Ratgeber

KI-Automatisierung und der EU AI Act: Kennzeichnungspflicht

Seit August 2026 gelten die Transparenzpflichten des EU AI Act. Was das für eine KI-Automatisierung konkret bedeutet, wen es betrifft und was in der Umsetzung tatsächlich zu tun ist.

Einschätzung anfragen ↗KI-Automatisierung

Angebot nach Anfrage4 bis 8 WochenStand 2026

Kurz gesagt

Seit August 2026 gelten die Transparenzpflichten aus Artikel 50 des EU AI Act: Wer direkt mit einem KI-System kommuniziert, muss das erkennen können. Die Kennzeichnung bauen wir standardmäßig ein. Für eine KI-Automatisierung heißt das: Die Kennzeichnung ist Pflicht, nicht optional, und gilt unabhängig von der Unternehmensgröße — ein Einzelunternehmen ist genauso betroffen wie ein Konzern. Maßgeblich sind Einsatzzweck und Risiko, nicht die Mitarbeiterzahl.

01 — Rechtslage

EU AI Act: was gilt

Seit August 2026 gelten die Transparenzpflichten aus Artikel 50 des EU AI Act: Wer direkt mit einem KI-System kommuniziert, muss das erkennen können. Die Kennzeichnung bauen wir standardmäßig ein.

Der AI Act unterscheidet nicht nach Unternehmensgröße: Ein Einzelunternehmen mit einem KI-System im Kundenkontakt ist genauso betroffen wie ein Konzern. Maßgeblich sind Einsatzzweck und Risiko, nicht die Mitarbeiterzahl.

Dazu kommt die Pflicht, für ausreichende KI-Kompetenz der damit befassten Personen zu sorgen. Das ist keine Prüfungspflicht, sollte aber dokumentiert sein — eine Schulung mit Teilnehmerliste ist der einfachste Nachweis.

02 — Datenschutz

Was die DSGVO verlangt

Sobald personenbezogene Daten verarbeitet werden — und das passiert schneller als gedacht, etwa sobald jemand einen Namen oder eine Telefonnummer eingibt — gelten die üblichen Pflichten: Rechtsgrundlage benennen, Zweck festlegen, Datensparsamkeit einhalten, Löschfristen definieren, Betroffene informieren.

Praktisch heißt das für KI-Automatisierung: ein Auftragsverarbeitungsvertrag mit jedem beteiligten Dienstleister, die Prüfung, wo verarbeitet wird, eine dokumentierte Löschfrist und eine verständliche Passage in der Datenschutzerklärung. Drei Dinge fehlen in der Praxis fast immer: die definierte Löschfrist, der Hinweis an der Stelle, an der die Daten erhoben werden, und die Klärung, ob der Anbieter die Daten für eigenes Training nutzt.

Eine Datenschutz-Folgenabschätzung ist nur bei voraussichtlich hohem Risiko nötig — bei den meisten Vorhaben dieser Art nicht. Die Prüfung selbst sollte trotzdem dokumentiert werden, damit im Anlassfall nachvollziehbar ist, warum sie entfallen ist.

03 — Risiken

Was schiefgehen kann

Das System antwortet falsch. Begrenzbar, indem es ausschließlich aus geprüften Inhalten arbeitet und bei Unsicherheit weiterleitet statt zu raten. Das ist eine Konfigurationsentscheidung, keine Eigenschaft der Technik.
Der Aufwand wird unterschätzt. Häufigster Grund: unklare Ausgangslage. Eine ehrliche Bestandsaufnahme vor dem Angebot verhindert das zuverlässiger als jeder Puffer.
Niemand pflegt es. Das größte Risiko überhaupt — und das am leichtesten vermeidbare.
Datenschutzlücken. Entstehen fast immer durch fehlende Löschfristen und unklare Zuständigkeit, selten durch die Technik selbst.
Abhängigkeit vom Anbieter. Vermeidbar, wenn Zugänge, Daten und Dokumentation vertraglich beim Auftraggeber liegen.

04 — Fragen

Häufige Fragen

Was ist der Unterschied zu normaler Automatisierung?

Normale Automatisierung folgt festen Regeln: Wenn Feld A gefüllt ist, mach B. KI-Automatisierung kommt dort ins Spiel, wo es keine festen Felder gibt — freier Text, Bilder, wechselnde Dokumentformate. Beides zusammen ist meist die richtige Antwort, nicht eines von beiden.

Wie unterscheidet sich das von einem Chatbot?

Ein Chatbot beantwortet Fragen im Dialog. KI-Automatisierung läuft im Hintergrund ohne Gespräch — sie liest, ordnet ein und entscheidet vor, während jemand anderes an der eigentlichen Arbeit sitzt.

Landen unsere Daten im Training eines Sprachmodells?

Nein. Wir nutzen ausschließlich Zugänge, bei denen Training mit Kundendaten vertraglich ausgeschlossen ist, und verarbeiten in der EU. Bei besonders sensiblen Daten setzen wir Modelle ein, die auf eurer eigenen Infrastruktur laufen.

Können wir klein anfangen?

Das ist der einzige sinnvolle Weg. Ein Anwendungsfall, acht Wochen, messbares Ergebnis. Was danach kommt, entscheidet ihr auf Basis dessen, was ihr gesehen habt.

Was sagt der EU AI Act dazu?

Die meisten betrieblichen Anwendungsfälle fallen in die Kategorie mit geringem Risiko und lösen vor allem Transparenzpflichten aus. Wo Kunden direkt mit dem System sprechen oder KI-generierte Inhalte veröffentlicht werden, kennzeichnen wir das. Bei Anwendungen im Personalbereich schauen wir genauer hin, dort gelten strengere Regeln.

Was, wenn sich die Dokumente oder Formate ändern?

Solange die inhaltliche Bedeutung gleich bleibt, kommt das System gut zurecht — anders als starre, feldbasierte Erkennung. Grundlegend neue Dokumentarten brauchen eine kurze Nachjustierung, keinen Neubau.

Wie zuverlässig ist das?

Das hängt vom Anwendungsfall ab, und wir messen es, bevor etwas live geht. Bei Klassifikation eingehender Nachrichten liegen gut gebaute Systeme regelmäßig über neunzig Prozent. Entscheidend ist nicht die Quote allein, sondern was bei einem Fehler passiert — deshalb bauen wir immer eine Prüfschwelle ein.

Nächster Schritt

Erste Einschätzung, ohne Verpflichtung.

Beschreibt kurz, worum es geht. Ihr bekommt eine ehrliche Antwort dazu, was realistisch ist und was es ungefähr kostet.

Anfrage senden ↗ office@pipeline-solutions.at ODER +43 681 207 64 203