Wie die Salzburg AG mit einer neuen Crowdinvesting-Plattform die Energiewende vorantreibt

06.05.2021

Data Science als Entwicklungsturbo für den Handel

Im Interview mit brutkasten Wirtschaft spricht Nils Wlömert, neuer Vorstand am Institut für Retailing & Data Science am Department für Marketing an der WU Wien über das noch nicht genutzte Potenzial von Datenanalysen für die Marketingabteilungen vieler Unternehmen und wie man dieses heben kann.

/artikel/data-science-entwicklungsturbo-handel

✨ AI Kontextualisierung

Seit 1. Jänner ist Nils Wlömert neuer Vorstand des Instituts für Retailing & Data Science am Department für Marketing an der WU Wien. Der 41-Jährige promovierte 2014 an der Universität Hamburg, war von 2015 bis 2020 als Assistenzprofessor am Institut für Interactive Marketing & Social Media an der Wirtschaftsuniversität Wien tätig, und schloss dort 2020 seine Habilitation ab. In seiner Forschung beschäftigt sich der neue Institutsleiter mit dem Einfluss der Digitalisierung und neuer Technologien auf Märkte und Geschäftsmodelle von Unternehmen. Dabei untersucht er beispielsweise den Einfluss neuer Online-Vertriebskanäle auf traditionelle Vertriebskanäle und deren Zusammenspiel im Multi-Channel Vertrieb.

Das Instituts für Handel und Marketing an der WU Wien wurde unter Ihrer Führung zum Institut für Retailing & Data Science umbenannt. Was waren die Beweggründe dafür?

Der Handel, den wir im Namen des Instituts ja auch weiterhin verankern, wird zukünftig inhaltlich nach wie vor eine übergeordnete Bedeutung am Institut haben. Daran wird sich nichts Grundlegendes ändern. Mit Data Science gibt es aber eine Erweiterung der Kompetenzen, mit der wir einem aktuellen Markttrend folgen, der insbesondere für den Handel viel Potenzial bietet.

Sie sprechen von Big Data?

Genau. Big Data spielt in vielen Unternehmen bereits seit Längerem eine immer wichtigere Rolle, denn es werden sehr großen Datenmengen über das Verhalten von Kunden gesammelt. Dieses Thema gewinnt durch die steigende Popularität von Onlinekanälen, wo das Kundenverhalten noch genauer erfasst werden kann, deutlich an Dynamik. Diese Daten nutzbar zu machen um daraus Implikationen für das Marketing abzuleiten wird immer relevanter. Der zweite Trend, der die Neuausrichtung notwendig macht, ist das Thema Personalisierung, das große Onlinehändler bereits sehr erfolgreich für sich nutzen. Und genau hier wollen wir sowohl in der Lehre als auch in der Forschung anknüpfen, um die dafür notwendigen Kompetenzen zu vermitteln.

Und dementsprechend auch das Unterrichtsprogramm adaptieren?

Ja genau. Im Bereich der Lehre werden wir das Angebot ausbauen und den Bereich Data Science stärker aus einer Managementperspektive fokussieren. Denn wir sehen zwar eine immer engere Verzahnung des Marketings mit anderen Forschungsdisziplinen wie zum Beispiel im Bereich Computer Science, wo entsprechende Algorithmen entwickelt werden, jedoch erfordert die Interpretation der Ergebnisse für das Marketing spezielle Kenntnisse. Wenn der Schwerpunkt zu technisch ist, dann fehlt oftmals das Verständnis für die strategischen Implikationen im Marketing. Und letztendlich kommt es bei der Wahl der Methode immer auf den Anwendungsfall und die Zielsetzung an. Es macht beispielsweise einen Unterschied, ob eine Prognose oder ein Ursache-Wirkungs-Zusammenhang das Ziel der Analyse ist.

Können Sie das bitte anhand eines Beispiels genauer erklären?

Ich werde zum Beispiel häufig gefragt, wie effektiv ein bestimmter Werbekanal im Vergleich zu anderen Werbekanälen ist. Um den relativen Return on Investment eines Marketingkanals zu ermitteln, können prinzipiell Daten wie Absatzzahlen und Werbebudgets herangezogen werden, die bei Unternehmen häufig vorliegen. Jedoch werden Werbebudgets oftmals strategisch in Abhängigkeit der Nachfrage angepasst. Saisonalität ist hier ein Beispiel – wenn Manager das Werbebudget aufgrund eines erwarteten Nachfrageanstiegs um einen Feiertag erhöhen, dann muss die Analyse den natürlichen Nachfrageanstieg durch den Feiertag kontrollieren, um den Einfluss der Werbung nicht zu überschätzen. Hinzu kommen Herausforderungen durch Abhängigkeiten zwischen Werbekanälen und die korrekte Zurechnung des Effektes zu dem jeweiligen Kanal, was die Komplexität zusätzlich erhöht. Um die Ergebnisse solcher Analysen im Sinne einer datengestützten Marketingstrategie für Manager sinnvoll nutzbar zu machen, sind spezielle Marketingkenntnisse im Hinblick auf die Interpretierbarkeit der Ergebnisse erforderlich.

Das Institut hat bisher mit der Verbindung von Forschung, Lehre und Praxis gepunktet. Werden Sie an diesem Kurs weiter festhalten?

Es ist mir ein großes Anliegen, den Praxisbezug weiter auszubauen und zwar sowohl in der Lehre als auch in der Forschung. Ich würde mich sehr darüber freuen, wenn Forschung und Lehre so wie in der Vergangenheit auch in Zukunft sehr praxisnah verstanden werden und wir langfristige Kooperation gemeinsam mit Handels- und Industrieunternehmen etablieren können. Hier möchte ich ganz klar an dem bisher eingeschlagenen Weg festhalten.

In welcher Form können Sie sich solche Kooperationen vorstellen?

Ich bin davon überzeugt, dass die Zusammenarbeit von Universitäten mit Akteuren aus der Praxis sehr wichtig ist, weil beide Seiten voneinander profitieren können. Es gibt sehr häufig Fragestellungen, die auf der einen Seite wissenschaftliche Relevanz haben, aber auf der anderen Seite greifbaren Nutzen und Mehrwert für Unternehmen schaffen. In der Vergangenheit haben sich Forschungskooperationen sehr bewährt und wir werden auch an den etablierten Praxisdialogen, einer Vortragsreihe, bei der renommierte Praktiker wie zum Beispiel zuletzt Bipa-Geschäftsführer Thomas Lichtblau, instinct laboratory-CEO Matt Chadder oder Miele Österreich-Geschäftsführerin Sandra Kolleth zu Wort kommen, festhalten. Diese Vortragsreihe ist ein gutes Beispiel für eine erfolgreiche Zusammenarbeit von Lehre und Praxis, denn während die Studierenden Informationen aus erster Hand erhalten, können sich die jeweiligen Unternehmen präsentieren und im besten Fall als attraktiver Arbeitgeber für die zukünftigen Absolventen positionieren. Außerdem können sich Unternehmen auch in Form von Datenkooperationen einbringen, denn es geht letztendlich wie bereits geschildert ja darum, die Schnittstelle zwischen Handel und Data Science abzubilden und das Institut als Kompetenzplattform in diesem Bereich zu etablieren.

Um gleich bei der Praxis zu bleiben, sind die österreichischen Unternehmen in Sachen sinnvolle Datennutzung für das Marketing – wie von Ihnen eben geschildert – bereits gut aufgestellt?

Das ist ein Bereich, der sich sehr dynamisch entwickelt und dementsprechend gibt es auch noch Entwicklungspotenzial. Ich sehe hier aber kein Versäumnis der Unternehmen, sondern sehe es auch als Aufgabe der Universitäten, entsprechende Kompetenzen in diesem Bereich zu vermitteln. Viele Unternehmen wären vermutlich schon deutlich weiter, wenn sie auf Mitarbeiter mit diesem Know-how zurückgreifen könnten. Aktuell gibt es zwar das Berufsbild des Data Scientist, aber hier fehlt eben häufig das Verständnis für den Nutzen der Daten fürs Marketing. Wenn es uns gelingt, uns hier zu verstärken, dann können wir auf der einen Seite die Chancen für Absolventen am Jobmarkt verbessern und Unternehmen auf dem Weg der Datennutzung und Digitalisierung besser unterstützen.

Digitalisierung und E-Commerce werden häufig in einem Atemzug genannt. Im Gegensatz zu anderen Branchen kommt der Onlinehandel mit Lebensmitteln bei den etablierten Konzernen nicht so wirklich in Schwung. Kleinere Player wie gurkerl.at oder markta scheinen das Business deutlich besser im Griff zu haben. Woran liegt das Ihrer Meinung nach?

Hierfür gibt es verschiedene Gründe. Zum einen ist die hohe Filialdichte im LEH in Österreich zu nennen, wodurch es für die meisten Konsumenten und Konsumentinnen bequem möglich ist, Einkäufe im stationären Handel zu erledigen. Daher ist der Handlungsdruck für große Händler in diesem Bereich weniger stark ausgeprägt. Zumal bei einem Multichannel-Ansatz im Hinblick auf die Gesamtprofitabilität auch die Interaktionen zwischen Vertriebskanälen beachtet werden müssen. Diese Überlegungen müssen reine Online-Händler nicht anstellen, bei denen der Fokus rein auf dem Online-Handel liegt. Es bleibt abzuwarten, wie sich die von Ihnen genannten Unternehmen und andere Startups wie Gorillas aus Deutschland, welches auf die relativ kostspielige Überbrückung der letzten Meile fokussieren, zukünftig entwickeln werden und wie das die Marktdynamik beeinflussen wird. Insbesondere in urbanen Gebieten gibt es sicherlich einen Markt für ein solches Angebot – entsprechend schnelle Lieferzeiten vorausgesetzt.

Muss man heutzutage wirklich einen Onlineshop haben, um im LEH erfolgreich zu sein?

Wenn man sich den Marktanteil ansieht, demzufolge lediglich rund 2,5 Prozent aller Lebensmittel online gekauft werden, dann macht das die Wichtigkeit des stationären Handels in dieser Branche deutlich. Daran hat auch – im Gegensatz zu anderen Branchen – die aktuelle Situation der Pandemie, dank der Hygiene-Konzepte im Handel, nicht viel geändert. Um sich für die Zukunft zu rüsten, geht es meines Erachtens gar nicht so sehr um die Frage ob Onlinehandel oder stationärer Vertrieb, sondern um einen nachhaltigen Multichannelansatz nach dem Grundsatz der Customer Centricity. So kann sich die jeweilige Zielgruppe aus einem Portfolio das jeweils für die Bedürfnisse passendste Angebot aussuchen. Und hier ist der Online-Kanal ein wichtiger Bestandteil der weiter an Relevanz gewinnen wird.

Im Zusammenhang mit dem Thema Digitalisierung ist auch immer wieder die Rede von Supermärkten ohne Mitarbeitern. Amazon lebt dieses Geschäftsmodell vor und auch hierzulande gibt es schon Märkte mit Self Checkout-Zonen, die ja als erster Schritt in diese Richtung verstanden werden können. Ist das die Zukunft des Einkaufens?

Es gibt sicherlich auch für dieses Konzept einen Markt. Wenn man an Öffnungszeiten denkt, gibt es für Standorte ohne Personal andere Möglichkeiten. Gleichzeitig ist das Personal aber auch ein zentrales Differenzierungsmerkmal des stationären Handels gegenüber dem Online-Handel. Hier ist es wichtig, die unterschiedlichen Bedürfnisse der Konsumenten zu verstehen und entsprechende Angebote bereitzustellen. Während für viele Konsumenten bei Online-Kanälen insbesondere Faktoren wie Bequemlichkeit, Sortimentsbreite und Preis-Leistung eine Rolle spielen, sind es im stationären Handel vorwiegend das Einkaufserlebnis, soziale Kontakte und der damit verbundene Freizeitwert. Hierbei spielt das Personal eine zentrale Rolle. Ich denke also nicht, dass Supermärkte langfristig auf Personal verzichten können, aber es ist auf jeden Fall spannend für Händler, im Zuge kleinerer Rollouts vorausschauend zu testen, in welchen Situation für welche Segmente ein solches Angebot passend ist.

Und angesichts des Vormarsches bargeldloser Bezahlsysteme – werden wir bald nur mehr bargeldlos einkaufen?

Ich glaube, hier kommt es auch darauf an. Es gibt viele Menschen, die die Vorteile von bargeldlosem Bezahlen zu schätzen wissen. Andere wiederum wollen ihre Einkäufe nicht mittels Kredit- oder Bankomatkarte oder via Smartphone begleichen. Man muss sein Angebot eben dementsprechend breit aufstellen, um allen Bedürfnissen bestmöglich Rechnung zu tragen. Aber dass der bargeldlose Bezahlvorgang an Bedeutung und Relevanz gewinnt, ist denke ich klar.

Vielen Dank für das Gespräch.

Linktippzum Institut für Retailing & Data Science

Deine ungelesenen Artikel:

Martin Pacher

03.08.2026

KI-Kennzeichnung: Was seit Sonntag gekennzeichnet werden muss, und was nicht

Seit 2. August ist Artikel 50 des EU AI Act verbindlich, die Transparenzstufe der KI-Verordnung. Der Wiener Rechtsanwalt Manuel Mofidian erklärt anhand von drei konkreten Anwendungsbeispielen, was gekennzeichnet werden muss und was nicht.

/artikel/ki-kennzeichnung-was-gekennzeichnet-werden-muss-und-was-nicht

Martin Pacher

03.08.2026

KI-Kennzeichnung: Was seit Sonntag gekennzeichnet werden muss, und was nicht

/artikel/ki-kennzeichnung-was-gekennzeichnet-werden-muss-und-was-nicht

Ein Unternehmen erstellt selbst oder unter seiner Weisung und Kontrolle einen kurzen Werbeclip. Kein Dreh, kein Team, kein Budget für Schauspieler:innen: Die Person, die im Video das Produkt vorstellt, ist von einer KI generiert. Sie existiert nicht, sieht aber aus wie ein Mensch.

Seit Sonntag ist dieser Clip kennzeichnungspflichtig, und die Pflicht trifft das Unternehmen, nicht das Tool, mit dem der Clip entstanden ist. Denn ein Deepfake im Sinne des Gesetzes ist nicht nur die manipulierte Aufnahme einer prominenten Person. Nach den neuen Leitlinien der EU-Kommission genügt es, dass das Dargestellte real existieren könnte und der Inhalt so wirkt, als wäre er echt. Ob jemand täuschen wollte, spielt keine Rolle. Ob der Gesetzeswortlaut wirklich so weit reicht, wird in der Fachwelt diskutiert, denn er knüpft an die Ähnlichkeit mit real existierenden Personen an. Für die Praxis ist vorerst die Kommissionslinie maßgeblich, denn an ihr werden sich die Behörden primär orientieren.

Nein, die EU hat das nicht verschoben

In vielen Geschäftsleitungen ist in den vergangenen Wochen eine andere Botschaft angekommen: Brüssel habe zurückgerudert, man habe Zeit. Diese Lesart ist gefährlich verkürzt.

Die Digital-Omnibus-Verordnung zur KI, Verordnung (EU) 2026/1744, wurde am 24. Juli im Amtsblatt veröffentlicht und ist seit 27. Juli in Kraft, wenige Tage vor dem Stichtag. Verschoben hat sie die Pflichten für Hochrisiko-Systeme: eigenständige Anwendungen nach Anhang III auf Dezember 2027, in Produkte eingebettete KI auf August 2028. Die Transparenzpflichten hat sie in ihrer Substanz nicht angetastet. Sie gelten seit Sonntag.

Eine einzige Ausnahme gibt es, und sie betrifft Anbieter, nicht Anwender (in der KI-VO Betreiber genannt): Generative KI-Systeme, die bereits vor dem 2. August auf dem Markt waren, haben für die technische, maschinenlesbare Kennzeichnung ihrer Ausgaben bis zum 2. Dezember 2026 Zeit. Auf die Pflichten von Unternehmen, die KI einsetzen, hat das keine Auswirkung.

Was es an Orientierung gibt

Anders als beim Start der DSGVO steht der Stichtag nicht im luftleeren Raum. Die EU-Kommission hat am 10. Juni den Verhaltenskodex zur Transparenz KI-generierter Inhalte veröffentlicht. Die dazugehörigen Leitlinien zur Auslegung von Artikel 50 hat sie inhaltlich am 20. Juli freigegeben, die förmliche Annahme steht noch aus, bis alle Sprachfassungen vorliegen. Beides ist rechtlich nicht bindend, in der Praxis aber der Maßstab, an dem sich Behörden orientieren werden.

Der Kodex wurde von Kommission und AI Board als geeignet bewertet. Wer ihm beitritt, kann sich zum Nachweis der Kennzeichnungspflichten darauf berufen. Wer das nicht tut, muss seine Compliance auf anderem Weg belegen und muss laut Kommission mit mehr Auskunftsersuchen rechnen.

Die wichtigste Unterscheidung, die Sie brauchen

Das Gesetz trennt zwei Rollen: Anbieter und Betreiber. „Stark vereinfacht gesagt: Anbieter ist, wer ein KI-System entwickelt und auf den Markt bringt. Betreiber ist derjenige, der ein KI-System in eigener Verantwortung nutzt. Die Definitionen sind aber deutlich länger und komplexer, also muss im Einzelfall wirklich ausgelegt werden, ob die Tatbestände erfüllt sind, auch weil diese mit den Definitionen von KI-Systemen und -Modellen verzahnt sind“, sagt Manuel Mofidian, Wirtschafts- und Tech-Rechtsanwalt mit Spezialisierung auf KI-Recht. „Vielleicht sogar 99 Prozent der Unternehmen und Organisationen, die KI einsetzen, sind Betreiber.“

So sei man bereits Betreiber, wenn ein Unternehmen einen eingekauften Voicebot laufen lässt. Aber auch wenn Mitarbeiter:innen auf Anweisung des Unternehmens ein KI-Tool einsetzen, wird dadurch ihr Unternehmen zum Betreiber, nicht der einzelne Mitarbeiter:innen. Heraus fällt nur die rein persönliche und nicht berufliche Nutzung: „Wenn meine Mutter privat ChatGPT verwendet, ist sie keine Betreiberin.“

Die Grenze verläuft dabei nicht per se zwischen Unternehmen und Einzelpersonen, sondern zwischen privat und erwerbsmäßig. Wer regelmäßig wirtschaftlichen Nutzen aus der Nutzung zieht oder sie im Rahmen einer geschäftlichen, beruflichen oder freiberuflichen Tätigkeit einsetzt, ist Betreiber. Creator, die KI-Inhalte monetarisieren, fallen darunter.

Diese Trennung entscheidet, wer welche Pflicht hat. In den drei folgenden Beispielen fällt die Antwort jeweils anders aus.

Beispiel 1: Der Chatbot im Kundenservice

Wer mit einer KI spricht, muss das erfahren. Diese Pflicht trifft allerdings nicht Sie, sondern den Anbieter, also jenes Unternehmen, das den Assistenten gebaut und verkauft hat. Es muss das Produkt so konzipieren, dass die Information rechtzeitig kommt. „Bei der ersten Interaktion, so früh wie möglich und deutlich“, fasst Mofidian zusammen, in der Praxis also z. B. mit einer Ansage zu Gesprächsbeginn.

Eine Ausnahme gibt es, wenn ohnehin offensichtlich ist, dass eine KI interagiert. Ein erkennbarer virtueller Comic-Avatar dürfte darunterfallen. Eine Stimme, die klingt wie ein Mensch, nicht. Auf diese Ausnahme sollte man sich aber nicht zu bequem verlassen: Die Kommission verlangt in ihren Leitlinien eine enge Auslegung, weil die Ausnahme den Betroffenen Transparenz entzieht.

Für Unternehmen, die einen solchen Assistenten einkaufen, ist dieser legistische Ansatz dennoch eine Entlastung: Sie müssen die Ansage nicht selbst einbauen. Wer allein einen fremden Chatbot in die eigene Website einbindet, bleibt nach den Leitlinien im Regelfall Betreiber. Die Rolle kann aber kippen: Wer in gewissen Konstellationen das System wesentlich verändert, etwa nachtrainiert, wer seine Zweckbestimmung ändert oder es unter eigenem Namen oder eigener Marke in Verkehr bringt, kann selbst zum Anbieter werden und „erbt“ dann die Anbieter-Pflichten.

Beispiel 2: Das „Deepfake“-KI-Video im Marketing

Hier kann die Hauptverantwortung das KI-einsetzende Unternehmen treffen, den Betreiber im Sinne der KI-Verordnung. Wer Inhalte veröffentlicht, die als echt durchgehen könnten, muss offenlegen, dass sie künstlich erzeugt wurden. Der Hinweis darf dabei nicht in den Metadaten vergraben sein, er muss für Menschen wahrnehmbar sein. Auf die maschinenlesbare Markierung, die der Anbieter im Inhalt hinterlässt, können Sie sich zur Erfüllung Ihrer eigenen Pflicht ausdrücklich nicht stützen.

Nicht jedes KI-Bild fällt darunter. „Jedes Deepfake ist künstlich erzeugt, aber nicht jeder künstlich erzeugte Inhalt ist ein Deepfake“, sagt Mofidian. „Ich kann tausend Sachen mit einer KI machen, die nichts mit Deepfake zu tun haben. Ein Bild von einem Einhorn zum Beispiel. Hier besteht keine ausreichende Ähnlichkeit mit realen Lebenssachverhalten, weswegen dies kein Deepfake sein kann.“ Bei offensichtlich künstlerischen, kreativen, satirischen, fiktionalen oder vergleichbaren Werken kann die Offenlegung in angemessener, nicht die Darstellung beeinträchtigender Form erfolgen. Die Kennzeichnungspflicht entfällt dadurch jedoch nicht vollständig.

Wie eine Kennzeichnung konkret aussehen kann, beschreibt der Verhaltenskodex. Die Kommission stellt dafür einen Satz frei verfügbarer EU-Icons bereit, den Betreiber verwenden können; gleichwertige eigene Labels sind ebenfalls zulässig. Der Kodex macht darüber hinaus Vorgaben zu Gestaltung und Platzierung und sieht Alternativen vor, wo visuelle Labels nicht funktionieren, bei reinen Audioinhalten etwa gesprochene Hinweise.

Beispiel 3: Der automatisch erzeugte Text

Der unauffälligste Teil ist für viele der folgenreichste. Wer KI-erzeugte Texte veröffentlicht, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren, muss das kennzeichnen. Hier genügt bereits die Erzeugung, eine Verzerrung der Realität ist nicht nötig.

Jedoch greift eine Ausnahme, wenn der Inhalt einer menschlichen Überprüfung oder redaktionellen Kontrolle unterzogen wurde und eine natürliche oder juristische Person die redaktionelle Verantwortung für die Veröffentlichung trägt.

Entscheidend ist, was als Überprüfung zählt. Die Kommission verlangt eine bewusste Auseinandersetzung mit der Substanz des Inhalts, durch Personen mit einschlägigem Fachwissen und fachlichem Urteilsvermögen. Rein formale oder prozedurale Kontrollen genügen ausdrücklich nicht, Rechtschreib- und Grammatikkorrektur werden als Negativbeispiele genannt. Ein Text muss also nicht verändert, aber inhaltlich geprüft werden. „Es kann reichen, dass du es einmal bewusst inhaltlich substanziell prüfst und durchliest. Keiner verpflichtet dich, einen Beistrich zu ändern“, sagt Mofidian. Entscheidend sei, dass beides zusammenkommt: „Die Prüfung allein genügt nicht. Es muss auch jemand die redaktionelle Verantwortung übernehmen.“

Damit sind klassische Redaktionen weitgehend außen vor. Eng wird es dort, wo der Mensch aus dem Prozess verschwindet. Ein Agent, der Texte generiert und selbst publiziert, ohne dass jemand gegenliest, erfüllt die erste Bedingung nicht. „Wenn das alles autonom abläuft, dann hast du ein Kennzeichnungs-Thema“, sagt Mofidian. Für Unternehmen, die gerade solche Pipelines aufbauen, sei dies eine wichtige Konsequenz des Stichtags.

Was nicht gekennzeichnet werden muss

Rund um den Stichtag kursierte die Warnung, künftig müsse praktisch jeder mit KI erstellte Inhalt ein Label tragen. Das ist so nicht richtig, und die Abgrenzung ist für die Praxis oft entscheidender als die Pflicht selbst.

Nicht erfasst sind KI-erzeugte Texte, die nicht der Information der Öffentlichkeit über Angelegenheiten von öffentlichem Interesse dienen. Hier braucht es nach Artikel 50 kein Label. Auch der Newsletter über das eigene Sortiment fällt nicht darunter, wohl aber ein Beitrag, der über ein Thema von allgemeinem Interesse informiert.

Nicht erfasst sind erkennbar künstliche Bilder und Videos, vom Fantasiemotiv bis zur sichtbar generierten Illustration.

Nicht erfasst ist KI, die im Hintergrund unterstützt, ohne den Inhalt wesentlich zu verändern, etwa bei Standardbearbeitung oder Berechnung. Ebenso wenig erfasst sind Systeme, die weder mit Menschen interagieren noch Inhalte erzeugen und auch keine Emotionen erkennen oder Menschen biometrisch kategorisieren, also der Großteil klassischer Analyse-Anwendungen in der Produktion.

Nicht erfasst ist schließlich, was vor dem Stichtag erzeugt wurde: Eine rückwirkende Kennzeichnung älterer Inhalte verlangt niemand. Eine Ausnahme sollten Unternehmen mit vorbefülltem Content-Kalender kennen: Bei Text kommt es auf den Zeitpunkt der Veröffentlichung an. Wer einen KI-Text im Juli erzeugt und im September publiziert, muss ihn kennzeichnen, sofern er unter die Pflicht fällt.

Und schließlich ist die maschinenlesbare Kennzeichnung, über die derzeit viel geschrieben wird, eine Pflicht der Anbieter, und sie richtet sich nicht an den Leser. „Für dich muss die Kennzeichnung nicht eindeutig sein, sondern für eine Maschine“, erklärt Mofidian den Unterschied. „Beim Deepfake muss es dagegen so sein, dass ein Mensch es versteht.“ Wer KI-Werkzeuge einkauft, muss also keine Wasserzeichen in seine Dateien bauen.

Wer allerdings dokumentieren kann, wie ein Inhalt entstanden ist und wer ihn freigegeben hat, ist im Streitfall besser aufgestellt. Nachweisbarkeit ist keine Pflicht aus Artikel 50, aber sie entscheidet, wie belastbar man dasteht, wenn jemand nachfragt.

Die Falle: KI-Recht ist mehr als nur die KI-VO

Selbst wer nach dieser Aufteilung zum Schluss kommt, als Betreiber in gewissen Konstellationen wenig tun zu müssen, sollte nicht zu früh aufatmen. Dass der AI Act in gewissen Konstellationen entlasten kann, sagt Mofidian, „heißt für andere, ebenfalls einschlägige Rechtsgebiete noch nichts“. „KI-Recht ist eine Querschnittsmaterie. Das Kennzeichnungs-Regime des AI Acts ist nur eine Schicht. Daneben laufen DSGVO, Urheberrecht, Persönlichkeitsrechte, Lauterkeitsrecht, Vertrags- und Haftungsfragen.“

Für die Praxis besonders relevant: Das Label schützt nicht vor anderen Rechtsfolgen. „Ein gekennzeichnetes Deepfake kann trotzdem rechtswidrig sein, etwa weil es das Bildnis einer realen Person verletzt“, sagt Mofidian. Zudem droht die Durchsetzung nicht nur von Behördenseite: „Eine fehlende Kennzeichnung, aber auch eben z. B. Rechtsverstöße aus anderen Bereichen, holen dich unter Umständen schneller über eine Mitbewerber-Abmahnung ein als über eine Behörde.“ Die Kennzeichnung beantwortet nur die Frage, ob KI im Spiel war, nicht, ob der Inhalt selbst zulässig ist oder Rechte anderer verletzt, etwa Geschäftsgeheimnisse.

Deutlich zeige sich dies z. B. im Datenschutzrecht. Dort kann sich das Verhältnis in gewissen Konstellationen fast schon umdrehen, wobei auch hier jedenfalls im Einzelfall geprüft werden muss: Während nach der KI-Verordnung Pflichten wie der „Chatbot-Hinweis“ oder die maschinenlesbare Markierung beim Anbieter liegen können, kann datenschutzrechtlich das einsetzende Unternehmen der Verantwortliche sein, weil es über Zweck und Mittel der Datenverarbeitung entscheidet. Der KI-Anbieter kann in dieser Konstellation datenschutzrechtlich betrachtet häufig Auftragsverarbeiter sein, wobei denkbar ist, dass KI-Anbieter daneben auch zu eigenen Zwecken verarbeiten und insoweit selbst Verantwortliche sind. Arbeitet der Anbieter nicht DSGVO-konform, kann das auf das einsetzende Unternehmen zurückfallen, das nach der KI-Verordnung „nur“ Betreiber ist, nach der DSGVO aber Verantwortlicher.

Was Verstöße kosten

Verstöße gegen die Transparenzpflichten liegen auf der mittleren Sanktionsstufe: bis zu 15 Millionen Euro oder drei Prozent des weltweiten Jahresumsatzes. Für Unternehmen gilt der höhere der beiden Werte.

Für kleine und mittlere Unternehmen einschließlich Startups dreht die Verordnung diese Regel um. Dort gilt der niedrigere Wert. Ein Startup mit zehn Millionen Euro Umsatz riskiert damit maximal 300.000 Euro, nicht 15 Millionen. Die oft zitierten 35 Millionen Euro betreffen ausschließlich die verbotenen KI-Praktiken und haben mit Kennzeichnung nichts zu tun.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag