotene Praktik noch ein Hochrisiko-KI-System nach Anhang III.

Wo KI eingesetzt wird — und wo nicht

Ein großer Teil von Fennibi ist deterministisch: Struktur, Abhängigkeitsgraphen, Beziehungsdiagramme, RLS-Auswertung und der Changelog entstehen ohne KI und sind reproduzierbar. KI kommt nur dort zum Einsatz, wo aus Metadaten Sprache werden soll:

Fachliche Beschreibungen
Beschreibungen für Tabellen, Spalten, Measures und das Modell insgesamt werden aus den Metadaten erzeugt.
DAX Doctor
Verbesserungs- und Refactoring-Vorschläge zur Measure-Architektur, vollautomatisch und ohne manuelle Prüfung durch einen DAX-Experten.
Chat with your Data
Beantwortung von Fragen zu Ihren bereits dokumentierten Modellen — auf Basis von Metadaten, nicht von Rohdaten.
Live-Analyse
Das KI-System plant die Analyse, erzeugt selbst lesende DAX-Abfragen, führt sie in Ihrer eigenen Fabric-Kapazität aus und formuliert aus den Ergebniszeilen ein Fazit.

Nicht KI-gestützt sind: die Erkennung und Maskierung von Zugangsdaten, die Abrechnungslogik, der Versionsvergleich (Changelog) und die Entscheidung, ob eine Vollaktualisierung vorliegt. Und: Fennibi trifft keine automatisierte Entscheidung über Personen im Sinne des Art. 22 DSGVO.

Grenzen und typische Fehlerbilder

Die folgenden Fehler treten in der Praxis auf. Sie zu kennen ist der eigentliche Kern der KI-Kompetenz — nicht das Vertrauen darauf, dass sie nicht auftreten.

Plausibel, aber fachlich falsch
Das häufigste und gefährlichste Fehlerbild der Live-Analyse: Die Abfrage läuft fehlerfrei, das Ergebnis ist formal korrekt gerechnet — aber Filter, Zeitraum oder Bezugsgröße waren falsch gewählt. Die Zahl sieht dann richtig aus und ist es nicht.
Erfundener Fachkontext
Beschreibungen können eine Geschäftsbedeutung behaupten, die aus den Metadaten nicht ableitbar ist. Ein Measure „Marge" wird dann so beschrieben, wie eine Marge üblicherweise gerechnet wird — nicht wie Ihre gerechnet wird.
Unvollständige Abdeckung
DAX Doctor findet nicht alle optimierbaren Stellen, und die Dokumentation erfasst nicht jede Modellstruktur. Ein fehlender Hinweis ist kein Nachweis der Fehlerfreiheit.
Abgeschnittene Analysen
Jeder Lauf hat harte Obergrenzen für Schritte, Zeit und Zeilen. Wird eine davon erreicht, antwortet die Analyse verkürzt — das ist gewollt und kein Defekt.
Wechselnde Ergebnisse
Dieselbe Frage kann unterschiedlich beantwortet werden. KI-Ausgaben sind nicht reproduzierbar wie die deterministischen Teile der Dokumentation.

Wie Sie ein Ergebnis prüfen

  • Die Belegkette nutzen: Jede Zahl der Live-Analyse ist auf die DAX-Abfrage zurückführbar, aus der sie stammt. Öffnen Sie die Abfrage und lesen Sie, welche Filter und Zeiträume tatsächlich gesetzt waren.
  • Gegen eine bekannte Größe prüfen: Vergleichen Sie das Ergebnis mit einer Zahl aus einem geprüften Bericht, bevor Sie es weiterverwenden.
  • Beschreibungen gegen das Modell lesen: Eine KI-Beschreibung ist ein Vorschlag. Prüfen Sie sie, bevor Sie sie über die TMDL-Datei in Ihr Semantic Model übernehmen.
  • TMDL immer erst auf einer Kopie: Besonders die Refactoring-TMDL von DAX Doctor verändert Ihre Measure-Architektur — niemals ungetestet auf ein produktives Modell anwenden.

Woran Sie KI-erzeugte Inhalte erkennen

KI-erzeugte Ausgaben werden gekennzeichnet — sichtbar an der Oberfläche und maschinenlesbar im Artefakt:

Chat und Live-Analyse
Ein Hinweis am Eingabefeld weist darauf hin, dass Sie mit einem KI-System interagieren.
PDF-Export
Deckblatt und Fußzeile jeder Seite tragen den Hinweis; die Dokumenteigenschaften enthalten die Kennzeichnung maschinenlesbar.
TMDL-Dateien
Die gelieferte Datei selbst ist als KI-erzeugt gekennzeichnet. In Ihr Semantic Model wandert diese Kennzeichnung nicht: Sobald Sie die Beschreibungen geprüft und bewusst übernommen haben, sind es Ihre Inhalte, für die Sie die redaktionelle Verantwortung tragen.
Fennibi API
Antworten der Chat- und Analyse-Endpunkte führen ein Feld, das die KI-Erzeugung ausweist.

Die Kennzeichnung betrifft die Lieferung von Fennibi — in den gelieferten Dateien und Dokumenten darf sie vertraglich nicht entfernt oder unkenntlich gemacht werden (§ 11a.7 Leistungsvertrag). Sie endet dort, wo Sie Inhalte nach eigener Prüfung in Ihr Semantic Model übernehmen: damit werden sie zu Ihren Inhalten (§ 11a.8). Veröffentlichen Sie KI-erzeugte Inhalte, treffen Sie eigene Pflichten nach Art. 50 der KI-Verordnung.

Wofür Fennibi nicht eingesetzt werden darf

Der Leistungsvertrag schließt Nutzungen aus, die Fennibi nach Anhang III der KI-Verordnung zu einem Hochrisiko-KI-System machen würden — insbesondere die Bewertung einzelner natürlicher Personen für Beschäftigungsentscheidungen, Kreditwürdigkeit, Versicherungstarifierung oder den Zugang zu wesentlichen Diensten.

Ausdrücklich zulässig bleibt die Auswertung aggregierter betriebswirtschaftlicher Kennzahlen — auch in regulierten Branchen und auch dann, wenn die zugrunde liegenden Daten Personenbezug aufweisen. Die Grenze verläuft bei der Bewertung einzelner Personen für einen der genannten Zwecke.

Eingesetzte Modelle

Die KI-Verarbeitung läuft über OpenRouter, Inc. als Router zu wechselnden Modellanbietern. Zero-Data-Retention ist durchgehend aktiviert, der Nutzung der übermittelten Daten für das Training von KI-Modellen wurde ausdrücklich widersprochen. Welches Modell konkret antwortet, kann sich jederzeit ändern — insbesondere durch die automatische Ausweichschaltung bei Nichtverfügbarkeit. Einzelheiten zur Datenverarbeitung stehen im Datenschutzhinweis.