Herausforderungen bei der Umsetzung des EU AI Acts für Hochrisiko-KI-Systeme
In diesem Blogbeitrag untersuchen wir die praktischen Herausforderungen bei der Umsetzung der Anforderungen des EU AI Acts für Hochrisiko-KI-Systeme. Wir geben einen Überblick über die einschlägigen Pflichten und erörtern technische sowie übergreifende Herausforderungen rund um Data Governance, Systemzuverlässigkeit, Transparenz, Dokumentation und Überwachung. Außerdem betrachten wir, wie die Fähigkeiten einer Organisation ihre Compliance-Bemühungen beeinflussen und wie Kladero Unternehmen durch KI-Entwicklung, Beratung zur KI-Governance und Schulungen unterstützen kann.
Einleitung
Die Verordnung über künstliche Intelligenz der Europäischen Union („AI Act“) schafft einen umfassenden Rechtsrahmen für die Entwicklung und Nutzung künstlicher Intelligenz (KI) in der EU [1], [2]. Welche Anforderungen gelten, hängt unter anderem von der Art des KI-Systems, seiner Zweckbestimmung und der Rolle der beteiligten Organisation ab. Der AI Act enthält Vorgaben zum Risikomanagement, zur Data Governance, zur Transparenz, zur menschlichen Aufsicht, zur technischen Dokumentation und zu weiteren Aspekten der Entwicklung und Nutzung von KI.
Allerdings ist die Feststellung, welche regulatorischen Anforderungen gelten, nur ein Teil der Compliance. Organisationen müssen auch klären, wie sie die einschlägigen Vorgaben in ihren bestehenden KI-Systemen, ihrer technischen Infrastruktur, ihren Entwicklungsprozessen und internen Arbeitsabläufen umsetzen können. So können Anforderungen an Datenqualität, Genauigkeit und Robustheit Änderungen bei Training, Evaluierung und Überwachung von KI-Modellen erfordern, während Pflichten zum Risikomanagement und zur Dokumentation neue interne Verfahren und Zuständigkeiten notwendig machen können. Die Umsetzung entsprechender Maßnahmen kann erhebliche Schwierigkeiten bereiten, insbesondere wenn bestehende Systeme und Entwicklungsprozesse ursprünglich nicht auf regulatorische Anforderungen ausgelegt wurden [3].
Besonders anspruchsvoll kann die Umsetzung des AI Acts für Anbieter von Hochrisiko-KI-Systemen sein, für die einige der umfangreichsten Anforderungen der Verordnung gelten. Dazu gehören bestimmte Anwendungen, die erhebliche Auswirkungen auf die Gesundheit, Sicherheit oder Grundrechte von Menschen haben können. Die Bandbreite reicht von KI-Systemen zur Bewertung von Bewerbungen, zur Beurteilung von Lernergebnissen und zur Ermittlung der Kreditwürdigkeit natürlicher Personen bis zu KI-Systemen, die als Sicherheitskomponenten bei der Verwaltung und beim Betrieb kritischer Infrastrukturen eingesetzt werden — jeweils abhängig von den geltenden Einstufungskriterien [1].
In diesem Blogbeitrag untersuchen wir die wichtigsten Herausforderungen bei der Umsetzung der Anforderungen des EU AI Acts für Hochrisiko-KI-Systeme. Wir erörtern, wie technische Fähigkeiten und organisatorische Praktiken den Compliance-Aufwand beeinflussen, und betrachten Ansätze zur Bewältigung dieser Herausforderungen.
Anforderungen an Hochrisiko-KI-Systeme
Nach Artikel 6 des AI Acts können KI-Systeme aufgrund ihrer Zweckbestimmung und der mit ihrer Verwendung verbundenen Risiken als Hochrisiko-Systeme eingestuft werden. Die Verordnung unterscheidet insbesondere zwei Hauptkategorien:
-
KI-Systeme im Anwendungsbereich von Produktsicherheitsvorschriften. KI-Systeme, die Sicherheitskomponenten von Produkten oder selbst Produkte sind, die unter bestimmte Harmonisierungsrechtsvorschriften der EU fallen, können als Hochrisiko-Systeme eingestuft werden, wenn für die betreffenden Produkte oder Systeme eine Konformitätsbewertung durch Dritte vorgeschrieben ist. Beispiele sind bestimmte Anwendungen im Zusammenhang mit Medizinprodukten, Maschinen und anderen regulierten Produkten.
-
KI-Systeme in festgelegten Hochrisikobereichen. Anhang III nennt mehrere Bereiche, in denen KI-Systeme als hochriskant eingestuft werden können, darunter Biometrie, kritische Infrastrukturen, Bildung, Beschäftigung, Zugang zu grundlegenden Dienstleistungen, Strafverfolgung, Migration und Grenzkontrolle sowie Rechtspflege. Beispielsweise können KI-Systeme zur Bewertung von Bewerbungen oder der Kreditwürdigkeit natürlicher Personen in die Hochrisikokategorie fallen. Artikel 6 sieht zudem Ausnahmen für bestimmte Systeme aus Anhang III vor, die unter den in der Verordnung festgelegten Bedingungen kein erhebliches Risiko darstellen [1].
Damit Hochrisiko-KI-Systeme die Anforderungen des AI Acts erfüllen, müssen Anbieter während ihrer Entwicklung und ihres Betriebs verschiedene technische und organisatorische Maßnahmen umsetzen. Die Artikel 8–17 enthalten Anforderungen an Risikomanagement, Daten und Data Governance, technische Dokumentation, Aufzeichnung von Ereignissen, Transparenz, menschliche Aufsicht, Genauigkeit, Robustheit, Cybersicherheit und Qualitätsmanagement [1], [2].
Zu den zentralen Anforderungen gehören:
-
Risikomanagement (Artikel 9). Anbieter müssen ein Risikomanagementsystem einrichten und aufrechterhalten, um Risiken für Gesundheit, Sicherheit und Grundrechte während des gesamten Lebenszyklus eines KI-Systems zu identifizieren, zu bewerten und zu behandeln. Dazu gehört auch, die Wirksamkeit risikomindernder Maßnahmen zu überprüfen und auf relevante Risiken zu reagieren, die während der Entwicklung und Nutzung auftreten.
-
Daten und Data Governance (Artikel 10). Hochrisiko-KI-Systeme, die mithilfe von Modelltraining entwickelt werden, müssen Anforderungen an die Qualität und Verwaltung von Trainings-, Validierungs- und Testdatensätzen erfüllen. Entsprechende Maßnahmen umfassen die Prüfung der Eignung und Repräsentativität von Datensätzen, die Erkennung möglicher Verzerrungen sowie die Behebung von Datenqualitätsproblemen.
-
Technische Dokumentation und Aufzeichnungspflichten (Artikel 11–12). Anbieter müssen eine technische Dokumentation erstellen und aktuell halten, aus der hervorgeht, wie das KI-System die geltenden Anforderungen erfüllt. Hochrisiko-KI-Systeme müssen außerdem während ihres Lebenszyklus eine automatische Aufzeichnung von Ereignissen (Logging) ermöglichen, um Nachvollziehbarkeit und Überwachung zu unterstützen.
-
Transparenz und menschliche Aufsicht (Artikel 13–14). Hochrisiko-KI-Systeme müssen hinreichend transparent sein, damit Betreiber ihre Ausgaben interpretieren und angemessen verwenden können. Anbieter müssen entsprechende Anleitungen und Informationen zu den Fähigkeiten und Grenzen des Systems bereitstellen. Darüber hinaus müssen Hochrisiko-KI-Systeme so gestaltet werden, dass eine wirksame menschliche Aufsicht möglich ist, einschließlich Maßnahmen zum Verständnis und zur Überwachung des Betriebs sowie gegebenenfalls zum Eingreifen.
-
Genauigkeit, Robustheit und Cybersicherheit (Artikel 15). Hochrisiko-KI-Systeme müssen während ihres gesamten Lebenszyklus ein angemessenes Maß an Genauigkeit, Robustheit und Cybersicherheit erreichen. Zu den relevanten Maßnahmen zählen Leistungstests, die Berücksichtigung vernünftigerweise vorhersehbarer Fehler und Ausfälle sowie der Schutz vor Versuchen, das Systemverhalten zu manipulieren oder seine Sicherheit zu beeinträchtigen.
-
Qualitätsmanagement (Artikel 17). Anbieter müssen ein Qualitätsmanagementsystem einrichten, das die für die Einhaltung der regulatorischen Anforderungen erforderlichen Verfahren und Zuständigkeiten abdeckt. Dazu zählen unter anderem Maßnahmen zur Konzeption und Entwicklung, zu Tests, Dokumentation, Risikomanagement und Marktüberwachung nach dem Inverkehrbringen [1].
Neben den Anforderungen an Konzeption, Entwicklung und Betrieb von Hochrisiko-KI-Systemen legt der AI Act weitere Pflichten für deren Anbieter fest. Insbesondere müssen Anbieter die technische Dokumentation für den geltenden Zeitraum aufbewahren, nach Artikel 18 grundsätzlich zehn Jahre. Automatisch erzeugte Protokolle, die ihrer Kontrolle unterliegen, müssen sie gemäß Artikel 19 mindestens sechs Monate aufbewahren, sofern einschlägige Rechtsvorschriften nichts anderes vorsehen. Bei Nichtkonformität müssen Anbieter Korrekturmaßnahmen ergreifen (Artikel 20), auf begründete Anfrage mit den zuständigen Behörden zusammenarbeiten und ihnen relevante Informationen und Unterlagen bereitstellen (Artikel 21) sowie, soweit vorgeschrieben, einen Bevollmächtigten in der Union benennen (Artikel 22). Weitere Pflichten betreffen Konformitätsbewertungen, Konformitätserklärungen, CE-Kennzeichnung, Registrierung, Überwachung nach dem Inverkehrbringen und die Meldung schwerwiegender Vorfälle [1], [2].
Herausforderungen bei der Umsetzung der Anforderungen an Hochrisiko-KI-Systeme
Der AI Act legt zwar Anforderungen an Hochrisiko-KI-Systeme fest, ihre Übertragung in technische Maßnahmen und organisatorische Verfahren kann jedoch erhebliche Schwierigkeiten bereiten. Einige Herausforderungen ergeben sich unmittelbar aus einzelnen Anforderungen, beispielsweise aus der Erkennung und Minderung von Verzerrungen in Trainingsdaten oder der Bewertung der Robustheit eines KI-Systems. Andere betreffen Tätigkeiten, die mehrere Anforderungen gleichzeitig unterstützen, darunter Dokumentation, Überwachung und die Aufrechterhaltung der Compliance über den gesamten Systemlebenszyklus. Wie groß diese Schwierigkeiten ausfallen, hängt außerdem von den technischen Fähigkeiten, bestehenden Prozessen und regulatorischen Erfahrungen einer Organisation ab [3].
Anforderungsspezifische technische Herausforderungen
Mehrere Anforderungen des AI Acts werfen technische Fragen auf, deren angemessene Umsetzung von den Eigenschaften und der Zweckbestimmung des jeweiligen KI-Systems abhängt. In einer Mehrfachfallstudie mit sechs Unternehmen und drei unabhängigen Fachleuten identifizierten Wagner et al. Data Governance, Genauigkeit, Robustheit, Cybersicherheit und Transparenz als Anforderungen, deren Umsetzung besonders häufig als schwierig eingeschätzt wurde [3].
-
Datenqualität und Verzerrungen beherrschen. Das Erkennen und Mindern von Verzerrungen in Trainingsdaten kann schwierig sein, weil Datensätze systematische Ungleichgewichte enthalten können, die nicht unmittelbar erkennbar sind, und die vollständige Beseitigung aller Verzerrungsquellen unrealistisch sein kann [4]. Organisationen benötigen daher Verfahren, um für den vorgesehenen Einsatz ihres KI-Systems relevante Verzerrungen zu erkennen, zu bewerten und zu behandeln. Die Beschaffung geeigneter Datensätze kann zusätzlich erschwert werden, wenn Daten rechtlichen Beschränkungen unterliegen, von Kunden stammen, die sie nicht teilen möchten, oder den vorgesehenen Anwendungsfall nicht ausreichend repräsentieren. Diese Schwierigkeiten sind besonders für die Anforderungen an die Data Governance nach Artikel 10 relevant, die mehrere Stufen der Datenverarbeitung umfassen.
-
Genauigkeit, Robustheit und Cybersicherheit bewerten. Um zu beurteilen, ob ein KI-System zuverlässig arbeitet, sind geeignete Metriken, repräsentative Testdaten und Testverfahren erforderlich, die seine vorgesehenen Betriebsbedingungen abbilden. Die Auswahl aussagekräftiger Genauigkeitsmetriken kann besonders bei Systemen schwierig sein, deren Ausgaben sich nicht anhand einer einzigen, eindeutig richtigen Antwort bewerten lassen (etwa generative KI-Systeme, die auf Nutzeranfragen frei formulierte Texte erzeugen). Robustheitstests müssen zudem veränderte Eingaben, Fehler und potenziell schädliche Rückkopplungseffekte bei kontinuierlich lernenden Systemen berücksichtigen. Zusätzliche Herausforderungen entstehen im Bereich der Cybersicherheit, weil KI-Systeme in unterschiedlichen Lebenszyklusphasen angegriffen werden können, beispielsweise durch die Manipulation von Trainingsdaten (Data Poisoning) oder durch adversariale Eingaben im Betrieb. Die Identifizierung relevanter Bedrohungen und die Bewertung angemessener Schutzmaßnahmen erfordern Sicherheitsanalysen, die auf das System und seine Einsatzumgebung zugeschnitten sind [3], [5].
-
Verhalten und Grenzen von KI-Systemen erklären. Betreiber ausreichend über die Fähigkeiten, Grenzen und angemessene Verwendung eines KI-Systems zu informieren, kann schwierig sein, wenn dessen Verhalten schwer interpretierbar ist. Insbesondere können komplexe Modelle des maschinellen Lernens Ergebnisse liefern, ohne eine leicht verständliche Erklärung des zugrunde liegenden Entscheidungsprozesses zu ermöglichen [6]. Anbieter müssen deshalb entscheiden, welche Informationen Betreibern helfen, Ausgaben zu interpretieren und die Bedingungen einer angemessenen Nutzung zu verstehen, wie es Artikel 13 verlangt. Die Offenlegung technischer Details kann zudem Bedenken hinsichtlich des Schutzes geistigen Eigentums und der Preisgabe sicherheitsrelevanter Informationen aufwerfen [3].
Anforderungsübergreifende Herausforderungen bei der Umsetzung
Während einige Herausforderungen aus einzelnen Anforderungen entstehen, wirken sich andere gleichzeitig auf mehrere Pflichten aus. Zu den wichtigen übergreifenden Herausforderungen zählen:
-
Dokumentation und Nachvollziehbarkeit aufrechterhalten. Um Compliance nachzuweisen, müssen Organisationen relevante technische Entscheidungen, Systemeigenschaften, Evaluierungsergebnisse und Risikomanagementmaßnahmen dokumentieren. Die Informationen aktuell zu halten, kann schwierig sein, wenn sich KI-Modelle, Datensätze und Softwarekomponenten häufig ändern. Nach einer Aktualisierung eines eingesetzten Modells muss eine Organisation beispielsweise feststellen können, welche Modellversion verwendet wurde, welche Tests durchgeführt wurden und ob frühere Risikobewertungen weiterhin gelten. Diese Herausforderungen verbinden die Dokumentations- und Logging-Anforderungen der Artikel 11–12 mit den umfassenderen Risikomanagement- und Qualitätsmanagementpflichten nach Artikel 9 und 17.
-
Eingesetzte KI-Systeme überwachen. Anbieter haben unter Umständen nur begrenzten Zugang zu Informationen über die Leistung ihrer KI-Systeme nach der Bereitstellung, insbesondere wenn die Systeme in den technischen Umgebungen ihrer Kunden betrieben werden. Kunden können aus Gründen der Vertraulichkeit, des Datenschutzes oder der Cybersicherheit zögern, Betriebsdaten weiterzugeben. Technische Beschränkungen können zudem die Erfassung und Speicherung von Protokollen erschweren. Dadurch werden die Überwachung nach dem Inverkehrbringen, die Untersuchung von Leistungsproblemen und die Erkennung von Risiken, die erst im laufenden Betrieb sichtbar werden, komplizierter [3].
-
Compliance in Entwicklungsprozesse integrieren. Risikobewertungen, Testverfahren, Dokumentation und Korrekturmaßnahmen müssen bei der Entwicklung, Aktualisierung und Wartung von KI-Systemen aufeinander abgestimmt bleiben. Diese Tätigkeiten können jedoch bereits auf verschiedene Teams und Werkzeuge verteilt sein. Verändert beispielsweise eine Modellaktualisierung die Systemleistung, können eine erneute Evaluierung, entsprechende Änderungen der technischen Dokumentation und eine Überprüfung bestehender Risikokontrollen erforderlich werden. Verfahren, die diese Tätigkeiten miteinander verbinden, sind daher wichtig, um Compliance auch bei der Weiterentwicklung von KI-Systemen aufrechtzuerhalten.
Organisatorische Einflussfaktoren bei der Umsetzung
Wie schwierig die Umsetzung der Anforderungen für Hochrisiko-KI-Systeme ist, hängt auch von den bestehenden Fähigkeiten und dem Tätigkeitsumfeld einer Organisation ab. Verschiedene Faktoren können bestimmen, wie viel zusätzliche Arbeit zur Erreichung der Compliance notwendig ist:
-
Branche und regulatorische Erfahrung. Organisationen in stark regulierten Bereichen, beispielsweise der Medizintechnik, verfügen möglicherweise bereits über Verfahren zum Risikomanagement, zur Qualitätssicherung, zur technischen Dokumentation und zur Produktsicherheit. Einige dieser Prozesse können als Grundlage für die Umsetzung der Anforderungen des AI Acts dienen, auch wenn die Einhaltung bestehender Vorschriften nicht automatisch die Konformität mit dem AI Act bedeutet. Ebenso verfügen Unternehmen, die sicherheitskritische Systeme entwickeln, möglicherweise schon über umfassende Praktiken zur Bewertung von Genauigkeit, Robustheit und Cybersicherheit.
-
KI-Reifegrad und technische Expertise. Organisationen mit etablierten KI-Entwicklungspraktiken besitzen möglicherweise bereits Data-Governance-Verfahren, Methoden zur Modellevaluierung und Infrastrukturen zur Überwachung eingesetzter Systeme. Weniger erfahrene Organisationen müssen solche Fähigkeiten dagegen unter Umständen erst aufbauen, bevor sie die Leistung systematisch evaluieren, Risiken steuern oder die erforderliche Dokumentation führen können.
-
Unternehmensgröße und verfügbare Ressourcen. Die Umsetzung von Compliance-Maßnahmen erfordert Personal, technische Infrastruktur und eine koordinierte Aufgabenverteilung. Größere Organisationen verfügen möglicherweise über eigene Rechts-, Qualitätssicherungs- und Compliance-Teams, während kleinere Unternehmen diese Aufgaben auf Beschäftigte verteilen müssen, die zugleich KI-Systeme entwickeln und warten. Allerdings können auch große Unternehmen auf Koordinationsprobleme stoßen, wenn Entwicklungsaktivitäten auf mehrere Abteilungen oder Produkte verteilt sind [3].
Wie Kladero unterstützen kann
Die Umsetzung der Anforderungen des AI Acts für Hochrisiko-KI-Systeme erfordert sowohl technisches Fachwissen als auch Prozesse, die Compliance über den gesamten Lebenszyklus eines KI-Systems unterstützen. Bei Kladero helfen wir Organisationen, diese Herausforderungen zu bewältigen, indem wir Kompetenzen in der KI-Entwicklung mit Expertise in KI-Governance und regulatorischen Anforderungen verbinden.
Bei anforderungsspezifischen technischen Herausforderungen unterstützen wir Organisationen beim Aufbau von Data-Governance-Praktiken, bei der Bewertung der Datenqualität und möglicher Verzerrungen sowie bei der Entwicklung geeigneter Verfahren zur Beurteilung von Genauigkeit und Robustheit von KI-Systemen. Außerdem helfen wir dabei, die Fähigkeiten und Grenzen von KI-Systemen zu untersuchen und festzulegen, wie relevante Informationen an Nutzer und weitere Beteiligte vermittelt werden können. Insbesondere nutzen wir unsere Erfahrung aus der Entwicklung von vera[tag], unserer Lösung zur Erkennung und Kennzeichnung KI-generierter Inhalte, um geeignete Transparenz- und Offenlegungsmaßnahmen zu entwickeln.
Zur Bewältigung anforderungsübergreifender Herausforderungen unterstützen wir die Integration von Risikomanagement, technischer Dokumentation, Überwachung und Evaluierung in bestehende Entwicklungsabläufe. Je nach System und Einsatzumgebung kann dies die Entwicklung von Datenpipelines, die Einführung technischer Infrastruktur zur Erfassung von Betriebsinformationen oder die Einrichtung von Verfahren zur Dokumentation von Modelländerungen und Evaluierungsergebnissen umfassen.
Da der Compliance-Aufwand auch von organisatorischen Fähigkeiten abhängt, bieten wir Beratung zur KI-Governance und Schulungen an. So unterstützen wir Organisationen dabei, bestehende Praktiken zu bewerten, Lücken zu identifizieren und geeignete Zuständigkeiten und Verfahren festzulegen. Dabei berücksichtigen wir ihren KI-Reifegrad, das regulatorische Umfeld und die verfügbaren Ressourcen.
Fazit
In diesem Blogbeitrag haben wir die praktischen Herausforderungen bei der Umsetzung der Anforderungen des EU AI Acts für Hochrisiko-KI-Systeme untersucht. Wir haben technische Schwierigkeiten bei Data Governance, Genauigkeit, Robustheit, Cybersicherheit und Transparenz sowie übergreifende Herausforderungen rund um Dokumentation, Überwachung und die Integration von Compliance-Maßnahmen in Entwicklungsprozesse besprochen. Außerdem haben wir betrachtet, wie sich der KI-Reifegrad einer Organisation, regulatorische Erfahrung und verfügbare Ressourcen auf die Bewältigung dieser Herausforderungen auswirken.
Wie die Diskussion zeigt, ist das Verständnis regulatorischer Anforderungen erst der Anfang. Schwieriger ist häufig, sie in zuverlässige technische Lösungen und Prozesse zu übersetzen, die auch bei der Weiterentwicklung von KI-Systemen wirksam bleiben. Das kann erheblichen Aufwand erfordern, doch bestehende Entwicklungspraktiken und organisatorische Erfahrung bieten häufig eine hilfreiche Grundlage. Abschließend haben wir erläutert, wie Kladero diese Arbeit durch KI-Entwicklung, Governance-Beratung und Schulungen unterstützen kann.
Bleiben Sie gespannt auf weitere Beiträge über KI-Regulierung, KI-Governance und praktische Ansätze zur Einhaltung regulatorischer Anforderungen.
Literaturverzeichnis
Über den Autor
Das könnte Sie auch interessieren
KI-TransparenzDMEXCO 2026: Unsere Erfahrungen und wichtigsten Erkenntnisse zur KI-Transparenz
DMEXCO 2026 waren zwei inspirierende Tage voller Ideen, Gespräche und neuer Perspektiven darauf, wie KI Marketing, Content-Erstellung und Commerce verändert. In diesem Blogbeitrag teilen wir einige unserer Highlights aus Köln sowie die Erkenntnisse, die wir zu KI-Transparenz, Vertrauen beim Publikum und der Zukunft verantwortungsvoller Content-Erstellung mitgenommen haben.
KI-TransparenzKennzeichnung KI-generierter Inhalte nach dem EU AI Act
In diesem Blogbeitrag untersuchen wir die Transparenz- und Kennzeichnungspflichten für KI-generierte und KI-manipulierte Inhalte nach Artikel 50 des EU AI Act. Wir erläutern, welche Arten von Inhalten gekennzeichnet werden müssen, wie diese Kennzeichnungen ausgestaltet sein sollten und wie die Leitlinien der Europäischen Kommission sowie der Verhaltenskodex diese Anforderungen weiter konkretisieren. Abschließend stellen wir vera[tag] sowie Kladeros umfassenderen Ansatz zur Unterstützung von Workflows für die Kennzeichnung und Transparenz von KI-Inhalten vor.
KI-TransparenzTransparenz- und Offenlegungsfragen bei KI-generierten Inhalten
In diesem Blogbeitrag untersuchen wir kurz Transparenz und Offenlegung beim Einsatz von GenAI zur Erstellung von Inhalten, unter anderem für Unterhaltungs-, Informations-, Marketing-, Werbe- und E-Commerce-Zwecke. Wir beleuchten zentrale Bedenken im Zusammenhang mit KI-generierten Inhalten, die durch den EU AI Act und große Online-Plattformen eingeführten Anforderungen an Transparenz und Offenlegung sowie die praktischen Herausforderungen bei der Verwaltung von Inhaltskennzeichnungen in großem Umfang. Abschließend stellen wir vera[tag] und den umfassenderen Ansatz von Kladero zur Unterstützung wirksamer KI-Transparenz und -Offenlegung vor.
