KI-Register im Unternehmen: Der pragmatische Start nach dem AI Act

Wer in den vergangenen Monaten mit Compliance-Verantwortlichen über den AI Act gesprochen hat, kennt den Satz: „Wir brauchen erst mal ein KI-Register.“ Klingt simpel, ist es aber nicht. Denn die Verordnung (EU) 2024/1689 schreibt kein einheitliches, für alle Unternehmen verbindliches KI-Register vor. Sie kennt Registrierungspflichten für bestimmte Hochrisiko-Fälle in der EU-Datenbank, sie kennt Transparenzpflichten, und sie kennt die generelle Erwartung, dass Organisationen ihre KI-Systeme kennen und einordnen können. Aus diesem Flickenteppich haben Berater, IHKs und Compliance-Teams pragmatisch ein internes Instrument abgeleitet: das unternehmensinterne KI-Register. Rechtlich zwingend im engen Sinn ist das nicht überall – praktisch führt kaum ein Weg daran vorbei.

Der AI Act ist am 1. August 2024 in Kraft getreten, veröffentlicht wurde er am 12. Juli 2024 im Amtsblatt der EU. Seither läuft eine gestaffelte Anwendbarkeit: Verbote bestimmter KI-Praktiken griffen bereits nach sechs Monaten, die meisten übrigen Regeln folgen nach ein bis zwei Jahren, und für Hochrisiko-KI gilt eine Frist von drei Jahren nach Inkrafttreten. Wer glaubt, das Thema ließe sich bis 2027 aufschieben, verwechselt Inkrafttreten mit voller Anwendbarkeit – ein Fehler, der in vielen Unternehmen noch kursiert.

Was der AI Act tatsächlich verlangt – und was nicht

Die Verordnung verpflichtet Anbieter von Hochrisiko-KI nach Anhang III grundsätzlich zur Registrierung in einer EU-Datenbank, geregelt in Artikel 49. Das betrifft auch Systeme, die Anbieter selbst als nicht hochriskant einstufen, aber dennoch im entsprechenden Anwendungsbereich liegen. Hochrisiko-KI nach Anhang III Nummer 2 – etwa bestimmte sicherheitsrelevante Anwendungen – wird zusätzlich auf nationaler Ebene registriert. Das ist die formale Registerpflicht, die der Gesetzestext tatsächlich kennt.

Was er nicht kennt, ist ein zentrales Pflichtregister für jedes Unternehmen, das irgendeine KI-Anwendung einsetzt. Diese Unterscheidung wird in der öffentlichen Debatte oft verwischt, und das ist kein Zufall: Für Berater und Tool-Anbieter ist „Sie brauchen ein KI-Register“ ein einfacherer Satz als „Sie müssen im Einzelfall prüfen, ob und wo eine Registrierungspflicht greift.“ Beides führt in der Praxis zum selben Ergebnis, nur die Begründung unterscheidet sich erheblich.

Für Unternehmen, die selbst keine Hochrisiko-KI im Sinne von Anhang III anbieten, sondern überwiegend fremde KI-Tools einsetzen – Copilot, ChatGPT Enterprise, branchenspezifische SaaS-Lösungen mit KI-Funktion – entsteht keine automatische EU-Registrierungspflicht. Trotzdem bleibt die Frage: Wie wollen Sie im Streitfall, bei einer Behördenanfrage oder einem internen Audit belegen, welche KI-Systeme überhaupt im Einsatz sind und mit welcher Risikoeinstufung? Genau an dieser Lücke setzt das interne KI-Register an.

Der Unterschied zwischen internem KI-Register und EU-Datenbank

Diese Unterscheidung ist der häufigste Denkfehler, dem man in Projekten begegnet. Die EU-Datenbank nach Artikel 49 ist ein öffentlich einsehbares, formales Register für bestimmte Hochrisiko-Anbieter. Das interne KI-Register eines Unternehmens ist etwas anderes: ein selbst gepflegtes Inventar aller eingesetzten oder entwickelten KI-Systeme, das intern der Steuerung, Nachweisführung und Risikobewertung dient.

Beide Register können sich überschneiden, müssen es aber nicht. Ein mittelständischer Maschinenbauer, der ein KI-gestütztes Prüfsystem in Anhang-III-Nähe entwickelt, braucht möglicherweise beides: die formale EU-Registrierung für dieses eine System und ein internes Register, das auch alle anderen KI-Anwendungen im Haus erfasst – vom Chatbot im Kundenservice bis zur Textgenerierung im Marketing. Ein Softwareunternehmen, das ausschließlich SaaS-KI-Tools von Drittanbietern nutzt, braucht in aller Regel kein Anhang-III-Register, aber trotzdem ein internes Verzeichnis, um Zweck, Datenflüsse und Verantwortlichkeiten dokumentieren zu können.

Wer diese beiden Ebenen vermischt, produziert entweder Panik („wir müssen alles bei der EU melden“) oder Blindheit („uns betrifft das nicht, wir sind ja kein KI-Hersteller“). Beide Reaktionen sind aus meiner Sicht unbrauchbar. Die realistische Position liegt dazwischen: prüfen, einordnen, dokumentieren. Wie eng KI-Regulierung und klassisches Sicherheitsrecht inzwischen verzahnt sind, zeigt sich besonders dort, wo die Maschinenverordnung endet und der AI Act als Sicherheitsrecht beginnt – gerade im industriellen Umfeld ist diese Schnittstelle für die Einordnung eines Systems oft entscheidender als die reine Produktbezeichnung.

Inventarisierung zuerst: Was gehört ins KI-Register

Der pragmatische Startpunkt ist nicht die Rechtsfrage, sondern die Bestandsaufnahme. Bevor irgendjemand über Risikoklassen diskutiert, muss klar sein, welche KI-Systeme überhaupt existieren. Erfahrungsgemäß liegt die tatsächliche Zahl deutlich über der geschätzten – weil Fachabteilungen eigenständig KI-Tools abonniert haben, ohne IT oder Compliance zu informieren.

Ein schlankes KI-Register sollte mindestens diese Angaben pro System enthalten:

• Name des Systems, Anbieter oder Hersteller, verantwortliche Fachabteilung
• Zweck der Anwendung, Nutzergruppe, konkreter Einsatzkontext
• Risikoeinstufung nach AI Act samt Begründung und Datum der letzten Prüfung
• Betroffene Datenarten, Schnittstellen, Grad der menschlichen Kontrolle, Logging
• Status offener Registrierungspflichten, Schulungen und interner Freigaben

Das sind zehn bis fünfzehn Pflichtfelder, keine hundert. Genau das ist der Punkt: Ein Vollregister mit jeder denkbaren Metadaten-Spalte wirkt auf dem Papier gründlich, wird aber in der Praxis selten aktuell gehalten. Ein schlankes Startmodell, das tatsächlich gepflegt wird, ist einem perfekten Register vorzuziehen, das nach drei Monaten veraltet ist. Das ist meine klare Einschätzung nach allem, was aus Compliance-Projekten berichtet wird: Vollständigkeit auf Kosten der Aktualität ist die schlechtere Wahl.

Risikoklassifizierung: Vom Chatbot bis zur Hochrisiko-KI

Nach der Inventarisierung folgt die Einstufung – und hier wird es unbequem, weil sich Risikoklassen nicht am Produktnamen ablesen lassen. Ob ein Tool als Hochrisiko-KI, als Transparenzfall mit Kennzeichnungspflicht oder als unkritische Standardanwendung gilt, hängt vom konkreten Einsatzkontext ab, nicht vom Hersteller.

Ein Beispiel: Dieselbe Sprachmodell-Technologie kann in einem Fall als harmloses Schreibwerkzeug im Marketing eingesetzt werden und im anderen Fall als Entscheidungsunterstützung bei Bewerberauswahl – letzteres rückt deutlich näher an die Hochrisiko-Kategorien des Anhangs III heran, etwa im Bereich Beschäftigung. Wer sein KI-Register allein nach Tool-Namen führt, ohne den Einsatzzweck sauber zu dokumentieren, wird bei einer echten Prüfung schnell an Grenzen stoßen.

Für die praktische Einordnung hilft eine grobe Trennung in drei Kategorien: Systeme mit unmittelbarem Personenbezug und Entscheidungswirkung, die potenziell in Hochrisiko-Nähe liegen; Systeme mit Transparenzpflichten, etwa KI-generierte Inhalte, die als solche erkennbar sein müssen; und breite Anwendungsfälle ohne besondere regulatorische Brisanz, etwa interne Textzusammenfassungen. Diese Einordnung ersetzt keine Rechtsprüfung im Zweifelsfall, gibt dem Register aber eine handhabbare Struktur.

Für Hochrisiko-Systeme nach Anhang III verschieben sich die konkreten Anwendungsfristen laut IHK-Angaben teils bis in den Dezember 2027, für KI in bereits regulierten Produkten – Anhang I – bis August 2028. Das bedeutet nicht Aufschub der Vorbereitung, sondern zeitlichen Spielraum für die Umsetzung bereits identifizierter Fälle. Wie diese Fristen künftig kontrolliert werden, hängt auch davon ab, wie sich die Aufsicht organisiert: Zuständig sind nicht nur nationale Marktüberwachungsbehörden, sondern zunehmend auch koordinierende Stellen, deren grenzüberschreitende Zusammenarbeit derzeit noch im Aufbau ist – ein Aspekt, der im Beitrag zum Zusammenspiel von AI Act Enforcement Office und nationalen Behörden näher beleuchtet wird.

Wer im Unternehmen die Verantwortung trägt

Eine der unterschätzten Fragen ist die Zuständigkeit. Datenschutz, IT, Compliance oder der jeweilige Fachbereich – wer führt das Register, wer aktualisiert es, wer trägt am Ende die Verantwortung gegenüber Aufsichtsbehörden? In vielen mittelständischen Betrieben landet die Aufgabe faktisch beim Datenschutzbeauftragten, weil er ohnehin ein Verarbeitungsverzeichnis nach DSGVO pflegt und die Struktur ähnlich ist. Das ist naheliegend, aber nicht automatisch richtig, denn AI-Act-Risikobewertung und datenschutzrechtliche Bewertung sind zwei unterschiedliche Prüfmaßstäbe, die sich überschneiden, aber nicht identisch sind.

Sinnvoller ist häufig ein klar benannter Register-Owner mit Zugriff auf beide Perspektiven – jemand, der weiß, welche Fachabteilung welches Tool nutzt, und gleichzeitig die rechtliche Einordnung koordiniert, ohne sie allein treffen zu müssen. Diese Person muss nicht die technisch tiefste Expertise besitzen. Wichtiger ist organisatorische Durchsetzungsfähigkeit: die Befugnis, von Fachabteilungen tatsächlich Auskunft über neue Tools einzufordern, bevor sie unkontrolliert eingeführt werden.

Typische Fehler beim Aufbau eines KI-Registers

In der Praxis wiederholen sich einige Stolpersteine auffällig oft. Der erste ist die reine IT-Perspektive: Wird das Register ausschließlich technisch gedacht, als Liste installierter Software, fehlen am Ende die fachlichen Einsatzkontexte, auf die es für die Risikobewertung eigentlich ankommt. Ein zweiter typischer Fehler ist die Einmalerfassung – ein großer Kick-off-Workshop, eine ausführliche Tabelle, und danach passiert über Monate nichts mehr, während im Hintergrund längst neue Tools ausprobiert werden. Ein dritter Fehler liegt in der fehlenden Verbindung zum Einkauf: Wenn neue Software- oder KI-Dienste ohne Rückkopplung zum Register beschafft werden können, wächst der blinde Fleck von ganz allein weiter.

Ein vierter, eher psychologischer Stolperstein ist die Erwartung, das Register müsse von Anfang an juristisch wasserdicht sein. Diese Erwartung führt häufig dazu, dass Projekte in der Konzeptionsphase verharren, weil niemand die „letzte“ Unsicherheit bei der Risikoeinstufung auflösen kann. Realistischer ist ein iteratives Vorgehen: Einträge werden mit dem aktuellen Kenntnisstand versehen, als vorläufig markiert und bei neuen Erkenntnissen – etwa nach Veröffentlichung weiterer Leitlinien der Kommission – nachjustiert. Ein Register, das lebt und sich weiterentwickelt, ist einem Register vorzuziehen, das theoretisch perfekt, aber praktisch nie fertig wird.

Von der Excel-Tabelle zum Governance-Tool

Am Anfang steht fast immer eine Tabelle. Das ist völlig in Ordnung, solange sie gepflegt wird – der häufigste Grund für das Scheitern von KI-Registern ist nicht die falsche Struktur, sondern die fehlende Aktualisierung nach der ersten Erfassungswelle. Wer heute ein Register aufsetzt, sollte deshalb von Beginn an mitdenken, wie es mittelfristig in bestehende Prozesse einläuft: ins Asset-Management, ins ISMS, in ein bereits vorhandenes GRC-Werkzeug.

Diese Integration hat einen handfesten Vorteil: Neue Software-Beschaffungen laufen ohnehin über IT-Asset-Prozesse. Wird die KI-Risikobewertung dort mit erfasst, statt in einem separaten Silo, sinkt die Wahrscheinlichkeit, dass ein Tool durchrutscht. Unternehmen, die ihr KI-Register komplett losgelöst von bestehender Governance-Infrastruktur aufbauen, riskieren genau das Problem, das sie eigentlich lösen wollten: zwei parallele, nicht synchronisierte Systeme.

Aus meiner Sicht ist der Trend hin zu integrierten Governance-Tools richtig, aber er darf kein Vorwand sein, den Start zu verschieben, bis das perfekte Tool ausgewählt ist. Lieber mit einer soliden Tabelle beginnen und später migrieren, als monatelang auf die ideale Softwarelösung zu warten, während neue KI-Tools ungeprüft in Fachabteilungen landen. Wie anspruchsvoll diese Governance-Anforderungen werden können, zeigt sich besonders dort, wo KI-Systeme nicht mehr nur unterstützend arbeiten, sondern eigenständig Entscheidungen vorbereiten – etwa bei autonomen Agenten. Für regulierte Branchen wird diese Entwicklung schon heute diskutiert, wie der Beitrag zu Compliance-Pflichten und Haftungsverteilung bei KI-Agenten im Finanzsektor zeigt, dessen Grundüberlegungen sich auf andere regulierte Branchen übertragen lassen.

Sanktionsrisiko und Prüfungsdruck als Treiber

Ein Grund, warum sich viele Unternehmen inzwischen doch mit dem Thema befassen, obwohl keine explizite Registerpflicht für sie besteht, liegt im Zusammenspiel mehrerer Kontrollmechanismen. Der AI Act sieht abgestufte Sanktionsmöglichkeiten vor, deren genaue Anwendung im Einzelfall von der jeweiligen nationalen Marktüberwachungsbehörde ausgestaltet wird. Wichtiger als die abstrakte Höhe möglicher Bußgelder ist für die Praxis oft ein anderer Effekt: Sobald eine Behörde im Rahmen einer Prüfung – etwa nach einer Beschwerde oder im Kontext eines Vorfalls – Fragen zu eingesetzten KI-Systemen stellt, entscheidet die Qualität der vorhandenen Dokumentation maßgeblich darüber, wie reibungslos dieser Prozess verläuft. Ein Unternehmen, das binnen Tagen ein aktuelles, nachvollziehbares Register vorlegen kann, befindet sich in einer grundlegend anderen Position als eines, das erst unter Zeitdruck beginnt, Auskünfte bei Fachabteilungen einzusammeln.

Hinzu kommt ein zweiter, oft unterschätzter Effekt: Kunden und Geschäftspartner fragen zunehmend im Rahmen von Ausschreibungen oder Lieferantenaudits nach dem Umgang mit KI-Systemen. Wer hier auf ein gepflegtes Register verweisen kann, spart sich aufwendige Ad-hoc-Recherchen und wirkt im Vergabeprozess deutlich professioneller aufgestellt. Das KI-Register wird damit nicht nur zum Compliance-Instrument gegenüber Behörden, sondern zunehmend auch zu einem Element der Geschäftsanbahnung.

KI-Kompetenz als Pflichtbaustein seit Februar 2025

Neben der Dokumentation ist ein zweiter Baustein leicht zu übersehen: die Pflicht zur KI-Kompetenz, die laut mehreren IHK-Einordnungen seit dem 2. Februar 2025 für Unternehmen gilt, die KI entwickeln oder einsetzen. Anders als ein Register ist diese Pflicht nicht als klassisches Dokumentationsschema mit festem Nachweisformat ausgestaltet. Trotzdem erwarten viele Organisationen intern belastbare Schulungsnachweise, schon um im Zweifel zeigen zu können, dass Mitarbeitende über Funktionsweise, Grenzen und Risiken der eingesetzten KI-Systeme informiert wurden.

Ein KI-Register kann diese Nachweisführung sinnvoll ergänzen, indem es pro System festhält, ob und wann relevante Nutzergruppen geschult wurden. Damit wird aus dem reinen Systemverzeichnis ein Instrument, das Dokumentation und Kompetenzaufbau miteinander verknüpft – zwei Anforderungen, die sonst getrennt verwaltet würden.

Praktische Schritte für den Start

Wie sieht ein realistischer erster Schritt aus, wenn im Unternehmen noch kein Register existiert? Zunächst eine kurze, verbindliche Abfrage an alle Fachabteilungen: Welche KI-gestützten Tools werden aktuell genutzt, intern entwickelt oder gerade evaluiert? Diese Abfrage liefert selten ein vollständiges Bild, aber einen belastbaren Ausgangspunkt.

Im zweiten Schritt folgt die grobe Risikoeinordnung nach den oben genannten drei Kategorien, verbunden mit der Frage, ob eine formale Registrierungspflicht nach Artikel 49 überhaupt in Betracht kommt. Details zur konkreten Abgrenzung liefert die Kommentierung zu Artikel 49 des AI Act, die die Registrierungsvoraussetzungen für Anbieter von Hochrisiko-KI konkretisiert.

Drittens braucht das Register einen klar benannten Owner und einen festen Aktualisierungsrhythmus – vierteljährlich ist für die meisten Mittelständler ein realistisches Intervall, verbunden mit einer Sofortmeldepflicht bei Einführung neuer KI-Tools. Viertens sollte die Schulungspflicht mitgedacht werden, nicht als Nebensache, sondern als fester Bestandteil jedes Registereintrags. Weitere praxisnahe Hinweise zur Fristenlogik der Verordnung liefert die IHK Köln in ihrer Übersicht zu den Pflichten ab Februar 2025.

Fünftens: Wer bereits ein Verarbeitungsverzeichnis nach DSGVO oder ein IT-Asset-Register pflegt, sollte prüfen, ob sich das KI-Register als Erweiterung statt als Neuaufbau realisieren lässt. Das spart Ressourcen und verhindert doppelte Datenhaltung.

Ein vorsichtiges Praxisszenario

Um die Größenordnung greifbarer zu machen, lohnt sich ein vereinfachtes, exemplarisches Szenario: Ein mittelständisches Unternehmen mit rund zweihundert Mitarbeitenden beginnt die Bestandsaufnahme mit einer Abfrage an alle Abteilungsleitungen. Am Ende der ersten Runde stehen deutlich mehr Tools auf der Liste als ursprünglich erwartet – neben den offiziell beschafften Systemen tauchen mehrere kostenlose oder testweise genutzte KI-Anwendungen auf, die einzelne Teams ohne Rückmeldung an die IT eingeführt hatten. In einem solchen, keineswegs untypischen Fall zeigt sich schon in der ersten Woche, warum die Inventarisierung vor der Rechtsprüfung stehen muss: Ohne den vollständigen Überblick ließe sich gar nicht seriös einschätzen, welche Anwendungsfälle überhaupt näher geprüft werden müssen.

In einem zweiten Schritt könnte das Unternehmen die Liste grob nach den drei genannten Risikokategorien sortieren und dabei feststellen, dass die meisten Tools in die unkritische Kategorie fallen, während zwei oder drei Anwendungen – etwa im Bereich Personalvorauswahl oder Kundenbewertung – eine genauere Prüfung verdienen. Für diese Fälle würde dann typischerweise externe rechtliche Beratung hinzugezogen, während die übrigen Einträge im internen Register mit einer vorläufigen, aber dokumentierten Einschätzung versehen bleiben. Ein solches Vorgehen ersetzt keine Einzelfallprüfung, veranschaulicht aber, wie sich Aufwand und Risiko in der Praxis sinnvoll priorisieren lassen, ohne das Projekt von Anfang an zu überfrachten.

Was bleibt?

Ein KI-Register wird nicht dadurch wertvoll, dass es formal korrekt aufgesetzt ist, sondern dadurch, dass es im Alltag benutzt wird, wenn eine neue KI-Anwendung eingeführt werden soll. Genau daran scheitern viele gut gemeinte erste Entwürfe: Sie werden einmal befüllt, dann vergessen. Die eigentliche Herausforderung ist also weniger die Struktur des Registers als die organisatorische Disziplin dahinter. Reicht Ihrem Unternehmen aktuell überhaupt der Überblick, um diese Frage ehrlich zu beantworten?