Das Wichtigste in Kürze
- Die KI-Verordnung definiert KI-Systeme funktional und technologieneutral: maßgeblich ist nicht die eingesetzte Technik, sondern die Fähigkeit eines Systems, aus Eingaben Ausgaben abzuleiten (Inferenz).
- Die Europäische Kommission benennt in ihren Leitlinien vom Februar 2025 sieben Merkmale eines KI-Systems; die Inferenz ist das entscheidende Kriterium, das ein KI-System von klassischer, vollständig von Menschen festgelegter Software abgrenzt.
- Nach Leistungsfähigkeit unterscheidet man schwache KI (die einzige heute tatsächlich genutzte Form), allgemeine KI und Super-KI, wobei die beiden letzteren theoretisch beziehungsweise hypothetisch bleiben.
- Das EU-KI-Gesetz staffelt KI-Systeme in vier Risikoklassen (verbotene Praktiken, hohes Risiko, begrenztes Risiko, minimales Risiko) und knüpft daran abgestufte Pflichten für Anbieter und Betreiber.
- Praktische Governance beginnt mit einem lebenden Inventar sämtlicher KI-Systeme, ihres Zwecks, ihrer Datengrundlage, der eigenen Rolle (Anbieter oder Betreiber) und ihrer Risikoeinstufung.
Was ist ein KI-System?
Der Begriff „KI-Systeme“ wird in Fachtexten, Marketingmaterial und Regulierung sehr unterschiedlich verwendet. Für die Compliance zählt jedoch nur eine Quelle: die Legaldefinition der KI-Verordnung. Sie ist der Ausgangspunkt jeder Einstufung und jeder Pflicht, denn ohne KI-System im Rechtssinne greift das Gesetz nicht. Artikel 3 Absatz 1 der KI-Verordnung bestimmt:
„KI-System“ ein maschinengestütztes System, das für einen in unterschiedlichem Grade autonomen Betrieb ausgelegt ist und das nach seiner Betriebsaufnahme anpassungsfähig sein kann und das aus den erhaltenen Eingaben für explizite oder implizite Ziele ableitet, wie Ausgaben wie etwa Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen erstellt werden, die physische oder virtuelle Umgebungen beeinflussen können.
Diese Definition (Artikel 3 Absatz 1) ist bewusst funktional gefasst. Sie beschreibt nicht, welche Programmiersprache, welche Rechenarchitektur oder welches mathematische Verfahren zum Einsatz kommt. Sie beschreibt, was ein System tut. Dadurch ist sie technologieneutral: Sie erfasst heutige Verfahren des maschinellen Lernens ebenso wie wissens- und logikbasierte Ansätze und bleibt auch dann anwendbar, wenn neue Techniken entstehen.
Der Kern lässt sich in drei Schritten lesen. Am Anfang steht die Eingabe (Input): Daten, Signale oder Anfragen, die das System erhält. Es folgt die Inferenz: Aus diesen Eingaben leitet das System ab, wie eine Ausgabe zu erzeugen ist, und zwar mit Blick auf explizite oder implizite Ziele. Am Ende steht die Ausgabe (Output) in Form von Vorhersagen, Inhalten, Empfehlungen oder Entscheidungen. Entscheidend ist der Zusatz, dass diese Ausgaben physische oder virtuelle Umgebungen beeinflussen können. Ein Sprachmodell, das einen Text erzeugt, wirkt auf eine virtuelle Umgebung; ein Steuerungssystem, das ein Ventil öffnet, wirkt auf eine physische Umgebung. Genau dieser Wirkungszusammenhang macht KI-Systeme regulatorisch relevant.
Für Organisationen bedeutet das: Ob ein Werkzeug „KI“ heißt, ist unerheblich. Maßgeblich ist, ob es die Merkmale der Definition erfüllt. Wer den Anwendungsbereich der KI-Verordnung sauber bestimmen will, muss deshalb bei diesen Merkmalen ansetzen und nicht bei der Produktbezeichnung. Eine vertiefte Einordnung der gesamten Verordnung bietet unser Überblick zum Europäischen KI-Gesetz. Den amtlichen Wortlaut der Definition finden Sie in Artikel 3 der KI-Verordnung.
Die sieben Merkmale eines KI-Systems
Weil die abstrakte Definition in der Praxis Auslegungsfragen aufwirft, hat die Europäische Kommission im Februar 2025 Leitlinien zur Definition eines KI-Systems veröffentlicht. Sie zerlegen Artikel 3 Absatz 1 in sieben Merkmale und erläutern, wie die Abgrenzung gegenüber gewöhnlicher Software zu ziehen ist. Die Leitlinien der Kommission sind rechtlich nicht bindend, geben aber die maßgebliche Auslegungslinie vor.
Maschinengestützt und autonom
Das erste Merkmal ist die maschinelle Grundlage. Ein KI-System läuft auf Maschinen, das heißt auf Hardware und Software zugleich. Die Kommission fasst dieses Merkmal weit: Es deckt klassische Rechner ebenso ab wie neuartige Ansätze, bis hin zu aufkommenden Formen wie dem Quantencomputing. Kein System fällt allein deshalb aus dem Anwendungsbereich, weil es auf ungewöhnlicher Rechenhardware basiert.
Das zweite Merkmal ist die Autonomie. Die Definition spricht von einem „in unterschiedlichem Grade autonomen Betrieb“. Damit ist gemeint, dass das System zumindest ein gewisses Maß an Unabhängigkeit von menschlichem Eingreifen besitzt. Schon ein begrenzter Grad an Autonomie genügt. Ein System, das jede einzelne Ausgabe erst nach vollständiger, manueller menschlicher Anweisung erzeugt und keinerlei eigenständigen Verarbeitungsspielraum hat, erfüllt dieses Merkmal nicht. Sobald jedoch Teile der Verarbeitung ohne unmittelbare menschliche Steuerung ablaufen, liegt die geforderte Autonomie vor. Zur Abgrenzung verschiedener Autonomiestufen und ihrer Aufsichtsformen hilft der Beitrag zu autonomen KI-Agenten.
Inferenz: das entscheidende Merkmal
Das dritte Merkmal ist die Inferenz, und sie ist der Dreh- und Angelpunkt der gesamten Definition. Die Kommission stellt klar, dass die Fähigkeit, aus Eingaben abzuleiten, wie Ausgaben zu erzeugen sind, das eigentliche Unterscheidungsmerkmal ist, das KI-Systeme von herkömmlicher Software trennt. Inferenz umfasst dabei zwei Familien von Verfahren: zum einen das maschinelle Lernen, bei dem ein System aus Daten Muster und Regeln selbst ableitet, zum anderen wissens- und logikbasierte Ansätze, bei denen aus vorgegebenem Wissen und Regeln Schlüsse gezogen werden.
Ebenso wichtig ist, was nicht als KI-System gilt. Nicht erfasst sind Systeme, deren Verhalten vollständig von Menschen festgelegt ist, also klassische regelbasierte Programme, in denen jede Entscheidung explizit ausprogrammiert wurde. Auch einfache Heuristiken und die bloße, elementare Datenverarbeitung fallen nicht darunter. Eine Tabellenkalkulation, die Summen bildet, oder ein Programm, das strikt einem festen Entscheidungsbaum ohne jede Ableitung folgt, ist kein KI-System. Diese Grenze ist entscheidend, denn sie verhindert, dass jede beliebige Software unter die KI-Verordnung fällt, und lenkt die Aufmerksamkeit auf Systeme, deren Ausgaben nicht vollständig vorhersehbar aus starren Regeln folgen.
Zusammen mit der Inferenz stehen die viertens genannten Ziele. Ein KI-System verfolgt explizite oder implizite Ziele. Explizite Ziele sind unmittelbar programmiert oder vorgegeben; implizite Ziele ergeben sich aus dem Verhalten des Systems oder aus den Trainingsdaten, ohne ausdrücklich formuliert zu sein. Beide Formen genügen. Damit erfasst die Definition auch Systeme, deren Zielsetzung nicht in einer eindeutigen Vorgabe niedergelegt ist, sondern sich erst im Betrieb zeigt.
Anpassungsfähigkeit, Ziele und Ausgaben
Das fünfte Merkmal ist die Anpassungsfähigkeit, und hier lohnt ein genauer Blick auf den Wortlaut. Die Definition sagt, dass ein System nach seiner Betriebsaufnahme anpassungsfähig sein „kann“. Es handelt sich also um eine Möglichkeit, nicht um eine Voraussetzung. Ein System muss nicht dazulernen oder sich im Betrieb verändern, um als KI-System zu gelten. Anpassungsfähigkeit ist ein mögliches, kein notwendiges Merkmal. Diese Feinheit wird in der Praxis häufig missverstanden: Wer annimmt, nur selbstlernende Systeme seien betroffen, verkennt den Anwendungsbereich.
Das sechste Merkmal betrifft die Art der Ausgaben. Die Verordnung nennt vier Kategorien: Vorhersagen, Inhalte, Empfehlungen und Entscheidungen. Diese Aufzählung ist breit angelegt und deckt praktisch jede sinnvolle Systemausgabe ab, von einer Prognose über generierte Texte und Bilder bis hin zu konkreten Handlungsempfehlungen oder automatisierten Entscheidungen.
Das siebte Merkmal ist die Wirkung auf Umgebungen. Die Ausgaben müssen physische oder virtuelle Umgebungen beeinflussen können. Dieses Merkmal stellt sicher, dass ein KI-System nicht als isolierte Rechenübung verstanden wird, sondern als etwas, das in der Welt oder im digitalen Raum Wirkung entfaltet. Erst die sieben Merkmale zusammen ergeben ein KI-System im Sinne der KI-Verordnung, und nur wenn sie gemeinsam vorliegen, ist der Anwendungsbereich eröffnet.
Die Typen von KI-Systemen
Neben der rechtlichen Definition ordnet die Fachliteratur KI-Systeme in Typen. Diese Einteilung ist kein juristisches Raster, hilft aber, die eigenen Systeme einzuschätzen und die weit verbreiteten Erwartungen an „KI“ von der technischen Realität zu trennen. Zwei Achsen sind gebräuchlich: die Leistungsfähigkeit und die Funktionsweise.
Nach Leistungsfähigkeit: schwache, allgemeine und Super-KI
Die erste Achse unterscheidet nach dem Umfang der Fähigkeiten. Schwache KI, auch enge KI genannt, ist auf eine klar umgrenzte Aufgabe oder einen engen Aufgabenbereich zugeschnitten. Sie kann in ihrem Bereich sehr leistungsfähig sein, verlässt diesen aber nicht. Ein Bilderkennungssystem, ein Übersetzungsdienst und auch ein großes Sprachmodell sind schwache KI: Jedes bleibt an seine trainierten Fähigkeiten gebunden. Entscheidend ist die Feststellung, dass schwache KI die einzige Form ist, die heute tatsächlich existiert und genutzt wird.
Allgemeine KI, oft als AGI (Artificial General Intelligence) bezeichnet, meint ein hypothetisches System, das menschenähnliche Intelligenz über beliebige Aufgabenbereiche hinweg besäße und Wissen frei von einem Feld auf ein anderes übertragen könnte. Ein solches System bleibt bislang theoretisch; es existiert nicht. Super-KI schließlich beschreibt eine spekulative Stufe, auf der ein System die menschliche Intelligenz in nahezu allen Bereichen überträfe. Auch sie ist rein hypothetisch. Für die Governance folgt daraus eine nüchterne Konsequenz: Alle heute zu regelnden KI-Systeme sind schwache KI, so beeindruckend ihre Leistungen im Einzelfall auch wirken mögen.
Nach Funktionsweise: reaktiv, begrenztes Gedächtnis, Theory of Mind, selbstbewusst
Die zweite Achse unterscheidet nach der Art, wie ein System mit Information umgeht. Reaktive Maschinen reagieren ausschließlich auf die aktuelle Eingabe, ohne Erinnerung an frühere Zustände. Sie bilden die einfachste Stufe und treffen jede Reaktion isoliert.
Systeme mit begrenztem Gedächtnis (limited memory) beziehen zurückliegende Daten in ihre Verarbeitung ein. Diese Kategorie ist praktisch die wichtigste, denn nahezu alle modernen Systeme des maschinellen Lernens gehören hierher: große Sprachmodelle, Empfehlungssysteme und die Wahrnehmungskomponenten selbstfahrender Fahrzeuge nutzen jeweils gelernte Muster aus umfangreichen Datenmengen. Wenn heute von KI-Systemen die Rede ist, sind fast immer Systeme mit begrenztem Gedächtnis gemeint.
Die beiden verbleibenden Stufen sind noch nicht Realität. Theory of Mind bezeichnet Systeme, die Absichten, Überzeugungen und Emotionen anderer modellieren könnten; dies ist Gegenstand der Forschung. Selbstbewusste Systeme schließlich, die ein eigenes Bewusstsein besäßen, sind rein spekulativ. Auch diese Achse führt somit zur selben praktischen Erkenntnis: Governance befasst sich mit realen Systemen begrenzten Gedächtnisses, nicht mit hypothetischen Zukunftsformen.
Wie das EU-KI-Gesetz KI-Systeme nach Risiko einstuft
Die KI-Verordnung reguliert KI-Systeme nicht pauschal, sondern nach dem Risiko, das von ihrer konkreten Verwendung ausgeht. Sie unterscheidet vier Stufen, und die Einstufung entscheidet über den Umfang der Pflichten. Wer den vollständigen Rahmen nachvollziehen möchte, findet ihn im Überblick zum Europäischen KI-Gesetz; das strukturierte Vorgehen dazu beschreibt der Beitrag zu Risikomanagement und Compliance.
Die erste Stufe sind die verbotenen Praktiken. Artikel 5 untersagt seit dem 2. Februar 2025 acht Praktiken, die als unvereinbar mit den Grundrechten gelten, darunter etwa manipulatives Verhalten zum Nachteil von Personen oder bestimmte Formen des Social Scoring. Solche Systeme dürfen in der Union nicht in Verkehr gebracht oder betrieben werden.
Die zweite Stufe ist das hohe Risiko, geregelt in den Artikel 6-49. Ein KI-System gilt auf zwei Wegen als hochriskant: entweder wenn es als Sicherheitsbauteil eines Produkts dient, das unter die in Anhang I aufgeführten Harmonisierungsrechtsvorschriften fällt, oder wenn es in einen der acht in Anhang III genannten Bereiche fällt. Diese Bereiche sind Biometrie, kritische Infrastruktur, allgemeine und berufliche Bildung, Beschäftigung und Personalmanagement, der Zugang zu wesentlichen privaten und öffentlichen Diensten (einschließlich der Bewertung der Kreditwürdigkeit und der Risikobewertung in Versicherungen), Strafverfolgung, Migration und Grenzkontrolle sowie Rechtspflege und demokratische Prozesse. Hochrisiko-Systeme sind nicht verboten, unterliegen aber den strengsten Pflichten.
Die dritte Stufe ist das begrenzte Risiko mit besonderen Transparenzpflichten nach Artikel 50. Chatbots und vergleichbare Systeme müssen offenlegen, dass Menschen mit einer Maschine interagieren; künstlich erzeugte oder manipulierte Inhalte, etwa sogenannte Deepfakes, sowie generierte Inhalte müssen entsprechend gekennzeichnet werden. Die vierte Stufe ist das minimale Risiko. Die weit überwiegende Zahl der KI-Systeme fällt hierunter und löst keine besonderen Pflichten aus der KI-Verordnung aus. Zu beachten bleibt jedoch, dass andere Rechtsvorschriften weiterhin gelten, allen voran die Datenschutz-Grundverordnung (DSGVO), sobald personenbezogene Daten verarbeitet werden.
Neben diesen anwendungsbezogenen Stufen kennt die Verordnung eigene Regeln für KI-Modelle mit allgemeinem Verwendungszweck (GPAI). Deren Anbieter schulden Dokumentation und die Einhaltung urheberrechtlicher Vorgaben. Wird für das Training eine Rechenleistung von mindestens 10^25 FLOP eingesetzt, wird nach Artikel 55 ein systemisches Risiko vermutet, woran zusätzliche Pflichten wie Modellbewertungen und die Meldung schwerwiegender Vorfälle anknüpfen.
Wer ist verantwortlich: Anbieter und Betreiber
Die KI-Verordnung verteilt Pflichten nach Rollen, und die beiden zentralen Rollen sind Anbieter und Betreiber. Wer seine eigene Position kennt, kennt seine Pflichten. Eine strukturierte Governance dieser Rollen ist Teil einer wirksamen KI-Governance.
Der Anbieter ist nach Artikel 3 Absatz 3 derjenige, der ein KI-System entwickelt oder entwickeln lässt und es unter eigenem Namen oder eigener Marke in Verkehr bringt oder in Betrieb nimmt, unabhängig davon, ob dies entgeltlich oder unentgeltlich geschieht. Der Betreiber ist nach Artikel 3 Absatz 4 derjenige, der ein KI-System in eigener Verantwortung verwendet, sofern die Nutzung nicht rein persönlichen und nicht beruflichen Zwecken dient. Vereinfacht gesagt: Wer ein System herstellt und auf den Markt bringt, ist Anbieter; wer ein fremdes System im eigenen Betrieb einsetzt, ist Betreiber.
Diese Zuordnung ist jedoch nicht statisch. Artikel 25 regelt, unter welchen Umständen ein Betreiber selbst zum Anbieter wird und damit die weitreichenden Anbieterpflichten übernimmt. Das geschieht in drei Konstellationen: wenn der Betreiber seinen Namen oder seine Marke auf einem bereits in Verkehr gebrachten Hochrisiko-System anbringt, wenn er ein solches System wesentlich verändert, oder wenn er ein KI-System so verändert oder zweckentfremdet, dass es für einen hochriskanten Zweck verwendet wird. Für Organisationen ist diese Regel folgenreich: Der Einkauf eines Systems und dessen Anpassung im Haus kann die eigene Rolle unbemerkt vom Betreiber zum Anbieter verschieben, mit entsprechend gestiegenen Pflichten.
Governance-Pflichten für KI-Systeme
Die konkreten Pflichten hängen von Risikoklasse und Rolle ab. Am umfangreichsten sind sie für Anbieter von Hochrisiko-Systemen. Die KI-Verordnung verlangt von ihnen ein Risikomanagementsystem (Art 9), eine geeignete Daten-Governance mit Blick auf Datenqualität und die Vermeidung von Verzerrungen (Art 10), technische Dokumentation (Art 11), Protokollierungsfunktionen (Art 12), Transparenz und Bedienungsanleitungen für Betreiber (Art 13), Vorkehrungen für eine wirksame menschliche Aufsicht (Art 14) sowie ein angemessenes Maß an Genauigkeit, Robustheit und Cybersicherheit (Art 15). Hinzu kommen ein Qualitätsmanagementsystem (Art 17), die Durchführung einer Konformitätsbewertung (Art 43), die CE-Kennzeichnung und die Registrierung in der EU-Datenbank (Art 49).
Betreiber tragen eigene, schlankere Pflichten. Artikel 26 verpflichtet sie unter anderem, Hochrisiko-Systeme gemäß der Bedienungsanleitung zu verwenden, die menschliche Aufsicht sicherzustellen und die Protokolle aufzubewahren. Artikel 27 verlangt von Betreibern, die öffentliche Stellen sind oder öffentliche Dienste erbringen, eine Grundrechte-Folgenabschätzung, bevor ein Hochrisiko-System in Betrieb genommen wird.
Diese Pflichten lassen sich nicht als einmalige Aufgabe abhaken. Sie verlangen ein dauerhaftes Managementsystem, das Verantwortlichkeiten, Prozesse und Nachweise verbindet. Genau an dieser Stelle setzen etablierte Rahmenwerke an. Die Norm ISO 42001 beschreibt ein KI-Managementsystem, mit dem sich diese Anforderungen strukturiert und auditierbar umsetzen lassen; das NIST AI Risk Management Framework liefert einen komplementären, risikoorientierten Ordnungsrahmen. Wie sich solche Rahmenwerke zu einem konsistenten internen System verbinden lassen, zeigt der Beitrag zum KI-Governance-Rahmenwerk. In Deutschland liefern zudem das BSI für Fragen der Cybersicherheit und der BfDI für den Datenschutz orientierende Referenzpunkte, die sich in ein solches System einordnen lassen.
Von der Definition zur Governance: ein Inventar der KI-Systeme aufbauen
Zwischen der Definition eines KI-Systems und der Erfüllung der Pflichten liegt eine praktische Hürde, die viele Organisationen unterschätzen: Die meisten wissen gar nicht genau, welche KI-Systeme sie überhaupt betreiben. Modelle gelangen auf mehreren Wegen in die Organisation. Sie werden über die Beschaffung eingekauft, sie stecken als eingebettete Funktionen in Software von Drittanbietern, oder sie werden von Mitarbeitenden eigenständig übernommen, ohne dass die zentralen Stellen davon wissen. Diese unkontrollierte Nutzung, im Fachjargon Shadow AI genannt, ist einer der größten blinden Flecken der KI-Governance.
Der erste Schritt aus diesem blinden Fleck ist ein lebendes Inventar. Es erfasst jedes KI-System mit seinem Zweck, seiner Datengrundlage, der eigenen Rolle (Anbieter oder Betreiber) und seiner Risikoeinstufung. Ein solches Verzeichnis ist keine Formalie, sondern die Grundlage jeder weiteren Governance-Maßnahme: Ohne vollständige Übersicht lässt sich weder eine Risikoklasse zuverlässig bestimmen noch eine Pflicht adressieren noch ein Nachweis führen. Das Inventar übersetzt die abstrakte Definition aus Artikel 3 Absatz 1 in eine konkrete, gepflegte Liste realer Systeme.
Genau hier setzt AI Sigil an. AI Sigil führt ein lebendes Verzeichnis der KI-Systeme und ihrer Komponenten, klassifiziert jedes System gegen die einschlägigen Rahmenwerke und verknüpft es mit den zugehörigen Kontrollen und Nachweisen. Aus einer statischen Bestandsaufnahme wird so ein fortlaufend aktueller Governance-Kern, der Rollen, Risikoklassen und Pflichten zusammenführt und den Nachweis der Konformität vorbereitet. Der Weg von der Definition zur Governance beginnt also nicht mit einem Dokument, sondern mit der vollständigen Sicht auf den eigenen Bestand an KI-Systemen.
Häufige Fragen
Was ist ein KI-System nach der KI-Verordnung? Ein KI-System ist nach Artikel 3 Absatz 1 der KI-Verordnung ein maschinengestütztes System, das mit unterschiedlichem Grad an Autonomie betrieben wird, nach der Betriebsaufnahme anpassungsfähig sein kann und aus Eingaben für explizite oder implizite Ziele ableitet, wie es Ausgaben wie Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen erzeugt, die physische oder virtuelle Umgebungen beeinflussen können. Die Definition ist funktional und technologieneutral: Nicht die verwendete Technik entscheidet, sondern das beschriebene Verhalten. Das entscheidende Merkmal ist die Inferenz, also die Fähigkeit, aus Eingaben Ausgaben abzuleiten, statt sie starr aus vorgegebenen Regeln zu berechnen.
Was unterscheidet ein KI-System von gewöhnlicher Software? Der Unterschied liegt in der Inferenz. Gewöhnliche Software führt Regeln aus, die Menschen vollständig festgelegt haben: Jede Ausgabe folgt deterministisch aus explizit programmierten Anweisungen. Ein KI-System leitet dagegen aus seinen Eingaben ab, wie eine Ausgabe zu erzeugen ist, sei es durch maschinelles Lernen oder durch wissens- und logikbasierte Verfahren. Deshalb nimmt die Europäische Kommission Systeme ausdrücklich aus, deren Verhalten vollständig von Menschen vorgegeben ist, ebenso einfache Heuristiken und die bloße elementare Datenverarbeitung. Eine Tabellenkalkulation oder ein starrer Entscheidungsbaum ist kein KI-System, ein lernendes Vorhersagemodell dagegen schon.
Muss ein KI-System dazulernen, um unter das Gesetz zu fallen? Nein. Die Anpassungsfähigkeit ist ausdrücklich ein mögliches, kein zwingendes Merkmal. Der Wortlaut von Artikel 3 Absatz 1 sagt, dass ein System nach seiner Betriebsaufnahme anpassungsfähig sein „kann“, nicht dass es dies sein muss. Ein System, das nach dem Training unverändert bleibt und nicht weiterlernt, kann also durchaus ein KI-System im Rechtssinne sein, sofern die übrigen Merkmale, insbesondere die Inferenz, erfüllt sind. Die verbreitete Annahme, nur selbstlernende Systeme seien betroffen, ist damit falsch und führt zu einer zu engen Einschätzung des Anwendungsbereichs.
Welche Typen von KI-Systemen gibt es? Üblich sind zwei Einteilungen. Nach Leistungsfähigkeit unterscheidet man schwache KI (auf enge Aufgaben spezialisiert und die einzige heute real existierende Form), allgemeine KI (ein hypothetisches System mit menschenähnlicher Allgemeinintelligenz) und Super-KI (eine spekulative Stufe jenseits menschlicher Fähigkeiten). Nach Funktionsweise unterscheidet man reaktive Maschinen, Systeme mit begrenztem Gedächtnis (heute praktisch alle relevanten Systeme, einschließlich großer Sprachmodelle und Empfehlungssysteme), Theory-of-Mind-Systeme (Forschungsgegenstand) und selbstbewusste Systeme (rein spekulativ). Praktisch relevant sind ausschließlich schwache KI mit begrenztem Gedächtnis.
Bin ich Anbieter oder Betreiber eines KI-Systems? Anbieter ist nach Artikel 3 Absatz 3, wer ein KI-System entwickelt oder entwickeln lässt und unter eigenem Namen oder eigener Marke in Verkehr bringt oder in Betrieb nimmt. Betreiber ist nach Artikel 3 Absatz 4, wer ein KI-System in eigener Verantwortung einsetzt, außerhalb rein persönlicher Nutzung. Wer ein fremdes Werkzeug im Unternehmen verwendet, ist in der Regel Betreiber. Vorsicht ist jedoch bei Artikel 25 geboten: Wer seinen Namen auf ein Hochrisiko-System setzt, es wesentlich verändert oder für einen hochriskanten Zweck einsetzt, wird selbst zum Anbieter und übernimmt dessen weit umfangreichere Pflichten.
Wann muss ich mit der Governance meiner KI-Systeme beginnen? Am besten sofort, denn die Fristen der KI-Verordnung laufen gestaffelt. Die Verbote gelten seit Februar 2025, die Pflichten für Anbieter von KI-Modellen mit allgemeinem Verwendungszweck seit August 2025. Die Anforderungen an Hochrisiko-Anwendungen nach Anhang III greifen ab August 2026, jene an Hochrisiko-Systeme als Sicherheitsbauteil regulierter Produkte ab August 2027. Weil die Einstufung eines Systems Zeit braucht und die Pflichten laufende Prozesse verlangen, ist ein früher Start ratsam. Der erste konkrete Schritt ist stets dasselbe: ein vollständiges Inventar der eigenen KI-Systeme.
Fazit
KI-Systeme sind kein diffuses Schlagwort, sondern ein rechtlich präzise gefasster Begriff. Artikel 3 Absatz 1 der KI-Verordnung definiert sie funktional und technologieneutral, und die Leitlinien der Europäischen Kommission machen die Inferenz zum entscheidenden Merkmal, das ein KI-System von gewöhnlicher Software trennt. Wer diese Definition ernst nimmt, erkennt schnell, dass die eigentliche Herausforderung nicht im Verständnis der Theorie liegt, sondern in der Übersicht über die Praxis: Die meisten Organisationen wissen nicht genau, welche KI-Systeme sie betreiben, in welcher Rolle und mit welchem Risiko. Der Weg zur Konformität beginnt deshalb mit einem lebenden Inventar, das Zweck, Datengrundlage, Rolle und Risikoklasse jedes Systems festhält. AI Sigil führt genau dieses Verzeichnis, klassifiziert jedes System gegen die einschlägigen Rahmenwerke und verbindet es mit Kontrollen und Nachweisen. So wird aus einer abstrakten Definition eine belastbare Governance.