Der EU AI Act ist die erste umfassende Regelung für künstliche Intelligenz auf globaler Ebene. Ab August 2026 wird sie zunehmend durchgesetzt. Dieser Guide zeigt dir, was das für dein Unternehmen bedeutet.

Timeline und Stichtage

Die Anwendung erfolgt in Phasen. Nicht alles tritt gleichzeitig in Kraft:

Datum Was kommt
02.02.2025 Verbot von unzulässigen KI-Systemen tritt in Kraft
02.08.2025 Transparenzpflichten für General-Purpose-AI-Modelle (GPAIMs, z.B. ChatGPT, Llama)
02.08.2026 Die Mehrheit der Regeln tritt in Kraft – Haupttermin für KMUs
02.08.2027 Alle Bestimmungen gelten für alle Systeme (auch ältere, noch nicht konforme)

Das Wichtigste für dich: 02.08.2026 ist der kritische Stichtag. Ab dann werden Behörden konsequent kontrollieren und Strafen verhängen.

Wer ist betroffen?

Der Act unterscheidet zwischen drei Rollen. Du könntest in mehr als einer sein:

1. Provider (Anbieter)

Du entwickelst, trainierst oder vermarktest ein KI-Modell oder -System für andere.

  • Beispiele: du baust einen Chatbot und vertreibst ihn, du feinabstimmst ein LLM für Kunden
  • Deine Hauptpflicht: Dokumentation, Risikobewertung, Compliance-Management

2. Deployer (Nutzer)

Du setzt ein KI-System in Betrieb – ob selbst gebaut oder gekauft.

  • Beispiele: du nutzt ChatGPT im Customer Service, Ollama lokal für interne Prozesse, ein Tool zur Kreditvergabe
  • Deine Hauptpflicht: Transparenz, menschliche Kontrolle, Monitoring, Dokumentation

3. Importer

Du importierst ein KI-System aus Drittländern in die EU und bringst es in den Verkehr.

  • Seltener für KMUs, aber relevant bei Cloud-Tools aus den USA
  • Deine Pflicht: Sicherstellung von Provider-Konformität

Achtung: Ein KMU kann mehrere Rollen haben. Wenn du dein lokales KI-Modell (Provider) selbst nutzt (Deployer), gelten beide Regelungen.

Was ist verboten? – Unzulässige KI-Systeme

Artikel 5 des Acts verbietet folgende Systeme komplett. Keine Grauzone – sie sind illegal:

  1. Social Scoring: Ein System, das Personen auf Basis ihrer Verhaltensweisen oder Merkmale bewerten und ausschließen kann (z.B. für Kredite, Jobs, Verträge auf rein automatisierter Basis)
  2. Real-Time Biometric Surveillance: Live-Gesichtserkennung in öffentlichen Räumen durch Sicherheitskräfte (mit sehr engen Ausnahmen für schwere Straftaten)
  3. Manipulation: Systeme, die gezielt Verhalten manipulieren, um Menschen zu schaden (z.B. um Minderjährige zu schädigen oder um medizinische Zustände zu verschlimmern)
  4. Ausbeutung von Schwachstellen: KI, die gezielt die Alter, Behinderung oder Situation einer Person ausnutzt, um Verhalten zu manipulieren

Konsequenz: Nutzung oder Deployment solcher Systeme führt zu Strafen bis 35 Millionen EUR oder 7% des Umsatzes (mehr dazu später).

Hochrisiko-KI-Systeme

Systeme, die kein "Verbot" darstellen, aber großen Schaden anrichten können, sind hochrisiko-klassifiziert. Sie unterliegen den meisten regulatorischen Anforderungen.

Hochrisiko sind z.B.:

  • HR/Recruitment: KI, die Bewerbungen filtert, einstellt oder kündigt
  • Kreditvergabe: Automatische Kreditanträge bewerten
  • Kritische Infrastruktur: KI in Stromnetzen, Wasserversorgung
  • Strafverfolgung: Gesichtsidentifikation, Ermittlungsunterstützung
  • Grenzkontrolle: Risikoanalyse für Einreisen

Für hochrisiko gelten strenge Anforderungen (siehe Abschnitt "Pflichten nach Risikoklasse").

Begrenzte Risiken – Transparenzpflicht

Systeme mit begrenztem Risiko benötigen vor allem Transparenz:

  • Chatbots und Sprachassistenten: Nutzer müssen wissen, dass sie mit einer KI sprechen
  • Deepfakes und synthetische Medien: Klare Kennzeichnung
  • Emotion Recognition: Offenlegung, dass Gefühle erkannt werden

Die Regelung ist einfach: Der Mensch muss informiert sein. Kein großer technischer Aufwand nötig.

Minimale Risiken

Die meisten alltäglichen KI-Systeme haben minimale Risiken und unterliegen keinen speziellen Verpflichtungen:

  • Spamfilter
  • Sprachkorrektur in Textprogrammen
  • KI-Funktionen in Videospielen

Wenn dein System nicht hochrisiko ist und keine Manipulation/Überwachung betreibt, bist du wahrscheinlich hier.

Pflichten nach Risikoklasse

Für alle Systeme (unabhängig von Risiko)

  • Verbot verstehen: Stelle sicher, dass du kein unzulässiges System nutzt
  • Dokumentation: Halte fest, welche KI-Systeme du einsetzt
  • Transparenz: Nutzer müssen (bei begrenztem/hohem Risiko) informiert sein

Für hochrisiko-Systeme – Providers

  • Risiko-Management-System: Prozess zur Identifikation und Minderung von Risiken
  • Datenqualität: Trainingsdaten müssen repräsentativ und fehlerfrei sein
  • Technische Dokumentation: Vollständige Dokumentation des Systems
  • Konformitätsbewertung: Nachweis, dass das System die Anforderungen erfüllt
  • Conformity Assessment: Unabhängige Überprüfung durch notified bodies (ab 2026)
  • Cybersecurity: Maßnahmen gegen Hacking und Missbrauch
  • Post-Market-Monitoring: Überwachung nach Veröffentlichung
  • Weiterbildung der Nutzer: Support und Schulung für Deployer

Für hochrisiko-Systeme – Deployer (Nutzer)

  • Menschliche Kontrolle: Kritische Entscheidungen darf nur ein Mensch treffen
  • Monitoring und Logging: Aufzeichnung von Fehlern und Vorfällen
  • Dokumentation: Was nutzt du, wie nutzt du es, warum?
  • Incident-Reporting: Meldung von schwerwiegenden Fehlverhalten an Behörden
  • Transparenz gegenüber betroffenen Personen: Menschen müssen wissen, dass KI eine Entscheidung trifft

Für begrenzte Risiken (Chatbots, Deepfakes)

  • Offenlegung: Nutzer muss wissen, dass er mit KI interagiert
  • Kennzeichnung: Synthetische Inhalte müssen als solche erkannt werden

Strafen und Enforcement

Die Strafen sind graduiert und heftig:

Verstoß Geldbuße
Verbot unzulässiger KI (Art. 5) bis 35 Mio. EUR oder 7% des globalen Umsatzes (das höhere)
Hochrisiko-Anforderungen (Art. 6-51) bis 15 Mio. EUR oder 3% des globalen Umsatzes
Falsche Auskünfte an Behörden bis 7,5 Mio. EUR oder 1% des Umsatzes
Fehlende Dokumentation/Transparenz Variable, aber erheblich

Für KMUs: Der Act sieht vor, dass Bußgelder für kleine Unternehmen in der Regel niedriger sein können, aber dies ist nicht garantiert. Bei Großunternehmen werden es die vollen Prozentanteile.

Wer verhängt diese Strafen? Nationale Behörden in jedem EU-Land. In Österreich: DSB (Datenschutzbehörde) und RTR (Regulierungsbehörde für Telekommunikation und Post).

Praktische Vorbereitung für KMUs

Schritt 1: KI-Inventar (NOW, vor 02.08.2026)

Schreibe auf:

  • Welche KI-Tools nutzt dein Unternehmen? (ChatGPT, Copilot, lokale Modelle, selbstgebaute Systeme?)
  • Für welche Geschäftsprozesse? (Kundenservice, HR, Datenanalyse, Marketing?)
  • Wer nutzt sie? (Alle Mitarbeiter oder nur bestimmte?)

Beispiel-Liste für ein KMU:

  • ChatGPT für Customer Service (1-2 Lizenzen)
  • Lokales Ollama-LLM für interne Dokumenterstellung
  • Automatisierte Kreditvergabe (hochrisiko!)
  • Email-Filter mit KI

Schritt 2: Risikoklassifizierung

Für jedes System: Ist es minimal, begrenzt oder hochrisiko?

Nutze diese Frage als Filter:

  1. Kann diese KI grundlegende Rechte von Menschen beeinflussen? → hochrisiko
  2. Muss der Nutzer über KI informiert werden? → begrenztes Risiko
  3. Ansonsten? → minimal

Beispiele:

  • ChatGPT im Customer Service = begrenzt (Nutzer muss wissen, mit KI zu sprechen)
  • Automatisierte Kreditvergabe = hochrisiko (beeinflusst finanzielle Rechte)
  • Lokales Ollama für interne Schreibarbeit = minimal (keine Auswirkung auf externe Personen)

Schritt 3: Dokumentation starten

Für jedes System, das du nutzt:

  • Was ist das System? (Name, Anbieter, Modell)
  • Was tut es? (Kurzbeschreibung)
  • Wer nutzt es? (Abteilungen)
  • Warum nutzt du es? (Business-Nutzen)
  • Welche Risiken sieht du? (Fehler, Bias, Sicherheit)
  • Wie kontrollierst du es? (Menschliche Überprüfung? Monitoring? Limits?)

Für hochrisiko-Systeme musst du später mehr Details hinzufügen (Trainingsdaten, Genauigkeit, etc.).

Schritt 4: Transparenzmaßnahmen

Checke deine Customer-Kommunikation:

  • Erwähnen deine Landing Pages, dass Chatbot KI nutzt?
  • Ist es im Datenschutz erwähnt?
  • Werden Nutzer beim ersten Kontakt informiert?

Wichtig: "Kleindruck" zählt nicht. Die Information muss deutlich und zu Beginn erfolgen.

Schritt 5: Menschliche Kontrolle einrichten (für hochrisiko)

Falls du hochrisiko-Systeme nutzt (z.B. Kreditvergabe, HR-Entscheidungen):

  • Wer überprüft die KI-Entscheidung?
  • Wann wird sie überschrieben?
  • Wie dokumentierst du das?

Beispiel: Ein Chatbot kann einen Kundenservice-Antrag vorbereiten, aber ein Mensch muss den Endentscheid treffen.

Schritt 6: Incident-Management

Richte einen Prozess ein, um KI-Fehler zu tracken:

  • Ein Chatbot gibt falsche Finanzberatung → dokumentiert, analysiert, behoben
  • Ein Bias-Fall (z.B. Diskriminierung durch KI) → Dokumentation für mögliche Behörden-Anfragen

Halte diese Logs für mindestens 3 Jahre.

Österreich-Spezifika

Behördenlandschaft

In Österreich sind für den AI Act hauptsächlich zuständig:

  • RTR (Rundfunk und Telekom Regulierungs-GmbH): Zentrale Koordination, AI Service Desk für Fragen
  • DSB (Datenschutzbehörde): Überwachung von Datenschutz + KI (Schnittmengen)
  • WKO (Wirtschaftskammer): Branchenspezifische Richtlinien für KMUs

Die RTR hat ein eigenes AI Service Desk etabliert (https://www.rtr.at/rtr/service/ki-servicestelle) – eine zentrale Anlaufstelle für KMUs mit Fragen.

Sprache und Unterstützung

Wichtig: Der AI Act wird auf Deutsch umgesetzt. Offizielle Richtlinien kommen auf Deutsch raus. Die RTR hat deutschsprachige Ressourcen.

Digitale Souveränität

Österreich und die DACH-Region setzen zusätzlich auf "digitale Souveränität". Das bedeutet: Bevorzugung von Open-Source-KI und europäischen Alternativen.

Wenn du ein KI-System selbst hosten kannst (z.B. Ollama mit lokalen Modellen), ist das im politischen Sinne erwünscht und reduziert auch Datenschutz-Risiken.

Cross-Border Considerations

Falls du KI-Systeme nutzt, die von Anbietern außerhalb der EU betrieben werden (z.B. ChatGPT von OpenAI):

  • Der AI Act gilt auch für Systeme aus Drittländern, wenn sie in der EU eingesetzt werden
  • Du als Deployer in Österreich bist verantwortlich für Compliance, nicht der ausländische Provider
  • Datenübertragung: Beachte DSGVO + adequacy decisions (Standard Contractual Clauses)
  • Incident-Meldung: Falls etwas schiefgeht, musst du es in Österreich dem Datenschutz melden

Praktisch: Du kannst nicht sagen „Das ist ein US-Tool, mich geht das nichts an". Der Act gilt für dich als Nutzer in Österreich.

Häufige Fragen und Mythen

F: Ist lokale KI (Ollama, PrivateGPT) auch reguliert? A: Ja, die Regeln gelten gleich. ABER: Lokal gehostete Modelle haben oft geringere Risiken (weniger Datenaustausch, mehr Kontrolle), und einige transparente Anforderungen sind einfacher umzusetzen.

F: Müssen KMUs externe Audits machen? A: Nur für hochrisiko-Systeme. Für andere: Selbsterklärung reicht (vorerst). Ab 2027/2028 werden notified bodies (unabhängige Prüfer) Audits durchführen – ähnlich wie bei Medizinprodukten.

F: Was ist mit Modellen, die ich vor 02.08.2026 einführe? A: Es gibt eine Übergangsfrist (Grandfathering): Systeme, die vor 02.08.2026 in Verkehr waren, haben mehr Zeit. ABER: Es lohnt sich nicht, bis zur letzten Minute zu warten – die Behörden werden ab Sommer 2026 verstärkt kontrollieren.

F: ChatGPT für interne Mitarbeiter – zählt das als Deployment? A: Ja. Du nutzt es in deinem Betrieb, also bist du Deployer und musst es dokumentieren + transparent damit umgehen.

Detaillierte Implementierungsschritte

Phase 1: Vorbereitung (NOW bis Ende Juni 2026)

1.1 KI-Inventar erstellen

Dokumentiere ALLE KI-Systeme, die dein Unternehmen nutzt:

  • Welches System? (Name, Anbieter, Version)
  • Welche Funktion? (Was macht es?)
  • Wer nutzt es? (Mitarbeiter, Abteilungen, Kunden?)
  • Welche Daten verarbeitet es? (Personendaten? Kundendaten? Interne Daten?)
  • Wo wird es gehostet? (Cloud, lokal, hybrid?)

Beispiel-Inventar für ein KMU:

  1. ChatGPT Plus (10 Lizenzen) → Customer Service, Sales
  2. Ollama Mistral 7B (lokaler Server) → Interne Dokumentation
  3. Zapier + Make (Workflow-Automatisierung) → Sales/CRM Integration
  4. Google Analytics mit KI → Website-Optimierung
  5. Automatisiertes Bewerbungs-Screening (Talentor) → HR

1.2 Risikoklassifizierung durchführen

Für jedes System im Inventar:

  1. Ist es unzulässig? (Verbot, RT-Biometrie, Manipulation, Ausbeutung)
    • Falls JA → System sofort stilllegen. Punkt.
  2. Beeinflusst es grundlegende Rechte? (Beschäftigung, Kredit, Justiz, Kritische Infrastruktur)
    • Falls JA → Hochrisiko
  3. Könnte es täuschen oder manipulieren? (Chatbots, Deepfakes, Emotion Recognition)
    • Falls JA → Begrenzt
  4. Sonst? → Minimal

1.3 Dokumentations-Template erstellen

Pro System (besonders Hochrisiko):

System-Name: [Name]
Anbieter: [Unternehmen]
Risikoklasse: [Minimal/Begrenzt/Hochrisiko]
Funktion: [Was macht es?]
Benutzer: [Wer nutzt es?]
Daten: [Welche Daten?]
Externe Auswirkung: [Beeinflussst Menschen außerhalb unseres Unternehmens?]
Hochrisiko-Anforderungen erfüllt:
  - [ ] Risiko-Management-System dokumentiert
  - [ ] Datenqualität überprüft
  - [ ] Technische Dokumentation vorhanden
  - [ ] Konformitätsbewertung durchgeführt
  - [ ] Menschliche Kontrolle etabliert
  - [ ] Monitoring-System aktiv
  - [ ] Incident-Logging eingerichtet

Phase 2: Transparenz und Nutzer-Information (bis 02.08.2026)

2.1 Begrenzte Risiken – Chatbot-Transparenz

Falls du einen Chatbot einsetzt:

  • Nennung: "Powered by AI" oder "Dieser Chat wird von KI unterstützt"
  • Timing: BEVOR der Nutzer die erste Frage stellt
  • Keine versteckte Information in Datenschutz oder Fußnoten
  • Beispiel-Text: "🤖 Du sprichst mit unserem KI-Kundenservice. Unsere KI kann Fehler machen. [Zum Mensch wechseln]"

2.2 Deepfake-Kennzeichnung

Falls du KI-generierte Inhalte nutzt (Text, Bild, Video):

  • Klare Kennzeichnung: "KI-generiert" oder "Mit Anthropic Claude erstellt"
  • Transparent, nicht versteckt
  • Ganz wichtig: Nicht täuschend verwenden

2.3 Dokumentation speichern

  • Alle Transparenz-Maßnahmen dokumentieren (Screenshots, Prozesse)
  • Speichern für mindestens 3 Jahre
  • Falls Behörde fragt: Du kannst zeigen, dass du transparent warst

Phase 3: Menschliche Kontrolle einrichten (Hochrisiko bis 02.08.2026)

3.1 Automatisierte Entscheidungen prüfen

Falls dein System Entscheidungen trifft, die Menschen beeinflussen:

  • HR: Automatischer Bewerbungs-Reject?
  • Kredit: Automatische Ablehnung?
  • Versicherung: Automatische Preisfestlegung?

Menschliche Kontrolle heißt:

  • Ein Mensch schaut die KI-Entscheidung an
  • Er kann sie überschreiben oder ablehnen
  • Dies ist dokumentiert

Beispiel:

  • ❌ Nicht OK: System lehnt 100 Bewerbungen automatisch ab. Nur Top 5 schauen sich Menschen an.
  • ✅ OK: System screened 100 Bewerbungen vor. Sachbearbeiter schauen sich Top 20 an und trifft finale Entscheidung.

3.2 Monitoring-Log einrichten

Pro Hochrisiko-System:

  • Wann wurde das System verwendet?
  • Was war die KI-Entscheidung?
  • Was war die finale Entscheidung (nach menschlicher Kontrolle)?
  • Gab es einen Fehler oder Bias?

Beispiel-Log für Kreditvergabe:

Datum: 2026-03-21
Kunde: ABC GmbH
KI-Score: 75/100 (gutes Risiko)
KI-Entscheidung: Genehmigen
Sachbearbeiter-Entscheidung: Genehmigen
Anmerkung: KI-Score mit finanziellem Abbild korrekt

Falls die KI immer wieder die gleiche Gruppe diskriminiert → Bias erkannt → Abhilfe nötig.

Phase 4: Incident Management (fortlaufend)

4.1 Fehler tracken

Wenn die KI einen Fehler macht:

  1. Dokumentieren: Was ist passiert?
  2. Ursache: Warum ist das passiert?
  3. Behebung: Wie wurde es repariert?
  4. Prävention: Wie verhindern wir das nächstes Mal?

Beispiel:

Incident: Chatbot gab falsche Finanzberatung
Datum: 2026-03-15
Beschreibung: Bot sagte Kunde, dass Dividenden nicht steuerpflichtig sind (falsch)
Ursache: Veraltete Trainingsdaten (vor Steuerreform 2024)
Behebung: System mit 2026-Steuerdaten neu trainiert
Log: Dokumentiert für Behörden-Anfrage falls sie kommt

4.2 Schwerwiegende Vorfälle melden

Falls etwas WIRKLICH schief geht (z.B. Diskriminierung, finanzielle Schädigung, Datenschutz-Verstoß):

  • Österreich: Sofort RTR informieren ([email protected])
  • Parallel: DSB informieren (falls Datenschutz betroffen)
  • Dokumentation: Alles speichern für Behörden

Das nennt sich "Incident Reporting" – ist Pflicht für Hochrisiko-Systeme.

Praktische Checkliste für KMUs

Sofort (bis Ende März 2026):

  • KI-Inventar erstellen
  • Risikoklassifizierung durchführen
  • Hochrisiko-Systeme identifizieren
  • Dokumentations-Template erstellen
  • RTR AI Service Desk durchsuchen (kostenlos!)

Phase 2 (bis Juni 2026):

  • Transparenzmaßnahmen überprüfen (besonders Chatbots)
  • Nutzer-Informationen aktualisieren
  • Menschliche Kontrolle für Hochrisiko etablieren
  • Monitoring-System einrichten

Vor dem 02.08.2026:

  • Alle Dokumentation abgeschlossen
  • Hochrisiko-Systeme fully compliant
  • Team geschult (wer macht was?)
  • Incident-Log-System aktiv
  • Behörden-Anfrage-Plan erstellt (falls es passiert)

Danach (fortlaufend):

  • Monitoring und Incident-Log pflegen
  • Alle 6 Monate: Review (funktioniert alles noch?)
  • Bei neuen Systemen: Risikoklassifizierung machen
  • RTR-Updates abonnieren (Newsletter)

Wichtige Ressourcen für Österreich

Häufige Fehler, die KMUs machen

Fehler 1: "Wir nehmen ein US-Tool, das ist nicht unser Problem"

  • Falsch! Du als Deployer bist verantwortlich, nicht der Anbieter (du bist in Österreich)
  • Richtig: Dokumentation, Transparenz, Monitoring = deine Aufgabe

Fehler 2: "Wir sind zu klein, um Hochrisiko zu haben"

  • Größe spielt keine Rolle. Falls dein System eine Entscheidung trifft → Hochrisiko
  • Ein 5-Personen-KMU mit Bewerbungs-KI ist genauso reguliert wie ein Großkonzern

Fehler 3: "Wir warten bis 02.08.2026"

  • Die Behörden werden direkt nach dem Termin verstärkt kontrollieren
  • Wer VORHER compliant ist, hat einen Vorteil
  • Außerdem: Es gibt Übergangsfrist für Systeme VOR 02.08.2026 eingeführt – nutze sie!

Fehler 4: "Transparenz heißt ein Hinweis im Datenschutz"

  • Falsch! Nutzer muss es BEIM NUTZEN wissen, nicht später im Kleindruck
  • Beispiel: Chatbot-Hinweis DIREKT im Chat, nicht nur in Datenschutzerklärung

Fehler 5: "Menschliche Kontrolle heißt, ein Mensch schaut es an"

  • Teilweise richtig. Aber: Der Mensch muss auch ÜBERSCHREIBEN können
  • Eine Unterschrift unter einer KI-Entscheidung ist keine echte Kontrolle, wenn der Mensch die KI nicht versteht