Wie die Engine funktioniert
Von der ersten Wizard-Antwort bis zur finalen Klassifikation durchläuft jeder Assessment 16 Pipeline-Stages. Jeder Stage produziert Reasoning-Entries, Confidence-Impact und Article-Citations.
Pipeline-Stages
01.Wizard-Answers Eingang
Sector-First Wizard sammelt Branche, Use-Case-ID, System-Funktion, Decision-Autonomy, GPAI-Konfiguration.
02.Preflight-Validator
Validiert Vollständigkeit + scope-checks: military/defence/research-pre-market werden früh ausgeschlossen.
03.Use-Case-Library-Hydration
Sprint 29: selected_use_case_id zieht library-Entry mit triggers, sectoralOverlays, affectedPersons in Facts.
04.Normalize → Facts-Store
Wizard-Antworten werden in typisierten Facts-Store überführt. Single source of truth für alle Rules.
05.Plausibility-Scoring
Berechnet 0-100 Confidence-Score basierend auf Eingabe-Konsistenz + Vollständigkeit.
06.Art. 2 Scope-Check
Prüft AI-Act-Anwendungsbereich: Military/Defence ausgeschlossen (Art. 2(3)), reine Forschung ausgeschlossen (Art. 2(6)), persönliche Nicht-Profi-Nutzung ausgeschlossen (Art. 2(10)).
07.Art. 5 Prohibitions (Tribool-Cascade)
Qualifier-Cascade über 8 verbotene Praktiken (5(1)(a)-(h)). Tribool-Logik mit pass/unsure/fail. Mix aus pass+unsure → prohibited mit Confidence-Penalty + Jurist-Review-Flag.
08.Annex I (Sicherheitskomponente)
Prüft ob System Sicherheitskomponente eines regulierten Produkts ist (MDR, Maschinen-RL, Spielzeug-RL, etc). Trigger Notified-Body-Konformitätsbewertung.
09.Annex III (24 Sub-Items)
8 Hochrisiko-Bereiche × 24 Sub-Items: Biometrics, Critical Infrastructure, Education, Employment, Public Services, Law Enforcement, Migration, Justice. Use-Case-Area routet zu spezifischem Sub-Item.
10.Art. 6(3) Exemption-Check
Bei Annex III Match: prüft ob Ausnahme greift (narrow procedural, improves human work, detects patterns only, preparatory task). Recital 53 Carve-Outs.
11.GPAI Chapter V
Wenn GPAI-Modell integriert: Provider-Rolle, FLOP-Threshold (10^25 für systemic risk), Integrator-vs-Modifier-Verantwortung.
12.Art. 50 Transparenz
Chatbot-Disclosure (Art. 50(1)), synthetische Inhalte (Art. 50(2)), Emotion-Recognition-Notice (Art. 50(3)), Biometric-Categorisation-Notice (Art. 50(4)).
13.Sektorale Overlays
GDPR/revDSG, FINMA/BaFin/FMA, MDR/IVDR, NIS2, DORA, BDSG §26 (DE Beschäftigung), AMS Algorithm Decision (AT). Ergänzen AI-Act-Pflichten.
14.Roles (Provider/Deployer/Importer)
Klassifiziert organisatorische Rolle. Art. 25 Provider-Status-Flip bei substantieller Modifikation oder Umbranding.
15.Temporal (Art. 111 Bestandsschutz)
Prüft ob System vor anwendbarem Datum in Verkehr gebracht — Bestandsschutz greift unter bestimmten Bedingungen.
16.Obligations-Builder
Generiert spezifische Pflichten-Liste basierend auf finalem Pfad. Jede Pflicht mit Article-Citation + Recital-Referenz + Deadline.
Engine-Prinzipien
Deterministisch
Gleiche Inputs → gleiche Outputs. Keine Mocks, kein Random, keine Network-Dependencies. SHA-256-Hash über (Inputs + Outputs + Engine-Version) ist reproduzierbar.
Reasoning-Trail
Jeder Stage produziert ReasoningEntry mit verdict (match/no_match/downgrade), Article-Citation, Confidence-Impact. UI rendert das als step-by-step Audit-Trail.
Audit-Defensible
Reasoning + Confidence-Score + Penalties + Review-Status v2 (7-Tier) ergeben einen audit-defensiblen Output. Auditoren können jede Engine-Entscheidung gegen Article-Refs prüfen.
Multi-Path
Eine Klassifikation kann gleichzeitig auf mehreren Pfaden landen (z.B. Annex III + GPAI Chapter V + Sektoral Overlay). Alle Pfade werden ausgegeben mit Primary-Path + Secondary-Paths.
Versioniert
Jedes Assessment trägt Engine-Version + Rule-Set-Date. Spätere Rule-Updates ändern historische Assessments nicht — sie bleiben mit ihrer ursprünglichen Engine-Version gültig.
lib/engine-v3/. Der Pipeline-Entry ist classify() in lib/engine-v3/pipeline.ts. Empire-Layer-Wrapper für Multi-Path-Output: classifyWithEmpire() in lib/engine-v3/empire/index.ts.