Dokumentation
Alles, was Sie benötigen, um KI-Compliance-Monitoring in Ihre Anwendungen zu integrieren.
Erste Schritte
Konto erstellen
Registrieren Sie sich für ein kostenloses Neural Detective-Konto, um Zugang zum Monitoring-Dashboard und zu API-Schlüsseln zu erhalten.
API-Schlüssel generieren
Erstellen Sie im Monitoring-Dashboard einen API-Schlüssel. Fügen Sie ihn als Bearer-Token in alle API-Anfragen ein.
Ersten API-Aufruf durchführen
Erfassen Sie eine Entscheidung, registrieren Sie ein Modell oder scannen Sie Text auf Sicherheit. Siehe das Beispiel unten.
curl -X POST https://api.neuraldetective.com/api/v1/decisions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model_id": "your-model-uuid",
"inputs": { "applicant_id": "eu-7291" },
"output": { "decision": "approved", "confidence": 0.87 }
}'Warum es wichtig ist
KI-Compliance ist nicht optional — und die Kosten bei Verstößen steigen rapide.
EU-KI-Verordnung Compliance
Hochrisiko-KI-Systeme müssen kontinuierliches Monitoring und Bias-Tests nachweisen. Bußgelder können bis zu 35 Millionen Euro oder 7 % des weltweiten Umsatzes betragen.
Stille Modellverschlechterung
Drift verschlechtert Vorhersagen unbemerkt. Ein Kreditmodell kann monatelang schlechte Kredite genehmigen, bevor es jemand bemerkt.
Bias- und Diskriminierungsrisiko
Die Haftung für disparate Auswirkungen erfordert keine Absicht. Die 4/5-Regel wird von Regulierungsbehörden auf beiden Seiten des Atlantiks angewendet.
Inhaltssicherheit und Vertrauen
PII-Lecks, toxische Ausgaben oder fehlende Haftungsausschlüsse in KI-generierten Inhalten erzeugen Marken- und Rechtsrisiken.
Was wir messen
Drei Funktionen, die die gesamte KI-Risikofläche abdecken — von Datendrift bis Inhaltssicherheit.
Drift-Erkennung
Erkennen Sie Verteilungsverschiebungen, bevor sie Vorhersagen verschlechtern.
Population Stability Index
Vergleicht Live-Eingabeverteilungen mit Trainings-Baselines. Ein Wert über 0,25 deutet auf eine signifikante Verschiebung hin.
Jensen-Shannon-Divergenz
Symmetrisches Divergenzmaß auf einer Skala von 0–1. Funktioniert gut für kategorische Merkmale.
Wasserstein-Distanz
Misst das Ausmaß der Verteilungsverschiebung für kontinuierliche Merkmale.
Confidence-Based Performance Estimation
Schätzt die Genauigkeit ohne Ground-Truth-Labels mithilfe von Modell-Konfidenzwerten.
Bias-Monitoring
Quantifizieren Sie Fairness und erstellen Sie prüfungstaugliche Nachweise.
Disparate-Impact-Ratio
Vergleicht die Raten positiver Ergebnisse zwischen Gruppen. Der Schwellenwert der 4/5-Regel liegt bei einem Verhältnis von 0,8 oder höher.
Gruppen-Ergebnisraten
Aufschlüsselung pro Attribut (Geschlecht, Altersgruppe usw.) für Prüfungsnachweise und regulatorische Berichterstattung.
Sicherheitsscans
Eine dreistufige Pipeline, die Geschwindigkeit und Tiefe ausbalanciert.
Stufe 1 — Regeln & PII
Regex-Muster und PII-Erkennung. Läuft in ca. 5 ms.
Stufe 2 — ML-Klassifikatoren
Toxizitäts- und Inhaltsrichtlinien-Klassifikatoren. Läuft in 50–200 ms.
Stufe 3 — LLM-Bewertung
Optionale Bewertung durch ein großes Sprachmodell für nuancierte Fälle. Läuft in 500 ms – 3 s.
Was erkannt wird
Toxische Sprache, Hassrede, PII (E-Mails, Telefonnummern, Sozialversicherungsnummern), Prompt-Injection-Versuche, fehlende Sicherheitshinweise und themenfremde Inhalte.
So bleiben Sie informiert
Von Dashboards bis zu Webhook-Ereignissen — erfahren Sie sofort, wenn sich etwas ändert.
Echtzeit-Dashboard
Drift-Trends, Alarm-Verlauf und Scan-Bewertungen — filterbar nach Modell und Zeitraum.
Compliance-Berichte
Fünfteilige, als PDF exportierbare Berichte mit Zusammenfassung, Modellzustand, Sicherheit, Alarmen und Nutzung.
Konfigurierbare Alarme
Legen Sie Warn- und kritische Schwellenwerte pro Metrik mit Abklingzeiten fest, um Alarm-Ermüdung zu vermeiden.
Webhook-Benachrichtigungen
HMAC-signierte alert.created-Ereignisse, die an Ihren Endpunkt für Slack, PagerDuty oder benutzerdefinierte Integrationen gesendet werden.
API-Übersicht
Die Neural Detective API ist um drei Funktionsbereiche organisiert.
Entscheidungen & Modelle
Registrieren Sie KI-Modelle, erfassen Sie Entscheidungen und laden Sie Trainings-Baselines für die Drift-Erkennung hoch.
Ermöglicht Drift-Erkennung und Audit-Protokollierung gemäß EU-KI-Verordnung Artikel 12.
/api/v1/decisions
Erfassen Sie eine KI-Entscheidung für Monitoring und Drift-Erkennung.
/api/v1/models
Registrieren Sie ein neues Modell für das Monitoring.
/api/v1/models
Alle überwachten Modelle auflisten.
/api/v1/models/:id
Details eines einzelnen Modells abrufen.
/api/v1/models/:id/baselines
Trainings-Baseline für die Drift-Erkennung hochladen.
Sicherheitsscans
Scannen Sie KI-generierten Text in Echtzeit oder asynchron auf schädliche, toxische oder nicht konforme Inhalte.
Verhindert PII-Lecks und toxische Inhalte, bevor sie Ihre Benutzer in der Produktion erreichen.
/api/v1/scans
Text auf schädliche Inhalte scannen (synchron).
/api/v1/scans/async
Text auf schädliche Inhalte scannen (asynchron).
Bias-Monitoring
Fügen Sie Entscheidungen geschützte Attribute hinzu, um Disparate-Impact-Analysen und Fairness-Berichte zu ermöglichen.
Dokumentiert Fairness für die 4/5-Regel und die Nichtdiskriminierungsanforderungen der EU-KI-Verordnung.
/api/v1/protected_attributes
Geschützte Attribute für das Bias-Monitoring hinzufügen.
Authentifizierung
Alle API-Anfragen erfordern ein Bearer-Token. Fügen Sie Ihren API-Schlüssel im Authorization-Header jeder Anfrage ein.
Authorization: Bearer YOUR_API_KEYWebhooks
Erhalten Sie Echtzeit-Benachrichtigungen, wenn Alarme ausgelöst werden — z. B. bei Überschreitung von Drift-Schwellenwerten oder Bias-Erkennungsereignissen. Konfigurieren Sie Webhook-Endpunkte im Monitoring-Dashboard.
alert.created
Fired when a new alert is created (e.g. drift threshold exceeded, bias detected).
Bereit loszulegen?
Erstellen Sie ein kostenloses Konto, um auf die vollständige API-Referenz zuzugreifen, API-Schlüssel zu generieren und mit dem Monitoring Ihrer KI-Modelle zu beginnen.