Kategorie: Anwälte

Ein Mitarbeiter gibt Kundendaten in ChatGPT ein, um eine Angebotsanalyse zu erstellen. Ein KI-gestütztes Recruiting-Tool sortiert Bewerber automatisch aus, ohne dass ein Mensch die Entscheidung prüft. Ein Unternehmen setzt ein KI-System zur Bonitätsprüfung ein, dessen Trainingsdaten personenbezogene Informationen enthalten, für die keine Rechtsgrundlage existiert. Drei Szenarien, die in österreichischen Unternehmen täglich vorkommen – und die alle einen DSGVO-Verstoß darstellen können. Wenn ein solcher Verstoß zum Streitfall wird, braucht die Datenschutzbehörde, das Gericht oder das betroffene Unternehmen eine technische Bewertung. Was genau muss ein Gutachten in solchen Fällen klären? Wo endet die technische Beurteilung, und wo beginnt die rechtliche? Dieser Beitrag zeigt die typischen KI-Datenschutzkonflikte und erklärt, welche Fragen ein IT-Sachverständiger beantworten kann – und welche nicht.

Warum KI und DSGVO kollidieren

Die DSGVO ist technologieneutral formuliert – sie verbietet nicht den Einsatz von KI. Aber sie stellt Anforderungen, die KI-Systeme strukturell schwer erfüllen können. Das liegt an drei Grundkonflikten:

Transparenz versus Black Box. Art. 13 und 14 DSGVO verlangen, dass Betroffene über Zweck, Art und Umfang der Verarbeitung ihrer Daten informiert werden. Bei einem klassischen CRM-System ist das einfach: Name und Adresse werden für die Kundenverwaltung gespeichert. Bei einem Machine-Learning-Modell, das Kundenverhalten vorhersagt, ist die Verarbeitungslogik für Laien kaum nachvollziehbar – und oft auch für den Betreiber selbst nicht vollständig transparent.

Datenminimierung versus Datenhunger. Art. 5 Abs. 1 lit. c DSGVO verlangt, dass nur die für den Zweck erforderlichen Daten verarbeitet werden. KI-Systeme werden typischerweise besser, je mehr Daten sie verarbeiten. Dieses Spannungsfeld führt dazu, dass Unternehmen häufig mehr Daten in KI-Systeme einspeisen, als für den konkreten Zweck erforderlich wäre.

Automatisierte Entscheidungen versus menschliche Kontrolle. Art. 22 Abs. 1 DSGVO verbietet grundsätzlich Entscheidungen, die ausschließlich auf automatisierter Verarbeitung beruhen und rechtliche Wirkung entfalten oder die betroffene Person erheblich beeinträchtigen. Der EuGH hat in seiner Entscheidung zum SCHUFA-Scoring (C-634/21, 7.12.2023) klargestellt, dass dieses Verbot weit auszulegen ist und auch dann greift, wenn ein Dritter – etwa eine Bank – die KI-gestützte Bewertung maßgeblich zur Grundlage seiner Entscheidung macht.

Diese Grundkonflikte führen zu konkreten Verstößen, die in der Praxis immer häufiger auftreten.

Die vier häufigsten KI-Datenschutzverstöße

Szenario 1: Kundendaten in Cloud-KI-Diensten

Das Alltags-Szenario: Ein Mitarbeiter nutzt die kostenlose Version von ChatGPT, um aus einer Kundenliste eine Zielgruppenanalyse zu erstellen. Er kopiert Namen, E-Mail-Adressen und Kaufhistorien in den Chat. Oder ein Support-Mitarbeiter füttert ein KI-Tool mit Kundenbeschwerden, die persönliche Details enthalten.

Die DSGVO-Probleme sind mehrschichtig. Die personenbezogenen Daten werden an OpenAI in den USA übermittelt – ein Drittlandtransfer nach Art. 44 ff. DSGVO, der einer geeigneten Grundlage bedarf. Bei der Consumer-Version von ChatGPT liegt kein Auftragsverarbeitungsvertrag nach Art. 28 DSGVO vor. OpenAI verwendet die eingegebenen Daten bei der Consumer-Version standardmäßig zum Training seiner Modelle – die Daten werden also zu einem eigenen Zweck weiterverarbeitet, für den keine Rechtsgrundlage des einspeisenden Unternehmens existiert. Die betroffenen Kunden wurden in der Regel nicht darüber informiert, dass ihre Daten an einen US-amerikanischen KI-Anbieter übermittelt werden.

Was ein Gutachten klären muss: Welche Daten wurden konkret übermittelt? An welchen Empfänger, auf welchem technischen Weg? Welche Lizenzversion wurde verwendet, und welche vertraglichen Regelungen bestanden? Wurden die Daten nachweislich für Modelltraining verwendet? Existierten zum Zeitpunkt der Übermittlung technische Schutzmaßnahmen (etwa Anonymisierung oder Pseudonymisierung der Daten vor der Eingabe)?

Szenario 2: Automatisierte Entscheidungen ohne menschliche Kontrolle

Ein Unternehmen setzt ein KI-gestütztes Recruiting-Tool ein. Eingehende Bewerbungen werden automatisch analysiert, bewertet und in Kategorien eingeteilt. Bewerber, die unter einem bestimmten Score liegen, erhalten automatisch eine Absage – ohne dass ein Mensch die Entscheidung jemals gesehen hat.

Das ist ein Verstoß gegen Art. 22 Abs. 1 DSGVO, der betroffenen Personen das Recht gibt, nicht einer ausschließlich auf automatisierter Verarbeitung beruhenden Entscheidung unterworfen zu werden, die sie erheblich beeinträchtigt. Eine automatisierte Ablehnung im Bewerbungsverfahren ist das Lehrbuchbeispiel, das Erwägungsgrund 71 der DSGVO ausdrücklich nennt.

Besonders problematisch: Viele Unternehmen glauben, durch einen „Human in the Loop“ den Anforderungen zu genügen. Aber wenn ein Recruiter bei 500 Bewerbungen routinemäßig die KI-Empfehlung übernimmt, ohne die aussortierten Kandidaten inhaltlich zu prüfen, liegt faktisch weiterhin eine ausschließlich automatisierte Entscheidung vor. Die menschliche Kontrolle muss substantiell sein, nicht nur formal.

Was ein Gutachten klären muss: Wie funktioniert der Entscheidungsprozess technisch? Gibt es einen dokumentierten Punkt, an dem ein Mensch die KI-Entscheidung inhaltlich prüft und übersteuern kann? Wie häufig wurde in der Praxis von der KI-Empfehlung abgewichen? Welche Kriterien verwendet das System für seine Bewertung, und sind darunter Merkmale, die als Proxy für geschützte Kategorien (Geschlecht, Alter, Herkunft) wirken können?

Szenario 3: Trainingsdaten mit Personenbezug

Ein Unternehmen entwickelt oder lässt ein KI-System entwickeln, das auf eigenen Kundendaten trainiert wird – etwa ein Empfehlungssystem, ein Scoring-Modell oder ein Chatbot, der auf historischen Kundenanfragen trainiert wurde. Die Trainingsdaten enthalten personenbezogene Informationen, für deren Verwendung zum Modelltraining keine Rechtsgrundlage vorliegt.

Auch die Trainingsphase ist eine Verarbeitung personenbezogener Daten im Sinne der DSGVO. Die ursprüngliche Rechtsgrundlage für die Datenerhebung (etwa Vertragserfüllung) deckt nicht automatisch eine Weiterverarbeitung zum KI-Training ab. Art. 6 Abs. 4 DSGVO erlaubt eine Weiterverarbeitung zu einem anderen Zweck nur, wenn dieser mit dem ursprünglichen Zweck vereinbar ist – was bei KI-Training selten ohne Weiteres angenommen werden kann.

Was ein Gutachten klären muss: Welche Daten wurden für das Training verwendet? Enthalten die Trainingsdaten direkte oder indirekte Personenbezüge? Wurden die Daten vor dem Training anonymisiert – und wenn ja, auf welchem technischen Niveau (echte Anonymisierung oder nur Pseudonymisierung)? Ist eine Re-Identifizierung möglich? Kann das trainierte Modell personenbezogene Daten aus den Trainingsdaten reproduzieren (sogenannte Memorization)?

Szenario 4: Fehlende oder unzureichende Datenschutz-Folgenabschätzung

Art. 35 Abs. 3 lit. a DSGVO schreibt eine Datenschutz-Folgenabschätzung (DSFA) vor, wenn eine systematische und umfassende Bewertung persönlicher Aspekte natürlicher Personen auf Grundlage automatisierter Verarbeitung – einschließlich Profiling – erfolgt und Entscheidungen darauf gestützt werden, die rechtliche Wirkung entfalten. In der Praxis: Fast jedes KI-System, das personenbezogene Daten verarbeitet und Entscheidungen beeinflusst, erfordert eine DSFA.

Viele Unternehmen haben entweder gar keine DSFA durchgeführt oder nur eine oberflächliche, die die spezifischen Risiken des KI-Systems nicht adressiert. Eine DSFA für ein KI-System muss andere Fragen beantworten als eine für ein klassisches IT-System: Welche Bias-Risiken bestehen? Wie nachvollziehbar sind die Entscheidungen? Welche Auswirkungen haben fehlerhafte Vorhersagen?

Was ein Gutachten klären muss: Wurde eine DSFA durchgeführt? Adressiert sie die spezifischen Risiken des KI-Systems (Bias, Opazität, Fehleranfälligkeit)? Entspricht die dokumentierte Risikobewertung dem tatsächlichen Systemverhalten? Wurden die in der DSFA definierten Schutzmaßnahmen tatsächlich implementiert?

Die Grenze: Was der IT-Sachverständige beurteilt und was nicht

In DSGVO-Streitigkeiten mit KI-Bezug besteht eine klare Aufgabenteilung zwischen technischer und rechtlicher Beurteilung. Diese Grenze zu kennen, ist für Richter, Anwälte und Unternehmen gleichermaßen wichtig.

Der IT-Sachverständige beurteilt die technischen Tatsachen. Er rekonstruiert Datenflüsse: Welche Daten fließen von wo nach wo, über welche technischen Wege, an welche Empfänger? Er analysiert Systemarchitekturen: Wie ist das KI-System aufgebaut, welche Komponenten verarbeiten welche Daten? Er bewertet technische Schutzmaßnahmen: Wurde anonymisiert oder pseudonymisiert, und auf welchem Niveau? Waren Verschlüsselung, Zugriffskontrollen und Protokollierung implementiert? Er prüft die Nachvollziehbarkeit: Lässt sich rekonstruieren, wie eine bestimmte KI-Entscheidung zustande kam? Existieren Logs, Audit-Trails, Modellversionierungen?

Der IT-Sachverständige beurteilt nicht die rechtliche Einordnung. Ob ein bestimmter Datenfluss eine Auftragsverarbeitung nach Art. 28 DSGVO oder eine gemeinsame Verantwortlichkeit nach Art. 26 DSGVO darstellt, ist eine Rechtsfrage. Ob eine bestimmte Rechtsgrundlage (Einwilligung, berechtigtes Interesse, Vertragserfüllung) für eine Verarbeitung ausreicht, ebenso. Ob eine Anonymisierung rechtlich als ausreichend gilt, ist eine Wertungsfrage, die der Jurist auf Basis der technischen Feststellungen des Sachverständigen beantwortet.

Die Stärke des Gutachtens liegt genau in dieser Trennung: Der Sachverständige liefert die technische Tatsachengrundlage, auf der die rechtliche Beurteilung aufbaut. Er sagt nicht „Das ist ein DSGVO-Verstoß“, sondern „Die Daten wurden ohne Anonymisierung an einen Server in den USA übermittelt, ohne dass ein Auftragsverarbeitungsvertrag dokumentiert ist, und das Modelltraining mit diesen Daten war in der Standardkonfiguration aktiviert.“ Die rechtliche Schlussfolgerung zieht das Gericht oder die Datenschutzbehörde.

Der Aufbau eines DSGVO-KI-Gutachtens

Ein Gutachten zu KI-Datenschutzverstößen folgt typischerweise einer Struktur, die sich aus den Anforderungen der DSGVO ableitet:

1. Systemanalyse. Was ist das KI-System, wie funktioniert es, welche Daten verarbeitet es? Hier wird das System technisch beschrieben: Architektur, eingesetzte Modelle, Datenquellen, Verarbeitungsschritte. Die Systembeschreibung muss so präzise sein, dass die nachfolgenden Prüfungen darauf aufbauen können.

2. Datenflussanalyse. Welche personenbezogenen Daten fließen in das System, innerhalb des Systems und aus dem System heraus? Wohin werden Daten übermittelt? An welche Auftragsverarbeiter, Sub-Auftragsverarbeiter, Drittlandsempfänger? Die Datenflussanalyse ist das Kernstück des Gutachtens, weil fast jede DSGVO-Prüfung darauf aufsetzt.

3. Bewertung der technischen Schutzmaßnahmen. Sind die implementierten Schutzmaßnahmen (Verschlüsselung, Pseudonymisierung, Zugriffskontrollen, Löschroutinen) dem Stand der Technik entsprechend? Sind sie wirksam, dokumentiert und nachweisbar? Hier vergleicht der Sachverständige den Ist-Zustand mit dem, was nach Stand der Technik und Branchenstandard erwartbar wäre.

4. Analyse automatisierter Entscheidungen. Trifft das System Entscheidungen, die Personen betreffen? Wenn ja: Wie läuft der Entscheidungsprozess technisch ab? Gibt es einen wirksamen Human-in-the-Loop? Ist die Entscheidungslogik nachvollziehbar und dokumentiert?

5. Prüfung der DSFA-Konformität. Wurde eine Datenschutz-Folgenabschätzung durchgeführt, und stimmt sie mit der technischen Realität des Systems überein? Hier prüft der Sachverständige nicht die rechtliche Qualität der DSFA, sondern ob die darin beschriebenen technischen Maßnahmen tatsächlich implementiert sind.

6. Befund und Zusammenfassung. Die technischen Feststellungen werden zusammengefasst, ohne rechtliche Wertung, aber so formuliert, dass sie als Grundlage für die rechtliche Beurteilung dienen.

KI und DSGVO in der Praxis: Was Unternehmen jetzt tun sollten

Der häufigste Grund für DSGVO-Verstöße durch KI ist nicht böse Absicht, sondern fehlendes Bewusstsein. Mitarbeiter nutzen KI-Tools, ohne die datenschutzrechtlichen Implikationen zu kennen. Unternehmen setzen KI-Systeme ein, ohne zu prüfen, ob eine DSFA erforderlich ist. KI-Anbieter werden beauftragt, ohne die Frage der Auftragsverarbeitung zu klären.

Fünf Maßnahmen reduzieren das Risiko erheblich:

KI-Nutzungsrichtlinie einführen. Eine interne Richtlinie, die festlegt, welche KI-Tools für welche Zwecke genutzt werden dürfen, welche Daten eingegeben werden dürfen und welche nicht, und welche Freigabeprozesse gelten.

Auftragsverarbeitungsverträge prüfen. Für jeden KI-Anbieter, an den personenbezogene Daten übermittelt werden, muss die datenschutzrechtliche Rolle geklärt sein. Bei Cloud-KI-Diensten wie ChatGPT, Gemini oder Copilot ist das Lizenzmodell entscheidend: Enterprise- und API-Lizenzen bieten in der Regel AVVs und die Möglichkeit, Modelltraining zu deaktivieren. Consumer-Versionen tun das in der Regel nicht.

DSFA für KI-Systeme durchführen. Jedes KI-System, das personenbezogene Daten verarbeitet und Entscheidungen beeinflusst, sollte einer Datenschutz-Folgenabschätzung unterzogen werden. Diese muss die KI-spezifischen Risiken adressieren: Bias, Opazität, Fehleranfälligkeit, Drittlandtransfer.

Automatisierte Entscheidungen überprüfen. Alle Prozesse, in denen KI-Systeme Entscheidungen über Personen treffen oder beeinflussen, müssen auf Art. 22 DSGVO geprüft werden. Wo automatisierte Entscheidungen mit erheblicher Wirkung vorliegen, muss ein substantieller Human-in-the-Loop implementiert und dokumentiert werden.

KI-Audit durchführen lassen. Ein IT-Sachverständiger kann als externer Prüfer die Datenschutzkonformität der KI-Systeme bewerten – bevor die Datenschutzbehörde es tut. Das Ergebnis ist ein dokumentierter Bericht, der im Prüffall als Nachweis sorgfältiger Compliance-Bemühungen dient.

Fazit

Die DSGVO verbietet KI nicht. Aber sie stellt Anforderungen an Transparenz, Datenminimierung und menschliche Kontrolle, die viele KI-Anwendungen in ihrer Standardkonfiguration nicht erfüllen. Die häufigsten Verstöße entstehen nicht durch exotische Anwendungsfälle, sondern durch Alltags-Szenarien: Mitarbeiter, die Kundendaten in Cloud-KI-Tools eingeben; Recruiting-Software, die automatisch aussortiert; Scoring-Systeme ohne DSFA.

Wenn ein solcher Verstoß zum Streitfall wird – vor der Datenschutzbehörde, einem Gericht oder im Rahmen einer Schadensersatzklage –, braucht die entscheidende Stelle eine technische Grundlage. Welche Daten sind wohin geflossen? Wie funktioniert das System wirklich? Wurden die dokumentierten Schutzmaßnahmen tatsächlich umgesetzt?

Genau das klärt ein IT-Sachverständiger. Nicht die Rechtsfrage, ob ein Verstoß vorliegt – aber die technischen Tatsachen, ohne die diese Rechtsfrage nicht beantwortet werden kann. Die Datenschutz-Folgenabschätzung wird durch KI nicht einfacher. Aber ein Sachverständiger kann sie technisch fundieren – und damit den Unterschied zwischen Hoffnung und Nachweis machen.

Am 2. August 2026 wird der EU AI Act in wesentlichen Teilen vollständig anwendbar. Dann müssen Unternehmen, die KI-Systeme entwickeln oder einsetzen, eine Reihe konkreter Pflichten erfüllen: Risikoklassifizierung, technische Dokumentation, Konformitätsbewertung, Transparenzkennzeichnung, KI-Kompetenznachweis. Wer dagegen verstößt, riskiert Bußgelder von bis zu 35 Millionen Euro oder 7 Prozent des weltweiten Jahresumsatzes. Der Digital Omnibus der EU-Kommission könnte bestimmte Hochrisiko-Fristen auf Dezember 2027 verschieben – doch das ist noch nicht beschlossen, und wesentliche Pflichten gelten bereits jetzt. Dieser Beitrag zeigt konkret, was auf österreichische Unternehmen zukommt, wo die RTR-KI-Servicestelle als Aufsichtsbehörde ins Spiel kommt, und warum ein IT-Sachverständiger bei der Umsetzung den Unterschied zwischen Compliance und Bußgeldbescheid machen kann.

Der AI Act im Zeitraffer: Was bereits gilt und was ab August 2026 kommt

Der EU AI Act (Verordnung (EU) 2024/1689) ist am 1. August 2024 in Kraft getreten. Seitdem entfaltet er seine Wirkung in Stufen. Die wichtigsten Stichtage für österreichische Unternehmen:

Seit 2. Februar 2025 gilt die KI-Kompetenzpflicht nach Art. 4 AI Act. Jedes Unternehmen, das KI-Systeme einsetzt – unabhängig von Risikoklasse und Branche –, muss sicherstellen, dass die Mitarbeiter, die mit KI arbeiten, über ausreichende Kompetenzen verfügen. Zusätzlich sind bestimmte KI-Praktiken mit inakzeptablem Risiko verboten: Social Scoring, manipulative Systeme, biometrische Echtzeit-Überwachung im öffentlichen Raum (mit eng begrenzten Ausnahmen für Strafverfolgung).

Seit 2. August 2025 gelten die Pflichten für Anbieter von KI-Modellen mit allgemeinem Verwendungszweck (General Purpose AI, GPAI) – also für die Hersteller von Foundation Models wie große Sprachmodelle. Für die meisten österreichischen KMU relevant: Die Strafbestimmungen für verbotene KI-Praktiken sind ab diesem Zeitpunkt durchsetzbar.

Ab 2. August 2026 werden grundsätzlich alle verbleibenden Verpflichtungen anwendbar. Das betrifft insbesondere die Anforderungen an Hochrisiko-KI-Systeme nach Anhang III, die Transparenzpflichten für KI-Systeme mit begrenztem Risiko, die Pflicht zur Einrichtung von KI-Reallaboren (Sandboxes) durch die Mitgliedstaaten und die vollständigen Marktüberwachungs- und Sanktionsbefugnisse der nationalen Aufsichtsbehörden.

Wichtiger Hinweis zum Digital Omnibus: Im November 2025 hat die EU-Kommission das sogenannte Digital-Omnibus-Paket vorgelegt, das unter anderem eine Verschiebung der Hochrisiko-Fristen vorsieht. Für Hochrisiko-KI-Systeme nach Anhang III soll der Stichtag auf spätestens 2. Dezember 2027 verschoben werden, für produktintegrierte Hochrisiko-Systeme nach Anhang I auf 2. August 2028. Der Grund: Die harmonisierten technischen Standards sind noch nicht fertig. Das EU-Parlament hat im Februar 2026 in seinem Berichtsentwurf feste Stichtage (Dezember 2027 bzw. August 2028) vorgeschlagen, anstatt die Wirksamkeit an die Verfügbarkeit von Standards zu koppeln. Das Gesetzgebungsverfahren läuft noch, ein Beschluss vor August 2026 ist unsicher. Die klare Empfehlung lautet daher: Weiterhin mit August 2026 als Zieldatum planen. Wer auf eine Verschiebung wartet und falsch liegt, riskiert unmittelbare Sanktionen.

Was Unternehmen konkret nachweisen müssen: Die fünf Kernpflichten

1. KI-Inventar und Risikoklassifizierung

Bevor ein Unternehmen irgendetwas dokumentieren oder bewerten kann, muss es wissen, welche KI-Systeme es überhaupt einsetzt. Das klingt trivial, ist es in der Praxis aber nicht. Viele Unternehmen nutzen KI-Funktionen, ohne sich dessen bewusst zu sein: ein CRM-System mit KI-gestützter Lead-Bewertung, ein Buchhaltungstool mit automatischer Rechnungsklassifizierung, ein Chatbot im Kundensupport, ein KI-basiertes Bewerbermanagement.

Der erste Schritt ist daher eine vollständige Bestandsaufnahme aller KI-Systeme im Unternehmen – das sogenannte KI-Inventar. Für jedes System muss anschließend die Risikoklassifizierung nach dem risikobasierten Ansatz des AI Act erfolgen:

Inakzeptables Risiko (verboten): Social Scoring, manipulative Systeme, biometrische Kategorisierung nach sensiblen Merkmalen, Emotionserkennung am Arbeitsplatz (mit Ausnahmen). Diese Systeme dürfen nicht betrieben werden.

Hohes Risiko (Anhang III): Der AI Act definiert in Anhang III acht Bereiche, in denen KI-Systeme als hochriskant gelten: Biometrie und biometrische Kategorisierung, kritische Infrastruktur, Bildung und Berufsausbildung, Beschäftigung und Personalmanagement, Zugang zu wesentlichen Dienstleistungen (Kreditvergabe, Versicherung), Strafverfolgung, Migration und Grenzkontrolle, Rechtspflege und demokratische Prozesse. Für diese Systeme gelten die strengsten Anforderungen.

Begrenztes Risiko: KI-Systeme, die mit Personen interagieren (Chatbots), Emotionen erkennen, synthetische Inhalte erzeugen (Deepfakes, KI-generierte Texte, Bilder, Audio, Video). Hier gelten Transparenz- und Kennzeichnungspflichten.

Minimales Risiko: Alle übrigen KI-Systeme. Keine spezifischen Pflichten nach dem AI Act, aber die allgemeine KI-Kompetenzpflicht gilt auch hier.

Die Risikoklassifizierung ist nach dem Prinzip der Selbstklassifizierung durchzuführen. Das Unternehmen muss selbst beurteilen, in welche Kategorie seine KI-Systeme fallen. Genau hier liegt das erste große Risiko: Eine falsche Einstufung – etwa ein Hochrisiko-System als „begrenztes Risiko“ einzuordnen – kann im Prüffall zu empfindlichen Sanktionen führen.

2. Technische Dokumentation

Für Hochrisiko-KI-Systeme verlangt Art. 11 AI Act eine umfassende technische Dokumentation, die vor dem Inverkehrbringen oder der Inbetriebnahme erstellt sein muss. Anhang IV konkretisiert, was diese mindestens enthalten muss:

Allgemeine Beschreibung des KI-Systems (Zweckbestimmung, Funktionalitäten, Einsatzbereich). Detaillierte Beschreibung der Komponenten und des Entwicklungsprozesses (Datenverarbeitungsmethoden, Trainings-, Validierungs- und Testdaten, Modellarchitektur). Informationen über Überwachung, Funktionsweise und Kontrolle des Systems. Beschreibung der Leistungsfähigkeit und Grenzen. Beschreibung des Risikomanagementsystems. Beschreibung der Maßnahmen zur menschlichen Aufsicht.

Zusätzlich verlangt Art. 17 ein dokumentiertes Qualitätsmanagementsystem (QMS), das die Einhaltung der Verordnung sicherstellt. Und Art. 18 schreibt vor, dass diese Dokumentation zehn Jahre lang aufbewahrt werden muss.

Für die meisten österreichischen KMU stellt sich die Frage weniger beim Entwickeln eigener Hochrisiko-KI – das tun die wenigsten – als beim Einsatz zugekaufter Systeme. Wer als Betreiber ein Hochrisiko-KI-System eines Drittanbieters nutzt, muss die vom Anbieter bereitgestellte Dokumentation prüfen, die Betriebsanleitung befolgen, die eigenen Nutzung dokumentieren und bei Problemen reagieren (System abschalten, Anbieter und Behörde melden).

3. Konformitätsbewertung und CE-Kennzeichnung

Anbieter von Hochrisiko-KI-Systemen müssen vor dem Inverkehrbringen eine Konformitätsbewertung durchführen. Je nach Systemtyp geschieht das als interne Selbstbewertung (für die meisten Anhang-III-Systeme) oder durch eine externe Prüfstelle (notifizierte Stelle), insbesondere bei biometrischen Systemen.

Nach erfolgreicher Bewertung muss der Anbieter eine EU-Konformitätserklärung ausstellen und das System mit der CE-Kennzeichnung versehen. Ohne CE-Konformität darf das KI-System in der EU weder in Verkehr gebracht noch betrieben werden.

Zusätzlich müssen Hochrisiko-KI-Systeme in der EU-Datenbank registriert werden. Diese Registrierung obliegt dem Anbieter, ist aber auch für Betreiber relevant, da sie dort die Konformitätsinformationen einsehen können.

4. Transparenz- und Kennzeichnungspflichten

Ab August 2026 gelten die Transparenzpflichten nach Art. 50 AI Act. In der Praxis bedeutet das:

Nutzer müssen erkennen können, wenn sie mit einem KI-System interagieren. Das betrifft Chatbots, automatisierte Telefon-Systeme und vergleichbare Anwendungen. KI-generierte Inhalte (synthetische Texte, Bilder, Audio, Video) müssen maschinenlesbar als KI-erzeugt gekennzeichnet werden – etwa durch Wasserzeichen oder Metadaten. Deepfakes – also KI-generierte oder -manipulierte Bild-, Audio- oder Videoinhalte, die realen Personen, Orten oder Ereignissen ähneln – müssen offengelegt werden.

Für viele Unternehmen betrifft das bereits alltägliche Anwendungen: den KI-gestützten Kundenchatbot auf der Website, KI-generierte Marketingtexte, automatisierte Antwort-E-Mails.

5. KI-Kompetenznachweis

Art. 4 AI Act gilt bereits seit Februar 2025 und verpflichtet Anbieter und Betreiber von KI-Systemen, eine ausreichende KI-Kompetenz ihrer Mitarbeiter sicherzustellen. Die Verordnung verlangt keine formale Zertifizierung, aber einen nachweisbaren Kompetenzaufbau.

In der Praxis bedeutet das: Schulungen durchführen und dokumentieren (Datum, Inhalt, Dauer, Teilnehmer). Interne Richtlinien zum Umgang mit KI-Tools einführen. Den Kompetenzaufbau regelmäßig aktualisieren, da sich KI-Technologien und regulatorische Anforderungen weiterentwickeln.

Die RTR-KI-Servicestelle empfiehlt, bestehende Schulungsangebote zu nutzen – etwa den WKO KI-Leitfaden, die WIFI-KI-Führerschein-Programme oder die Schulungstools der KI-Anbieter selbst. Austrian Standards bietet zudem eine Zertifizierung zum „KI-Manager“ an, die als Kompetenznachweis im Sinne des Art. 4 dienen kann.

Die Sanktionen: Kein Papiertiger

Der AI Act sieht ein dreistufiges Sanktionssystem vor, das in seiner Spitze sogar über die DSGVO hinausgeht:

Bis zu 35 Millionen Euro oder 7 Prozent des weltweiten Jahresumsatzes bei Einsatz verbotener KI-Praktiken. Bis zu 15 Millionen Euro oder 3 Prozent des Umsatzes bei Verstößen gegen die Hochrisiko-Pflichten. Bis zu 7,5 Millionen Euro oder 1,5 Prozent des Umsatzes bei falschen, unvollständigen oder irreführenden Angaben gegenüber Behörden.

Für KMU gilt eine wichtige Einschränkung: Es wird jeweils der niedrigere der beiden Beträge (Prozentsatz oder Fixbetrag) als Obergrenze herangezogen, und die wirtschaftliche Leistungsfähigkeit muss berücksichtigt werden.

Neben Geldbußen können Behörden Nachbesserungen anordnen oder den Betrieb eines KI-Systems untersagen. Die Marktüberwachungs- und Sanktionsbefugnisse werden ab August 2026 vollständig durchsetzbar.

Österreichs Aufsichtsstruktur: Die RTR-KI-Servicestelle

Jeder EU-Mitgliedstaat muss eine nationale Behörde benennen, die den AI Act überwacht und durchsetzt. In Österreich wurde diese Rolle der KI-Servicestelle bei der Rundfunk und Telekom Regulierungs-GmbH (RTR) übertragen, die bereits Anfang 2024 eingerichtet wurde. Österreich gehört damit neben Spanien und den Niederlanden zu den ersten Ländern mit einer operativen KI-Aufsichtsstelle.

Die KI-Servicestelle fungiert derzeit als Informationshub und Anlaufstelle für Unternehmen bei Fragen zur Umsetzung des AI Act. Sie stellt umfangreiche Informationsangebote bereit, betreibt einen eigenen AI-Act-Chatbot und ist per E-Mail (ki@rtr.at) und telefonisch erreichbar. In einem weiteren Ausbauschritt soll sie in eine vollwertige KI-Behörde mit Durchsetzungsbefugnissen übergehen.

Zusätzlich wurde ein elfköpfiger Beirat für Künstliche Intelligenz (AI Advisory Board) eingerichtet, der die Politik in fachlichen, gesellschaftlichen und ethischen KI-Fragen berät und an der Überarbeitung der österreichischen KI-Strategie mitwirkt.

Für Unternehmen bedeutet das konkret: Die RTR ist die Stelle, die im Ernstfall Kontrollen durchführt, Beschwerden entgegennimmt und Sanktionen verhängt. Wer seine Compliance nachweisen muss, tut das gegenüber der RTR-KI-Servicestelle.

Wo der IT-Sachverständige ins Spiel kommt

Die bisherigen Abschnitte zeigen: Der AI Act stellt Anforderungen, die zugleich technisch und rechtlich sind. Die Risikoklassifizierung erfordert ein Verständnis der KI-Technologie. Die technische Dokumentation verlangt präzise Beschreibungen von Systemarchitektur, Datenflüssen und Modellverhalten. Die Konformitätsbewertung setzt voraus, dass man beurteilen kann, ob ein System die Anforderungen tatsächlich erfüllt. Das ist keine juristische Aufgabe – und es ist auch keine Aufgabe, die ein Compliance-Beauftragter ohne technischen Hintergrund allein bewältigen kann.

Genau hier liegt das Tätigkeitsfeld des IT-Sachverständigen. Seine Rolle entfaltet sich in mehreren Szenarien:

Vor dem Stichtag: KI-Audit und Compliance-Vorbereitung

Ein IT-Sachverständiger kann als externer Prüfer die KI-Readiness eines Unternehmens bewerten. Das umfasst die Durchführung eines KI-Inventars (welche Systeme sind im Einsatz, welche Daten fließen wohin), die technische Risikoklassifizierung (ist dieses System tatsächlich Hochrisiko oder nicht?), die Bewertung der vorhandenen Dokumentation (ist die technische Dokumentation des Anbieters vollständig und nachvollziehbar?) und die Identifikation von Compliance-Lücken (wo fehlen Prozesse, Dokumentation, Schulungsnachweise?).

Dieses KI-Audit ist kein formales Konformitätsbewertungsverfahren im Sinne des AI Act, sondern eine freiwillige Bestandsaufnahme, die dem Unternehmen Klarheit über seinen Umsetzungsstand verschafft. Der Sachverständige erstellt einen dokumentierten Bericht, der bei einer späteren Behördenprüfung als Nachweis sorgfältiger Vorbereitung dienen kann.

Im Streitfall: Gutachten zu KI-Compliance

Wenn ein Unternehmen wegen eines mutmaßlichen AI-Act-Verstoßes in ein Verfahren gerät – sei es durch eine Beschwerde bei der RTR, ein Verwaltungsstrafverfahren oder eine zivilrechtliche Klage –, benötigt die entscheidende Stelle eine technische Beurteilung. War das KI-System korrekt klassifiziert? Entspricht die technische Dokumentation den Anforderungen des Anhang IV? Wurde die Konformitätsbewertung methodisch korrekt durchgeführt? Hat das System tatsächlich so funktioniert, wie dokumentiert?

Diese Fragen kann nur ein IT-Sachverständiger mit KI-Expertise beantworten. Das Gutachten bildet dann die Grundlage für die rechtliche Beurteilung durch die Behörde oder das Gericht.

An der Schnittstelle zum Datenschutz: DSGVO trifft AI Act

In der Praxis greifen AI Act und DSGVO bei den meisten KI-Anwendungen ineinander. Ein KI-System, das personenbezogene Daten verarbeitet – etwa im Recruiting, bei der Bonitätsprüfung oder in der Kundenkommunikation –, muss sowohl AI-Act-konform als auch DSGVO-konform sein. Art. 26 AI Act verpflichtet Betreiber von Hochrisiko-KI-Systemen ausdrücklich, eine Datenschutz-Folgenabschätzung (DSFA) nach Art. 35 DSGVO durchzuführen.

Ein IT-Sachverständiger mit Fachgebiet 68.60 (IT-Sicherheit, Datenschutz) kann beide Dimensionen in einem integrierten Gutachten abdecken: die technische Bewertung des KI-Systems nach AI Act und die datenschutzrechtliche Bewertung der Datenverarbeitung nach DSGVO.

Als Privatgutachter: Vor der Behörde einen Schritt voraus

Der IT-Sachverständige muss nicht auf eine Bestellung durch ein Gericht oder eine Behörde warten. Als Privatgutachter kann er direkt vom Unternehmen beauftragt werden – und das ist strategisch oft die bessere Variante:

Vor einer angekündigten Prüfung durch die RTR kann ein Privatgutachten den Compliance-Stand dokumentieren und Schwachstellen aufdecken, bevor die Behörde sie findet. Bei einer Beschwerde eines Betroffenen (etwa wegen einer KI-gestützten Kreditentscheidung) kann ein vorbereitetes Gutachten die Nachvollziehbarkeit der Entscheidung belegen. Im Versicherungsfall (wenn ein KI-System einen Schaden verursacht) dokumentiert das Gutachten, ob das Unternehmen die erforderliche Sorgfalt bei Auswahl, Betrieb und Überwachung des Systems eingehalten hat.

Checkliste: Was österreichische Unternehmen jetzt tun sollten

Unabhängig davon, ob die Hochrisiko-Fristen durch den Digital Omnibus verschoben werden oder nicht, gelten bereits jetzt wesentliche Pflichten. Und die Vorbereitung auf August 2026 erfordert Vorlauf. Die folgende Checkliste fasst die dringendsten Maßnahmen zusammen:

Sofort (bereits verpflichtend): KI-Kompetenz nach Art. 4 sicherstellen – Mitarbeiterschulungen durchführen und dokumentieren. Prüfen, ob verbotene KI-Praktiken im Einsatz sind, und diese sofort einstellen. Interne KI-Nutzungsrichtlinie einführen.

Bis Mitte 2026: Vollständiges KI-Inventar erstellen – welche KI-Systeme sind im Einsatz? Risikoklassifizierung für jedes System durchführen. Für Hochrisiko-Systeme: Technische Dokumentation des Anbieters prüfen und eigene Betreiberdokumentation aufbauen. Transparenzpflichten vorbereiten (Chatbot-Hinweise, Kennzeichnung KI-generierter Inhalte). DSFA für KI-Systeme mit personenbezogenen Daten durchführen oder aktualisieren.

Laufend: KI-Governance-Struktur etablieren – klare Zuständigkeiten für AI-Act-Compliance festlegen. Monitoring-Prozesse für KI-Systeme im Betrieb einrichten. Vorfallmeldeprozess definieren (Art. 73 AI Act verlangt die Meldung schwerwiegender Vorfälle). Schulungsnachweise und Dokumentation regelmäßig aktualisieren.

Optional, aber empfehlenswert: KI-Audit durch einen IT-Sachverständigen durchführen lassen. KI-Reallabor (Sandbox) der RTR nutzen – KMU haben prioritären und kostenlosen Zugang.

Fazit

Der EU AI Act ist keine ferne Zukunftsmusik. Wesentliche Pflichten gelten bereits, der nächste große Stichtag am 2. August 2026 rückt näher, und eine mögliche Verschiebung durch den Digital Omnibus betrifft nur die Hochrisiko-Fristen – nicht die Transparenzpflichten, nicht die KI-Kompetenzpflicht, nicht die verbotenen Praktiken und nicht die Sanktionsbefugnisse.

Die Herausforderung liegt dabei weniger im Gesetzestext als in der technischen Umsetzung. Risikoklassifizierung, technische Dokumentation, Konformitätsbewertung, DSFA-Integration – all das erfordert technisches Verständnis von KI-Systemen, Datenflüssen und Systemarchitekturen. Ein IT-Sachverständiger kann diese technische Brücke bauen: zwischen dem, was der AI Act verlangt, und dem, was im Unternehmen tatsächlich passiert.

Wer seine Compliance jetzt vorbereitet und dokumentiert, steht im Prüffall besser da als jemand, der auf Fristverlängerungen gehofft hat. Und wer sich dabei auf einen sachverständigen Blick von außen stützt, erspart sich im Ernstfall deutlich größeren Aufwand – und deutlich höhere Kosten.

ChatGPT für Kundenanfragen, Microsoft Copilot für die Dokumentenerstellung, ein KI-gestütztes Bewerbermanagement, automatisierte Kreditentscheidungen: Künstliche Intelligenz ist in österreichischen Unternehmen angekommen. Was als Produktivitätswerkzeug beginnt, wird schnell zum rechtlichen und technischen Minenfeld. Seit Februar 2025 gilt die Schulungspflicht des EU AI Act, ab August 2026 greifen die Hochrisiko-Anforderungen vollständig. Wer KI einsetzt, ohne die Risiken systematisch zu bewerten, riskiert Bußgelder bis 35 Millionen Euro, DSGVO-Verstöße und Haftungsansprüche, die ein Sachverständiger im Streitfall bewerten muss. Dieser Beitrag zeigt, welche konkreten Risiken ein IT-Gutachter bei KI-Implementierungen aufdeckt – und warum eine unabhängige Bewertung vor dem Ernstfall wertvoller ist als danach.

Der EU AI Act: Was seit Februar 2025 gilt und was ab August 2026 kommt

Der EU AI Act ist die weltweit erste umfassende KI-Regulierung. Er verfolgt einen risikobasierten Ansatz: Je höher das Risiko eines KI-Systems für Grundrechte, Sicherheit und demokratische Prozesse, desto strenger die Anforderungen. Für österreichische Unternehmen ist die gestaffelte Umsetzung entscheidend.

Seit 2. Februar 2025 sind KI-Systeme mit inakzeptablem Risiko verboten. Dazu zählen Social-Scoring-Systeme, Emotionserkennung am Arbeitsplatz oder manipulative KI, die Schwächen von Personen ausnutzt. Gleichzeitig gilt die KI-Kompetenzpflicht nach Artikel 4: Alle Mitarbeitenden, die KI-Systeme nutzen oder betreiben, müssen nachweislich geschult sein. Diese Pflicht gilt unabhängig von der Risikoklasse des Systems – sie betrifft also auch den Einsatz von ChatGPT oder Microsoft Copilot.

Ab 2. August 2026 werden die Anforderungen für Hochrisiko-KI-Systeme vollständig wirksam: Konformitätsbewertungen, umfassende Dokumentation, Risikomanagement, menschliche Aufsicht und Audits werden verpflichtend. Transparenzpflichten für generative KI gelten bereits seit August 2025. KI-generierte Inhalte müssen als solche gekennzeichnet werden.

Die Sanktionen sind erheblich: Bis zu 35 Millionen Euro oder 7 Prozent des weltweiten Jahresumsatzes bei schweren Verstößen, bis zu 7,5 Millionen Euro oder 1,5 Prozent bei leichteren Vergehen. Die österreichische KI-Servicestelle der RTR wird als nationale Aufsichtsbehörde die Einhaltung überwachen. Die Kontrollen erfolgen stichprobenartig oder bei Beschwerden.

Für die Praxis bedeutet das: Jedes Unternehmen, das KI einsetzt – und sei es nur ein Chatbot für den Kundenservice –, unterliegt zumindest der Schulungspflicht. Viele Unternehmen haben das Thema auf der Agenda, aber die konkrete Umsetzung – Bestandsaufnahme, Risikoklassifizierung, Dokumentation – fehlt häufig noch, insbesondere bei KMU.

Warum KI-Risiken eine eigene Bewertung brauchen

KI-Risiken unterscheiden sich fundamental von klassischen IT-Risiken. Ein herkömmliches IT-System verhält sich deterministisch: Bei gleichem Input liefert es den gleichen Output. Ein KI-System, insbesondere ein auf Machine Learning basierendes, verhält sich probabilistisch. Es trifft Vorhersagen auf Basis statistischer Muster, und diese Vorhersagen können fehlerhaft sein, ohne dass ein klassischer Softwarefehler im technischen Sinne vorliegt.

Wenn ein ERP-System eine falsche Rechnung erstellt, liegt ein nachweisbarer Programmfehler oder eine Fehlkonfiguration vor. Wenn ein KI-gestütztes Kreditbewertungssystem einen Antrag ablehnt, kann die Ursache in verzerrten Trainingsdaten liegen, in einem statistischen Bias, der bestimmte Bevölkerungsgruppen systematisch benachteiligt – ohne dass der Algorithmus im technischen Sinne „falsch“ funktioniert. Die Bewertung, ob dieses Ergebnis akzeptabel ist, erfordert eine Kombination aus technischer Analyse, rechtlicher Einordnung und ethischer Bewertung, die über klassische IT-Audits hinausgeht.

Ein IT-Sachverständiger, der KI-Systeme bewertet, muss daher nicht nur den Code und die Infrastruktur prüfen, sondern auch die Trainingsdaten, die Modellarchitektur, die Entscheidungslogik, die Monitoring-Mechanismen und die organisatorischen Rahmenbedingungen des KI-Einsatzes. Das ist eine andere Disziplin als die klassische IT-Forensik, aber sie baut auf den gleichen Grundprinzipien auf: methodische Analyse, nachvollziehbare Dokumentation und objektive Bewertung.

Die sechs Risikobereiche, die ein IT-Gutachter prüft

In der Praxis lassen sich die Risiken beim KI-Einsatz in sechs Bereiche gliedern, die ein Sachverständiger systematisch untersucht.

1. Datenschutz und DSGVO-Konformität

Die DSGVO bleibt parallel zum AI Act vollständig in Kraft, und KI-Systeme sind besonders datenintensiv. Der Sachverständige prüft, auf welchen Daten das KI-System trainiert wurde und ob personenbezogene Daten ohne Rechtsgrundlage verarbeitet werden. Gerade bei der Nutzung cloud-basierter KI-Dienste wie ChatGPT, Claude oder Gemini stellt sich die Frage, ob Mitarbeiter personenbezogene Daten in die Systeme eingeben und diese Daten damit an Drittanbieter übertragen werden – möglicherweise in Drittstaaten außerhalb der EU.

Ein häufiges Szenario: Ein Mitarbeiter gibt Kundendaten in ChatGPT ein, um eine Antwort auf eine Kundenbeschwerde formulieren zu lassen. Damit werden personenbezogene Daten an OpenAI übermittelt, ohne dass eine Rechtsgrundlage oder ein Auftragsverarbeitungsvertrag vorliegt. Das ist ein DSGVO-Verstoß, der bei einer Prüfung durch die Datenschutzbehörde Konsequenzen haben kann.

Der Sachverständige analysiert, ob das Unternehmen klare Richtlinien für die Eingabe von Daten in KI-Systeme definiert hat, ob Auftragsverarbeitungsverträge mit KI-Anbietern abgeschlossen wurden, ob eine Datenschutz-Folgenabschätzung (DSFA) für KI-Anwendungen durchgeführt wurde und ob technische Maßnahmen wie Anonymisierung oder Pseudonymisierung vor der KI-Verarbeitung implementiert sind.

2. Bias und Diskriminierung

KI-Systeme lernen aus historischen Daten. Wenn diese Daten Verzerrungen enthalten, reproduziert das System diese Verzerrungen – oft unsichtbar und in großem Maßstab. Ein KI-gestütztes Bewerbermanagement, das auf historischen Einstellungsentscheidungen trainiert wurde, könnte systematisch Bewerberinnen benachteiligen, wenn in der Vergangenheit überwiegend Männer eingestellt wurden. Ein Kreditbewertungssystem könnte bestimmte Postleitzahlen als Risikofaktor gewichten und damit indirekt sozioökonomische Diskriminierung reproduzieren.

Der Sachverständige prüft, ob die Trainingsdaten auf Repräsentativität und bekannte Bias-Muster untersucht wurden, ob regelmäßige Bias-Audits stattfinden, ob Mechanismen zur Erkennung und Korrektur von Diskriminierung implementiert sind und ob die Entscheidungskriterien des Systems nachvollziehbar dokumentiert werden. Im Streitfall – etwa wenn ein Bewerber oder eine Bewerberin eine diskriminierende Ablehnung behauptet – ist die Frage, ob das Unternehmen angemessene Maßnahmen zur Bias-Prävention getroffen hat, entscheidend für die Haftung.

3. Transparenz und Erklärbarkeit

Der AI Act verlangt Transparenz auf mehreren Ebenen. Nutzer müssen wissen, dass sie mit einem KI-System interagieren. Bei Hochrisiko-Systemen müssen die Entscheidungen des Systems nachvollziehbar und erklärbar sein. KI-generierte Inhalte müssen als solche gekennzeichnet werden.

In der Praxis bedeutet das: Wenn ein Unternehmen einen Chatbot einsetzt, muss der Kunde erkennen können, dass er nicht mit einem Menschen kommuniziert. Wenn ein KI-System eine Entscheidung trifft, die eine Person betrifft – etwa eine Bonitätsprüfung oder eine Schadensbeurteilung –, muss das Unternehmen erklären können, wie diese Entscheidung zustande gekommen ist.

Der Sachverständige bewertet, ob das Unternehmen diese Transparenzanforderungen erfüllt. Das umfasst die Prüfung, ob KI-Systeme gegenüber Nutzern korrekt deklariert sind, ob Erklärungsmechanismen (Explainable AI) implementiert sind, ob die Entscheidungslogik dokumentiert und für betroffene Personen nachvollziehbar ist und ob KI-generierte Inhalte systematisch gekennzeichnet werden.

4. Sicherheit und Robustheit

KI-Systeme bringen eigene Sicherheitsrisiken mit, die über klassische IT-Sicherheit hinausgehen. Adversarial Attacks manipulieren Eingabedaten gezielt, um das KI-System zu täuschen – etwa durch minimale Bildveränderungen, die eine Bilderkennungs-KI zu falschen Klassifikationen verleiten. Prompt Injection nutzt die Verarbeitung natürlicher Sprache aus, um KI-Chatbots zu unbeabsichtigten Aktionen zu veranlassen. Data Poisoning manipuliert Trainingsdaten, um das Verhalten des Modells systematisch zu verfälschen. Model Theft extrahiert das trainierte Modell oder seine Parameter über gezielte Abfragen.

Der Sachverständige prüft, ob das Unternehmen diese KI-spezifischen Bedrohungen kennt und angemessene Gegenmaßnahmen implementiert hat. Das umfasst die Absicherung der Trainingsdaten-Pipeline, die Robustheitstests gegen adversariale Eingaben, die Eingabevalidierung bei KI-Systemen mit Nutzereingaben und die Überwachung des Modellverhaltens im laufenden Betrieb (Model Monitoring).

5. Governance und menschliche Aufsicht

Der AI Act verlangt menschliche Aufsicht (Human Oversight) über KI-Systeme, insbesondere bei Hochrisiko-Anwendungen. Das bedeutet nicht, dass ein Mensch jede einzelne Entscheidung überprüfen muss, aber es muss sichergestellt sein, dass Menschen das System verstehen, seine Ergebnisse interpretieren können, bei Bedarf eingreifen können und die Letztentscheidung bei kritischen Fragen behalten.

Der Sachverständige bewertet die KI-Governance-Struktur des Unternehmens: Gibt es eine klare Zuständigkeit für KI-Systeme? Sind Freigabeprozesse für neue KI-Anwendungen definiert? Existieren Eskalationswege, wenn das System fehlerhafte oder unerwartete Ergebnisse liefert? Wird die Performance der KI-Systeme regelmäßig überprüft, und gibt es definierte Schwellenwerte, bei deren Unterschreitung ein menschliches Eingreifen vorgesehen ist?

In der Praxis stellt der Sachverständige häufig fest, dass KI-Tools von einzelnen Abteilungen eingeführt werden, ohne dass die IT-Abteilung oder die Geschäftsführung davon Kenntnis hat. Diese sogenannte Schatten-KI ist das KI-Äquivalent der Schatten-IT und stellt ein erhebliches Compliance-Risiko dar: Ein System, von dem das Unternehmen offiziell nichts weiß, kann weder risikoklassifiziert noch dokumentiert noch überwacht werden.

6. Dokumentation und Nachweispflichten

Der AI Act verlangt umfassende Dokumentation: Risikobewertungen, technische Dokumentation, Aufzeichnung der Entscheidungen des Systems, Schulungsnachweise. Für Hochrisiko-Systeme kommen Konformitätsbewertungen und die Registrierung in einer EU-KI-Datenbank hinzu.

Der Sachverständige prüft, ob diese Dokumentation vollständig, aktuell und nachvollziehbar ist. In der Praxis ist die Dokumentation oft die größte Schwachstelle. Unternehmen setzen KI ein, dokumentieren aber weder den Zweck, noch die Datengrundlage, noch die Risikoklassifizierung. Im Streitfall – sei es eine Behördenprüfung, ein Haftungsanspruch oder ein Versicherungsfall – ist die fehlende Dokumentation das schwerwiegendste Problem, weil sie nicht nachträglich erstellt werden kann, ohne dass dies auffällt.

Typische Fälle, in denen ein Gutachten gebraucht wird

Die Praxis zeigt vier wiederkehrende Konstellationen, in denen ein IT-Gutachten zu KI-Risiken benötigt wird.

Der erste Fall ist die Behördenprüfung. Ab 2026 wird die österreichische Aufsichtsbehörde die Einhaltung des AI Act kontrollieren. Wenn bei einer Stichprobenprüfung oder nach einer Beschwerde Verstöße festgestellt werden, braucht das Unternehmen eine unabhängige Bewertung, ob seine KI-Systeme den gesetzlichen Anforderungen entsprechen. Der Sachverständige dokumentiert den Ist-Zustand, bewertet die Compliance-Lücken und kann dem Unternehmen helfen, die Argumentation gegenüber der Behörde auf eine solide technische Grundlage zu stellen.

Der zweite Fall ist der Diskriminierungsvorwurf. Ein Bewerber, ein Kunde oder eine Kundin behauptet, durch ein KI-System diskriminiert worden zu sein. Das Unternehmen muss nachweisen, dass das System keine systematische Diskriminierung enthält oder dass angemessene Maßnahmen zur Bias-Prävention getroffen wurden. Der Sachverständige analysiert das System, die Trainingsdaten und die Entscheidungslogik und liefert eine objektive Bewertung.

Der dritte Fall ist der DSGVO-Verstoß. Die Datenschutzbehörde prüft die Verarbeitung personenbezogener Daten durch KI-Systeme. Der Sachverständige bewertet, ob die Datenverarbeitung rechtmäßig war, ob technische Schutzmaßnahmen angemessen waren und ob die fehlende DSFA ein Verschulden begründet.

Der vierte Fall ist die Geschäftsführerhaftung. Ein KI-System verursacht einen Schaden – sei es durch eine fehlerhafte automatisierte Entscheidung, einen Datenschutzverstoß oder einen Compliance-Mangel. Der Gesellschafter macht den Geschäftsführer verantwortlich. Hier stellt sich die Frage, ob der Geschäftsführer angemessene Sorgfalt walten ließ: War eine KI-Bestandsaufnahme durchgeführt worden? Gab es ein Risikomanagement? Waren die Mitarbeiter geschult? Der Maßstab ist vergleichbar mit der IKS-Rechtsprechung des OGH bei klassischen Betrugsfällen: Nicht ob der Schaden eingetreten ist, sondern ob die Vorsorgemaßnahmen dem Stand der Technik und dem Wissensstand entsprachen.

Präventive KI-Bewertung: Warum vorher besser ist als nachher

Die wertvollste Leistung eines IT-Sachverständigen im KI-Bereich liegt nicht in der Aufarbeitung eines Schadenfalls, sondern in der präventiven Bewertung. Ein KI-Audit vor dem Ernstfall liefert eine systematische Bestandsaufnahme aller im Unternehmen eingesetzten KI-Systeme, einschließlich Schatten-KI, die einzelne Abteilungen ohne zentrale Freigabe nutzen. Es umfasst eine Risikoklassifizierung nach den Kategorien des AI Act, eine Gap-Analyse zwischen dem Ist-Zustand und den gesetzlichen Anforderungen, konkrete Maßnahmenempfehlungen mit Priorisierung und einen Dokumentationsrahmen, der die Nachweispflichten abdeckt.

Der entscheidende Vorteil: Eine dokumentierte präventive Bewertung ist im Streitfall der stärkste Beweis dafür, dass das Unternehmen seine Sorgfaltspflichten ernst genommen hat. Selbst wenn trotz angemessener Maßnahmen ein Problem auftritt, schützt die Dokumentation vor dem Vorwurf des Organisationsverschuldens.

Besonders für KMU, die keine eigene Compliance-Abteilung haben, bietet eine externe KI-Bewertung durch einen allgemein beeideten und gerichtlich zertifizierten Sachverständigen die Kombination aus technischer Tiefe und rechtlicher Verwertbarkeit, die interne Ressourcen allein selten leisten können.

Fazit: KI-Einsatz ohne Risikobewertung ist fahrlässig

Der EU AI Act macht die Risikobewertung beim KI-Einsatz zur gesetzlichen Pflicht. Aber auch unabhängig von der Regulierung gilt: KI-Systeme treffen Entscheidungen, die Menschen betreffen, und diese Entscheidungen müssen nachvollziehbar, fair und sicher sein. Ein IT-Sachverständiger liefert die unabhängige technische Bewertung, die Unternehmen brauchen – ob präventiv als KI-Audit, im Behördenverfahren als Compliance-Nachweis oder im Streitfall als gerichtsverwertbare Analyse.

Als allgemein beeideter und gerichtlich zertifizierter IT-Sachverständiger unterstütze ich Unternehmen bei der Bewertung ihrer KI-Systeme – von der Bestandsaufnahme über die Risikoklassifizierung bis zur gerichtsfesten Dokumentation. Kontaktieren Sie mich für ein unverbindliches Erstgespräch.

Eine E-Mail vom Geschäftsführer, streng vertraulich, höchste Eile geboten: Eine strategische Übernahme stehe bevor, die Überweisung müsse sofort raus, das Vier-Augen-Prinzip könne diesmal entfallen. Die Mitarbeiterin in der Finanzbuchhaltung überweist 54 Millionen Euro auf ausländische Konten. Erst Tage später stellt sich heraus: Die E-Mail war gefälscht. Der Geschäftsführer wusste von nichts. Das Geld ist weg. Kein hypothetisches Szenario, sondern der FACC-Fall – der größte dokumentierte CEO-Fraud in Österreich. Aber FACC ist kein Einzelfall. Allein in Österreich werden jährlich Millionenbeträge durch Social-Engineering-Angriffe erbeutet. Wenn es passiert ist, beginnt die schwierigste Phase: den Schaden nachweisen, die Haftung klären und die Versicherungsansprüche durchsetzen. Genau hier kommt ein IT-Sachverständiger ins Spiel.

Was Social Engineering von einem Cyberangriff unterscheidet

Bei einem klassischen Cyberangriff dringt der Angreifer technisch in die IT-Systeme ein: Er nutzt Sicherheitslücken, installiert Malware, verschlüsselt Daten. Die Spuren sind digital und können forensisch analysiert werden. Bei Social Engineering werden keine Systeme gehackt, sondern Menschen manipuliert. Der Angriff zielt auf Vertrauen, Autoritätshörigkeit und Zeitdruck.

Dieser Unterschied hat weitreichende Konsequenzen für die Schadensdokumentation und den Schadensnachweis. Bei einem Ransomware-Angriff kann ein Sachverständiger den Angriffsvektor anhand von Logfiles und forensischen Images rekonstruieren. Bei einem CEO-Fraud liegen die Beweise in E-Mail-Headern, Telefonprotokollen, internen Freigabeprozessen und der Frage, ob das interne Kontrollsystem (IKS) funktioniert hat oder nicht. Die Beweissicherung ist dadurch nicht weniger anspruchsvoll, aber sie erfordert eine andere Herangehensweise.

Die gängigsten Social-Engineering-Varianten, die zu Schäden in Unternehmen führen, sind CEO-Fraud (auch Fake President Fraud), bei dem sich Betrüger als Geschäftsführung ausgeben und Überweisungen anordnen, Payment Diversion Fraud, bei dem Betrüger die Bankverbindung eines echten Lieferanten manipulieren und Zahlungen auf eigene Konten umleiten, sowie Fake Identity Fraud, bei dem sich Betrüger als Geschäftspartner oder Kunden ausgeben, um Waren oder Leistungen zu erschleichen. In der Praxis verschwimmen diese Kategorien zunehmend: Moderne Angriffe kombinieren technische Elemente wie gehackte E-Mail-Konten und KI-generierte Voice Clones mit psychologischer Manipulation.

Was nach dem Betrug passiert: Die drei Fronten

Wenn ein Social-Engineering-Betrug aufgeflogen ist, eröffnen sich für das betroffene Unternehmen typischerweise drei parallele Handlungsfelder.

Front 1: Strafverfolgung

Die Erstattung einer Strafanzeige ist der naheliegende erste Schritt. Die Polizei und in Österreich je nach Schadenssumme die Wirtschafts- und Korruptionsstaatsanwaltschaft (WKStA) nehmen Ermittlungen auf. In der Praxis sind die Erfolgsaussichten bei internationalem CEO-Fraud jedoch begrenzt. Die Gelder werden innerhalb von Stunden über mehrere Konten in verschiedenen Ländern transferiert. Selbst im FACC-Fall konnten von 54 Millionen Euro nur rund 10 Millionen auf einem chinesischen Konto eingefroren werden – und selbst auf diese hatte FACC über Jahre keinen Zugriff.

Für das Unternehmen ist die Strafanzeige dennoch wichtig, nicht nur aus Pflichtgründen, sondern als Dokumentationsgrundlage für die Versicherung und für eventuelle Zivilverfahren.

Front 2: Versicherungsansprüche

Hier wird es komplex, weil Social-Engineering-Schäden eine Schnittmenge mehrerer Versicherungssparten berühren. Eine klassische Cyberversicherung deckt in der Regel Schäden durch technische Angriffe auf IT-Systeme ab. Ein CEO-Fraud ist aber kein technischer Angriff im engeren Sinne – der Mensch wird getäuscht, nicht das System gehackt. Viele Cyberversicherungen haben Social Engineering in den letzten Jahren als Zusatzbaustein aufgenommen, aber die Deckungssummen und Bedingungen variieren erheblich.

Eine Vertrauensschadenversicherung (VSV) deckt Schäden durch vorsätzliche unerlaubte Handlungen, typischerweise durch eigene Mitarbeiter oder Dritte. Social-Engineering-Schäden können hier eingeschlossen sein, wenn die Police eine entsprechende Klausel enthält. Die Abgrenzung zwischen den Versicherungssparten ist in der Praxis häufig strittig, und genau hier entstehen die Fälle, in denen ein Gutachten den Unterschied macht.

Der Versicherer wird prüfen, ob das Unternehmen seine Obliegenheiten erfüllt hat: War ein funktionierendes IKS vorhanden? Wurde das Vier-Augen-Prinzip bei Überweisungen eingehalten? Gab es Awareness-Schulungen? Waren die IT-Systeme ausreichend gesichert, insbesondere der E-Mail-Verkehr? Wenn der Versicherer Obliegenheitsverletzungen feststellt, droht eine Leistungskürzung oder sogar die vollständige Leistungsverweigerung.

Front 3: Haftungsfragen im Unternehmen

Der FACC-Fall zeigt die dritte Dimension. Nachdem der Betrug aufgeflogen war, entließ FACC zunächst die Finanzvorständin, dann den CEO. Das Unternehmen klagte den ehemaligen Vorstand auf 42 Millionen Euro Schadenersatz mit der Begründung, er habe kein ausreichendes Kontroll- und Sicherheitssystem implementiert.

Der OGH entschied 2021 zugunsten des ehemaligen Vorstands (8 ObA 109/20t). Die Begründung: Das interne Kontrollsystem war zum damaligen Zeitpunkt nach Größe, Komplexität und Branche des Unternehmens angemessen. Die Zahlungsfreigabe unterlag definierten Prozessen mit mehrfachen Autorisierungen und Vier-Augen-Prinzip. Dass eine Mitarbeiterin diese Kontrollen umging, begründete kein Organisationsverschulden des Vorstands, weil die konkrete Angriffsmethode zum Tatzeitpunkt 2015 im deutschsprachigen Raum noch nicht verbreitet bekannt war.

Dieses Urteil hat eine klare Botschaft: Der Maßstab ist nicht, ob der Betrug verhindert wurde, sondern ob das IKS dem Stand der Technik und dem damaligen Wissensstand entsprach. Aber Achtung: Was 2015 noch ausreichte, reicht heute nicht mehr. CEO-Fraud ist heute eine bekannte Angriffsmethode. Ein Unternehmen, das 2026 ohne spezifische Awareness-Schulungen und ohne technische Schutzmaßnahmen gegen E-Mail-Spoofing agiert, wird sich deutlich schwerer tun, ein Organisationsverschulden von der Hand zu weisen.

Was ein IT-Sachverständiger bei Social Engineering untersucht

Die Aufgabe des Sachverständigen bei einem Social-Engineering-Fall unterscheidet sich von einer klassischen Cyberangriff-Analyse, hat aber eine vergleichbare Struktur und Tiefe.

Rekonstruktion des Angriffsablaufs

Der Sachverständige rekonstruiert den gesamten Angriffsablauf: Wie hat der Betrüger Kontakt aufgenommen? Wurde eine E-Mail gefälscht, und wenn ja, auf welche Weise – Name Spoofing, Domain Spoofing oder Übernahme eines echten E-Mail-Kontos? Wurde auch telefonisch Kontakt aufgenommen, möglicherweise unter Einsatz von Voice Cloning? Welche Informationen hat der Angreifer vorab über das Unternehmen gesammelt, und wie hat er sie genutzt?

Die technische Analyse umfasst die E-Mail-Header-Analyse (Absenderauthentifizierung, Routinginformationen, SPF/DKIM/DMARC-Prüfung), die Auswertung der E-Mail-Server-Logs (Zeitpunkte, IP-Adressen, Authentifizierungsprotokolle), die Prüfung, ob ein E-Mail-Konto kompromittiert wurde (Business Email Compromise), und gegebenenfalls die Analyse von Telefoniedaten und Netzwerkprotokollen.

Diese Rekonstruktion ist entscheidend, weil sie die Grenzlinie zwischen technischem und menschlichem Versagen zieht. Wenn der Angreifer ein echtes E-Mail-Konto eines Vorstands kompromittiert hat, liegt ein technischer Sicherheitsvorfall vor. Wenn er lediglich eine ähnliche Domain registriert hat (beispielsweise firma-gmbh.com statt firma.gmbh.com), ist die Frage, ob technische Schutzmaßnahmen diesen Angriff hätten erkennen können.

Bewertung des internen Kontrollsystems

Der Sachverständige prüft, ob das Unternehmen angemessene Schutzmaßnahmen gegen Social Engineering implementiert hatte. Das umfasst organisatorische Kontrollen, also ob bei Überweisungen ab bestimmten Schwellenwerten ein Vier-Augen-Prinzip etabliert war, ob es klare Freigabeprozesse für Zahlungsanweisungen gab, ob Rückrufverfahren bei ungewöhnlichen Anweisungen vorgesehen waren und ob Abwesenheitsregelungen für Zeichnungsberechtigte existierten.

Ebenso prüft er die technischen Schutzmaßnahmen: ob SPF, DKIM und DMARC für die Unternehmens-E-Mail konfiguriert waren, ob externe E-Mails optisch als solche gekennzeichnet wurden, ob Anomalie-Erkennung im E-Mail-System aktiv war und ob eine Absenderverifizierung bei sensiblen internen Kommunikationskanälen implementiert war.

Und schließlich die Awareness-Maßnahmen: ob Mitarbeiterschulungen zu Social Engineering stattfanden, ob Phishing-Simulationen durchgeführt wurden, ob spezifische Warnungen zu CEO-Fraud kommuniziert wurden und ob eine Fehlerkultur existierte, die Mitarbeitern erlaubt, verdächtige Anweisungen zu hinterfragen, auch wenn sie vermeintlich vom Geschäftsführer kommen.

Diese Bewertung ist für alle drei Fronten relevant: Die Versicherung braucht sie für die Obliegenheitsprüfung, das Gericht braucht sie für die Haftungsfrage, und das Unternehmen selbst braucht sie für die interne Aufarbeitung.

Schadensermittlung

Die Schadensermittlung bei Social Engineering umfasst den unmittelbaren finanziellen Schaden, also den Betrag der betrügerischen Überweisungen abzüglich eventuell eingefrorener oder zurückgeholter Beträge. Dazu kommen die Kosten der Aufarbeitung: forensische Untersuchung, Rechtsberatung, interne Ermittlungen, Kommunikationsmaßnahmen. In manchen Fällen entstehen Folgeschäden durch den Abfluss vertraulicher Informationen, die der Angreifer im Zuge der Vorbereitung erlangt hat. Und wenn personenbezogene Daten betroffen waren – was bei kompromittierten E-Mail-Konten häufig der Fall ist –, kommen DSGVO-Meldepflichten und mögliche Bußgelder hinzu.

Die KI-Dimension: Deepfakes und Voice Cloning

Ein Aspekt, der Social Engineering in den kommenden Jahren grundlegend verändern wird und teilweise bereits verändert hat, ist der Einsatz von Künstlicher Intelligenz durch Angreifer. KI-generierte Stimmen (Voice Cloning) ermöglichen es, die Stimme eines Geschäftsführers täuschend echt nachzuahmen. Deepfake-Videos können in Videokonferenzen eingesetzt werden. KI-generierte E-Mails sind sprachlich perfekt und enthalten keine der typischen Auffälligkeiten, die früher Phishing-Mails verraten haben.

Für die forensische Analyse bedeutet das: Der Sachverständige muss zunehmend auch prüfen, ob eine Kommunikation KI-generiert war. Die Analyse von Audiodateien auf Deepfake-Artefakte, die Prüfung von E-Mail-Texten auf KI-typische Muster und die Untersuchung von Videokonferenzen auf Manipulationsspuren werden zu Standardaufgaben der IT-Forensik bei Social-Engineering-Fällen.

Für die Haftungsfrage hat das eine weitere Konsequenz: Wenn ein Mitarbeiter durch eine perfekte KI-gestützte Imitation des Geschäftsführers getäuscht wird, ist das Verschulden des Mitarbeiters anders zu bewerten als bei einer einfach gefälschten E-Mail mit erkennbarer Abweichung in der Absenderadresse. Der Sachverständige muss die Qualität der Täuschung technisch bewerten, damit das Gericht das Verschulden angemessen beurteilen kann.

Typische Konstellationen, in denen ein Gutachten benötigt wird

In der Praxis treten Social-Engineering-Fälle in vier wiederkehrenden Konstellationen auf, die ein Gutachten erfordern.

Erstens der Versicherungsfall: Das Unternehmen hat eine Cyber- oder Vertrauensschadenversicherung und meldet den Schaden. Der Versicherer prüft Obliegenheiten und beauftragt eigene Ermittler. Das Unternehmen braucht ein eigenes Gutachten, um seine Position zu stärken – insbesondere um nachzuweisen, dass das IKS angemessen war und der Betrug trotz ordnungsgemäßer Sicherheitsmaßnahmen erfolgreich war.

Zweitens die Geschäftsführerhaftung: Der Gesellschafter macht den Geschäftsführer für den Schaden verantwortlich, weil er kein ausreichendes IKS implementiert habe. Der Geschäftsführer muss nachweisen, dass das IKS dem Stand der Technik und den Anforderungen des Unternehmens entsprach. Wie der FACC-Fall zeigt, ist dieser Nachweis möglich, aber er erfordert eine detaillierte technische Analyse.

Drittens die Mitarbeiterhaftung: Das Unternehmen macht den Mitarbeiter haftbar, der die betrügerische Überweisung ausgeführt hat. Hier ist die Frage, ob den Mitarbeiter ein Verschulden trifft oder ob die Täuschung so professionell war, dass ein durchschnittlich sorgfältiger Mitarbeiter ebenfalls darauf hereingefallen wäre. Die technische Qualität der Fälschung – war es eine simple Domain-Verwechslung oder ein kompromittiertes echtes E-Mail-Konto – ist hier entscheidend.

Viertens die Bankenhaftung: In seltenen Fällen stellt sich die Frage, ob die Bank die betrügerische Überweisung hätte erkennen und stoppen müssen. Hier kann ein Gutachten klären, ob ungewöhnliche Transaktionsmuster vorlagen, die eine automatische Prüfung hätten auslösen müssen.

In allen vier Konstellationen liefert der IT-Sachverständige die technische Grundlage, auf der die rechtliche Bewertung aufbaut. Er klärt, was technisch passiert ist, ob die Schutzmaßnahmen angemessen waren und ob der Schaden bei angemessenen Maßnahmen hätte verhindert werden können.

Prävention: Was der Sachverständige empfiehlt

Ein IT-Sachverständiger wird nicht nur nach einem Vorfall tätig. Zunehmend beauftragen Unternehmen vorsorglich eine Bewertung ihrer Schutzmaßnahmen gegen Social Engineering. Denn die Dokumentation eines angemessenen IKS vor einem Vorfall ist im Ernstfall der stärkste Beweis für die Einhaltung der Sorgfaltspflichten.

Die Kernmaßnahmen, die ein Sachverständiger als Mindeststandard bewerten würde, umfassen auf organisatorischer Ebene ein konsequentes Vier-Augen-Prinzip bei Überweisungen, ein verbindliches Rückrufverfahren bei Abweichungen von Standardprozessen, dokumentierte Awareness-Schulungen mit spezifischen Social-Engineering-Szenarien und regelmäßige Phishing-Simulationen mit Dokumentation der Ergebnisse. Auf technischer Ebene sind es SPF-, DKIM- und DMARC-Konfiguration für alle Unternehmensdomains, optische Kennzeichnung externer E-Mails im Mailclient, eine restriktive Handhabung öffentlich zugänglicher Unternehmensinformationen und, wo verfügbar, KI-gestützte Anomalie-Erkennung im E-Mail-Verkehr.

Als allgemein beeideter und gerichtlich zertifizierter IT-Sachverständiger unterstütze ich Unternehmen sowohl bei der forensischen Aufarbeitung von Social-Engineering-Vorfällen als auch bei der präventiven Bewertung ihrer Schutzmaßnahmen. Kontaktieren Sie mich für ein unverbindliches Erstgespräch.

Ein Unternehmen klagt gegen einen KI-Anbieter, weil das gelieferte Machine-Learning-System fehlerhafte Vorhersagen trifft. Eine Bewerberin vermutet algorithmische Diskriminierung durch ein KI-gestütztes Recruiting-Tool. Eine Versicherung bestreitet die Deckung eines KI-verursachten Schadens. In allen drei Fällen braucht das Gericht einen Sachverständigen. Aber welchen? Die österreichische Sachverständigenliste kennt kein Fachgebiet „Künstliche Intelligenz“. Der Richter öffnet die SDG-Liste auf sdgliste.justiz.gv.at, sucht nach „KI“ oder „Artificial Intelligence“ – und findet: nichts. Dieser Beitrag erklärt, warum das kein Defizit ist, sondern in der Natur der Technologie liegt, wo Gerichte den richtigen Sachverständigen finden, und worauf Anwälte bei der Formulierung des Beweisantrags achten müssen.

Die Sachverständigenliste: Was es gibt und was fehlt

Die österreichische Gerichtssachverständigen- und Gerichtsdolmetscherliste basiert auf dem Sachverständigen- und Dolmetschergesetz (SDG, BGBl 1975/137). Die dort eingetragenen allgemein beeideten und gerichtlich zertifizierten Sachverständigen sind nach einer vom Bundesministerium für Justiz (BMJ) festgelegten Systematik geordnet: der sogenannten Nomenklatur. Diese Nomenklatur gliedert die Sachgebiete in Fachgruppen (zweistellige Nummern) und innerhalb dieser in Fachgebiete (zweistellige Nummer nach dem Punkt).

Für IT-Fragestellungen ist primär die Fachgruppe 68 – Informationstechnik relevant. Die dort verzeichneten Fachgebiete zeigen den aktuellen Stand:

68.10 – IT-Systeme, Computer inkl. Betriebssysteme, Computerperipherie. 68.11 – Personal-Computer (PC). 68.13 – Prozessdatenverarbeitung, Echtzeitsysteme. 68.14 – Mikroprozessoren in der Gerätetechnik, Embedded Systems. 68.50 – Softwaretechnik, Programmierung. 68.60 – IT Sicherheit, Datenschutz, Verschlüsselung und Signaturerstellung, Virenschutz. 68.62 – Forensische Datensicherung, Datenrekonstruktion, Datenauswertung. 68.65 – Internetsoftware, WEB Programmierung, Netzwerkanwendung. 68.70 – Anwendungssoftware, Standardprogramme. 68.75 – Kommunikationssysteme: LAN, WAN, MAN, Internet. 68.77 – IT-Projektplanung, IT-Projektmanagement.

Dazu kommen verwandte Fachgebiete in anderen Fachgruppen: 21.20 – Programmierung (Fachgruppe 21, Mathematik und Statistik). 91.25 – Betriebsinformatik: IT Einsatzorganisation (Fachgruppe 91, Arbeit und Betrieb).

Was in dieser gesamten Aufstellung nicht vorkommt: Künstliche Intelligenz, Machine Learning, Deep Learning, Natural Language Processing, Computer Vision, algorithmische Entscheidungssysteme. Kein einziges Fachgebiet der Nomenklatur adressiert diese Technologien explizit. Auch der jüngste Nomenklatur-Erlass des BMJ vom 3. Juli 2025, der punktuelle Änderungen der Fachgebietseinteilung brachte, hat daran nichts geändert. Die Neuerungen betrafen Dach- und Fassadenbegrünung, Möbeltischlerarbeiten und Nachhaltigkeitsberichterstattung – nicht Informationstechnologie.

Das bedeutet: Wenn ein Gericht einen KI-Sachverständigen benötigt, kann es in der SDG-Liste nicht einfach nach diesem Begriff filtern. Es muss verstehen, welche der bestehenden Fachgebiete die konkrete Fragestellung abdecken.

Warum es kein Fachgebiet „Künstliche Intelligenz“ gibt – und warum das logisch ist

Die Fachgebietseinteilung der Sachverständigenliste folgt einer technologie- und sachgebietsbezogenen Logik. Ein Fachgebiet beschreibt einen klar abgrenzbaren Bereich, in dem ein Sachverständiger über Sachkunde und zehnjährige (bzw. fünfjährige bei Hochschulabschluss) praktische Erfahrung in verantwortlicher Stellung verfügt. Die Fachgebiete der Gruppe 68 sind genau so aufgebaut: IT-Systeme, Softwaretechnik, IT-Sicherheit, Netzwerke, Projektmanagement. Jedes Fachgebiet beschreibt einen spezifischen Bereich mit klar definierbarer Sachkunde.

Künstliche Intelligenz hingegen ist kein abgrenzbares Sachgebiet, sondern eine Querschnittstechnologie. Ein KI-System besteht aus Software (Fachgebiet 68.50), läuft auf IT-Infrastruktur (68.10), verarbeitet Daten (68.62), kommuniziert über Netzwerke (68.75), erfordert Projektmanagement bei der Implementierung (68.77) und wirft IT-Sicherheitsfragen auf (68.60). Die Besonderheit liegt nicht in einer neuen Technologieklasse, die von allen bisherigen Fachgebieten verschieden wäre, sondern in der spezifischen Kombination und Anwendung bestehender IT-Disziplinen, ergänzt um statistische Methoden und datengetriebene Ansätze.

Ein Vergleich verdeutlicht das: Es gibt auch kein eigenes Fachgebiet „Cloud Computing“, obwohl Cloud-Technologie die IT-Landschaft der letzten 15 Jahre mindestens so stark verändert hat wie KI. Cloud-Fragen werden je nach Kontext von IT-Systeme-Sachverständigen (68.10), Netzwerkexperten (68.75), IT-Sicherheitsgutachtern (68.60) oder Softwaresachverständigen (68.50) bearbeitet. Dasselbe Prinzip gilt für KI.

Das ist kein Defizit der Nomenklatur. Ein eigenständiges Fachgebiet „KI“ würde das Problem nicht lösen, sondern verlagern. Denn: Welcher KI-Sachverständige wäre zuständig? Einer mit Schwerpunkt Natural Language Processing könnte wenig zu einem Computer-Vision-System sagen. Ein Experte für Machine-Learning-Algorithmen hätte möglicherweise keine ausreichende Sachkunde für die Frage, ob die IT-Infrastruktur eines KI-Systems den vertraglichen Anforderungen entspricht. KI ist ein Werkzeug, kein Fachgebiet – und die Fragestellung bestimmt, welcher Sachverständige die richtige Antwort liefern kann.

Welche Fachgebiete KI-Streitigkeiten tatsächlich abdecken

In der Praxis lässt sich jede KI-bezogene Fragestellung auf bestehende Fachgebiete zurückführen. Die Zuordnung hängt davon ab, was das Gericht konkret wissen will.

Wenn die Frage lautet, ob ein KI-System der vertraglichen Spezifikation entspricht – also ob die gelieferte Software das tut, was vereinbart wurde –, handelt es sich um eine Frage der Softwaretechnik (68.50) in Verbindung mit Anwendungssoftware (68.70). Der Sachverständige bewertet den Leistungsvergleich zwischen Spezifikation und tatsächlicher Funktionalität. Dass die Software maschinelles Lernen einsetzt, ändert an der methodischen Vorgehensweise wenig: Befundaufnahme (Was wurde vereinbart?), Ist-Zustand (Was leistet das System?), Bewertung (Liegt ein Mangel vor?). Die KI-spezifische Kompetenz liegt im Verständnis, wie probabilistische Systeme getestet und bewertet werden müssen – also in der Frage, welche Genauigkeitsmetriken angemessen sind, welche Testdaten aussagekräftig sind und welche Performance-Schwankungen im Rahmen des Erwartbaren liegen.

Wenn das Gericht wissen will, ob personenbezogene Daten unrechtmäßig in ein KI-System eingespeist wurden, ist IT-Sicherheit und Datenschutz (68.60) das primäre Fachgebiet. Der Sachverständige analysiert Datenflüsse, prüft Auftragsverarbeitungsverträge auf technische Plausibilität und bewertet, ob technische Schutzmaßnahmen wie Anonymisierung oder Pseudonymisierung angemessen implementiert wurden.

Wenn es um die Frage geht, ob ein KI-System manipuliert oder kompromittiert wurde – etwa durch Data Poisoning, Adversarial Attacks oder Prompt Injection –, ist dies eine Frage der IT-Sicherheit (68.60) in Verbindung mit forensischer Datensicherung (68.62). Die forensische Methodik bleibt identisch: Beweissicherung, Analyse, Dokumentation. Die KI-Spezifik liegt im Wissen darüber, welche Angriffsvektoren bei maschinell lernenden Systemen existieren und wie sie nachgewiesen werden können.

Wenn die Frage die Implementierung eines KI-Projekts betrifft – Verzögerungen, Budgetüberschreitungen, unzureichendes Anforderungsmanagement –, ist IT-Projektplanung und IT-Projektmanagement (68.77) das richtige Fachgebiet. KI-Projekte haben spezifische Risiken (Datenqualität, Modelltraining, Iterationszyklen), aber die Bewertung der Projektführung folgt denselben Grundsätzen wie bei jedem IT-Projekt.

Das Problem der Mehrfachkompetenz: Wenn ein Sachverständiger nicht reicht

Die eigentliche Herausforderung bei KI-Streitigkeiten ist nicht das Fehlen eines Fachgebiets in der Liste, sondern die Tatsache, dass viele KI-Fragestellungen mehrere Kompetenzbereiche gleichzeitig berühren. Und hier liegt das praktische Problem.

Ein konkretes Beispiel: Ein Unternehmen klagt gegen den Anbieter eines KI-gestützten Kreditbewertungssystems. Das System wurde implementiert (IT-Projekt: 68.77), die Software funktioniert technisch (Softwaretechnik: 68.50), aber sie liefert diskriminierende Ergebnisse (Bias-Analyse: statistische Methodik) und verarbeitet dabei personenbezogene Daten (Datenschutz: 68.60). Gleichzeitig stellt sich die Frage, ob das System die Anforderungen des EU AI Act erfüllt (regulatorische Bewertung).

Ein einzelner Sachverständiger, der in 68.50 eingetragen ist, kann die Softwaretechnik bewerten. Aber hat er die statistische Kompetenz für eine Bias-Analyse? Die datenschutzrechtliche Expertise für eine DSGVO-Bewertung? Das regulatorische Verständnis für den AI Act? In vielen Fällen lautet die Antwort: nicht in ausreichender Tiefe.

Das SDG bietet hierfür Lösungswege. Das Gericht kann gemäß § 351 ZPO mehrere Sachverständige bestellen, wenn die Beurteilung eines Beweisthemas verschiedene Sachkenntnisse erfordert. In der Praxis geschieht das selten, weil es Kosten vervielfacht und die Koordination erschwert. Häufiger wird ein Sachverständiger bestellt, der den Kern der Fragestellung abdeckt, und das Gericht erwartet, dass dieser Sachverständige die Grenzen seiner Sachkunde transparent benennt. Ein verantwortungsvoller Sachverständiger weist das Gericht darauf hin, wenn eine Teilfrage seine Kompetenz überschreitet, und empfiehlt die Beiziehung eines weiteren Sachverständigen.

In der Praxis hat sich ein pragmatischer Ansatz bewährt: Der bestellte IT-Sachverständige fungiert als primärer Ansprechpartner des Gerichts und koordiniert bei Bedarf mit weiteren Fachleuten. Die Verantwortung für die Gutachtenserstellung bleibt beim bestellten Sachverständigen, der die Beiträge zusammenführt und die Gesamtbewertung vornimmt. Dieses Modell funktioniert, weil KI-Streitigkeiten in der Regel einen klar identifizierbaren technischen Kern haben, der in ein bestehendes Fachgebiet fällt, und die interdisziplinären Aspekte ergänzenden Charakter haben.

Was Richter bei der Sachverständigenbestellung beachten sollten

Wenn ein Richter in einer KI-Streitigkeit einen Sachverständigen bestellen muss, steht er vor einer doppelten Herausforderung: Der Suchbegriff „KI“ liefert in der SDG-Liste kein Ergebnis, und die Fragestellung ist oft so formuliert, dass sie nicht direkt auf ein Fachgebiet verweist.

Der erste Schritt ist daher die Zerlegung der Beweisfrage. Statt „Ist das KI-System mangelhaft?“ muss die Frage aufgegliedert werden: Entspricht die gelieferte Software der vertraglichen Spezifikation? Verarbeitet das System personenbezogene Daten in Übereinstimmung mit der DSGVO? Erfüllt das System die technischen Anforderungen des EU AI Act? Jede Teilfrage verweist auf ein konkretes Fachgebiet.

Der zweite Schritt ist die gezielte Suche in der SDG-Liste. Die relevantesten Fachgebiete für KI-Streitigkeiten sind 68.50 (Softwaretechnik) für Fragen zur KI-Software selbst, 68.60 (IT-Sicherheit, Datenschutz) für Datenschutz- und Sicherheitsfragen, 68.77 (IT-Projektmanagement) für Implementierungsstreitigkeiten und 68.62 (Forensische Datensicherung) für Beweissicherung und Manipulation. Zusätzlich ist die Spezialisierung des einzelnen Sachverständigen relevant: Viele Sachverständige haben in ihrem SDG-Eintrag Spezialisierungen vermerkt oder beschreiben in ihren Zusatzinformationen Schwerpunkte, die über die Fachgebietsbezeichnung hinausgehen.

Der dritte Schritt ist die Formulierung des Bestellungsbeschlusses. Ein gut formulierter Beschluss beschreibt die zu beantwortende Fragestellung so konkret, dass der Sachverständige seinen Prüfungsumfang klar erkennt. Bei KI-Fragen ist das besonders wichtig, weil die Technologie ein breites Spektrum an Teilfragen aufwirft. Statt „Der Sachverständige möge die Funktionsfähigkeit des KI-Systems beurteilen“ wäre eine präzisere Formulierung etwa: „Der Sachverständige möge beurteilen, ob die Genauigkeit der Vorhersagen des Systems den vertraglich vereinbarten Spezifikationen (Beilage ./A) entspricht und welche technischen Ursachen für eine allfällige Abweichung vorliegen.“

Was Anwälte bei der Formulierung von Beweisanträgen beachten sollten

Für Anwälte, die in KI-Streitigkeiten Beweisanträge formulieren, gelten vergleichbare Überlegungen – mit dem zusätzlichen strategischen Aspekt. Ein zu breit formulierter Beweisantrag riskiert, dass ein Sachverständiger bestellt wird, der den technischen Kern verfehlt. Ein zu eng formulierter Beweisantrag riskiert, dass relevante Aspekte unberücksichtigt bleiben.

Bei KI-Streitigkeiten empfiehlt sich ein strukturierter Beweisantrag, der die technische Fragestellung in nachvollziehbare Teilfragen zerlegt. Dabei sollte der Anwalt in der Begründung des Antrags das gewünschte Fachgebiet benennen – nicht als bindende Vorgabe, sondern als Orientierungshilfe für das Gericht. Die Formulierung „Es wird die Bestellung eines Sachverständigen aus dem Fachgebiet 68.50 (Softwaretechnik, Programmierung) mit nachweislicher Erfahrung im Bereich maschineller Lernverfahren beantragt“ ist präziser und hilfreicher als „Es wird die Bestellung eines KI-Sachverständigen beantragt“.

Ein weiterer praktischer Aspekt: Wenn absehbar ist, dass die Streitigkeit Fachgebiete berührt, die über die Kompetenz eines einzelnen Sachverständigen hinausgehen, kann der Anwalt das bereits im Beweisantrag adressieren. Die ausdrückliche Benennung der verschiedenen Teilfragen und der jeweils erforderlichen Sachkunde erleichtert dem Gericht die Entscheidung, ob ein einzelner Sachverständiger ausreicht oder ob die Beiziehung eines weiteren Sachverständigen sinnvoll ist.

Der Privatgutachter als Alternative: KI-Kompetenz gezielt einkaufen

Im Unterschied zur gerichtlichen Sachverständigenbestellung, bei der das Gericht den Sachverständigen aus der SDG-Liste auswählt, haben Auftraggeber bei der Beauftragung eines Privatgutachters die freie Wahl. Das ist bei KI-Fragestellungen ein erheblicher Vorteil.

Ein Privatgutachten ist nicht an die Fachgebietseinteilung der Nomenklatur gebunden. Der Auftraggeber – ob Unternehmen, Anwalt oder Versicherung – kann einen Sachverständigen beauftragen, der exakt die Kombination aus IT-Kompetenz und KI-Spezialwissen mitbringt, die die konkrete Fragestellung erfordert. Die Qualitätsanforderungen bleiben dabei dieselben: nachvollziehbare Methodik, saubere Trennung von Befund und Gutachten, Objektivität, gerichtsfeste Dokumentation.

Ein Privatgutachten kann in KI-Streitigkeiten verschiedene strategische Funktionen erfüllen. Vor einem Verfahren kann es als Grundlage für die Entscheidung dienen, ob eine Klage Aussicht auf Erfolg hat. Im Verfahren kann es dem Gericht als qualifizierter Parteivortrag vorgelegt werden, um die eigene technische Position zu untermauern. Im Versicherungsfall kann es gegenüber dem Versicherer die Schadenshöhe und die technischen Ursachen dokumentieren.

Der entscheidende Vorteil des Privatgutachtens bei KI-Fragestellungen liegt in der Flexibilität. Der Sachverständige kann einen Prüfungsumfang definieren, der die tatsächliche Komplexität des Systems abbildet, statt sich an die Grenzen eines einzelnen Fachgebiets halten zu müssen. Ein Privatgutachten zu einem KI-System kann gleichzeitig die Softwarequalität, die Datenverarbeitung, die Sicherheitsarchitektur und die regulatorische Compliance bewerten – eine integrierte Betrachtung, die bei gerichtlicher Bestellung mit einem auf ein Fachgebiet beschränkten Sachverständigen schwerer zu erreichen ist.

Blick in die Zukunft: Brauchen wir ein eigenes KI-Fachgebiet?

Die Frage, ob die BMJ-Nomenklatur um ein explizites KI-Fachgebiet ergänzt werden sollte, wird im Sachverständigenwesen diskutiert. Es gibt Argumente dafür und dagegen.

Für ein eigenes Fachgebiet spricht die zunehmende regulatorische Bedeutung: Der EU AI Act schafft ein eigenes Regelwerk für KI-Systeme, das spezifische technische Bewertungen erfordert. Wenn Behörden und Gerichte zunehmend KI-spezifische Sachverständige benötigen, wäre ein eigenes Fachgebiet ein klares Signal und würde die Suche erleichtern.

Dagegen spricht, dass ein Fachgebiet „Künstliche Intelligenz“ zu breit wäre, um eine aussagekräftige Zertifizierung zu ermöglichen. Die zehnjährige Berufserfahrung in verantwortlicher Stellung, die das SDG verlangt, müsste sich auf einen definierbaren Bereich beziehen. „KI“ umfasst so unterschiedliche Technologien wie Sprachmodelle, Computer Vision, Robotik, Empfehlungssysteme und autonome Systeme, dass eine einzelne Zertifizierung wenig über die tatsächliche Sachkunde im konkreten Fall aussagen würde.

Ein pragmatischerer Ansatz wäre die Einführung von registrierbaren Spezialisierungen innerhalb bestehender Fachgebiete. Das SDG ermöglicht bereits nach § 3a Abs. 3 die Eintragung einer Spezialisierung innerhalb des Fachgebiets. Ein Sachverständiger in 68.50 (Softwaretechnik) könnte beispielsweise die Spezialisierung „insbesondere für: Maschinelle Lernverfahren und KI-Systeme“ eintragen lassen. Das würde die Auffindbarkeit in der SDG-Liste erheblich verbessern, ohne ein neues Fachgebiet mit allen Abgrenzungsproblemen zu schaffen.

Unabhängig von der formalen Frage wird der Bedarf an IT-Sachverständigen mit KI-Kompetenz in den kommenden Jahren erheblich steigen. Der EU AI Act tritt ab August 2026 in seinen Hochrisiko-Bestimmungen vollständig in Kraft. Behördenprüfungen, Diskriminierungsvorwürfe und Haftungsfragen im Zusammenhang mit KI werden zunehmen. Richter und Anwälte werden Sachverständige brauchen, die nicht nur die IT-Infrastruktur bewerten können, sondern auch die spezifischen Funktionsweisen und Risiken von KI-Systemen verstehen.

Fazit: Die Fragestellung bestimmt den Sachverständigen

KI ist kein eigenes Fachgebiet in der Sachverständigenliste – und das muss kein Problem sein, solange alle Beteiligten verstehen, wie die Zuordnung funktioniert. Die Nomenklatur der SDG-Liste ist eine Organisationsstruktur, kein Kompetenzraster. Ein in 68.50 (Softwaretechnik) eingetragener Sachverständiger mit nachweislicher KI-Erfahrung ist für die Bewertung eines KI-Systems besser qualifiziert als ein hypothetischer „KI-Sachverständiger“ ohne fundierte Softwaretechnik-Kenntnisse.

Für Richter liegt der Schlüssel in der präzisen Formulierung der Beweisfrage und der gezielten Suche in den Fachgebieten der Gruppe 68. Für Anwälte liegt er in strukturierten Beweisanträgen, die das gewünschte Fachgebiet und die erforderliche Spezialisierung benennen. Und für Unternehmen und Versicherungen liegt er in der Möglichkeit, über ein Privatgutachten gezielt die KI-Kompetenz einzukaufen, die die konkrete Situation erfordert – unabhängig von den Grenzen der Fachgebietseinteilung.

Die wachsende Bedeutung von KI-Streitigkeiten wird mittelfristig auch die Sachverständigenliste verändern. Ob durch ein neues Fachgebiet, durch Spezialisierungen innerhalb bestehender Fachgebiete oder durch eine grundlegende Überarbeitung der Nomenklatur: Die formale Struktur wird der technologischen Realität folgen. Bis dahin gilt: Nicht das Fachgebiet in der Liste beantwortet die Frage, ob ein Sachverständiger die richtige Wahl ist, sondern seine tatsächliche Sachkunde. Und die lässt sich durch gezielte Nachfrage, Referenzen und die Qualität bisheriger Gutachten wesentlich besser beurteilen als durch eine vierstellige Nummer.