10.11.2022

Gender Pay Gap: Diese 10 Schritte können Startups dagegen setzen

Tanja Sternbauer ist Co-founder und Co-CEO von the female factor. In ihrem Gastbeitrag über den Gender Pay Gap erklärt Sternbauer, welche Schritte Startups dagegen setzen können und warum sich Unternehmen für das Thema Equal Pay einsetzen sollten.
/artikel/tipps-gegen-gender-pay-gap-in-startups
Frauen arbeiten zwei Monate im Jahr "gratis". (c) Adobe Stock | Nuthawut

2022 haben Männer in Österreich bereits am 30. Oktober jenes Einkommen erreicht, wofür Frauen noch bis zum Jahresende arbeiten müssen, EU-weit ist der Tag am 10. November. Frauen arbeiten also zwei Monate lang „gratis“. Ihnen entgeht damit im Laufe der Karriere durchschnittlich 500.000 € an Einkommen.

Die Gehaltsschere zwischen Männern und Frauen schließt sich in Österreich und auf EU-Ebene nur sehr langsam: Seit 2010 ist der Equal Pay Day vom 29. September auf 30. Oktober, also knapp fünf Wochen nach hinten gerückt.

Der Gender Pay Gap in Startups 

Neuesten Studien zufolge fällt die ungleiche Bezahlung in europäischen Startups noch höher aus – nicht nur bei Angestellten, sondern auch bei CEO-Gehältern.

Im Jahr 2019 lag der Gehaltsunterschied von männlichen und weiblichen Startup-CEOs in der Frühphase bei 5.000 US-Dollar. Heute sind es 20.000 US-Dollar jährlich. Vor allem weibliche CEOs haben zu Beginn und während der Pandemie ihre Gehälter drastisch reduziert. 

Die Gründe für den Gender Pay Gap 

Während einige strukturell bedingt sind, hängen andere mit Unterschieden in der Beschäftigung, dem Bildungsniveau und der Berufserfahrung zusammen. Zieht man diesen Teil ab, bleibt der so genannte bereinigte Gender Pay Gap übrig. 

  • Unterschiedliche Berufswahl. Frauen arbeiten häufiger in niedrig entlohnten Branchen und Berufen wie beispielsweise in sozialen oder personennahen Dienstleistungen.
  • Frauen unterbrechen oder reduzieren ihre Erwerbstätigkeit familienbedingt häufiger und länger als Männer. 
  • Der Wiedereinstieg in den Arbeitsmarkt ist für Frauen ein langwieriger Prozess, der sich über mehrere Jahre ziehen kann und häufig mit Beschäftigung in Teilzeit oder im Minijob verbunden ist.
  • Frauen fehlen auf den höheren Stufen der Karriereleiter und sind nach wie vor in Spitzenpositionen unterrepräsentiert. Vereinbarkeit von Familie und Führungsposition, wie z.B. durch Führung in Teilzeit, ist bislang in der Praxis nur spärlich möglich.
  • Geschlechterstereotype Rollenbilder haben weiterhin einen großen Einfluss auf unser Denken und Handeln. Rollenbilder wirken ebenso auf die Bewertung von Arbeit und Leistung, aber auch in Einstellungen.
  • Individuelle und kollektive Lohnverhandlungen haben die traditionell schlechtere Bewertung typischer Frauenberufe bislang nicht nachhaltig überwinden können.

Warum sich Unternehmen für Equal Pay einsetzen sollten

Zahlen und Statistiken belegen bereits seit längerem, wie sich Diversität positiv auf Unternehmen und deren finanzielle Performance auswirkt.

Diversität trägt darüber hinaus zu einem besseren und produktiveren Arbeitsklima bei, erhöht die Attraktivität der Arbeitgebermarke und hilft Talente anzuziehen und zu halten. Ungleiche Bezahlung innerhalb eines Unternehmens (als auch die mangelnde Transparenz bei Gehältern) ist vor allem für weibliche Talente ein Ausschlusskriterium für die Arbeitgeberwahl. 

10 Equal Pay Maßnahmen für Unternehmen

Die Tatsache, dass Frauen schlechter bezahlt werden als Männer, ist also definitiv ein allgegenwärtiges Problem in der Wirtschaft. 

Hier sind zehn Maßnahmen, die Unternehmen setzen können, um den Gender Pay Gap schneller zu schließen. 

1. Bewusstseinsbildung für den Gender Pay Gap 

Wie man am Beispiel von Salesforce sehr gut erkennen kann, wissen die wenigsten Unternehmen von der bestehenden Diskrepanz in den Gehältern ihrer Mitarbeiter:innen. Bevor sich also etwas ändern kann, muss das Bewusstsein in Unternehmen geschärft werden. 

Zum Beispiel durch Weiterleiten dieses Artikels oder Expert:innenvorträge zum Thema. 

2. Analyse der Gehaltsdaten des Unternehmens 

Um den Ball ins Rollen zu bringen, gilt es, die notwendigen Daten im Unternehmen zu erheben. Klassische HR-Tools ermöglichen dies normalerweise mittels ein paar Klicks, alternativ kann man die Daten auch mit Hilfe von ein paar Formeln analysieren. 

Bei der Auswertung ist darauf zu achten, etwaige Gehaltsunterschiede zu finden und sicherzustellen, dass alle Mitarbeiter:innen mit der gleichen Erfahrung und ähnlichen Funktionen gleich bezahlt werden – unabhängig von Geschlecht, Herkunft, Alter und anderen Diversitäts-Dimensionen.

3. Transparenz bei den Gehältern

“Über Geld spricht man nicht“ geistert immer noch durch unsere Generation, aber das Aufbrechen des Tabus trägt ebenfalls zur Lösung des Problems bei. 

Wenn man Gehaltsspannen für alle Positionen veröffentlicht, werden gleiche Bedingungen für alle geschaffen und die Gehälter können sich angleichen. 

Das Scale-up Buffer hat dank Gehaltstransparenz den Gender Pay Gap im Unternehmen von 15 Prozent im Jahr 2020 auf 5,5 Prozent im Jahr 2021 verringert. 

4. Gehaltsspannen in Stellenanzeigen

Transparenz in Jobanzeigen trägt nicht nur zur Lohngleichheit bei, sondern stellt auch sicher, dass zwischen Unternehmen und potenzielle Bewerber:innen keine Zeit verschwendet wird, weil das Gehalt nicht passt. 

5. Gehaltsdiskussionen im Interview

Anstatt zu fragen, wie viel Bewerber:innen in der letzten Rolle verdient haben, einfach die internen Gehaltsdaten heranziehen und darauf aufbauend ein Angebot machen. Dies stellt sicher, dass alle Mitarbeiter:innen gleich bezahlt werden, und trägt nebenbei auch zu einer entspannteren Interview-Atmosphäre bei. 

6. Förderung von geschlechtsneutraler Elternkarenz

Gerade für Frauen ist der Wiedereinstieg in den Arbeitsmarkt oft mit vielen Hürden verbunden, was wiederum in schlechterer Bezahlung resultiert. 

Durch die Einführung einer geschlechtsneutralen Elternkarenz trägt das Unternehmen dazu bei, unbezahlte Arbeit und Lohngleichheit in Einklang zu bringen. 

7. New Work Modelle 

Home Office, flexible Arbeitszeiten, duale Führungsmodelle, 30-Stunden-Woche – die Liste von Praktiken ist schier endlos. New Work Modelle sind eine großartige Chance, den Arbeitsplatz integrativer zu gestalten und damit nachhaltig zu Diversität und Inklusion im Unternehmen beizutragen.

8. Mehr Frauen in Führungspositionen 

Erst wenn es mehr weibliche Entscheidungsträger:innen innerhalb von Unternehmen gibt, können echte Veränderungen beim Gehaltsunterschied zwischen Frauen und Männern bewirkt werden.  

Was wünschen sich Frauen vom Arbeitgeber? Hier geht’s zur EY Studie. 

9. Mentoring für weibliche Talente 

Mentoring ermöglicht die Verknüpfung von Young Professionals mit erfahrenen Führungskräften. Ein derartiger Austausch unterstützt die nächste Generation dabei, den eigenen Wert am Arbeitsmarkt besser zu verstehen und gibt noch dazu einen Einblick in die Gehaltsspannen in der Branche. 

10. Laufende Messung & Analyse 

Nur, wenn laufend Gehaltsdaten gemessen und analysiert werden, ist eine langfristige Schließung des Gender Pay Gaps auch wirklich möglich. 

Deine ungelesenen Artikel:
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
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
Rechtsanwalt Manuel Mofidian © Armin Hubner

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

AI Summaries

Gender Pay Gap: Diese 10 Schritte können Startups dagegen setzen

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Gender Pay Gap: Diese 10 Schritte können Startups dagegen setzen

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Gender Pay Gap: Diese 10 Schritte können Startups dagegen setzen

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Gender Pay Gap: Diese 10 Schritte können Startups dagegen setzen

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Gender Pay Gap: Diese 10 Schritte können Startups dagegen setzen

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Gender Pay Gap: Diese 10 Schritte können Startups dagegen setzen

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Gender Pay Gap: Diese 10 Schritte können Startups dagegen setzen

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Gender Pay Gap: Diese 10 Schritte können Startups dagegen setzen

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Gender Pay Gap: Diese 10 Schritte können Startups dagegen setzen