Der EU AI Act ist seit August 2024 in Kraft. Verbote für inakzeptable Risiken greifen seit Februar 2025, Pflichten für Hochrisiko-Systeme folgen gestaffelt bis 2027. Das klingt nach ausreichend Vorlaufzeit – und ist es nicht. Wer jetzt noch auf Abwarten setzt, wird in zwölf Monaten feststellen, dass Klassifizierung, Dokumentation und interne Governance erheblich mehr Zeit kosten als erwartet. Die eigentliche Herausforderung liegt dabei nicht im Lesen der Verordnung, sondern im Übersetzen abstrakter Rechtskategorien in konkrete Betriebsrealität.

Was der AI Act tatsächlich verlangt

Das Gesetz unterscheidet vier Risikostufen: inakzeptables Risiko (verboten), hohes Risiko (streng reguliert), begrenztes Risiko (Transparenzpflichten) und minimales Risiko (weitgehend frei). Die entscheidende Arbeit beginnt bei der Einstufung. Hochrisiko-Systeme umfassen laut Anhang III der Verordnung unter anderem KI in der Personalauswahl, in der Kreditvergabe, im Bildungswesen und in sicherheitskritischen Infrastrukturen. Wer solche Systeme einsetzt – ob selbst entwickelt oder zugekauft – trägt Verantwortung für Konformität, Dokumentation und laufendes Monitoring.

Das bedeutet in der Praxis: technische Dokumentation nach Artikel 11, Protokollierung nach Artikel 12, Transparenz gegenüber Nutzern nach Artikel 13, menschliche Aufsicht nach Artikel 14 und Robustheitsnachweise nach Artikel 15. Wer bisher KI-Tools ad hoc eingeführt hat, ohne diese Anforderungen zu kennen, steht vor einem nachträglichen Strukturierungsproblem – nicht vor einer technischen, sondern vor einer Governance-Aufgabe.

Klassifizierung ist keine juristische, sondern eine operative Frage

Viele Unternehmen übergeben die AI-Act-Compliance reflexartig an Rechtsabteilung oder externe Kanzleien. Das ist verständlich, aber unvollständig. Juristen können die Norm auslegen – sie können nicht beurteilen, ob ein Scoring-Modell im Recruiting tatsächlich Entscheidungen autonom trifft oder nur Vorschläge generiert. Diese Unterscheidung ist regulatorisch zentral und erfordert technisches wie betriebliches Urteilsvermögen.

Praktisch empfiehlt sich ein dreistufiges Vorgehen: Erstens eine vollständige Inventarisierung aller KI-Systeme im Betrieb – inklusive zugekaufter SaaS-Lösungen, die KI-Funktionalität enthalten. Zweitens eine Risikoeinstufung auf Basis der tatsächlichen Anwendungsfälle, nicht der Produktbeschreibungen von Anbietern. Drittens die Zuordnung von Verantwortlichkeiten: Wer ist intern für welches System zuständig, und wer stellt sicher, dass Dokumentationspflichten erfüllt werden?

Dieser Prozess ist mühsam. Er deckt regelmäßig auf, dass Systeme ohne klare Ownership betrieben werden – und dass die Frage „Wer hat das eigentlich eingeführt?" in vielen Organisationen keine befriedigende Antwort hat. Das ist kein technisches Versagen, sondern ein strukturelles. Wer verstehen will, warum Governance vor Geschwindigkeit kommen muss, findet dazu eine belastbare Argumentation im Artikel KI als Produktionslogik: Governance vor Geschwindigkeit.

Der Unterschied zwischen Provider und Deployer

Der AI Act unterscheidet zwischen Anbietern (Providern), die KI-Systeme entwickeln und in Verkehr bringen, und Betreibern (Deployern), die diese Systeme in eigenen Prozessen einsetzen. Die meisten Unternehmen sind Deployer – und unterschätzen damit verbundene Pflichten systematisch.

Als Deployer ist man nicht einfach Nutzer eines fremden Produkts. Man trägt Verantwortung dafür, dass das System im konkreten Einsatzkontext regelkonform funktioniert. Das bedeutet: eigene Risikofolgenabschätzung, eigene Nutzerdokumentation, eigenes Monitoring. Anbieter wie Microsoft, Salesforce oder SAP werden Compliance-Zertifizierungen liefern – diese decken aber nur das System als solches ab, nicht dessen spezifische Anwendung im jeweiligen Unternehmenskontext.

Wer das ignoriert, sitzt in einer klassischen Regelungslücke: Das Produkt ist zertifiziert, der Einsatz nicht. Aufsichtsbehörden werden genau dort prüfen, wo der Hebel am größten ist – nicht beim Softwarehersteller in Irland, sondern beim Unternehmen, das das System eingesetzt hat.

Compliance als Wettbewerbsvorteil – wenn man es richtig liest

Es wäre zu einfach, den AI Act nur als Bürokratiezumutung zu lesen. Tatsächlich schafft er eine Differenzierungsmöglichkeit für Unternehmen, die früh investieren. Wer dokumentierte, nachvollziehbare KI-Prozesse vorweisen kann, gewinnt Vertrauen – bei Kunden, bei Partnern, bei Behörden. Gerade in regulierten Branchen wie Finanzdienstleistungen, Gesundheit oder öffentlicher Verwaltung wird Compliance-Reife zunehmend zur Voraussetzung für Geschäftsbeziehungen, nicht nur zur Auflage.

Das Bundesamt für Sicherheit in der Informationstechnik (BSI) hat dazu bereits praxisnahe Orientierung veröffentlicht, die über abstrakte Normanforderungen hinausgeht. Wer dort investiert liest, findet konkrete Ansatzpunkte für technische Sicherheitsanforderungen an KI-Systeme.

Darüber hinaus lohnt der Blick auf den Kontext: Unternehmen, die KI-gestützte Automatisierung in regulierten Märkten bereits strukturiert angegangen sind, haben hier einen Vorsprung. Was das konkret bedeutet, beschreibt der Artikel KI-gestützte Automatisierung in regulierten Märkten: Werkzeug statt Wundermittel aus operativer Perspektive.

Was jetzt zu tun ist

Die nächsten Monate entscheiden darüber, ob Unternehmen den AI Act reaktiv erleben – als Prüfungsdruck von außen – oder proaktiv gestalten. Der Unterschied liegt nicht in der Ressourcenfrage, sondern in der Prioritätensetzung.

Konkret: KI-Inventur anstoßen, Hochrisiko-Systeme identifizieren, interne Governance-Strukturen klären und Verantwortliche benennen. Das klingt überschaubar – ist es aber nur, wenn man früh beginnt. Wer wartet, bis Aufsichtsbehörden aktiv werden, wird feststellen, dass Nacharbeit unter Druck teurer ist als Vorarbeit mit Bedacht.

KI ist keine IT-Frage mehr. Sie ist eine Frage des Operating Models, der Führung und der unternehmerischen Haltung. Wer das verstanden hat, behandelt Regulierung nicht als Hindernis, sondern als Strukturierungshilfe für das, was ohnehin gebaut werden muss.