AI-Inventur für den EU AI Act

TL;DR

• Inventur-Tiefe: Mittelständler unterschätzen den Schatten-IT-Anteil systematisch — typisch werden 3–5 KI-Systeme erwartet, real sind es 18–35.
• Typische Lücken: Copilot-Lizenzen pro Fachbereich, ChatGPT im Browser ohne Enterprise-Tenant, KI-Plugins in CRM/ERP, fragmentierte RAG-Custom-Builds in einzelnen Teams.
• Aufwand: 4–8 Wochen im typischen Mittelständler — länger nur, wenn die IT die Befragung nicht trägt.

Warum die meisten Inventuren scheitern

Die Inventur ist nach unserer Einschätzung ein zentraler erster Schritt zur EU-AI-Act-Compliance für jeden Anwender. Ohne sie keine Risk-Klassifikation, ohne Klassifikation kein Compliance-Plan.

Trotzdem starten rund 70 % der Mittelständler die Inventur über ein IT-Asset-Tool und melden „fertig" nach drei Tagen. Das Ergebnis: eine Liste von 4–8 offiziell freigegebenen KI-Produkten — und blind gegenüber dem, was die Fachbereiche selbst eingeführt haben.

In DACH-Pilots zeigt sich: Wer KI-Inventur als reine IT-Aufgabe behandelt, übersieht 70–85 % der real eingesetzten Systeme. Das ist nicht Schludrigkeit — das ist die Natur dezentraler Beschaffung im Mittelstand.

Vier Quellen produzieren die unsichtbaren Systeme:

• Schatten-IT in Fachbereichen: Vertrieb, HR und Marketing kaufen KI-Tools am IT-Einkauf vorbei. Monatslizenzen unter der Department-Head-Freigabe tauchen nicht im Asset-Management auf. Real bei einem mittelständischen Maschinenbauer: 23 KI-Tools in 12 Fachbereichen, nur 3 davon in der IT-Inventur. Der Rest — Jasper, Otter.ai, Fathom, Gong, Lavender, Apollo, Synthesia, Tactiq.
• Copilot-Lizenzen ohne Governance: Microsoft 365 Copilot, GitHub Copilot, Salesforce Einstein Copilot, oft pauschal für ganze Teams gekauft. Niemand prüft, welche Datenquellen der Copilot indexiert oder ob Output in Kundenkommunikation eingeht. Im AI-Act-Sinn ein eigenständiges KI-System mit Dokumentations-, Transparenz- und Logging-Pflicht.
• RAG-Pipelines aus Einzelinitiativen: Innovations-Teams bauen RAG-Pipelines („GPT für unsere Doku") in Wochen-Hackathons auf eigener Cloud-Infrastruktur. Code in privaten Repos, Embeddings im OpenAI-Tenant, Frontend auf Vercel. Oft die kritischsten Systeme — sie verarbeiten Vertragsdokumente, Personalakten, CRM-Daten — und selten in irgendeinem Inventar.
• Datentransfer-Risiken: Jedes nicht-inventarisierte System ist ein potenzieller DSGVO-Art.-44-Verstoß: Personenbezogene Daten fließen in ein US-Modell ohne dokumentierte Transfer-Folgenabschätzung. Die BfDI hat Datentransfers zunehmend im Blick.

Vier Schritte zur belastbaren AI-Inventur

1. Discovery (Wochen 1–2). Drei parallele Streams, nicht sequenziell: anonyme Mitarbeiter-Befragung (8 Fragen), Tool-Audit aus SSO/Procurement/Expense-Reports, technischer Netzwerk-Scan auf KI-API-Endpunkte. Der Schlüssel ist die Anonymität — sonst kommen die ChatGPT-Browser-Nutzer nicht heraus. Realistisch erfassen Sie damit 85–95 % der real eingesetzten Systeme.
2. Klassifikation (Woche 3). Jedes System in die vier AI-Act-Risk-Klassen einsortieren — minimal, limitiert, hoch, verboten. Logik folgt Anhang III plus Art. 6, nicht der Anbieter-Marketing-Sprache. Output: eine 1-seitige, maschinell auswertbare System-Karte pro Tool mit Verwendungszweck, Datenfluss, Anbieter und Risk-Klasse.
3. Risk-Mapping (Wochen 4–5). Für jedes Hochrisiko-System Anforderungs-Matrix gegen die acht AI-Act-Pflichten (Risk-Management, Daten-Governance, technische Dokumentation, Logging, Transparenz, menschliche Aufsicht, Genauigkeit, Robustheit). Lücken farblich priorisiert. Wichtig: die Anhang-III-Liste ist nicht statisch — die Kommission ergänzt sie via delegierte Rechtsakte. Inventur muss lebende Dokumentation sein.
4. Maßnahmen-Plan (Wochen 6–8). Aus der Lückenanalyse ein priorisierter Plan mit drei Spuren: Sofort-Stopp (verbotene Systeme, Art. 5), Compliance-Sprint (Hochrisiko bis 02.08.2026), Governance-Standard (limitiert/minimal). Pro Maßnahme: Owner, Budget, Frist, Eskalations-Pfad — direkt in den GF-Beschluss.

Klassifikations-Logik nach AI Act

Faustregel: Trifft ein KI-System Entscheidungen über Personen oder beeinflusst es sie wesentlich, ist es Hochrisiko-Verdacht — bis Art. 6 (3) das Gegenteil belegt.

Pilot: IT-Service-Provider in 5 Wochen

Eine Modellrechnung für einen mittelständischen Managed-Service-Provider mit 240 Mitarbeitenden, der in der Inventur 6 KI-Systeme erwartet: realistisch finden sich eher rund 31, davon 4 Hochrisiko-Kandidaten.

Die vier Hochrisiko-Funde: ein selbstgebauter Bewerber-Scoring-Bot in HR, ein Mitarbeiter-Produktivitäts-Monitor in der Vertriebssteuerung, ein Salesforce-Einstein-Modul für Kunden-Risikoklassifikation, ein RAG-System mit Personalakten-Zugriff. Aufwand: 5 Wochen, 38 Personentage extern, 22 intern. Output: 31 System-Karten, 4 Compliance-Sprints, GF-Beschluss zur Unterschrift.

Was die Geschäftsleitung danach unterschreibt

Drei Dokumente landen am Ende auf dem GF-Tisch: ein AI-System-Inventar (lebende Liste mit Owner und Klassifikation), eine Risk-Map (Lücken pro Hochrisiko-System), ein AI-Governance-Beschluss (Verantwortlichkeit, Eskalationspfad, Sofort-Stopp-Liste).

Ohne diese drei Artefakte hat die Geschäftsleitung am 02.08.2026 keine belastbare Grundlage, um die Compliance-Verantwortung nach Art. 26 zu tragen. Mit ihnen wird aus dem AI Act ein handhabbares Projekt statt einer Compliance-Bombe. Die AI-Inventur ist nicht der schwierigste Teil des AI Act, aber der erste — wer sie überspringt, baut alle weiteren Schritte auf Sand.

Praxis-Schritt: Ein 30-Min-Eignungsgespräch klärt, ob die 4–8-Wochen-Inventur in Ihrem Mittelständler in einem Sprint machbar ist — oder zwei sequenzielle Phasen braucht. Erstgespräch anfragen → /anfrage

Stand Mai 2026. AI-Act-Anwendungsleitlinien und Anhang-III-Liste können sich durch delegierte Rechtsakte der EU-Kommission kurzfristig ändern — quartalsweise aktualisiert.

Weiterlesen im EU-AI-Act-Cluster: Was am 2. August 2026 verbindlich wird, Risikoklassen & Anbieter-vs-Deployer und Art. 9: Risikomanagement-System. Das größere Bild: KI-Beratung für den Mittelstand.