AWS: Fine-Tuning FLOPs Meter für SageMaker automatisiert EU-KI-Gesetz-Compliance-Schwellenwert-Tracking
Das Fine-Tuning FLOPs Meter Toolkit ist eine neue AWS SageMaker AI-Erweiterung vom 12. Mai 2026, die während des Fine-Tunings von LLMs automatisch die Compute-Schwellenwerte des Europäischen KI-Gesetzes (3,3×10²² FLOPs, 3,3×10²⁴ für systemisches Risiko) verfolgt. Es wird mit einem einzigen Flag compute_flops=true im Recipe-YAML aktiviert und generiert automatisch Audit-Dokumentation in S3 und DynamoDB.
Dieser Artikel wurde mithilfe von künstlicher Intelligenz aus Primärquellen erstellt.
Amazon Web Services veröffentlichte am 12. Mai 2026 den Fine-Tuning FLOPs Meter — ein offenes Toolkit für Amazon SageMaker AI, das die Verfolgung der Compute-Schwellenwerte des Europäischen KI-Gesetzes beim Fine-Tuning großer Sprachmodelle automatisiert. Das Tool wird mit einem einzigen Konfigurations-Flag im Recipe-YAML aktiviert und zeichnet alle notwendigen Metriken für die Audit-Dokumentation auf.
Welche Schwellenwerte wendet das EU-KI-Gesetz an?
Das Toolkit implementiert drei Schwellenwerte über die Funktion determine_compliance_threshold(). Der Standard-Schwellenwert 3,3×10²² FLOPs gilt, wenn der Pretraining-Compute unbekannt oder kleiner als 10²³ FLOPs ist. Der relative Schwellenwert von 30 % des tatsächlichen Pretraining-Computes aktiviert sich, wenn das Pretraining über 10²³ FLOPs dokumentiert ist. Der Systemrisiko-Schwellenwert 3,3×10²⁴ FLOPs gilt für Modelle mit einem Pretraining-Compute über 10²⁵ FLOPs — die höchste Verpflichtungskategorie des Gesetzes.
Was bedeutet das Überschreiten des Schwellenwerts für eine Organisation?
Eine Organisation, die ihren Schwellenwert überschreitet, wechselt vom Status „Downstream-Nutzer” zum Status „GPAI-Modellanbieter”. Die neue Klassifizierung schafft zusätzliche Pflichten: detaillierte Offenlegung der Architektur und des Trainingsprozesses, eine öffentliche Liste der verwendeten Datenquellen und den Nachweis der Konformität mit EU-Urheberrechtsvorschriften. AWS betont, dass ein Statuswechsel die größte Compliance-Änderung ist, die eine Fine-Tuning-Organisation durchlaufen kann.
Wie integriert sich der Meter in SageMaker?
Die Aktivierung ist ein einziges YAML-Flag: compute_flops: true im SageMaker-Training-Recipe. Das Toolkit operiert als Standard-Hugging-Face-TrainerCallback, was bedeutet, dass es sich ohne architektonische Änderungen in eine bestehende SageMaker-Training-Pipeline integriert. Ergebnisse werden automatisch auf Amazon S3 hochgeladen und in DynamoDB als dauerhafter Compliance-Eintrag gespeichert.
Die Ausgabe flops_meter.json enthält architektur- und hardware-basierte FLOPs-Kalkulationen, den angewandten Schwellenwert-Typ und Compliance-Status, Modellparameter, Trainingsdauer, GPU-Spezifikationen und Trainingsjob-Identifikatoren für die Audit-Trail-Verknüpfung. AWS empfiehlt Flops_architecture als primäre Compliance-Metrik, da sie „accurately reflects your actual training configuration.”
Das Tool ist Teil von AWS’ Entscheidung, regulatorische Pflichten von der Beratungsebene auf die Cloud-Plattformebene zu heben — und Compliance von einem manuellen Projekt in ein Feature-Toggle zu verwandeln.
Häufig gestellte Fragen
- Welche EU-KI-Gesetz-Schwellenwerte verfolgt dieses Toolkit?
- Das Toolkit wählt automatisch den Standard-Schwellenwert 3,3×10²² FLOPs, wenn der Pretraining-Compute unbekannt oder kleiner als 10²³ ist; den relativen Schwellenwert von 30 % des Pretraining-Computes, wenn dieser dokumentiert ist; sowie den Systemrisiko-Schwellenwert 3,3×10²⁴ FLOPs für Modelle mit Pretraining-Compute ≥ 10²⁵.
- Welche Pflichten entstehen durch das Überschreiten des Schwellenwerts?
- Eine Organisation, die ihren Schwellenwert überschreitet, wechselt vom Status „Downstream-Nutzer” zum „GPAI-Modellanbieter”; die Pflichten umfassen detaillierte Architektur- und Training-Offenlegung, eine öffentliche Datenquellenliste und den Nachweis der EU-Urheberrechtskonformität.
Verwandte Nachrichten
UK AI Safety Institute: Aufsicht über fortgeschrittene KI-Systeme wird schwieriger — 20+ Degradierungspfade identifiziert
EU AI Office: Entwurf von Leitlinien zur Hochrisiko-KI-Klassifizierung
Google DeepMind und Singapur: Nationale KI-Partnerschaft in Gesundheit, Bildung und Umwelt