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 Abs. 1, 5, 6: Deployer haben menschliche Aufsicht sicherzustellen, Vorfälle zu melden und Logs aufzubewahren. Eine systematische Übersicht der eingesetzten Systeme ist hierfür praktisch erforderlich.
• DSGVO Art. 30: Verzeichnis von Verarbeitungstätigkeiten, bei jeder KI-Nutzung mit Personenbezug zu führen.

Detail

• DSGVO Art. 5 Abs. 2 / Art. 24: Rechenschaftspflicht erfordert dokumentierte Strukturen.
• AI Act Art. 4: KI-Kompetenz-Pflicht setzt voraus, dass Unternehmen wissen, welche KI bei welchen Mitarbeitenden zum Einsatz kommt.
• Sektorale Aufsichts-Erwartungen: BaFin, BSI und EDPB adressieren in ihren Hinweisen regelmäßig dokumentierte KI-Übersichten.

Welche Konstellation passt zu deinem KI-Profil?

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

Detail

• Verboten (Art. 5 AI Act): Social Scoring durch Behörden-ähnliche Systeme, 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, Echtzeit-Fernidentifikation im öffentlichen Raum durch Strafverfolgung.

• 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?

In der KMU-Beratungspraxis hat sich eine sechs-spaltige Struktur etabliert. 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").

Detail

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). Die Beteiligung des Betriebsrats bzw. die Wahrung der Mitbestimmungs-Rechte nach § 87 Abs. 1 Nr. 6 BetrVG ist im Einzelfall zu prüfen.

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: erweiterte Dokumentationspflichten nach Art. 11, 12 AI Act (technische Dokumentation, Logging-Aufzeichnungen) erfordern strukturierte Datenhaltung jenseits einer Excel-Liste.

Detail

• Regulierte Branchen (Finanzen mit MaRisk/BAIT/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 oder Fine-Tuning: Wer Modelle selbst trainiert oder substantiell anpasst, kann in eine Anbieter-Rolle nach Art. 25 AI Act rutschen, mit erweiterten Dokumentations- und Konformitäts-Bewertungs-Pflichten.

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.