16.09.2019

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

Interview: Christina Hubin ist Head of Research and Development beim Wiener Mobilitätsstartup "Upstream Mobility", das 2016 von den Wiener Stadtwerken gegründet wurde. Im Interview spricht sie darüber, wie sich eine Zwei-Klassen-Mobilität verhindern lässt und wie unterschiedliche Mobilitätsangebote künftig miteinander integriert werden können.
/artikel/upstream-interview-weinzettl
Upstream
Christina Hubin ist Head of Research & Development bei der Upstream – next level mobility GmbH.

Der öffentliche Verkehr soll den Grundstein der Mobilität in der Stadt bieten, damit die Leute öffentlich oder mit öffentlichen verfügbaren Angeboten unterwegs sind und den eigenen PKW eigentlich nicht mehr brauchen. Upstream – next level mobility GmbH ist eine Mobilitäts-Integrationsplattform, die alle Mobilitäts-Angebote vernetzt und digital über Schnittstellen zur Verfügung stellt.

+++ Fokus: Mobility & Connectivity +++ 

„Wir arbeiten daran, dass das notwendige  Know-how für künftige Mobilität  in der öffentlichen Hand aufgebaut wird, um Mobilität als Daseinsvorsorge sicherzustellen und eine Zwei-Klassen-Mobilität zu verhindern.“, sagt Christina Hubin, Head of Research and Development bei der Upstream – next level mobility GmbH. Hubin wird am 18. Oktober 2019 am Austrian Innovation Forum in Wien über Innovation im Bereich der Mobilität sprechen.

Wie entstand die Idee zur Upstream – next level mobility GmbH?

Christina Hubin: Upstream wurde aus einem Forschungsprojekt, das die kombinierte Nutzung öffentlicher, kollektiver und individueller Mobilitätsangebote als Alternative zum eigenen Auto untersuchte, gegründet. Das Ziel war die wachsenden alternativen Angebote, den Kunden so unkompliziert wie möglich, in einer App, darzustellen.

Heute beschäftigen wir uns auch mit der Sicherstellung des Ausbaus und der Verwaltung eigener digitaler Infrastrukturen und der Erweiterung der digitalen Services für vernetzten urbanen Verkehr.

Jedes Auto wird nur zu fünf Prozent genutzt, 95 Prozent der Zeit sind die Autos nicht ausgelastet. Die Idee ist, dass der öffentliche Verkehr den Grundstein der Mobilität in der Stadt bietet, damit die Leute unkompliziert öffentlich oder mit öffentlichen verfügbaren Angeboten unterwegs sein können und den eigenen PKW eigentlich nicht mehr brauchen.

Welches Produkt entwickelt ihr ?

Christina Hubin: In Wien hat man neben den Wiener Linien auch viele andere Möglichkeiten, durch die Stadt zu kommen. Ich arbeite im Bereich Research und Development. Wir analysieren neue Technologien und Services, die für die zukünftige Mobilität relevant sind, und probieren sie prototypisch aus.

Eines unserer derzeitigen Projekt heißt dynamisches Mobilitätsmanagement. Man will nicht nur Mobilitätsangebote vernetzen und zur Verfügung stellen, sondern auch das Angebot optimieren bzw. dort Angebote schaffen, wo auch Nachfrage entsteht.

Wie sieht es mit der technischen Umsetzung aus?

Christina Hubin: Für diese Prognose braucht man einen Überblick der gesamten Mobilität in einer Stadt. Hierzu stellen wir die Nutzerdaten  zu Fahrzeugdaten, den Infrastruktur Auslastungsdaten mit externen Daten wie Wetter, Events, Baustellen, usw in Relation. Die Auswertung dieser Datenbasis gibt einen Überblick über die Mobilität der Stadt und die Möglichkeit Engpässe im Vorfeld zu prognostizieren.

Was sind die Herausforderungen für die Zukunft?

Christina Hubin: Wir arbeiten daran, dass das notwendige  Know-how für künftige Mobilität in der öffentlichen Hand aufgebaut wird, um Mobilität als Daseinsvorsorge sicherzustellen, denn wenn sich private Unternehmen darum kümmern, steht immer ein Business Case dahinter. Das bedeutet, die bessere Mobilität, die bessere Route und das bessere Fahrzeug würden finanziell besser gestellten Personen zugänglich, da sie mehr bezahlen können. Dadurch kann sich schnell eine Zwei-Klassen-Mobilität entwickeln. Das gilt es zu vermeiden.

Wir bleiben als Stadt unabhängig, da wir den Überblick über die Mobilität haben. Wir können durch diverse Datenquellen und durch Simulationen planen und daraus Maßnahmen erstellen und diese wieder durch unsere Datenquellen evaluieren.

Wie wird die Entwicklung in den nächsten zehn Jahren fortschreiten?

Christina Hubin: Ich glaube, der Mobilitätsüberblick und die Vernetzung der Angebote wird auch in zehn Jahren Thema sein. Aufgrund der Klimaziele und CO2-Einsparungen hat sich möglicherweise die Antriebstechnologie geändert. Autonomes Fahren wird mit Sicherheit ein Thema, ob das schon in zehn Jahren sein wird, weiß ich nicht.

Zu der Frage wer die Fahrzeuge steuert, gibt es mehrere Szenarien von Verkehrsexperten. Viele glauben, dass die autonomen Fahrzeuge auf der Straße einfach den privaten PKW mit einer anderen Antriebstechnologie austauschen.

Dann gibt es die Variante der Mischform, so wie heute. Mehrere Angebote nebeneinander, Sharing Systeme und private Fahrzeuge, die nicht wirklich kompatibel miteinander sind und die unterschiedliche Services und unterschiedliche Zugänge für den User bieten.

Wie sieht das optimale Szenario der künftigen Mobilität aus?

Christina Hubin: Das optimale Szenario ist die gesamte Vernetzung, die es dem Nutzer ermöglicht in einer Anwendung jederzeit das beste Angebot in einem individuell gestalteten Mobilität Service zu nutzen jedoch mit der Prämisse die gesamte Mobilität einer Stadt zu optimieren, sprich optimal zu verteilen. Gerade im Bereich der Digitalisierung muss man an alle Altersgruppen denken und die Bedürfnisse von Kindern und von älteren Personen berücksichtigen.

Welche Jobs brauchen wir in Zukunft, die heute noch keinen Namen haben?

Christina HubinEs gibt einige Jobs in unserem Bereich, die auch für die breite Masse immer bekannter werden, wie Data Scientist und Data Analyst. Ich denke, dass sich einige Jobs inhaltlich ändern werden. Im dynamischen Mobilitätsmanagement brauchen wir Mathematiker und Logiker.

Derzeit ist das Mathematikstudium eher auf das Finanz und Versicherungswesen ausgerichtet. In Zukunft ist man vielleicht Mathematiker aber in Kombination mit Data Science. Software Entwickler brauchen eine gute Ausbildung für Analytics.
Ich kann mir vorstellen, dass es Mobilitätsbegleiter oder Mobilitätsberater für Betriebe oder Unternehmen gibt, die dementsprechende Mobilitätservices oder Lösungen konzipieren.


Zur Gastautorin

Dieses Interview wurde von Julia Weinzettl geführt und erstmals auf dem Blog der Plattform Taskfarm veröffentlicht. Weinzettl startete ihre Karriere nach dem Wirtschaft-, Politik- und Kommunikationswissenschaften-Studium als Marketingmanagerin der damaligen Startups sms.at, uboot.com und handy.at. Nach Tätigkeiten als Mobile Business Development Manager bei bwin (damals auch noch im Startup-Stadium) und als Data Protection Counselor bei der Personensuchmaschine www.123people.com wurde Weinzettl selbst zur Gründerin. Gemeinsam mit ihrem Mann Mike Weinzettl startete sie 2011 www.taskfarm.com als Marktplatz zur Projektvermittlung. Später folgte der Pivot zu einem Fokus auf Softwareentwicklung und Consulting. Mit dem Taskfarm-Blog legt die Gründerin eine große Interview-Serie zum Thema „Future of Work“ vor.


 

 

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

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

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

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

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

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

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 …

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

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 …

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

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 …

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

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 …

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

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

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

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

Wie sich eine Zwei-Klassen-Mobilität verhindern lässt