Änderungsmanagement und Versionierung
Änderungsmanagement und Versionierung bezeichnet den systematischen Prozess, mit dem Änderungen an Software, Daten, KI-Modellen oder Systemen dokumentiert, nachverfolgt und kontrolliert werden. Jede Version erhält eine eindeutige Kennzeichnung, um Nachvollziehbarkeit und Wiederherstellbarkeit zu gewährleisten.
Ausführliche Erklärung
Änderungsmanagement und Versionierung sind zentrale Disziplinen in der Softwareentwicklung und zunehmend auch im Betrieb von KI-Systemen. Während Versionierung sich auf die eindeutige Kennzeichnung und Speicherung verschiedener Entwicklungsstände konzentriert, umfasst Änderungsmanagement den gesamten Prozess: von der Erfassung einer Änderungsanfrage über deren Bewertung und Freigabe bis zur Umsetzung und Dokumentation. Beide Konzepte greifen ineinander und bilden die Grundlage für reproduzierbare, nachvollziehbare Systementwicklung.
Für KMU gewinnt dieses Thema besonders im Kontext von KI-Systemen an Bedeutung. Anders als bei klassischer Software müssen hier nicht nur Code-Änderungen verwaltet werden, sondern auch verschiedene Modellversionen, Trainingsdaten, Hyperparameter und Feature-Definitionen. Wenn ein KI-Modell nach drei Monaten schlechtere Vorhersagen trifft, muss nachvollziehbar sein, mit welchen Daten es trainiert wurde, welche Parameter verwendet wurden und welche Vorgängerversion funktioniert hat. Ohne systematische Versionierung entsteht schnell Chaos mit Dateien wie "modell_final_v2_wirklich_final.pkl".
Ein professionelles Änderungsmanagement nutzt Versionskontrollsysteme wie Git für Code, ergänzt durch spezialisierte Tools für Daten und Modelle. Änderungen werden durch Change Requests strukturiert erfasst, bewertet und dokumentiert. Für jede Version werden Metadaten gespeichert: wer hat wann was geändert und warum. Dies ermöglicht bei Problemen ein kontrolliertes Rollback auf eine frühere, funktionierende Version.
Im regulierten Umfeld ist nachvollziehbare Versionierung nicht optional, sondern rechtliche Anforderung. Die EU-Verordnungen DSGVO und der AI Act verlangen die vollständige Rückverfolgbarkeit von algorithmischen Entscheidungen. Änderungsmanagement schafft die notwendige Transparenz und Governance, die sowohl für Compliance als auch für effiziente Zusammenarbeit im Team unerlässlich sind.
Praxisbeispiel
Ein österreichisches Steuerberatungsunternehmen mit 25 Mitarbeitenden setzt ein KI-System zur automatischen Belegklassifikation ein. Nach einem Update verschlechtert sich die Erkennungsgenauigkeit. Dank systematischer Versionierung kann das Team innerhalb von Minuten auf die vorherige Modellversion zurückwechseln und ermitteln, dass geänderte Vorverarbeitungsregeln für Rechnungsformate das Problem verursachten. Alle Änderungen sind dokumentiert, sodass die Ursache schnell behoben werden kann.
Code-Beispiel
```python
# Beispiel: Modellversionierung mit MLflow
import mlflow
# Training-Run starten und Parameter loggen
with mlflow.start_run():
mlflow.log_params({
"learning_rate": 0.001,
"epochs": 10
})
mlflow.log_metrics({
"accuracy": 0.95,
"f1_score": 0.92
})
# Modell mit Version registrieren
mlflow.pyfunc.log_model(
"model",
python_model=trained_model
)
```