AI-Act-Inventar aufbauen: Erster Strukturrahmen und typischer Aufwand

Welche regulatorische Grundlage greift?

Eine ausdrückliche „Inventar-Pflicht" formuliert der AI Act nicht, ein dokumentiertes Verzeichnis ergibt sich jedoch mittelbar aus mehreren Vorgaben:

• AI Act Art. 26: Betreiber von Hochrisiko-KI-Systemen müssen diese nach Betriebsanleitung verwenden (Abs. 1), die menschliche Aufsicht kompetenten Personen zuweisen (Abs. 2), den Betrieb überwachen und Risiken sowie schwerwiegende Vorfälle melden (Abs. 5) und automatisch erzeugte Logs mindestens sechs Monate aufbewahren (Abs. 6). Nach dem Digital Omnibus gelten diese Pflichten für Systeme nach Anhang III ab 02.12.2027, für Systeme nach Anhang I ab 02.08.2028. Ob ein Unternehmen betroffen ist, lässt sich nur mit einer Übersicht der eingesetzten Systeme prüfen.
• DSGVO Art. 30: Verarbeitungen personenbezogener Daten mit KI-Systemen gehören in das Verzeichnis von Verarbeitungstätigkeiten, soweit keine Ausnahme nach Art. 30 Abs. 5 DSGVO greift.

• DSGVO Art. 5 Abs. 2 / Art. 24: Rechenschaftspflicht erfordert dokumentierte Strukturen.
• AI Act Art. 4 (seit dem Digital Omnibus, VO (EU) 2026/1744, als Pflicht zu Maßnahmen, die die Entwicklung von KI-Kompetenz unterstützen): Die Pflicht setzt voraus, dass Unternehmen wissen, welche KI bei welchen Mitarbeitenden zum Einsatz kommt.

Welche Konstellation passt zu deinem KI-Profil?

Der AI Act unterscheidet vier Risiko-Klassen, deren konkrete Zuordnung vom Anwendungsfall, nicht vom Tool, abhängt:

• Verboten (Art. 5 AI Act): Social Scoring (durch öffentliche wie private Stellen), manipulative Techniken mit erheblichem Schaden, Ausnutzen von Schwächen, Predictive Policing nur auf Profilen, ungezieltes Gesichts-Scraping, Emotionserkennung am Arbeitsplatz (mit Ausnahmen), biometrische Kategorisierung sensibler Merkmale, biometrische Echtzeit-Fernidentifizierung in öffentlich zugänglichen Räumen zu Strafverfolgungszwecken (mit eng begrenzten Ausnahmen).

• Hochrisiko (Anhang III AI Act): u. a. HR-Auswahl, Credit-Scoring, biometrische Identifikation, kritische Infrastruktur, Bildungsbewertung, Strafverfolgung, vorbehaltlich der Ausnahmen in Art. 6 Abs. 3 AI Act.

• Begrenztes Risiko / Transparenz (Art. 50 AI Act): Chatbots, KI-generierte Inhalte für die Öffentlichkeit, Deepfakes.

• Minimal: Texterstellung, Recherche, interne Übersetzungen ohne weitere Risiko-Kontexte, typischerweise ohne spezifische AI-Act-Pflichten, mit Ausnahme der KI-Kompetenz nach Art. 4.

Beispiel: Generative KI zur Texterstellung wird regelmäßig der Kategorie „minimal" zugeordnet. Wird dasselbe Tool zur Vorauswahl von Bewerbungen eingesetzt, kann eine Hochrisiko-Konstellation nach Anhang III Nr. 4 vorliegen.

Welcher Aufbau-Rahmen ist verbreitet?

Als Arbeitsgrundlage eignet sich eine Struktur mit sechs Spalten. Sie ist ein redaktioneller Vorschlag, keine gesetzliche Vorgabe; ob sie im konkreten Fall passt, ist im Einzelfall zu beurteilen.

Spalte 1, KI-System / Tool: konkrete Namen (z. B. „ChatGPT Enterprise", „Microsoft Copilot for M365", „Gemini Workspace", „Midjourney", „ElevenLabs", „Jira Atlassian Intelligence").

Kategorien-Bezeichnungen wie „Chatbot" reichen für eine spätere Klassifizierung typischerweise nicht aus.

Spalte 2, Einsatzzweck: konkrete Anwendungsfälle pro System. „Texterstellung Marketing", „Code-Review", „Transkript-Erstellung", „Bild-Generation für Social Media", „Lebenslauf-Sichtung HR" sind verbreitete Formulierungen. Die Klassifizierung nach AI Act knüpft regelmäßig hier an.

Spalte 3, Datenkategorien: vier-stufige Klassifikation (öffentlich, intern, vertraulich, personenbezogen) ist verbreitet. Eine konkrete Benennung („Kundennamen + E-Mail-Adressen") ist typischerweise präziser als pauschale Kategorien.

Spalte 4, Risiko-Klassifizierung nach AI Act: Zuordnung zu verboten / Hochrisiko / begrenzt / minimal mit Quellenverweis (Art. 5 AI Act, Anhang III AI Act, Art. 50 AI Act).

Spalte 5, Anbieter-Status: DSGVO-Konformitäts-Indikatoren (AVV vorhanden, Datenstandort, Standardvertragsklauseln bei Drittland-Bezug, Trainingsnutzung der Eingaben).

Spalte 6, Lizenz-Tier: Free / Pro / Team / Enterprise. Eine Verarbeitung intern-vertraulicher Daten in Free-Tiers ist regelmäßig kritisch zu bewerten.

Vorgehen für den ersten Inventar-Aufbau

Ein erster Aufbau-Rahmen lässt sich in der Praxis in vier Phasen strukturieren. Der typische Aufwand liegt bei 1-3 Stunden je nach KI-Bestand und Verfügbarkeit der beteiligten Personen.

Phase 1, technische Erhebung (15-30 Minuten): Auswertung von Browser-Logs, SSO-Anmeldungen und ggf. Firewall-Reports der letzten 30 Tage mit Filter auf bekannte KI-Domains (openai.com, anthropic.com, copilot.microsoft.com, gemini.google.com, midjourney.com, elevenlabs.io, perplexity.ai).

Phase 2, Mitarbeiter-Befragung (15-30 Minuten Vorbereitung, mehrtägige Rücklaufzeit): kurze schriftliche Befragung mit klar abgegrenzten Fragen zur tatsächlichen KI-Nutzung (auch private Accounts mit beruflichem Bezug). Ob der Betriebsrat zu beteiligen ist, ist im Einzelfall zu prüfen: Personalfragebogen bedürfen nach § 94 Abs. 1 BetrVG seiner Zustimmung; für die technische Auswertung von Logs aus Phase 1 kommt das Mitbestimmungsrecht nach § 87 Abs. 1 Nr. 6 BetrVG in Betracht.

Phase 3, Konsolidierung (30-60 Minuten): Antworten zusammenführen, Duplikate bereinigen, Sechs-Spalten-Struktur befüllen.

Phase 4, Risiko-Klassifizierung (30-60 Minuten): pro Eintrag Zuordnung zu einer der vier AI-Act-Risiko-Klassen. Hochrisiko-Einträge sollten mit der Geschäftsführung und ggf. dem Datenschutzbeauftragten besprochen werden.

Das erste Inventar ist typischerweise unvollständig. Eine iterative Überarbeitung mit quartalsweiser Aktualisierung ist verbreitet, Datenschutz- und Lizenzbedingungen der LLM-Anbieter ändern sich regelmäßig und sollten pro Eintrag mit Aktualisierungsdatum vermerkt werden.

Welche Konstellationen erfordern abweichendes Vorgehen?

In folgenden Konstellationen reicht der pauschale Excel-Rahmen nicht aus:

• Mehr als 30 KI-Systeme im Bestand oder mehrere Standorte: Verbreitet ist dann ein leichtgewichtiges Compliance-Werkzeug (Sharepoint-Liste mit Workflow, Notion-Board, dedizierte AI-Governance-Plattform). Eine Werkzeug-Wahl sollte erst nach inhaltlicher Inventar-Struktur erfolgen.
• Hochrisiko-Anwendungen nach Anhang III: Betreiber müssen unter anderem Logs mindestens sechs Monate aufbewahren (Art. 26 Abs. 6 AI Act) und je nach Konstellation eine Grundrechte-Folgenabschätzung durchführen (Art. 27 AI Act). Technische Dokumentation und Protokollierungsfähigkeit nach Art. 11 und 12 AI Act sind dagegen Pflichten der Anbieter. Das erfordert strukturierte Datenhaltung jenseits einer Excel-Liste.

• Regulierte Branchen (Finanzen mit MaRisk/DORA, Gesundheit mit MDR/IVDR, kritische Infrastrukturen mit BSI/NIS2): branchenspezifische Inventar-Anforderungen können zusätzliche Felder erforderlich machen.
• Konzern-Strukturen: Eine konzernweite Konsolidierung mit klarer Rollen- und Verantwortungs-Zuordnung (Anbieter/Deployer/Importeur) ist regelmäßig komplexer als die KMU-Struktur.
• Eigenentwicklung, Anpassung oder Zweckänderung: Wer ein KI-System oder -Modell selbst entwickelt und unter eigenem Namen in Verkehr bringt oder in Betrieb nimmt, ist Anbieter (Art. 3 Nr. 3 AI Act). Betreiber werden nach Art. 25 Abs. 1 AI Act zum Anbieter eines Hochrisiko-Systems, wenn sie es unter eigenem Namen vertreiben, wesentlich verändern oder ein bisher nicht als hochriskant eingestuftes System, auch ein KI-System mit allgemeinem Verwendungszweck, so umwidmen, dass es hochriskant wird, etwa für die Bewerberauswahl.

In diesen Konstellationen wird eine fachlich begleitete Inventar-Aufnahme typischerweise empfohlen.

Nächster Schritt

Sofern das Inventar steht, liefert der AI-Act-Check eine erste Standort-Bestimmung zur Risiko-Klasse, ohne Anspruch auf Vollständigkeit oder Verbindlichkeit.

Sofern Hochrisiko-Tools im Bestand sind: AI Act Hochrisiko-Klassifizierung in der Praxis.