Art. 3 Nr. 1 EU AI Act: Definition des KI-Systems

Die Definition des „KI-Systems" in Art. 3 Nr. 1 der Verordnung (EU) 2024/1689 ist die Schlüsselnorm der gesamten KI-Verordnung. Erst sie eröffnet den sachlichen Anwendungsbereich: Was kein KI-System im Sinne der Definition ist, fällt aus dem System der Verordnung heraus — unabhängig davon, wie risikobehaftet die Anwendung subjektiv erscheint.

Normtext

„KI-System" ein maschinengestütztes System, das für einen in unterschiedlichem Grade autonomen Betrieb ausgelegt ist und das nach seiner Betriebsaufnahme anpassungsfähig sein kann und das aus den erhaltenen Eingaben für explizite oder implizite Ziele ableitet, wie Ausgaben wie etwa Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen erstellt werden, die physische oder virtuelle Umgebungen beeinflussen können.
— Art. 3 Nr. 1 VO (EU) 2024/1689

Einordnung

Art. 3 ist der Definitionsartikel der Verordnung. Nr. 1 steht systematisch an der Spitze, weil die gesamte Verordnungssystematik — Verbote (Art. 5), Hochrisiko-Pflichten (Kapitel III), Transparenzpflichten (Art. 50), GPAI-Regime (Kapitel V), Marktüberwachung — auf einem Tatbestand aufsetzt, dessen erste Stufe ein „KI-System" ist.

Die Norm grenzt KI-Systeme gegenüber „herkömmlicher" deterministischer Software ab. Die Abgrenzung ist nicht trennscharf, sondern beruht auf einer Kombination kumulativer Merkmale. Die Definition orientiert sich erkennbar an der überarbeiteten OECD-Definition von 2023 und ist mit dieser im Wesentlichen kompatibel — eine Angleichung, die den grenzüberschreitenden Anwendungsbereich (DE · EU27-Rest · UK · CH) erleichtert, wenn auch nicht harmonisiert.

Für die Auslegung relevant ist außerdem, dass die Kommission gemäß Art. 96 Abs. 1 lit. f Leitlinien zur praktischen Anwendung der Definition erlassen wird. Bis dahin tragen die Erwägungsgründe und die in Art. 56 vorgesehenen GPAI-Verhaltenskodizes den Hauptteil der Auslegungslast.

Erwägungsgründe

Maßgeblich für die Auslegung sind insbesondere die Erwägungsgründe 6, 7 und 12.

Erwägungsgrund 12 ist der zentrale Auslegungsanker. Er stellt klar, dass das prägende Merkmal eines KI-Systems die Inferenzfähigkeit ist — also die Fähigkeit, aus Eingaben Ausgaben abzuleiten, statt sie auf Grundlage starr vorgegebener Regeln zu produzieren. EG 12 nennt ausdrücklich Maschinelles Lernen sowie logik- und wissensbasierte Ansätze als typische Inferenz-Mechanismen und grenzt damit explizit von „einfacheren herkömmlichen Softwaresystemen oder Programmieransätzen" ab, die ausschließlich nach von natürlichen Personen festgelegten Regeln operieren.

Erwägungsgrund 6 unterstreicht den technologieneutralen Ansatz: Die Verordnung soll für künftige technische Entwicklungen offen bleiben, weshalb die Definition bewusst funktional statt enumerativ gefasst ist.

Erwägungsgrund 7 ordnet die Definition in den Binnenmarkt-Kontext ein und begründet das Bedürfnis nach einem unionsweit einheitlichen Verständnis.

Auslegung — die fünf Tatbestandsmerkmale

Die Definition lässt sich in fünf kumulative Merkmale zerlegen. Fehlt ein Merkmal, liegt kein KI-System im Sinne der Verordnung vor.

1. Maschinengestütztes System. Der Begriff ist weit zu verstehen und umfasst sowohl reine Softwaresysteme als auch in Hardware eingebettete Systeme. Rein menschliche Entscheidungsprozesse — auch komplexe — fallen heraus. Hybride Mensch-Maschine-Systeme sind erfasst, sobald die maschinelle Komponente die Ausgabe materiell beeinflusst.

2. In unterschiedlichem Grade autonomer Betrieb. Die Formulierung („in unterschiedlichem Grade") schließt vollautomatisierte Systeme ebenso ein wie solche mit signifikanter menschlicher Aufsicht. Strittig ist, ab welcher Schwelle die menschliche Kontrolle so dominant ist, dass von Autonomie keine Rede mehr sein kann. EG 12 stellt klar, dass eine vollständige menschliche Kontrolle in Echtzeit nicht erforderlich ist; vielmehr genügt es, dass das System eine Phase eigenständigen Operierens aufweist.

3. Anpassungsfähigkeit nach Betriebsaufnahme („may exhibit adaptiveness"). Das Merkmal ist optional formuliert („kann … sein"). Adaptivität ist kein Muss; ihr Fehlen schließt die Einstufung als KI-System nicht aus. Online-Lernen, Continual Learning und Drift-Adaption sind damit erfasst, aber nicht Voraussetzung.

4. Inferenz aus Eingaben für explizite oder implizite Ziele. Das ist das Kernkriterium nach EG 12. „Inferieren" ist begrifflich abzugrenzen von reiner Lookup-, Filter- oder regelbasierter Ableitung. Klassische Optimierer, Suchalgorithmen über fest definierten Räumen und einfache Regelmaschinen fallen heraus. Erfasst sind statistische Modelle, ML-Modelle, neuronale Netze sowie wissensbasierte Inferenzmaschinen.

5. Ausgabe, die physische oder virtuelle Umgebungen beeinflussen kann. Ausgaben sind ausdrücklich offen formuliert: Vorhersagen, Inhalte, Empfehlungen, Entscheidungen. Die bloße Möglichkeit der Umgebungseinwirkung genügt; ein tatsächlicher Eintritt ist nicht erforderlich. Damit sind auch reine Empfehlungssysteme erfasst, deren Ausgabe erst durch nachgelagerte menschliche Entscheidung wirksam wird.

Strittig bleibt insbesondere die Behandlung deterministisch trainierter, im Betrieb statischer Modelle mit triviiertem Output-Raum (z. B. Lineare Regression mit zwei Eingangsvariablen). Die wohl überwiegende Auslegung sieht solche Modelle als von der Definition erfasst, sofern sie Inferenz-Funktion erfüllen; rein lookup-artige Implementierungen klassischer Statistik-Verfahren werden teilweise ausgenommen. Die kommenden Leitlinien nach Art. 96 werden hier voraussichtlich Klarstellung bringen.

Praxis-Konsequenzen

Für Provider und Deployer ergeben sich aus der Definition zwei unmittelbare Konsequenzen.

Erstens muss die Einordnung als KI-System dokumentiert und begründbar sein. Eine bloße Selbstaussage „Das ist kein KI-System" trägt nicht. Wer ein System aus dem Anwendungsbereich der Verordnung herausnimmt, sollte die Tatbestandsmerkmale einzeln prüfen und das Ergebnis aktenfest festhalten — insbesondere mit Blick auf das Forcing Event am 02.12.2027 und die Marktüberwachung nach Kapitel IX. Das ist Teil dessen, was AEGIRA als evidence-based Trust versteht: nachweisbar, audit-ready.

Zweitens ist die Definition dynamisch. Ein System, das heute durch eine rein regelbasierte Implementierung außerhalb des Anwendungsbereichs liegt, kann mit der nächsten Modell-Iteration hineinfallen, sobald ein Inferenz-Modul (etwa ein LLM-Wrapper) integriert wird. Die Einstufung gehört deshalb in den Lifecycle des Systems, nicht in eine einmalige Eingangsprüfung. Das gilt umso mehr, weil eine spätere Änderung gegebenenfalls auch eine wesentliche Änderung nach Art. 3 Nr. 23 auslöst.

Verweise

Art. 2 — Anwendungsbereich, der auf der Definition aufbaut.
Art. 3 Nr. 9 — Definition des GPAI-Modells, das einen eigenen Sub-Tatbestand innerhalb der KI-System-Definition bildet.
Art. 3 Nr. 23 — Wesentliche Änderung; relevant, wenn ein System nachträglich die Tatbestandsmerkmale erfüllt.
Art. 96 Abs. 1 lit. f — angekündigte Kommissions-Leitlinien zur Anwendung der Definition.
Erwägungsgründe 6, 7, 12 — primäre Auslegungshilfe bis zu den Leitlinien.

Für den Gesamtüberblick zur Systematik der Verordnung: Leitfaden auf eu-ai-verordnung.de. Zur konkreten Operationalisierung im Hochrisiko-Bereich: ki-hochrisiko.de.

Eine systematische Operationalisierung der KI-Verordnung als Trust-Infrastructure: aegira.ai.