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

22.05.2020

Künstliche Intelligenz als Chance für die Industrie: ein Leitfaden

Die Coronakrise hat gezeigt, dass es durch Künstliche Intelligenz möglich ist, Kosten nachhaltig zu reduzieren. Das Wiener Software- und KI-Unternehmen craftworks hat einen Leitfaden entwickelt und sich dabei an über 20 erfolgreich umgesetzten KI-Projekten orientiert.

/artikel/kunstliche-intelligenz-als-chance-fur-die-industrie-ein-leitfaden

✨ AI Kontextualisierung

Industrieunternehmen beschäftigen sich seit geraumer Zeit mit der Automatisierung von Produktionsprozessen. Der durch die Krise vorherrschende Druck zur Einsparung von Kosten zwingt so manches Unternehmen, die Digitalisierung noch schneller voranzutreiben und Künstliche Intelligenz zu implementieren. Doch diese Technologien können die Industrie vor so manche Herausforderung stellen. Allein der Punkt „Datenerfassung“ erweist sich als komplexes Gebilde bei dem Schritt, interne Prozesse nachhaltig zu verändern. Hier schreitet der „Industrial AI“-Dienstleister craftworks ein und bietet mit seinem Leitfaden eine Anleitung zur Umsetzung erfolgreicher Prozessoptimierung.

Drei Prozent jährlicher Anstieg des Wirtschaftswachstums durch Künstliche Intelligenz bis 2035

Laut einer Studie von Accenture und Frontier Economics kann Künstliche Intelligenz in Unternehmen das Wachstum ankurbeln. Bei dieser Untersuchung wurden zwölf Volkswirtschaften durchleuchtet und dabei erforscht, wie sich eine umfassende Nutzung von KI in der Wirtschaft auswirkt.

+++ Solvistas CEO Holzbauer: „Eine AI hätte keine Kurzarbeit empfohlen“ +++

Darin heißt es: „Für den Industriestandort Österreich prognostiziert Accenture durch den Einsatz von KI bis 2035 einen Anstieg des Wirtschaftswachstums um jährlich drei Prozent. Das wäre mehr als eine Verdopplung gegenüber dem Basis-Szenario mit einer Wachstumsrate von 1,4 Prozent pro Jahr, welches die zukünftige Entwicklung der Wirtschaft auf Grundlage des technologischen Stands von heute voraussagt“.

KI-Projekte für nachhaltigen Geschäftserfolg

Weiters wird erwartet, dass die Produktivität der Beschäftigten in Österreich dank Künstlicher Intelligenz um 30 Prozent steigen kann, da „sich viele Arbeitsabläufe effizienter gestalten und Mitarbeiter ihren Fokus auf Aufgaben mit einer hohen Wertschöpfung legen“.

In diesem Sinne hat craftworks einen Guide entwickelt, der Projektleiter bei der Umsetzung von KI Prototypen und Rollouts unterstützen soll. „Wenn man erste Erfahrungen mit KI-Projekten sammelt, dann investiert man in nachhaltigen Geschäftserfolg, auch jetzt in der besonders herausfordernden Zeit“, sagt Michael Hettegger, einer der Gründer von craftworks und liefert gleich eine AI-Roadmap mit.

Die wichtigsten Punkte des KI-Guides kurz zusammengefasst

• Vom Use Case zum Business-Case

Der richtigen Use Case zählt zu den fundamentalsten Dingen für ein erfolgreiches Projekt. Man sollte sich hierbei auf jene Prozess-Optimierungen fokussieren, die leichter mittels Künstlicher Intelligenz realisierbar sind, als durch andere Methoden. Dabei ist es wichtig, als ersten Schritt die Abteilung zu wählen, in der man das Pilot-Projekt starten möchte. Etwa R&D, Logistik oder Wartung, um Beispiele zu nennen.

+++ Neue Arbeitswelten durch KI: Wie sich Arbeit in den nächsten Jahren verändert +++

Als nächstes steht an, innerhalb des gewählten Departments den Prozess zu identifizieren, der Optimierungspotential in sich trägt. Faktoren, um für ein Industrial AI-Projekt geeignet zu sein, sind laut craftworks in fünf Punkten auszumachen. Der Prozess sollte komplex sein, eine non-lineare Performance anzeigen, Aufmerksamkeit erregen, wenn plötzliche Anomalien auftreten, der Grund für signifikante Ausschussquoten sein und hohe Kosten nach sich ziehen, falls es zu einem maschinellen Ausfall kommt.

Des Weiteren hängt die Tauglichkeit eines Prozesses für ein „Industrial AI“-Projekt stark von der Generierung von Daten zusammen. Hier wird geraten, dass, wenn eine Prozess-Optimierung in der Theorie hohe Kosteneinsparung verspricht, historische Daten jedoch nicht verfügbar sind, man die „data collection“ so schnell wie möglich starten sollte. Als Tipp wird vorgeschlagen, Daten eines ganzen Jahres zu sammeln, um zu entscheiden, ob der Griff zur Künstlichen Intelligenz Sinn macht. Nachdem man den passenden Use-Case gefunden hat, muss laut craftworks eine Kosten-Analyse folgen.

• Die richtige Machine Learning Methode

Der nächste Schritt ist es den gewählten Use-Case mit der besten „Machine-Learning“-Methode zu verbinden. Dabei wird zwischen „supervised learning“, „unsupervised learning“ und „reinforcement learning“ unterschieden.

Beim ersten lernt ein Algorithmus Verbindungen zu isolieren oder zu kombinieren, die er als Datensatz erhält – um eine vordefinierte Aufgabe (dessen Resultat bekannt ist) so effizient wie möglich zu lösen. Während des Prozesses wird der Algorithmus „überwacht“, um sicherzustellen, dass das „learning“ stets Richtung vorgegebener Aufgabe ausgerichtet bleibt.

„Unsupervised learning“ hingegen umfasst Methoden, die keine vordefinierten Aufgaben benötigen, um zu lernen. Das System versucht Muster im Datensatz zu erkennen, die aufgrund von „Störungen“ von der Norm abweichen.

„Reinforcement learning“ bezieht sich auf „machine-learning“-Methoden, bei dem eine Strategie erlernt wird, um eine definierte Aufgabe zu erfüllen, mittels eines „trial-and-error-„Prozesses. Der Künstlichen Intelligenz wird hierbei nicht aufgetragen nach einer vorbestimmten Art und Weise zum Erfolg zu kommen, sondern sie wird ähnlich dem „Zuckerbrot- und Peitschen-Prinzip“ mit positiven oder negativen Belohnungen animiert, eine dominante und problemlösende Strategie zu entwickeln, die nahe an das Optimum herankommen soll.

• Das „perfekte“ Daten-Set

Im vorigen Punkt war viel von Daten die Rede. Konkreter wird es in der dritten Phase der Implementierung der Künstlichen Intelligenz in das eigene Unternehmen. Es geht darum geeignete Datensätze zusammenzutragen.

Im Prinzip gilt, dass mehr Daten logischerweise besser sind, als kleine „Data samples“. Allerdings hängt die Menge stark vom Use-Case ab. Als Beispiel nennt der craftworks-Guide, dass 100.000 Datenpunkte sich als zu gering erwiesen haben, um eine exakte Vorhersage zu treffen, wann Lieferautos am Ziel ankommen. Dagegen waren 500 indizierte Produkte als Beispiel schlechter Qualität ausreichend, um gute Ergebnisse in Sachen „predictive quality control“ zu erlangen.

+++ Neue digitale Formatreihe NWXnow widmet sich der Zukunft der Arbeit +++

Es wird daher geraten, einen guten Blick auf die Datenqualität zu legen – Dubletten, Formatierungsfehler oder Inkonsistenzen haben einen starken negativen Einfluss auf die KI-Entwicklung. Daten sollten zudem klassifizierbar und relevant sein. Dabei ist es ratsam, sich genau anzusehen, welche Daten fürs „decision-making“ und „operations“ bereits verwendet wurden. Mit großer Wahrscheinlichkeit lässt sich daraus leicht eine Automatisierung der Daten-Analyse entwickeln.

• Proof of Concept

Bei diesem Punkt macht craftworks vier Punkte aus, die ausschlaggebend dafür sind, inwiefern ein „Machine Learning“-Modell effektiv sein und wie es weiterentwickelt werden kann.

Die Umsetzbarkeits-Studie soll einen ersten Hinweis darauf geben, inwieweit eine AI-Lösung durchführbar ist. Hier werden erste passende Algorithmen evaluiert und das KI-Grundgerüst geschaffen.

In der zweiten Phase widmet man sich der Entwicklung einer Prototyp-Lösung, die mit den Zielen des Use-Case einhergeht. Management und ausgesuchte Mitarbeiter, die mit Daten zu tun haben, kommen an dieser Stelle zum ersten Mal in Kontakt mit der Künstlichen Intelligenz. Dies soll für eine hohe „user acceptance“ der Software-Lösung sorgen, während das Projekt Fahrt aufnimmt.

In der Optimierungsphase ist vorrangig das Feedback der Mitarbeiter von Bedeutung und wird in das Projekt implementiert. Danach folgt der Rollout, der noch als „starting point“ gilt und für andere Use-Cases skaliert werden kann. Für die ersten drei Schritte wird ein jeweiliger Zeitraum von vier, bei der letzten Phase vier bis zwölf Wochen empfohlen.

• Das Team

Ein wichtiger und selbstverständlicher Hinweis des Guides für die Implementierung der Künstlichen Intelligenz ins Unternehmen betrifft die richtige Auswahl an Mitarbeitern für das Projekt. Jene sollten die nötigen Fertigkeiten und Übersicht in Sachen Prozess-Entwicklung, Daten und Technologie mit sich bringen. Zudem sollte man sich Gedanken machen, wer die nötige IT-Infrastruktur aufsetzen, entwickeln und warten kann.

• Resultate Visualisieren

An dieser Stelle wird darauf hingewiesen, wie wichtig Transparenz des ganzen „Machine Learning“-Prozesses ist. Daten-Analysen sollten in User-freundlicher Manier visualisiert werden, denn wie craftworks sagt: „Die Kombination von ‚human und Articficial Intelligence‘ erlangt die besten Resultate.

• „Key Software“-Entscheidungen

Die Wahl richtiger Technologie will wohl durchdacht sein und sollte sich am Ziel des Implementierungsvorhaben orientieren. Der Leitfaden empfiehlt, auf „Open Source“-Technologie zurückzugreifen. Craftworks zeigt sich überzeugt, dass die Entwicklung einer solchen Software seitens der globalen Community Vorteile bringt: eine bessere Qualität und sichere Software-Tools. Durch die Nutzung von „Open Source“ entgeht man auch der Abhängigkeit eines einzelnen Providers und kann die IT-Infrastruktur flexibler anpassen, wenn nötig.

+++ So entwickelt sich Österreichs AI Landschaft im Moment +++

Weitere Möglichkeiten technologischer Nutzung umfassen den „Model as a Service“- oder „Model as Dependency“-Approach. Im ersten Fall agiert das Modell unabhängig und kann divers eingesetzt werden. Im zweiten Fall ist es direkt in einer generellen Anwendung integriert. Und macht etwa in einer Pilot-Phase Sinn. Auch können AI-Anwendungen, laut craftworks, problemlos „on-premise“ oder als „cloud solution“ eingesetzt werden.

• Ständige Optimierung der „Machine Learning“-Modelle

Da sich viele Datensätze im Laufe der Zeit verändern, ist es essentiell das „Industrial AI-System“ dynamisch zu halten und ihm Erlaubnisse zu erteilen, Änderungen vorzunehmen.

• Vom Prototypen bis zum globalen Rollout

Nach einem erfolgreichem Pilot-Projekt ist es, so der Guide weiter, an der Zeit, die Künstliche Intelligenz auszuweiten – sie zu skalieren. Neue Use-Cases im Sinn, können genutzte „Machine-Learning“-Modelle als Startpunkt für ähnliche Ziele und Vorhaben genutzt werden. Zudem wird es wichtiger, je größer die Datenmenge wird, Dienstleistungen zu „containerisieren“. Soll heißen, sie einzuteilen und zwar getrennt zu halten, jedoch parallel und unabhängig voneinander innerhalb der gleichen Infrastruktur laufen zu lassen.

• Dokumentation

Am Ende des Leitfadens weist craftworks darauf hin, dass „Industrial AI“ kein fertiges Produkt oder fertige Lösung ist, die man man ohne Entwicklungsprozess erstehen kann. Allerdings sorgt ein professionell geführtes AI-Projekt zu einer hohen Lernkurve, die sich positiv auf Folgeprojekte auswirken kann. Daher wird geraten, den Fortschritt zu dokumentieren und zu reflektieren, inwiefern Erfahrungen mit „Machine Learning“ in welchen Bereichen lehrreich waren. Denn, wie Hetteger sagt: „Datengetriebene Prozessoptimierung ist kein Innovationsprojekt, das in Zukunft von einem neuen Trend abgelöst wird. ‚Industrial AI‘ wird zur Grundlage für Marktführerschaft”.

⇒ craftworks

⇒ KI-Guide zum Download (Englisch)

Redaktionstipps

„Digital Europe“: 9,2 Milliarden Euro für den digitalen Wandel

05.12.2018

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“

24.08.2019

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