AI Act als Operating Model
EU-AI-Act-Pflichten in Risikoklassen, Rollen, Dokumentations-Cadence und Evidence übersetzen — Betriebsbrücke vom Regulierungsüberblick zu Tageskontrollen.
Was aus dem vorherigen Schritt ankommt
Der Nutzungspfad hat einen Zweck und eine verantwortliche Person. Interne Arbeitsklasse und rechtliche Einordnung werden nachvollziehbar getrennt dokumentiert.
Ausgangspunkt: Shadow AI vs. freigegebene Pfade.
Ausgangslage
Programme stecken zwischen Extremen fest:
- Legal liest den Act; Delivery shippt Chatbots ohne Klasse auf der Path Card;
- „high-risk“ wird monatelang debattiert, während Shadow-Tools weiterlaufen;
- Dokumentation existiert als One-off-PDFs, nicht als lebende Artefakte am Pfad;
- Rollen verschwimmen: wer besitzt Risikoklasse vs. Model Change vs. Data Purpose?;
- Auditoren fragen Nachweispakets; Teams liefern Screenshots.
Regulatorischer Überblick bleibt in EU-Regulierung: AI Act, Data Act, NIS2 und DORA und AI Governance. Hier geht es um wie die Organisation läuft, nachdem Teil 1 den Katalog hat.
So sieht der Bruch aus (Ist-Zustand):
Beispiel mit erfundenen Daten. Für die Anwendung im Unternehmen brauchst du passende Daten aus den eigenen Systemen und Prozessen.
Pfad: „Customer Support Assistant“ — sanctioned
Klasse: leer
Owner: „AI-Team“
Nachweise: Kickoff-Deck aus Q1
Incident: falscher Rat an Kunden — kein Post-Market-Log
Legal: „wir beobachten den Act“
Beobachten ohne Klasse und Cadence ist keine Compliance.

Begriffe vor dem Lesen
-
Data Owner — Fachlich verantwortliche Rolle für Zweck, Bedeutung, Risikoakzeptanz und Freigabe.
-
Data Steward — Rolle, die Definitionen, Prüfungen, Konflikte und Nachweise im Alltag pflegt.
-
Data Custodian — Technische Rolle, die Zugriffe, Laufzeit, Sperren und Protokollierung umsetzt.
-
Freigegebener KI-Nutzungspfad — Eine konkrete Kombination aus Zweck, Werkzeug, Datenklassen, verantwortlichen Rollen und technischen Kontrollen.
-
RAG (Retrieval-Augmented Generation) — Das System sucht vor einer Antwort freigegebene Quellen und stellt sie dem Sprachmodell als Kontext bereit.
-
HITL (Human in the Loop) — Eine benannte Person prüft oder genehmigt eine Aktion, bevor sie wirksam wird.
-
Waiver / befristete Ausnahme — Zeitlich begrenzte Abweichung mit Grund, Risiko, kompensierender Maßnahme und Ablaufdatum.
-
Model Card / Dataset Card — Versionierte Beschreibung von Modell beziehungsweise Datensatz, zulässiger Nutzung, Herkunft, Tests und Grenzen.
-
Corpus — Die kontrollierte Sammlung von Dokumenten oder Daten, aus der ein KI-System sucht oder lernt.
Entscheidung
Binden Sie jeden freigegebenen KI-Nutzungspfad an eine AI-Risikoklasse, benannte Rollen und eine Prüfrhythmus für Nachweise.
Quellenstand: 23.10.2026. Interne Arbeitsklassen sind von gesetzlichen Kategorien zu trennen. Für Verbote, konkrete Pflichten und ihren Anwendungszeitpunkt die aktuelle EU-Kommissionsübersicht zum AI Act und den geltenden Rechtstext heranziehen. Ein internes Label, eine Sandbox oder ein Waiver hebt gesetzliche Voraussetzungen nicht auf.
Risikoklasse am Pfad (Minimum)
Interne Arbeitsklasse je Pfad vergeben. Das rechtliche Mapping zu Systemrolle, Zweck, Betroffenen, einschlägigen Verboten und Pflichten wird mit Legal vor der betroffenen Freigabe geklärt, nicht erst nach Go-live. Die folgende Tabelle ist eine Triagehilfe, keine abschließende AI-Act-Klassifizierung:
| Arbeitsklasse | Typische Signale | Betriebsfolge |
|---|---|---|
minimal |
begrenzte interne Assistenz ohne festgestellten erhöhten Impact | risikobasierte Evidenz; Datenschutz, Vertraulichkeit und weitere Pflichten trotzdem prüfen |
limited |
kundenfacing Info, Transparenzpflichten | AI-Nutzung offenlegen; Eval + Beschwerdeweg |
high |
erhöhte Entscheidungswirkung, etwa bei Kredit, HR oder Sicherheit | rechtlichen Anwendungsfall konkret prüfen; passende menschliche Aufsicht, Evaluation und Change Control vorsehen |
prohibited_candidate |
Anzeichen einer möglicherweise verbotenen Praxis, etwa bestimmte biometrische oder Social-Scoring-Anwendungen | bis zur Klärung stoppen; nicht jede biometrische Kategorisierung pauschal gleichsetzen |
Regeln:
- Keine Klasse, kein Go-Live für neue freigegebene KI-Nutzungspfade (Sandbox darf
candidatemit Ablauf). - Klasse hat Owner — Product Owner schlägt vor; Risk/Compliance bestätigt; Steward hält Register aktuell.
- Wechsel von Modell, Datenzweck oder Tools löst Re-Class-Review aus.
- Ehrliche Sprache: dieses Operating Model unterstützt Act-Readiness; es ist keine Rechtsberatung — Legal besitzt die Auslegung.
Rollen (RACI lite)
| Entscheidung | Accountable | Responsible | Consulted |
|---|---|---|---|
| Path sanctionieren | AI Product Owner | Steward | Security, Privacy |
| Risikoklasse | Risk/Compliance | Product Owner | Legal |
| Dataset/Model-Card-Gate | Steward | Platform | Eval Lead |
| Post-Market / Incident-Log | Product Owner | Ops | Privacy |
| Waiver (Teil 7) | Risk Owner | Requester | Compliance |
Prüfrhythmus für Nachweise
Mindestens lebende Artefakte (Link Teile 3–8):
- Path Card + Risikoklasse (dieser Teil);
- Model- und Dataset-Cards (Teil 3);
- Eval-Release-Prüfpunkt-Results (Teil 6);
- menschliche Freigabe / Tool-Freigabeliste wo Agenten handeln (Teil 7);
- Cost/Capacity und Shadow-Findings auf der Betriebsübersicht (Teil 8);
- Post-Market: Incident-Log, Beschwerdekanal, Neubewertung nach materialem Change.
Cadence-Beispiel: monatliches Register-Review für limited/high; quartalsweise für minimal; sofort bei materialem Change.
Checkliste
Operationalisieren Sie Act-Readiness für die Pilot-Pfade:
- Risikoklasse-Feld in
sanctioned-paths-v1ergänzen; - Klasse + Begründung für jeden Pfad mit Kunden- oder Entscheidungswirkung füllen;
- Accountable-Rollen laut Tabelle benennen;
- Nachweis-Cadence und Ablageort setzen (ticket-zentriert, zugriffsbeschränkt);
- Legal-Fragen zur EU-Regulations-Story routen — keine Annex-Auslegung hier erfinden;
- Produktivstart blocken, wenn Klasse oder verantwortlichen Person leer;
- den ersten Umsetzungsschnitt abschließen, wenn ein Pilotpfad die erforderliche Einstufung, Rollen und datierte Evidenz hat; das ist keine Freigabe anderer Pfade und kein vollständiger Compliance-Nachweis.
Artefakt
AI Risk Class Register + Prüfrhythmus für Nachweise Sheet:
- Pfad-ID, Arbeitsklasse, Act-Mapping-Note (Legal-owned);
- Zweck, Grundgesamtheit, Entscheidungswirkung;
- accountable / responsible / consulted;
- Pflichtartefakt-Liste und last/next Due Dates;
- Material-Change-Trigger;
- Link zu Cards, Eval Packs, Incident-Log.
Tools
Risk- und Compliance-Register für Klasse. Katalog für Path-Felder. Model-Registry-Hooks (Teil 3). Lernpfad Compliance Essentials falls vorhanden.
Ressourcen
EU-Regulierung: AI Act…, AI Governance, GDPR für Analytics- und AI-Teams, Teil 1 dieser Serie, AI Eval.
Tools und Quellen
Die Übergabe am konkreten Fall prüfen
Spiele einen Zweckwechsel an einem synthetischen Pfad durch: vom Zusammenfassen interner Texte zu einer entscheidungsrelevanten Empfehlung. Der Owner beschreibt die neue Wirkung; die zuständigen Prüfrollen klären den Bewertungsbedarf. Übergib Änderungs-ID, offene Fragen und den datierten Prüfauftrag an die Kartenpflege.
Wenn die Probe nicht trägt: Ein internes Risikolabel beantwortet die rechtliche Frage nicht. Eine offene Einordnung bleibt sichtbar und darf nicht durch eine technische Freigabe verdeckt werden.
| Stand nach der Probe | Passender Anschluss |
|---|---|
| Ergebnis und verbleibende Grenzen sind geprüft und übergabefähig | Model- und Dataset-Cards die betrieben werden |
| Eine Grundlage für die Entscheidung bleibt offen | Shadow AI vs. freigegebene Pfade – offene Frage mit Zuständigkeit zurückgeben. |
Die Prüfung beschreibt einen Beispielfall. Halte bei der eigenen Umsetzung fest, was tatsächlich geprüft wurde und welche Abweichungen noch offen sind.
Sanctioned AI Ops
Part 2 of 8
View series