Europäische KI muss im KMU-Alltag helfen

Was nützt europäische KI, wenn ein kleines Unternehmen sie nicht einsetzen kann?

MMIND.ai war am 7. Oktober bei KI Konkret in Vaduz dabei. Hartmut Hübner gab einen Impuls zum EU AI Act. Phi Yen Oehri vertritt MMIND.ai im Board des Vereins. Im Austausch wurde deutlich, wie wichtig es ist, das Thema zugänglich zu machen und KMU einfache Möglichkeiten aufzuzeigen.

Ein KMU braucht einen nächsten Schritt, den es gehen kann. Eine Anwendung für die eigene Arbeit. Eine verständliche Erklärung der Regeln. Und Unterstützung, wenn beim Ausprobieren Fragen auftauchen.

So wird aus europäischer KI eine unternehmerische Möglichkeit.

KI Konkret, 7. Oktober 2026: Austausch über KI und den EU AI Act.

Mit einer Aufgabe anfangen, die das Team kennt

Ein Baubetrieb sucht Erfahrungen aus einem ähnlichen Projekt. Ein Finanzteam möchte eine Abweichung verstehen. Eine Beratung braucht die freigegebene Antwort auf eine wiederkehrende Kundenfrage.

Diese Aufgaben eignen sich für einen Einstieg, weil jemand im Unternehmen das Ergebnis beurteilen kann.

Die erste Frage lautet: Welche Arbeit soll leichter werden? Danach lässt sich festlegen, welche Informationen die KI verwenden darf und wer die Antwort prüft.

Ein Bauteam könnte beispielsweise einige freigegebene Projektberichte auswählen. Der Assistent sucht darin nach Problemen bei der Anlieferung, die für eine neue Offerte relevant sein könnten. Zu jeder Aussage soll er die Originalstelle zeigen. Die Kalkulation prüft, ob die damaligen Bedingungen mit dem neuen Auftrag vergleichbar sind.

Das ist ein vorgeschlagener Versuch, kein berichtetes Kundenergebnis. Bei MMIND.ai und EDIH.li arbeiten wir an beiden Themen. Wir machen Firmenwissen nutzbar und bereiten unternehmerische Entscheidungen mit KI fundierter vor.

Die Mitarbeitenden kennen die Aufgabe. Beim Ausprobieren lernen sie, welche Unterstützung brauchbar ist und welche Antworten sie korrigieren müssen. Diese Erfahrung hilft auch bei der nächsten Entscheidung über den KI-Einsatz.

Auch sensible Anwendungen haben einen Weg

Rekrutierung macht die Gestaltungsfrage besonders deutlich. RheinTalent war ein regionales Beispiel in Hartmuts Impuls.

Die Plattform nutzt KI zur Aufbereitung von Profil- und Stelleninformationen und für Passungshinweise. Menschen prüfen die Vorschläge und treffen die Auswahl.

Website, App, Datenbank und Uploads liegen auf eigenen Servern in Deutschland. KI-Funktionen nutzen Mistral über dessen französischen API-Endpunkt. Je nach Funktion werden Profil-, Lebenslauf- oder Stelleninhalte an diesen externen Dienst übertragen.

Das ist eine wichtige Unterscheidung. Europäisches Hosting beschreibt einen Teil des Datenflusses. Die KI läuft dabei als externer Dienst. Für Datenschutz und Risikoprüfung muss das gesamte Vorgehen betrachtet werden.

KI zur Bewertung oder Filterung von Bewerbungen kann unter die Hochrisiko-Regeln des EU AI Act fallen. Menschliche Aufsicht hebt diese Einstufung nicht automatisch auf, ist jedoch eine der Voraussetzungen für Konformität mit dem EU AI Act. Entscheidend sind der konkrete Zweck und die Funktionen der Anwendung.

Solche Anwendungen sind unter dem AI Act zulässig, wenn die jeweiligen Anforderungen erfüllt werden. Der Weg führt über eine sorgfältige Gestaltung und die passenden Nachweise. Dazu können etwa Datenqualität, technische Dokumentation und die Kontrolle durch Menschen gehören.

RheinTalent veranschaulicht diese Gestaltungsfragen und zeigt Möglichkeiten auf, wie sich mit überschaubaren Mitteln KMU-Lösungen für Hochrisikobereiche umsetzen lassen. Wir planen, das Projekt im November beim Apply AI Summit der EU in Brüssel vorzustellen.

Transparenz als sichtbare Verpflichtung

Auch kleinere Unternehmen können eine sichtbare Verpflichtung eingehen: mit dem freiwilligen Code of Practice zur Transparenz KI-generierter Inhalte.

Er bietet ein praktisches Vorgehen für bestimmte Markierungs- und Kennzeichnungspflichten nach Artikel 50. Der Code unterscheidet zwischen Anbietern und Unternehmen, die generative KI einsetzen. Ein Unternehmen unterzeichnet den Abschnitt oder die Abschnitte, die zu seiner tatsächlichen Rolle passen.

Bei MMIND.ai haben wir den für unsere Rolle relevanten Abschnitt kürzlich unterzeichnet. Die Verpflichtung ist in unserer Datenschutzerklärung veröffentlicht.

Im Alltag braucht es dafür ein nachvollziehbares Vorgehen. Das Team klärt, welche Inhalte erfasst sind, wie es sie kennzeichnet und wer die Umsetzung kontrolliert. Bei einem KI-Assistenten prüfen wir zusätzlich die Informationspflicht zur KI-Interaktion. Sie hat eine eigene Grundlage in Artikel 50.

Eine Unterschrift unter den Code ist keine allgemeine AI-Act-Zertifizierung. Auch muss nicht jeder mit KI bearbeitete Text ein Label tragen. Die Leitlinien der EU-Kommission erläutern auch die Ausnahmen. Dazu gehört die menschliche Prüfung mit redaktioneller Verantwortung bei Texten zu Themen öffentlichen Interesses.

Wo der EU AI Act anwendbar ist, gelten die Transparenzpflichten seit dem 2. August 2026. Die verschobenen Termine für Hochrisiko-Anforderungen ändern daran nichts. Der aktuelle EU-Zeitplan nennt für die erfassten Hochrisiko-Anwendungen nach Anhang III den 2. Dezember 2027. Die konkreten Pflichten hängen vom Einsatz und der Rolle des Unternehmens ab.

Europäische Modelle passend zur Aufgabe nutzen

Europa hat Modelle, mit denen Unternehmen arbeiten können. Für den Einstieg hilft eine zugängliche Anwendung oder ein klar begrenzter Versuch mit Unterstützung.

Mistral Large 4 ist seit dem 6. Oktober als API-Vorschau verfügbar. Mistral nennt unter anderem Finanz- und Rechtsaufgaben sowie die Arbeit mit komplexen Dokumenten und Bildern. Wir haben das Modell bereits zum Coden eingesetzt: als Umsetzungs-KI in Kombination mit Claude Code oder Codex. In unseren Versuchen hat das einwandfrei funktioniert. Die Modellgewichte sind für Ende Oktober angekündigt und stehen noch nicht zum Selbsthosting bereit.

Apertus 1.5, entwickelt von ETH Zürich, EPFL und CSCS, bietet eine offen dokumentierte Grundlage für eigene Anpassungen. Laut ETH ist das Modell inzwischen auch über Proton Lumo verfügbar. Proton ist ein Schweizer Unternehmen mit einem datenschutzfreundlichen Chatbot. Damit ist ein Einstieg ohne eigene Modellinstallation möglich. Wir haben Apertus mit einem Rechts-Chatbot getestet, der Gesetze aus Liechtenstein eingelesen hat. Bei unseren Testfragen hat das sehr gut funktioniert. Solche Erfahrungen sind ein Ausgangspunkt für die Prüfung im eigenen Unternehmen; sie ersetzen die fachliche Kontrolle einzelner Antworten nicht.

Europäische Dienste und der Betrieb auf eigenen Servern geben Unternehmen mehr Kontrolle über ihre Daten. Apertus lässt sich bereits selbst betreiben. Bei Mistral hängt diese Möglichkeit vom Modell ab; die Gewichte von Large 4 sind erst für Ende Oktober angekündigt. Ein lokaler Modellbetrieb und die Nutzung eines Cloud-Chatbots sind unterschiedliche Betriebsformen. Datenschutzkonformität ergibt sich aus der konkreten Einrichtung und Nutzung.

Wie gut arbeitet das Modell mit euren Daten?

Ist die Betriebsform geklärt, rückt die Qualität in den Mittelpunkt. Wählt eine Aufgabe, die regelmässig anfällt, und verwendet dazu eure eigenen Berichte, Anleitungen oder Fachunterlagen. Die Fachleute im Team legen fest, woran sie eine brauchbare Antwort erkennen.

Eine kompakte Prüfung kann so aussehen:

1. Typische Fragen: Findet die KI die Informationen, die das Team im Alltag braucht?
2. Belege: Zeigt sie die richtige Originalstelle und unterscheidet sie zwischen Quelle und eigener Schlussfolgerung?
3. Schwierige Fälle: Wie geht sie mit widersprüchlichen Angaben, älteren Dokumenten oder fehlenden Informationen um?
4. Fachliche Prüfung: Stimmen die Antworten mit der Einschätzung der zuständigen Mitarbeitenden überein?
5. Aufwand: Wie viel Zeit sparen Suche und Vorbereitung, wenn Prüfung und Korrektur mitgerechnet werden?

Für den Rechts-Chatbot bedeutet das beispielsweise: Passt die angeführte Gesetzesstelle zur Frage? Ist die verwendete Fassung aktuell? Und weist der Assistent darauf hin, wenn seine Quellen für eine Antwort nicht ausreichen?

Bewahrt Fehler ebenso auf wie gute Antworten. Ändert die Datenbasis oder die Anweisungen und prüft dieselben Fragen erneut. So lässt sich beurteilen, ob eine Änderung tatsächlich hilft. Für sensible Anwendungen braucht es zusätzlich eine systematische Validierung, die zum jeweiligen Einsatz passt.

Das gibt der Geschäftsführung eine konkrete Grundlage. Die Mitarbeitenden können an einer Arbeit lernen, die ihnen bereits wichtig ist.

Europa wird mit KI stärker, wenn kleinere Unternehmen sie gut einsetzen können. Verständliche Regeln helfen dabei. Ein machbarer nächster Schritt bringt die Arbeit in Gang.

Welche wiederkehrende Aufgabe wäre in deinem Unternehmen einen solchen Versuch wert?

Das Team von MMIND.ai

Comic: KI-generierte, fiktive Illustration. Redaktionelle Verantwortung: MMIND.ai.