Über ein Fairness-Audit zu lesen ist eine Sache. Eines in Aktion zu sehen, eine andere. Deshalb haben wir zwei kurze Demo-Videos aufgenommen, die die Plattform bei der Arbeit zeigen — keine Folien, keine Mockups, sondern das echte Produkt in Aktion.
Fairness-Tooling hat ein Glaubwürdigkeitsproblem: Meistens wird es nur beschrieben, aber selten gezeigt. Wir wollten diese Lücke schließen. Diese beiden Demo-Videos stehen an entgegengesetzten Enden desselben Workflows — die schnelle Entscheidung und die Gründlichkeit, die dahintersteckt —, sodass Sie in wenigen Minuten sowohl die Geschwindigkeit als auch die Substanz sehen können.
Demo eins — Pulse: ein komplettes Audit in einem Durchgang
Pulse ist der schnellste Weg, um zu fragen: „Ist dieses Modell fair und wo nicht?“ Die Demo verfolgt ein einzelnes Audit vom ersten Upload bis zur finalen Entscheidung: Gruppen werden definiert, Metriken berechnet, Disparitäten aufgedeckt und das Ergebnis den Risikostufen des EU AI Act zugeordnet — und das alles, ohne den Bildschirm zu verlassen. Wenn Sie nur zwei Minuten Zeit haben, sehen Sie sich dieses Video an.
Demo zwei — Assessment Modules: die Tiefe hinter jeder Entscheidung
Ein grünes Licht ist nur dann vertrauenswürdig, wenn man sehen kann, was dahintersteckt. Die zweite Demo gibt Einblick in die Assessment Modules — die statistische Maschinerie, die Pulse im Hintergrund ausführt: Bootstrap-Konfidenzintervalle, Bayes'sche und Permutationstests, intersektionale Analysen und eine vollständige Pipeline-Abdeckung von der Vorverarbeitung bis zum Produktionsmonitoring. Dieses Video ist für diejenigen, die das Ergebnis verteidigen müssen.
Warum wir sie erstellt haben
Vertrauen in ein Audit entsteht dadurch, dass man es sieht, nicht dadurch, dass man nur davon hört. Zusammen beantworten diese Demo-Videos die beiden Fragen, die sich jedes Team zuerst stellt: Wie schnell erhalten wir eine Antwort und wie weit reichen die Belege? Für die Geschwindigkeit sehen Sie sich Pulse an, für die Substanz die Modules.
“Legen Sie die Arbeit offen. Eine Fairness-Entscheidung, die man nicht überprüfen kann, ist nur eine weitere Blackbox.”
Beide Demo-Videos können direkt hier abgespielt werden, oder teilen Sie sie direkt: validant.ai/watch/pulse und validant.ai/watch/modules.
Das Trust Seal macht aus einer Bewertung wie dieser einen signierten Nachweis, den jeder prüfen kann.
You Cannot Audit What You Cannot Trace
A fairness verdict rests on data twice over: the data a model learned from and the data it was tested on. Notes from the Swiss Data Space Forum 2026 and the Swiss Data Alliance white paper on AI-ready data, on why data spaces and fully open models decide what an assessment can prove.
Lesen
Die Kontrolle von Agents verdreifacht ihren Wert. Der Nachweis ist es, was ihn wertvoll macht.
BCG befragte 1,330 Führungskräfte und stellte fest, dass Unternehmen, die ihre KI-Agents angemessen kontrollieren, einen etwa dreimal so hohen Wert aus ihnen ziehen. Nur 5% haben diese Kontrollen implementiert, und jede der sechs wird vom Unternehmen selbst überprüft. Eine Analyse des Applied AI Index 2026, die Lücke, die er offenlässt, und warum der Nachweis den verdreifachten Wert erst wirklich wertvoll macht.
Lesen
Das Paradoxon der präemptiven Zusicherung: Wer bewacht die KI-Leitplanken?
In einer einzigen Septemberwoche forderte ein Labor eine Verlangsamung, ein Präsident erklärte, er sei die einzige Leitplanke, die KI brauche, und The Economist fragte, ob das Wettrüsten gestoppt werden könne. Notizen von den Trust Valley Days 2026 an der EPFL darüber, warum die Antwort weder eine Pause noch ein Sprint ist, sondern Haftung, Ergebnisse und Verifizierung.
Lesen