Effect-Transparent Governance for AI Workflow Architectures: Semantic Preservation, Expressive Minimality, and Decidability Boundaries

Diese Forschung präsentiert eine maschinell überprüfte Formalisierung von KI-Workflow-Architekturen mit effekt-transparenter Governance, die zeigt, dass Governance ohne Verlust der rechnerischen Ausdrucksfähigkeit auferlegt werden kann. Sie definiert einen Governance-Operator G zur Vermittlung von effektbehafteten Direktiven wie Speicherzugriff und LLM-Abfragen und beweist sieben Schlüsselmerkmale, einschließlich der gesteuerten Turing-Vollständigkeit und einer Dezidierbarkeitsgrenze.