EU AI Act 2026: Was Finanzabteilungen jetzt tun müssen

Ein Tool, das Sie heute für eine Bonitätsprüfung einsetzen, kann morgen als Hochrisiko-System eingestuft sein. Nicht, weil sich die KI verändert hätte. Sondern weil sich das Gesetz verändert hat.

Genau das unterschätzen viele Finanzabteilungen am EU AI Act. Es geht nicht um futuristische Roboter in der Buchhaltung. Es geht um die ganz konkrete Software, die heute schon läuft und Scores berechnet, Limits festlegt und Forderungen klassifiziert. In dem Moment, in dem diese Software das Verhalten einer Person bewertet, fällt sie in die strengste Kategorie, die die Verordnung kennt.

Warum Credit Scoring als Hochrisiko gilt

Anhang III der Verordnung listet die Anwendungsfälle auf, die automatisch als Hochrisiko gelten. Ziffer 5 betrifft den Zugang zu grundlegenden Dienstleistungen. Sie erfasst ausdrücklich KI, die zur Bewertung der Kreditwürdigkeit natürlicher Personen oder zur Erstellung eines Bonitätsscores eingesetzt wird.

Die Begründung ist leicht nachzuvollziehen. Ein falscher Score kann eine Person einen Kredit, eine Wohnung oder einen Geschäftsabschluss kosten. Der Gesetzgeber will, dass solche Entscheidungen erklärbar, dokumentiert und überprüfbar sind. Eine Ausnahme gibt es: KI, die ausschließlich zur Aufdeckung von Finanzbetrug dient, fällt nicht unter die Regel.

Für Finanzabteilungen im Mittelstand lautet die praktische Konsequenz schlicht: In dem Moment, in dem Sie KI einsetzen, um Kunden, Lieferanten oder Antragsteller in Bonitätsklassen einzusortieren, sind Sie potenziell betroffen. Das gilt auch dann, wenn das Modell nur ein Baustein innerhalb eines größeren Prozesses ist.

Was Hochrisiko in der Praxis verlangt

Diese Pflichten sind keine abstrakte Wunschliste. Sie sind operativ und prüfbar. Die wichtigsten:

• Risikomanagement. Ein dokumentierter, kontinuierlicher Prozess, der die Risiken des Systems erkennt und mindert. Keine einmalige Übung, sondern über den gesamten Lebenszyklus hinweg.
• Datenqualität und Daten-Governance. Trainings- und Eingabedaten müssen relevant, repräsentativ und so fehlerfrei wie möglich sein. Genau hier scheitern die meisten Projekte – dazu unten mehr.
• Technische Dokumentation. Sie müssen darlegen können, wie das System aufgebaut ist und wie es zu seinen Ergebnissen kommt.
• Protokollierung. Das System muss Ereignisse automatisch aufzeichnen, damit sich Entscheidungen im Nachhinein rekonstruieren lassen.
• Transparenz. Die Nutzer müssen verstehen, was das System tut und mit welcher Zuverlässigkeit.
• Menschliche Aufsicht. Eine reale Person muss eingreifen, korrigieren und stoppen können. Kein Durchwinken im Autopilot.

Lesen Sie diese Liste mit einem handelsüblichen Large Language Model im Hinterkopf, und das Problem liegt auf der Hand. Ein Modell, das Zahlen als Text vorhersagt und keine nachvollziehbare Berechnungskette liefert, erfüllt aus sich heraus kaum einen dieser Punkte. Warum LLMs an genau dieser Art von Aufgabe strukturell scheitern, lesen Sie in unserem Pillar zu KI im Finanzwesen.

Die Frist, über die niemand klar redet

Jetzt wird es unbequem ehrlich. Die Hochrisiko-Pflichten für Anhang-III-Systeme sollten ursprünglich ab dem 2. August 2026 gelten. Im Rahmen des sogenannten Digital Omnibus wurde diskutiert, diese Frist deutlich nach hinten zu verschieben, in Richtung Ende 2027. Der genaue Stand hängt vom finalen Gesetzgebungsverfahren ab.

Was bedeutet das für Sie? Verlassen Sie sich nicht auf eine Schonfrist. Erstens ist die formelle Entscheidung zum jetzigen Zeitpunkt nicht endgültig. Zweitens – und das ist der eigentliche Punkt – ändert eine spätere Frist nichts an den inhaltlichen Anforderungen. Datenqualität, Nachvollziehbarkeit und menschliche Aufsicht sind kein Compliance-Aufwand. Es sind die Dinge, die verhindern, dass Ihre KI eine Zahl erfindet, für die am Ende Sie persönlich geradestehen müssen.

Ein CFO, der die Architektur erst 2027 in Ordnung bringt, hat das Risiko nicht beseitigt. Er hat es nur mit einem späteren Datum versehen.

Die eigentliche Falle: Datenqualität, nicht das Modell

Die meisten Debatten über den AI Act drehen sich um das Modell. Welches LLM, welcher Anbieter, welches Land. Das ist die falsche Ebene.

Die Verordnung verlangt Datenqualität, und genau daran scheitern Finanzabteilungen, lange bevor das Modell überhaupt ins Spiel kommt. Wenn Ihre Zahlen aus drei Systemen stammen, sich widersprechen und niemand sagen kann, welche Version stimmt, dann ist jede KI-Ausgabe ein dokumentiertes Risiko. Sie können ein erstklassiges Modell auf einem unsauberen Fundament betreiben und landen trotzdem bei einem nicht konformen System.

Wir haben dazu einen eigenen Beitrag geschrieben, weil es so entscheidend ist: Datenqualität schlägt Modell. Der Kerngedanke in einem Satz: Bevor KI Ihre Zahlen anfasst, muss eine abgestimmte Datenbasis existieren, die mit dem Hauptbuch übereinstimmt.

Wie eine Modellebene die Pflichten erfüllt, Punkt für Punkt

Hier kommt der Ansatz von Rexfin ins Spiel, und zwar nicht als Marketingfloskel, sondern Pflicht für Pflicht.

Rexfin verbindet Ihre Buchhaltungs- und Finanzdatenquellen wie DATEV, QuickBooks, Xero oder NetSuite oder hochgeladene Auszüge und führt sie zu einem einzigen abgestimmten Finanzmodell zusammen. Eine einzige Quelle der Wahrheit, die mit dem Hauptbuch übereinstimmt. Damit ist die geforderte Datenqualität an der Wurzel adressiert.

Die eigentliche Berechnung übernimmt nicht das LLM, sondern eine deterministische Engine. Die KI ruft Werte ab und formuliert die Fragestellung, aber die Rechenarbeit läuft über einen prüfbaren Mechanismus. Dasselbe Modell liefert für dieselbe Frage dasselbe Ergebnis. Das ist die Grundlage für Transparenz und reproduzierbare Dokumentation.

Jede Zahl trägt ihre Herkunft mit sich. Klicken Sie einen Wert an, und Sie sehen das Quelldokument und den Berechnungspfad. Genau das ist die Protokollierung und Nachvollziehbarkeit, die der AI Act, und parallel dazu die GoBD, verlangen. Wie das technisch funktioniert, lesen Sie unter So funktioniert es.

Und weil jede Ausgabe an ihre Quelle gebunden ist, kann eine Person sie prüfen, statt ihr blind zu vertrauen. Das ist menschliche Aufsicht, die diesen Namen verdient. Keine Blackbox, die man nur abnicken kann.

Was Sie diese Woche tun können

Sie müssen nicht auf den endgültigen Gesetzestext warten, um anzufangen. Drei Schritte, die unabhängig von der Frist sinnvoll sind:

1. Bestandsaufnahme. Erfassen Sie jedes Tool in Ihrer Finanzfunktion, das Personen oder Geschäftspartner bewertet oder klassifiziert. Beziehen Sie auch die inoffizielle Schatten-KI im Browser eines Mitarbeiters ein.
2. Herkunftstest. Nehmen Sie eine beliebige KI-generierte Zahl aus Ihrem letzten Reporting-Zyklus und versuchen Sie, sie bis zum Quelldokument zurückzuverfolgen. Schaffen Sie das in unter einer Minute? Wenn nicht, haben Sie Ihre Lücke gefunden.
3. Fundament vor Automatisierung. Bringen Sie die abgestimmte Datenbasis in Ordnung, bevor Sie weitere KI-Funktionen einschalten. Die Reihenfolge entscheidet darüber, ob Sie compliant bleiben.

Der AI Act bestraft nicht den Einsatz von KI. Er bestraft den Einsatz von KI, die niemand erklären kann. Der Unterschied liegt nicht im Modell. Er liegt in der Ebene darunter.

Wenn Sie sehen möchten, wie sich jede Zahl bis zu ihrer Quelle zurückverfolgen lässt, buchen Sie eine Demo. Wir gehen Ihre eigenen Daten durch und zeigen Ihnen, was prüfbar wirklich bedeutet.