Der EU AI Act für den Mittelstand: was für Sie gilt, und ab wann
Die meisten Mittelständler bauen keine KI-Modelle. Sie nutzen sie: ein Chatbot auf der Website, ein Assistent im Vertrieb, Copilot in der IDE, vielleicht ein Tool, das Bewerbungen vorsortiert. Damit sind sie in der Sprache des AI Act Betreiber, und die Pflichten für Betreiber sind deutlich leichter, als die Schlagzeilen vermuten lassen, mit einigen wichtigen Ausnahmen. Seit der AI Omnibus am 27. Juli 2026 in Kraft getreten ist, haben sich zudem die Termine für Hochrisiko-Systeme verschoben. Hier die praktische Fassung: welche Rolle Sie haben, welche Ihrer Anwendungsfälle in welche Risikoklasse fallen, was heute schon gilt und worauf Sie sich bis Dezember 2027 vorbereiten sollten. Es ist der Überblick eines Engineers, keine Rechtsberatung.
11 Min. Lesezeit
1. Zuerst die eigene Rolle klären: Betreiber, Anbieter oder Modellanbieter
Der AI Act ordnet Pflichten nach Rollen. Ein Betreiber nutzt ein KI-System in eigener Verantwortung: Ihr Support mit einem Chatbot, Ihre Entwicklerinnen mit einem Coding-Assistenten, HR mit einem Screening-Tool. Ein Anbieter entwickelt ein KI-System und bringt es unter eigenem Namen in Verkehr oder in Betrieb. Ein Anbieter eines KI-Modells mit allgemeinem Verwendungszweck (GPAI) trainiert und veröffentlicht ein Modell wie jene hinter ChatGPT, Claude oder Gemini.
Wer Gemini oder Claude über eine API aufruft und darauf einen internen Assistenten baut, ist Betreiber dieses Assistenten. Verkaufen Sie diesen Assistenten unter Ihrer Marke an Kunden, werden Sie zum Anbieter, und die Anbieterpflichten hängen daran. Die GPAI-Regeln, in Kraft seit 2. August 2025, richten sich an die Modellhersteller: Dokumentation, Urheberrechts-Policy und bei den grössten Modellen Bewertungen systemischer Risiken. Für Sie zählen sie indirekt: Lassen Sie sich die Dokumentation von Ihrem Modellanbieter geben, statt sie selbst zu erstellen.
Tipp aus der Praxis
Neben jeden KI-Anwendungsfall in einer Tabelle die Rolle schreiben. Die meisten Zeilen lauten 'Betreiber'; die wenigen mit 'Anbieter' verdienen einen genaueren Blick.
2. Jeden Anwendungsfall einer von vier Risikoklassen zuordnen
Der Act arbeitet mit vier Stufen. Unannehmbares Risiko ist schlicht verboten: Social Scoring, Manipulation, die Schwächen ausnutzt, ungezieltes Sammeln von Gesichtsbildern, Emotionserkennung am Arbeitsplatz oder in der Bildung, und seit dem Omnibus auch KI, die nicht einvernehmliche intime Bilder erzeugt. Hohes Risiko umfasst Bereiche, in denen KI-Entscheidungen das Leben von Menschen betreffen: Einstellung und Führung von Personal, Zugang zu Bildung, Kreditscoring, kritische Infrastruktur und KI in regulierten Produkten wie Maschinen oder Spielzeug. Transparenzrisiko betrifft Chatbots und KI-erzeugte Inhalte. Alles andere, vom Spamfilter bis zum internen Assistenten, der E-Mails entwirft, ist minimales Risiko ohne besondere Regeln.
Für einen typischen Mittelständler ist das ehrliche Bild: Die meisten Anwendungsfälle sind minimales oder Transparenzrisiko, und einer oder zwei streifen hohes Risiko, meist im HR. Dort liegt die Arbeit. Das Diagramm zeigt die vier Stufen neben den jeweils geltenden Terminen, damit Sie sehen, was wann fällig ist.
3. Was heute schon gilt
Drei Dinge gelten jetzt schon. Die Verbote gelten seit 2. Februar 2025: Wenn irgendetwas in Ihrem Stack aus der Webcam auf die Emotionen von Mitarbeitenden schliesst, muss es weg. KI-Kompetenz gilt seit demselben Datum; der Omnibus hat sie entschärft, sodass Anbieter und Betreiber jetzt Massnahmen ergreifen müssen, um die KI-Kompetenz der Menschen zu fördern, die in ihrem Auftrag KI nutzen, wobei Kommission und Mitgliedstaaten eine stärkere Rolle übernehmen. Praktisch heisst das: eine kurze Schulung pro Rolle und schriftliche Regeln, was in welches Tool darf.
Die Transparenzregeln aus Artikel 50 gelten seit 2. August 2026. Menschen müssen wissen, wann sie mit einem KI-System interagieren, also braucht ein Website-Chatbot einen sichtbaren Hinweis. Anbieter generativer KI müssen synthetische Inhalte maschinenlesbar markieren, und Betreiber müssen Deepfakes und KI-geschriebene Texte zu Themen von öffentlichem Interesse kennzeichnen, sofern keine Person sie geprüft hat. Seit demselben Datum beaufsichtigen das AI Office und die nationalen Behörden den Act und setzen ihn durch.
Tipp aus der Praxis
Der KI-Guide auf dieser Website zeigt unter jedem Gespräch den Hinweis 'KI-Antworten von Gemini'. Eine Zeile UI-Text deckt den Chatbot-Teil von Artikel 50 ab.
4. Hohes Risiko: was sich am 2. Dezember 2027 ändert
Der AI Omnibus hat die Hochrisiko-Termine verschoben: Die Regeln für die sensiblen Bereiche in Anhang III, darunter Beschäftigung, Bildung, Kredit und kritische Infrastruktur, gelten ab 2. Dezember 2027; für KI in Produkten nach Anhang I, etwa Maschinen, Aufzüge oder Spielzeug, ab 2. August 2028. Begründet wird das damit, dass Unternehmen Normen und Hilfsmittel haben sollen, bevor die Pflichten greifen.
Wer ein Hochrisiko-System betreibt, muss nach Artikel 26 fünf Dinge tun: es gemäss Gebrauchsanweisung des Anbieters nutzen, die menschliche Aufsicht Personen mit der nötigen Kompetenz und Befugnis zum Übersteuern übertragen, dafür sorgen, dass die selbst kontrollierten Eingabedaten relevant sind, es überwachen und schwerwiegende Vorfälle melden sowie die erzeugten Logs mindestens sechs Monate aufbewahren. Vor dem Einsatz am Arbeitsplatz informieren Sie die Mitarbeitenden und ihre Vertretung. Öffentliche Stellen, private Einrichtungen mit öffentlichen Dienstleistungen und Betreiber für Kreditscoring oder die Preisgestaltung von Lebens- und Krankenversicherungen führen zusätzlich eine Grundrechte-Folgenabschätzung nach Artikel 27 durch. Der Grossteil der schweren Dokumentation liegt beim Anbieter des Systems, also lautet die erste Frage an Ihren HR-Software-Anbieter, was er bis Dezember 2027 liefert.
5. Bussen, und warum sie nicht der Hauptgrund zum Handeln sind
Artikel 99 legt drei Obergrenzen fest: bis 35 Millionen Euro oder 7 % des weltweiten Jahresumsatzes für verbotene Praktiken, bis 15 Millionen oder 3 % für die meisten anderen Pflichten, die Transparenzregeln eingeschlossen, und bis 7,5 Millionen oder 1 % für irreführende Angaben gegenüber Behörden. Für KMU, Start-ups eingeschlossen, gilt jeweils der niedrigere Betrag, und der Omnibus hat mehrere Erleichterungen für KMU auf kleine Midcaps ausgeweitet.
Nach meiner Erfahrung ist der stärkere Treiber Ihre Kundschaft. Grössere Kunden fragen in Ausschreibungen schon heute, welche KI Sie nutzen, wohin Daten gehen und wer die Ausgaben prüft. Ein einseitiges KI-Inventar mit Rollen, Risikoklassen und Verantwortlichen beantwortet die meisten dieser Fragen, und es ist dasselbe Dokument, das eine Behörde verlangen würde.
6. Ein 30-Tage-Plan für den Mittelstand
Woche eins: Inventar. Jedes Team fragen, welche KI-Tools es nutzt, auch die nicht freigegebenen, und jedes mit Zweck, Rolle, betroffenen Daten und Risikoklasse in die Tabelle schreiben. Woche zwei: Transparenz und Verbotsliste. Den KI-Hinweis bei jedem kundennahen Chatbot ergänzen, prüfen, dass kein Tool unter ein Verbot fällt, und festlegen, wo KI-erzeugte Texte vor der Veröffentlichung eine menschliche Prüfung brauchen. Woche drei: Menschen. Eine kurze Schulung pro Rolle plus eine einseitige Richtlinie, welche Daten in welches Tool dürfen; damit ist die KI-Kompetenz so abgedeckt, dass es auch ein Prüfer sieht.
Woche vier: der Hochrisiko-Plan. Für jeden Anwendungsfall aus Anhang III den Anbieter nach seiner Compliance-Roadmap fragen, die Personen für die menschliche Aufsicht benennen und die Log-Aufbewahrung einrichten. Dann bis Dezember 2027 jedes Quartal eine Überprüfung in den Kalender setzen, denn Leitlinien und Normen kommen noch. Wenn Sie selbst KI-Produkte bauen, deckt die Readiness-Checkliste in meinem Artikel über den Weg vom KI-Prototyp in die Produktion die technische Seite ab: Zugriffsschutz, Logging, Backups und einen Release-Prozess, der Nein sagen kann.
AI inventory (one row per use case)
use case | tool / model | role | data | risk class | owner | due
website chatbot | own guide on Gemini | deployer | visitor input | transparency | sales | done: AI note
coding assistant | Copilot / Claude Code| deployer | source code | minimal | CTO | policy + training
CV pre-screening | HR SaaS vendor | deployer | applicant data | HIGH (Annex III) | HR | 2 Dec 2027
product chatbot | sold to customers | PROVIDER | customer data | transparency | product | marking + docsFazit
Für die meisten Mittelständler ist der AI Act eine Transparenz- und Governance-Aufgabe, kein Compliance-Grossprojekt: die eigene Rolle kennen, Chatbots kennzeichnen, Mitarbeitende schulen und den ein, zwei Hochrisiko-Fällen einen Plan bis Dezember 2027 geben.
Echte Projekte dazu
Selbst ausprobieren
Quellen und offizielle Leitfäden
- European Commission: AI Act (regulatory framework and timeline)
- European Commission: AI Omnibus enters into force (27 July 2026)
- European Commission: Quick facts on the transparency rules (Article 50)
- EUR-Lex: Regulation (EU) 2024/1689 (AI Act)
- EUR-Lex: AI Omnibus Regulation (Official Journal)
- European Commission: Navigating the AI Act (FAQ)
Weitere Artikel
- 3'025 Pull Requests in zehn Monaten: ein KI-gestützter Delivery-Prozess von innen
- FinOps für KI-Kosten: Tokens, Caching, Routing und Budgets, die halten
- Ein Restaurant-Netzwerk in KI-Antworten sichtbar machen: ein GEO-Projekt Schritt für Schritt
- Wie diese Website gebaut ist: statisch, wo es geht, streamend, wo es muss
- Kubernetes-Kosten auf EKS und GKE: dasselbe Playbook, andere Hebel
- Eine Landing Zone für den Mittelstand, in Terraform oder Bicep: die Teile, die zählen
- Das Playbook für Legacy-Migrationen: Wellen, Parallelbetrieb und identische Zeilenzahlen und Prüfsummen
- MCP-Sicherheit im Detail: KI-Assistenten ins Produkt lassen, ohne die Türen zu öffnen
- Monitoring auf Geschäftsergebnisse: grüne Dashboards, leere Kasse
- KI-Agenten am Telefon: die Architektur, und die Stolperfallen, die keine Demo zeigt
- Restore-Tests: Ein Backup, das nie wiederhergestellt wurde, ist nur eine Hoffnung
- KI-Antworten auf Azure Static Web Apps streamen: der eine Header, der alles zurückhielt
- Einen KI-Assistenten für WhatsApp bauen, von Anfang bis Ende: was es über die Demo hinaus braucht
- Air-gapped-Systeme: kritische Software ganz ohne Internet betreiben
- Produktive KI auf AWS: Amazon Bedrock und AgentCore in einem privaten Setup
- Produktive KI auf Microsoft Foundry: ein privates Referenz-Setup für Agenten
- /goal, /loop oder Routines: Hören Sie auf, Ihren Coding-Agenten zu babysitten
- Claudes neue Pläne: Max, Ultra und was sie für Teams bedeuten
- OpenAI Codex Ende 2026: Goal Mode, Dots und wie man es absichert
- GitHub Copilot, Claude Code oder Codex? So würde ich für ein Unternehmen entscheiden
- GEO-Grundlagen: So erscheinen Sie in KI-Antworten
- Produktive KI auf Google Cloud: von Vertex AI zur Gemini Enterprise Agent Platform
- Lokale LLMs im Air-Gap-Netz: KI für Ihre sensibelsten Daten
- Ich will ein lokales LLM betreiben: Welchen Server soll ich kaufen?
- MiniMax M3: ein offenes Spitzenmodell zum Selbstbetreiben?
- Prompt-Research im grossen Stil mit einem offenen Modell
- SEO und GEO zusammen: ein praktisches Audit in 6 Schritten
- Kubernetes richtig dimensionieren: das Playbook, mit dem ein Cluster von 7 auf 4 Nodes kam
- Private KI für sensible Daten: ein lokales LLM-Setup, das durch die Sicherheitsprüfung kommt
- Vom KI-Prototyp zur Produktion: die acht Schichten, die ich ergänze, in dieser Reihenfolge
