Das KI-Inventar: alle Anwendungsfälle erfassen und nach Risiko klassifizieren

Der Fragebogen kommt aus dem Einkauf eines großen Kunden, und er ist Teil von dessen eigener Lieferantenprüfung. Eine der Fragen lautet: Welche KI-Systeme setzen Sie in der Leistungserbringung für uns ein, zu welchem Zweck, und in welcher Risikoklasse haben Sie diese Anwendungen eingeordnet? Antwortfrist zwei Wochen. Der Ton ist freundlich, die Frage ist es nicht.

Die Suche im eigenen Haus dauert dann länger als gedacht. Das Marketing arbeitet seit einem Jahr mit einem Textwerkzeug. Die Personalabteilung testet gerade eine Vorsortierung von Bewerbungen. In der Entwicklung läuft ein Assistent, den niemand je beantragt hat. Und im Vertrieb hat sich jemand eine Browser-Erweiterung installiert, die bei jedem Angebot mitliest. Es gibt drei Tabellen an drei Orten, und keine davon ist vollständig.

Der erste Reflex ist, das als Rechtsproblem zu behandeln und die Frage an die Rechtsabteilung oder an eine Kanzlei weiterzureichen. Nur ist es zuerst ein Steuerungsproblem. Kein Anwalt kann euch sagen, was ihr betreibt, wenn ihr es selbst nicht wisst. Und die Antwort auf den Fragebogen ist dieselbe Antwort, die eure Geschäftsführung ohnehin braucht, um über KI zu entscheiden.

Deshalb steht am Anfang kein Gutachten, sondern eine Inventur. Ein KI-Inventar ist ein zentrales, durchsuchbares Register aller KI-Anwendungsfälle, Systeme und Ideen im Haus. Der AI Act, also die europäische KI-Verordnung, verlangt genau so ein Register für die riskanten Fälle. Ihr braucht es aber schon vorher, weil sich nur steuern lässt, was an einer Stelle sichtbar ist.

Woran du merkst, dass euch das Register fehlt

Der schnellste Test dauert zehn Minuten. Bitte jemanden, eine Liste aller KI-Anwendungen im Haus zu öffnen, in der je Fall der Zweck, ein namentlich Verantwortlicher und die Risikoklasse stehen. Entsteht diese Liste erst durch Rundmails an vier Abteilungen, existiert sie nicht. Eine Liste, die man jedes Mal neu zusammensucht, ist keine Liste, sondern ein Projekt.

Das zweite Anzeichen ist eine Frage, die im Alltag nie gestellt wird: Betreibt ihr ein System nur, oder bietet ihr es an? Diese Unterscheidung entscheidet über den Umfang eurer Pflichten, und sie kippt schneller, als man denkt. Wer ein fremdes System unter eigener Marke an Kunden ausliefert oder seinen Zweck erweitert, rutscht von der Betreiber- in die Anbieterrolle und damit in deutlich mehr Auflagen.

Das dritte Anzeichen hat seit dem 2. August 2026 ein Datum. Seitdem greifen die Transparenz- und Kennzeichnungspflichten des AI Act, während die Fristen für Hochrisiko-Systeme nach hinten verschoben wurden. Praktisch heißt das: Überall dort, wo eine KI mit euren Kunden spricht oder Inhalte für sie erzeugt, muss das erkennbar sein. Wer nicht weiß, an welchen Kundenkontaktpunkten KI mitschreibt, kann sie auch nicht kennzeichnen. Die verschobene Hochrisiko-Frist ist dabei kein Geschenk, sondern ein Vorbereitungsfenster.

Das vierte Anzeichen ist organisatorisch. Es gibt bei euch eine Beschaffung, aber keine Freigabe. Neue Werkzeuge kommen über die Kreditkarte einer Fachabteilung ins Haus, und niemand prüft vorher, welche Daten hineinlaufen und welche Entscheidung am Ende davon abhängt. Was so hereinkommt, taucht in keinem Register auf, weil es nie eines gab, in das man es hätte eintragen können.

Warum die Regulierungsangst am falschen Punkt ansetzt

„Bei uns geht das nicht wegen der Regulierung" ist einer der meistgesagten Sätze zu diesem Thema und fast immer falsch. Er entsteht aus einem Denkfehler, und der Denkfehler löst sich in einem Satz auf.

Reguliert wird der Verwendungszweck, nicht die Technik. Das Gesetz fragt nie, welches Modell ihr einsetzt. Es fragt, wofür ihr es einsetzt. Derselbe Chatbot ist gering reguliert, wenn er Produktbeschreibungen formuliert, und stark reguliert, wenn er über Bewerbungen entscheidet. Wer das begreift, hört auf, über Technik zu diskutieren, und fängt an, Fälle zu sortieren.

Die vier Risikoklassen sortieren, statt zu verbieten. Die Skala reicht von verboten über hoch und beschränkt bis minimal. Verboten trifft wenige, klar benannte Praktiken. Hoch meint Anwendungen mit ernsten Folgen für einzelne Menschen, etwa im Recruiting oder bei Kreditentscheidungen. Beschränkt verlangt vor allem Transparenz nach der Leitfrage, ob jemand mit einem Menschen oder mit einer Maschine spricht. Minimal umfasst fast alles Übrige und trägt keine besonderen Pflichten. Im Mittelstand landet die große Mehrheit der Fälle in den unteren beiden Klassen, und genau das ist die Entlastung, die in der Angstdebatte untergeht.

Hochrisiko heißt Pflichten, nicht Verbot. Für die wenigen Fälle in der hohen Klasse gelten rund acht Pflichtbereiche, von Risikomanagement über Datenqualität, Transparenz und Protokollierung bis zu menschlicher Aufsicht und Cybersicherheit. Das ist Aufwand, aber planbarer Aufwand, und er konzentriert sich auf eine Handvoll Fälle statt auf euren gesamten Werkzeugkasten.

Die Klassen ordnen Pflichten, nicht Risiken. Das ist der Punkt, an dem ein reines Compliance-Register zu kurz greift. Ein Fall kann minimal reguliert sein und euch trotzdem teuer zu stehen kommen, etwa wenn ein Assistent Kunden eine falsche Lieferzeit zusagt. Die Risikoklasse sagt dir, was der Gesetzgeber von dir verlangt. Sie sagt dir nicht, was in deinem Betrieb schiefgehen kann.

Kurz gesagt

Der AI Act fragt nie, welches Modell ihr benutzt. Er fragt, wofür ihr es einsetzt.

Fünf Schritte zu einem Register, aus dem Entscheidungen folgen

Die Reihenfolge ist wichtig. Klassifizieren kannst du nur, was du überhaupt kennst, also steht die Erfassung vor jeder Einordnung.

Schritt für Schritt

Leg ein einziges durchsuchbares Register an, bevor du irgendetwas klassifizierst

Trag jeden laufenden Fall, jedes System und jede Idee an genau einem Ort ein, nicht in drei Abteilungstabellen. Beschreib jeden Eintrag im Dreiklang aus Nutzerproblem, Lösungsansatz und erwartetem Mehrwert, weil ein Eintrag ohne diese drei Angaben später niemandem hilft. Nimm die Ideen bewusst mit auf: Ein Register, das nur Laufendes kennt, hinkt der Realität immer ein Quartal hinterher.

Ordne jeden Eintrag einer der vier Risikoklassen zu und markier die wenigen Hochrisiko-Fälle

Geh die Liste einmal von oben nach unten durch und entscheide je Fall: verboten, hoch, beschränkt oder minimal. Für die markierten Hochrisiko-Fälle gehst du danach die acht Pflichtbereiche durch, für alle anderen nicht. Der Nutzen dieses Schrittes ist nicht die Einordnung selbst, sondern die Entlastung: Du siehst schwarz auf weiß, wie klein der Teil ist, der echte Arbeit macht.

Kläre je Fall, ob ihr Anbieter oder Betreiber seid

Baut und vertreibt ihr ein KI-System selbst, seid ihr Anbieter und tragt die volle Last der Anforderungen. Setzt ihr ein fremdes System nur ein, seid ihr Betreiber, und die Pflichten sind deutlich leichter, vor allem rund um Aufsicht und bestimmungsgemäße Nutzung. Für den Mittelstand ist die Betreiberrolle der Normalfall. Klär sie trotzdem je Fall und nicht pauschal, denn eine eigene Marke auf einem fremden System verschiebt die Rolle.

Erweitere das Register um drei Risiko-Spalten

Die erste Spalte hält fest, wo das Risiko entsteht, also an welchem Schritt im Ablauf. Die zweite unterscheidet, ob es ein Risiko der Weltlage ist, das ihr nicht beeinflusst, oder eines, das ihr selbst erzeugt. Die dritte benennt das größte Risiko dieses einen Anwendungsfalls, und zwar in einem Satz. KI-Risiken lassen sich in sieben Familien und 24 Klassen sortieren. Du brauchst nicht alle, aber du solltest wissen, welche davon deine sind.

Häng den Freigabeprozess an genau eine steuerbare Kennzahl und führ jeden Fall über Quality Gates

Ein Quality Gate ist ein fester Prüfpunkt, an dem ein System die nächste Stufe nur mit belegter Qualität passiert. Wer dazu Evals einbaut, also automatisierte Tests, die vor der Ausgabe prüfen, ob die Aufgabe verlässlich gelöst wurde, erzeugt die verlangten Nachweise fast nebenbei. Die eine Kennzahl ist der Unterschied zwischen Steuerung und Sammlung: Ohne sie füllt sich das Register, und es folgt nie eine Entscheidung daraus.

Was ein Register wirklich leistet

Der Fragebogen aus dem Einkauf ist beantwortbar, sobald das Register existiert, und das ist der kleinere Teil des Gewinns. Der größere Teil ist, dass zum ersten Mal jemand im Haus sagen kann, was dort eigentlich läuft. Ein KI-Inventar ist kein Ordner für die Prüfung, sondern die erste Managementübersicht über einen Bereich, der bisher aus Einzelentscheidungen bestand.

Die meisten Einträge darin werden langweilig sein, minimal reguliert und ohne besondere Pflichten. Genau das ist das Ergebnis. Aus diffuser Regulierungsangst wird eine kurze Liste echter Aufgaben, und die lässt sich abarbeiten. Wer schon eine funktionierende Data-Governance hat, also Rollen, Standards und eine laufende Überwachung für seine Daten, erweitert sie dafür evolutionär. Das ist ein Anbau, kein Neubau.

Wenn du wissen willst, wo dein Unternehmen dabei gerade steht, mach den KIRA-Check. Er verortet dich über sechs Stufen und fünf Achsen, und eine dieser Achsen heißt Governance und Verlässlichkeit, also genau der Rahmen, um den es hier ging. Du bekommst dein Profil und die zwei Engpässe, die dich aktuell bremsen. Zehn Minuten, keine Note am Ende.

Der KI-Reifegrad-Atlas

Die ganze Landkarte auf einen Blick

Sechs Stufen, fünf Achsen, drei Querschnitte. Der Atlas zeigt dir, was vor und was nach deinem nächsten Schritt liegt.

Zum Atlas