Der Grundgedanke ist so einfach wie einleuchtend: Eine KI, die Spam aussortiert, trägt ein anderes Risiko als eine KI, die über die Kreditwürdigkeit eines Menschen mitentscheidet oder Bewerbungen vorsortiert. Statt alle KI-Systeme über einen Kamm zu scheren, staffelt der AI Act seine Anforderungen entlang einer Risikopyramide. Je größer der potenzielle Schaden für Menschen und ihre Rechte, desto strenger die Regeln. Umgekehrt bleibt der Großteil harmloser KI-Anwendungen weitgehend unreguliert – das schont Innovation und Ressourcen dort, wo kein besonderes Risiko besteht.
Dieser Ansatz ist bewusst verhältnismäßig angelegt. Der europäische Gesetzgeber wollte weder KI generell ausbremsen noch alles gleich behandeln. Vielmehr sollen regulatorische Lasten dorthin gelenkt werden, wo sie wirklich nötig sind. Für Unternehmen bedeutet das eine gute Nachricht und eine anspruchsvolle Aufgabe zugleich: Die gute Nachricht ist, dass die meisten KI-Anwendungen in niedrige Risikoklassen fallen. Die Aufgabe besteht darin, jedes eingesetzte System korrekt einzuordnen – denn erst die Einordnung entscheidet, welche Pflichten überhaupt greifen.
Ein einheitlicher Regelkatalog für jede KI wäre in der Praxis kaum umsetzbar gewesen. Er hätte harmlose Anwendungen mit unverhältnismäßigen Pflichten überzogen und gleichzeitig sensible Systeme möglicherweise nicht ausreichend adressiert. Der risikobasierte Ansatz löst dieses Dilemma, indem er die Regelungsintensität an das Schadenspotenzial koppelt. Diese Logik ist im europäischen Recht nicht neu: Auch die Produktsicherheitsgesetzgebung und die DSGVO arbeiten mit abgestuften Anforderungen, die sich am jeweiligen Risiko orientieren. Der AI Act überträgt dieses bewährte Prinzip auf KI-Systeme.
Konkret heißt Proportionalität, dass eine Anwendung nicht wegen ihrer technischen Komplexität streng reguliert wird, sondern wegen ihres Verwendungszwecks und der damit verbundenen Auswirkungen auf Menschen. Ein technisch hochkomplexes Empfehlungssystem für Musik kann in die niedrigste Klasse fallen, während ein vergleichsweise einfaches Punktesystem zur Bewertung von Bewerber:innen als Hochrisiko einzustufen sein kann. Es geht also nicht um die Technik an sich, sondern um den Kontext, in dem sie eingesetzt wird.
Am anschaulichsten lässt sich der Ansatz als Pyramide vorstellen. An der Spitze stehen die verbotenen Praktiken – ein schmaler Bereich inakzeptabler Anwendungen, die grundsätzlich untersagt sind. Darunter folgt die Hochrisiko-KI, für die das volle Pflichtenprogramm gilt. Wieder eine Stufe tiefer liegt das begrenzte Risiko, das vor allem Transparenzpflichten auslöst. Und die breite Basis der Pyramide bildet das minimale Risiko – der weitaus größte Teil aller heute eingesetzten KI, für den keine speziellen Pflichten vorgesehen sind.
Dieses Bild macht zwei Dinge deutlich. Erstens: Der Aufwand konzentriert sich auf die oberen Stufen, die zahlenmäßig klein sind. Zweitens: Die Einordnung ist kein Selbstzweck, sondern der entscheidende Filter, der bestimmt, wie viel Arbeit ein System tatsächlich verursacht. Wer diese Pyramide verinnerlicht, kann jede KI-Anwendung schnell grob verorten und weiß, wo genauer hingeschaut werden muss.
Die vier Klassen sind nicht willkürlich gesetzt, sondern folgen einer klaren Steigerungslogik. Am oberen Ende steht das, was gar nicht erlaubt sein soll – die verbotenen Praktiken. Darunter das, was erlaubt, aber streng reguliert ist – die Hochrisiko-KI. Dann das, was erlaubt und nur mit Transparenzpflichten belegt ist – das begrenzte Risiko. Und schließlich das, was ohne besondere Auflagen erlaubt ist – das minimale Risiko. Diese Abstufung spiegelt den Grundgedanken der Verhältnismäßigkeit unmittelbar wider.
Entscheidend für die Zuordnung ist fast immer die Zweckbestimmung eines Systems, also der beabsichtigte Verwendungszweck. Dasselbe technische Verfahren kann je nach Einsatzkontext in unterschiedliche Klassen fallen. Genau deshalb lässt sich die Frage „In welche Klasse gehört unser System?“ nicht abstrakt beantworten, sondern nur mit Blick auf den konkreten Anwendungsfall. Grenzfälle sollten fachjuristisch geprüft werden – dies ist keine Rechtsberatung.
Neben den vier Risikoklassen kennt der AI Act ein eigenes Regime für General-Purpose-AI-Modelle (GPAI) – also breit einsetzbare Basismodelle, die vielen nachgelagerten Anwendungen zugrunde liegen. Diese Modelle passen nicht sauber in die klassische Pyramide, weil ihr Risiko stark davon abhängt, wofür sie eingesetzt werden. Der AI Act adressiert sie deshalb mit gesonderten Transparenz- und Dokumentationspflichten, die parallel zur Risikoklassifizierung der konkreten Anwendung stehen. Für die meisten Unternehmen bleibt die Einordnung ihrer eigenen Anwendungen in die vier Klassen der praktisch wichtigere Schritt; das GPAI-Regime betrifft vor allem Modellanbieter und die Integration solcher Modelle.
Verbotene Praktiken sind der einzige Bereich, in dem der AI Act nicht reguliert, sondern schlicht untersagt. Der Grund liegt in den betroffenen Rechtsgütern: Es geht um Anwendungen, die als unvereinbar mit den europäischen Grundwerten und Grundrechten gelten – etwa mit der Menschenwürde, dem Diskriminierungsverbot und dem Schutz vor Manipulation. Für diese Anwendungen gibt es keine Compliance-Lösung, mit der sie doch zulässig würden; das Verbot ist die Regel. Bemerkenswert ist, dass diese Verbote nach aktuellem Stand bereits seit Februar 2025 gelten und damit der am frühesten wirksame Teil der Verordnung sind.
Der AI Act benennt mehrere Gruppen inakzeptabler Praktiken. Dazu zählen nach aktuellem Stand insbesondere die folgenden – jeweils mit im Gesetzestext präzise gefassten Voraussetzungen und teils eng umgrenzten Ausnahmen:
Wichtig ist: Die genaue Reichweite jeder Kategorie, ihre Tatbestandsmerkmale und ihre Ausnahmen sind im Verordnungstext detailliert geregelt und im Einzelfall juristisch komplex. Ob eine konkrete Anwendung unter ein Verbot fällt, lässt sich nicht pauschal beantworten und sollte mit einer Fachjurist:in geklärt werden.
Für die meisten mittelständischen Unternehmen sind die verbotenen Praktiken in der Praxis selten unmittelbar relevant. Kaum ein typisches Geschäfts-Tool – sei es im Marketing, im Kundenservice oder in der Produktion – fällt in diese Kategorie. Dennoch wäre es falsch, das Thema einfach zu überspringen. Der AI Act verlangt eine bewusste Auseinandersetzung, und einzelne Anwendungen können näher an einer verbotenen Praktik liegen, als man auf den ersten Blick vermutet – etwa bestimmte Formen der Emotionsanalyse im Arbeitskontext oder besonders aggressive verhaltensbeeinflussende Systeme.
Unsere Empfehlung aus der Beratungspraxis: Die Frage „Setzen wir irgendwo eine verbotene Praktik ein?“ sollte bewusst gestellt und die Antwort dokumentiert werden – als Teil der Klassifizierung. In den allermeisten Fällen lautet die Antwort „Nein“, und genau diese dokumentierte Verneinung ist wertvoll. Denn sie zeigt, dass die Frage gestellt wurde, statt sie zu übergehen.
Anders als bei den Verboten sind Hochrisiko-Systeme erlaubt – aber nur, wenn sie ein umfangreiches Pflichtenprogramm erfüllen (dazu ausführlich in Kapitel 05). Der entscheidende erste Schritt ist deshalb die Frage, ob ein System überhaupt als Hochrisiko einzustufen ist. Der AI Act beantwortet diese Frage über zwei Mechanismen, die sich an unterschiedlichen Anhängen der Verordnung orientieren.
Der erste Weg betrifft KI-Systeme, die als Sicherheitskomponente in bereits regulierten Produkten eingesetzt werden – oder die selbst ein solches Produkt sind. Gemeint sind Produkte, die schon heute unter bestehende EU-Harmonisierungsrechtsvorschriften fallen, wie sie in Anhang I des AI Act aufgeführt sind. Dazu zählen nach aktuellem Stand etwa Maschinen, medizinische Geräte, Fahrzeuge, Aufzüge, Funkanlagen oder Spielzeug. Wird KI in solchen Produkten sicherheitsrelevant, überträgt der AI Act die Hochrisiko-Logik auf diese KI-Komponente – oft verzahnt mit den bereits bestehenden Konformitätsverfahren des jeweiligen Produktrechts.
Für Unternehmen, die physische Produkte herstellen oder in Verkehr bringen, ist dieser Weg besonders relevant. Er bedeutet, dass sich die AI-Act-Pflichten in die ohnehin vorhandene Produktzertifizierung einfügen – was Chancen zur Integration bietet, aber auch zusätzliche Anforderungen. Ob ein konkretes Produkt betroffen ist, hängt von der einschlägigen sektoralen Regulierung ab und sollte fachlich abgesichert werden.
Der zweite und für viele KMU praktisch wichtigere Weg führt über Anhang III. Dort listet der AI Act sensible Anwendungsbereiche auf, in denen KI-Systeme grundsätzlich als Hochrisiko gelten. Dazu zählen nach aktuellem Stand unter anderem:
Gerade die HR- und Bonitäts-Anwendungsfälle treffen viele mittelständische Unternehmen unmittelbar, weil entsprechende Funktionen oft in eingekaufter Standardsoftware stecken. Eine HR-Software, die Bewerbungen automatisiert vorsortiert, kann nach aktuellem Stand ein Hochrisiko-System sein – auch wenn sie im Marketing gar nicht prominent als „KI“ beworben wird.
Der AI Act sieht nach aktuellem Stand vor, dass ein System aus Anhang III unter bestimmten Voraussetzungen doch nicht als Hochrisiko gilt – nämlich dann, wenn es kein erhebliches Risiko für Gesundheit, Sicherheit oder Grundrechte darstellt, etwa weil es nur eine eng begrenzte verfahrensbezogene Aufgabe erfüllt oder eine menschliche Bewertung lediglich unterstützt, ohne sie zu ersetzen. Diese Ausnahme ist an Bedingungen geknüpft und erfordert eine dokumentierte Einschätzung. Sie ist kein Freibrief, sondern eine eng umgrenzte Möglichkeit, deren Voraussetzungen sorgfältig zu prüfen und zu dokumentieren sind. Ob sie im konkreten Fall greift, sollte fachjuristisch bewertet werden.
Die Hauptlast dieser Pflichten liegt nach aktuellem Stand beim Anbieter – also bei der Stelle, die das System entwickelt oder unter eigenem Namen in Verkehr bringt. Der Betreiber trägt daneben eigene Betriebspflichten (mehr dazu in Kapitel 07). Die folgenden Bausteine bilden das Herz des Hochrisiko-Regimes.
Drei Pflichten bilden das Fundament. Erstens ein Risikomanagementsystem, das über den gesamten Lebenszyklus des Systems betrieben wird: Risiken für Gesundheit, Sicherheit und Grundrechte werden systematisch identifiziert, bewertet und durch geeignete Maßnahmen behandelt – fortlaufend, nicht einmalig. Zweitens die Daten-Governance: Die für Training, Validierung und Test verwendeten Datensätze müssen bestimmten Qualitätsanforderungen genügen, insbesondere hinsichtlich Relevanz, Repräsentativität und der Vermeidung unzulässiger Verzerrungen. Drittens eine umfassende technische Dokumentation, die belegt, dass das System die Anforderungen erfüllt, und die vor dem Inverkehrbringen erstellt und danach aktuell gehalten wird.
Diese drei Pflichten hängen eng zusammen: Ohne saubere Daten-Governance ist kein belastbares Risikomanagement möglich, und ohne Dokumentation lässt sich weder das eine noch das andere nachweisen. In der Praxis ist die Dokumentation oft der Punkt, an dem sich zeigt, wie reif die Prozesse eines Anbieters wirklich sind.
Auf dem Fundament setzen drei weitere Pflichten auf. Die Protokollierung verlangt, dass Hochrisiko-Systeme Ereignisse automatisch aufzeichnen können, sodass ihr Betrieb nachvollziehbar und rückverfolgbar bleibt. Die Transparenz gegenüber Betreibern bedeutet, dass Anbieter klare Betriebsanleitungen und Informationen bereitstellen, damit Betreiber das System richtig einsetzen und seine Grenzen verstehen können. Und die menschliche Aufsicht verlangt, dass Systeme so gestaltet sind, dass Menschen den Betrieb wirksam überwachen, eingreifen und im Zweifel korrigieren oder stoppen können.
Gerade die menschliche Aufsicht ist mehr als ein technisches Detail: Sie ist ein zentrales Grundrechtsversprechen des AI Act. Automatisierte Entscheidungen in sensiblen Bereichen sollen nicht unkontrolliert ablaufen, sondern unter dem Vorbehalt menschlicher Kontrolle stehen. Für Betreiber bedeutet das, die Aufsicht im laufenden Betrieb tatsächlich sicherzustellen – nicht nur auf dem Papier.
Schließlich verlangt der AI Act ein angemessenes Maß an Genauigkeit, Robustheit und Cybersicherheit. Ein Hochrisiko-System soll zuverlässig funktionieren, auch unter widrigen Bedingungen stabil bleiben und gegen Manipulationen abgesichert sein. Bevor ein solches System in Verkehr gebracht wird, steht die Konformitätsbewertung – der formale Nachweis, dass alle Anforderungen erfüllt sind. Danach folgen Kennzeichnung, gegebenenfalls Registrierung sowie eine Beobachtung nach dem Inverkehrbringen, mit der der Anbieter das System im realen Einsatz weiter überwacht.
Während die oberen Stufen der Pyramide zahlenmäßig klein sind, bilden begrenztes und minimales Risiko die breite Basis. Für den Alltag im Mittelstand sind diese beiden Klassen deshalb oft die wichtigsten – nicht wegen der Höhe der Anforderungen, sondern wegen der schieren Zahl betroffener Anwendungen.
Beim begrenzten Risiko steht die Transparenz im Vordergrund. Der Grundgedanke: Menschen sollen nicht getäuscht werden. Wer mit einem Chatbot kommuniziert, soll erkennen können, dass das Gegenüber eine Maschine ist. KI-generierte oder -manipulierte Inhalte – etwa synthetische Bilder, Audio- oder Videoinhalte, also sogenannte Deepfakes – sollen als künstlich erzeugt gekennzeichnet werden. Ähnliches gilt nach aktuellem Stand für bestimmte Formen der Emotionserkennung oder biometrischen Kategorisierung, die zwar nicht verboten, aber mit Informationspflichten belegt sind.
Diese Pflichten sind in der Umsetzung meist überschaubar, betreffen aber sehr viele Unternehmen, weil Chatbots und generative Inhalte heute weit verbreitet sind. Der praktische Schlüssel liegt darin, Transparenz von vornherein in Prozesse, Benutzeroberflächen und Redaktionsrichtlinien einzubauen – etwa durch einen klaren Hinweis „Sie chatten mit einem KI-Assistenten“ oder durch eine sichtbare Kennzeichnung KI-generierter Inhalte. Die genaue Reichweite, mögliche Ausnahmen und die richtige Umsetzungsform hängen vom Einzelfall ab und sollten fachjuristisch geprüft werden.
Die vierte Klasse, das minimale Risiko, umfasst den Großteil der eingesetzten KI: Spamfilter, Empfehlungssysteme, KI in Videospielen, viele Formen der Automatisierung im Hintergrund. Für diese Klasse sieht der AI Act keine spezifischen Verpflichtungen vor. Der Gesetzgeber ermutigt aber ausdrücklich zu freiwilligen Verhaltenskodizes – etwa um auch bei unkritischen Systemen Qualität, Fairness und Transparenz zu fördern.
Für Unternehmen ist das eine Chance: Wer freiwillig Standards setzt, baut Vertrauen bei Kund:innen und Beschäftigten auf, ohne dazu gezwungen zu sein. Zugleich sollte die Einordnung „minimales Risiko“ bewusst getroffen und dokumentiert werden – denn sie ist das Ergebnis der Klassifizierung, nicht deren Ausgangspunkt. Ein System landet nicht automatisch in dieser Klasse, nur weil es harmlos wirkt; es landet dort, weil geprüft wurde, dass keine höhere Stufe greift.
Eine Pflicht gilt unabhängig von der Risikoklasse und betrifft damit auch Anwendungen mit minimalem Risiko: die KI-Kompetenz (AI Literacy). Nach aktuellem Stand müssen Anbieter und Betreiber dafür sorgen, dass die mit KI befassten Personen über ein ausreichendes Maß an KI-Kompetenz verfügen – angemessen zu Aufgabe, Vorwissen und Einsatzkontext. Gemeint ist kein Expertenstatus, sondern ein angemessenes Grundverständnis von Möglichkeiten, Grenzen und Risiken der genutzten Systeme. Diese Pflicht ist bemerkenswert, weil sie selbst bei niedrigem Risiko eine organisatorische Grundpflicht begründet und damit nahezu jedes KI-nutzende Unternehmen erreicht.
Der AI Act adressiert mehrere Akteursrollen, von denen für Unternehmen zwei zentral sind. Der Anbieter (im Verordnungstext „Provider“) ist, wer ein KI-System entwickelt oder entwickeln lässt und es unter eigenem Namen oder eigener Marke in Verkehr bringt oder in Betrieb nimmt. Der Betreiber (im Verordnungstext „Deployer“) ist, wer ein KI-System in eigener Verantwortung im Rahmen einer beruflichen Tätigkeit einsetzt. Die meisten mittelständischen Unternehmen sind in erster Linie Betreiber – sie kaufen fertige KI-Werkzeuge ein und nutzen sie, statt eigene KI-Systeme zu entwickeln und am Markt anzubieten.
Beim Hochrisiko-System ist die Lastenverteilung klar gewichtet: Der Anbieter trägt das umfassende Pflichtenprogramm aus Kapitel 05, während der Betreiber eine Reihe von Betriebspflichten erfüllt – etwa die Nutzung gemäß den Anbieter-Vorgaben, die Sicherstellung menschlicher Aufsicht im laufenden Betrieb, die Überwachung des Systems und in bestimmten Fällen Informations- und Dokumentationspflichten. Diese Asymmetrie ist für den Mittelstand eine gute Nachricht, bedeutet aber nicht, dass Betreiber sorgenfrei sind.
Ein wichtiger Punkt, der oft übersehen wird: Unter bestimmten Umständen kann ein Betreiber rechtlich zum Anbieter werden – mit allen daraus folgenden, deutlich weitergehenden Pflichten. Das kann nach aktuellem Stand etwa der Fall sein, wenn ein Unternehmen ein bestehendes Hochrisiko-System unter eigenem Namen oder eigener Marke vermarktet, dessen Zweckbestimmung wesentlich verändert oder ein nicht als Hochrisiko eingestuftes System so umbaut, dass es zum Hochrisiko-System wird. Wo genau diese Schwelle liegt, ist juristisch heikel und sollte im Zweifel mit einer Fachjurist:in geklärt werden.
Diese Stolperfalle ist mehr als eine theoretische Feinheit. Sie wird praktisch relevant, sobald Unternehmen KI-Werkzeuge stark anpassen, mit eigenen Daten neu trainieren oder unter eigenem Namen weitervertreiben. Wer solche Anpassungen plant, sollte die Rollenfrage frühzeitig klären, um nicht ungewollt in das umfassende Anbieter-Regime zu geraten.
Für Hochrisiko-Systeme steht vor dem Inverkehrbringen die Konformitätsbewertung – der Nachweis, dass alle Anforderungen erfüllt sind. Je nach System kann dies nach aktuellem Stand über eine interne Kontrolle durch den Anbieter selbst erfolgen oder – in bestimmten Fällen – unter Einbindung einer sogenannten benannten Stelle (Notified Body). Nach erfolgreicher Bewertung folgen die Ausstellung der EU-Konformitätserklärung, die Anbringung der CE-Kennzeichnung und, soweit vorgesehen, die Registrierung in einer EU-Datenbank. Harmonisierte Normen spielen dabei eine wichtige Rolle: Ihre Anwendung kann nach aktuellem Stand eine Konformitätsvermutung auslösen und den Nachweis erheblich erleichtern.
Für Betreiber ist die Konformitätsbewertung in der Regel keine eigene Pflicht – wohl aber ein wichtiges Prüfkriterium beim Einkauf: Wer ein Hochrisiko-System beschafft, sollte sich die entsprechenden Konformitätsunterlagen und Betriebsanleitungen vom Anbieter geben lassen und vertraglich absichern. Damit schließt sich der Kreis zur Rollenfrage: Auch wer „nur“ Betreiber ist, profitiert davon, die Anbieterpflichten zu kennen.
Der gefährlichste Trugschluss im Mittelstand lautet, dass nur KI-Hersteller betroffen seien. Tatsächlich treffen Betreiberpflichten jedes Unternehmen, das KI einsetzt – und Hochrisiko-Funktionen stecken oft unsichtbar in eingekaufter Standardsoftware. Der zweite Trugschluss ist das Gegenteil: alles pauschal wie Hochrisiko zu behandeln und sich in unnötiger Bürokratie zu verlieren. Der risikobasierte Ansatz bietet den Ausweg aus beiden Fallen – vorausgesetzt, man wendet ihn systematisch an.
Von allen Schritten ist die Klassifizierung der wichtigste – sie ist der Filter, der über den gesamten weiteren Aufwand entscheidet. Landet ein System in der Klasse „minimal“, ist die Arbeit weitgehend erledigt. Landet es in „Hochrisiko“, beginnt das umfangreiche Pflichtenprogramm. Deshalb lohnt es sich, in diesen Schritt Sorgfalt zu investieren und Grenzfälle nicht vorschnell in die niedrigere Klasse einzuordnen, sondern bewusst zu prüfen und zu dokumentieren.
Aus unserer Erfahrung konzentriert sich der reale Aufwand fast immer auf wenige Systeme: die wenigen Hochrisiko-Fälle, die überschaubaren Transparenzfälle sowie die übergreifenden Themen Governance und KI-Kompetenz. Der Großteil des Inventars fällt in die niedrigen Klassen. Genau diese Konzentration macht den risikobasierten Ansatz im Mittelstand beherrschbar – wenn man früh und strukturiert beginnt.
Der AI Act ist nach aktuellem Stand im August 2024 in Kraft getreten, wird aber nicht auf einen Schlag wirksam. Die Anwendung folgt einer inneren Logik, die sich direkt aus dem risikobasierten Ansatz ableitet: Was am gefährlichsten ist, wird zuerst wirksam. Deshalb gelten die Verbote als Erstes, gefolgt von den Pflichten für General-Purpose-AI und schließlich den komplexeren Hochrisiko-Pflichten, die zuletzt greifen – damit Unternehmen, Behörden und benannte Stellen Zeit haben, die nötigen Strukturen aufzubauen.
Für die Praxis heißt das: Es gibt kein einheitliches Stichtag-Datum, an dem alles gilt. Unternehmen sollten die für ihre konkreten Systeme relevanten Fristen identifizieren und rückwärts planen. Wer ein Hochrisiko-System einsetzt, dessen Pflichten nach aktuellem Stand ab etwa 2026 greifen, sollte nicht erst dann mit der Vorbereitung beginnen – Datenaufbereitung, Dokumentation und Konformitätsbewertung brauchen Vorlauf. Konkrete Daten und Übergangsregelungen können sich durch delegierte Rechtsakte, Leitlinien und harmonisierte Normen weiter konkretisieren; sie sind mit einer Fachjurist:in zu verifizieren.
Wie schon die DSGVO setzt der AI Act auf abschreckende Geldbußen, die sich nach aktuellem Stand an Höchstbeträgen oder einem Prozentsatz des weltweiten Jahresumsatzes orientieren – je nachdem, welcher Betrag höher ist. Die Höhe ist nach der Schwere des Verstoßes gestaffelt und spiegelt damit wiederum den risikobasierten Ansatz: Verstöße gegen die verbotenen Praktiken werden am härtesten geahndet, gefolgt von Verstößen gegen sonstige Pflichten und – mit geringerem Rahmen – der Bereitstellung falscher oder irreführender Informationen gegenüber Behörden. Für GPAI-Anbieter gelten eigene Sanktionsregelungen.
Die Verordnung sieht nach aktuellem Stand zudem vor, dass bei der Bemessung von Geldbußen die Lage kleiner und mittlerer Unternehmen sowie von Start-ups berücksichtigt wird. Das mindert das Risiko, ändert aber nichts am Grundsatz: Verstöße können teuer werden. Neben dem Bußgeld drohen mittelbare Folgen – Marktzugangsrisiken bei nicht konformen Hochrisiko-Systemen, Reputationsschäden, Vertragsrisiken in Lieferketten und Betriebsrisiken, wenn ein zentrales System nachträglich als nicht konform erkannt wird. Die konkreten Bußgeldhöhen, ihre Staffelung und ihre Anwendung im Einzelfall ergeben sich aus dem Verordnungstext und sind fachjuristisch zu bewerten.
Ein verbreitetes Missverständnis lautet, der AI Act sei eine Art „DSGVO für KI“. Das trifft nicht zu. Der AI Act ist im Kern ein Produktsicherheits- und Grundrechtegesetz: Er regelt, unter welchen Bedingungen ein KI-System in Verkehr gebracht und betrieben werden darf. Die DSGVO regelt demgegenüber den Umgang mit personenbezogenen Daten – Rechtsgrundlagen, Betroffenenrechte, Datenschutz-Folgenabschätzung und mehr. Beide Regime gelten parallel und ergänzen sich; sie verdrängen einander nicht.
Ein wichtiger Punkt der Abgrenzung: Eine Datenschutz-Folgenabschätzung nach DSGVO und das Risikomanagement nach AI Act sind nicht dasselbe. Die DSGVO blickt auf Risiken für die Rechte und Freiheiten betroffener Personen aus Sicht der Datenverarbeitung; der AI Act blickt zusätzlich auf Sicherheits- und Grundrechtsrisiken des KI-Systems als Produkt. Ob im konkreten Fall beide Prüfungen nötig sind und wie sie ineinandergreifen, ist eine Frage des Einzelfalls und sollte fachjuristisch geklärt werden – dies ist keine Rechtsberatung.
