Echte EU-AI-Act-Compliance-Kosten für ein 5-Personen-Startup (€30 bis €80k Aufschlüsselung)

Konkrete Planungswerte für ein 5-Personen-Startup, das ein KI-System in der EU einsetzt: Ein Chatbot oder RAG-Assistent mit vor allem Transparenzpflichten kann im ersten Jahr etwa €15k bis €30k an Compliance-Arbeit auslösen. Ein hochriskantes System wie Recruiting oder Credit Scoring kann je nach Klassifikation, Dokumentation und Betriebskontrollen bei €40k bis €90k+ liegen. Eine Prüfung durch Dritte ist nicht für jedes Annex-III-System vorgeschrieben. DSGVO und Sektorregeln können zusätzlich gelten.

Ich schreibe das aus der Engineering-Sicht. Wir haben die technische Dokumentation und die Risiko-Management-Workstreams für Kunden umgesetzt, die KI-Features in die EU ausliefern mussten. Die Zahlen unten sind Spannen aus Wavects Engagement-Historie plus veröffentlichten Auditor-Gebührenordnungen. Sprich mit einem Anwalt für rechtliche Sicherheit. Sprich mit mir für die Umsetzungs-Realität.

Du vergleichst bereits Anbieter, statt dein eigenes Compliance-Budget zu schätzen? Nutze den EU-Sicherheitsfragebogen mit 45 Fragen für KI-Anbieter, um Nachweise einzufordern, Hard Stops zu bewerten und akzeptierte Lücken vor der Unterschrift in Vertragsklauseln zu überführen.

Wie klassifiziert der EU AI Act dein System tatsächlich?

Bevor irgendeine Zahl Sinn ergibt, klassifiziere dein System. Der Act definiert vier Stufen:

• Verboten. Social Scoring, biometrische Echtzeit-Identifikation in der Öffentlichkeit, manipulative Dark-Pattern-KI, Emotionserkennung am Arbeitsplatz oder in der Schule. Compliance-Kosten: Bau es nicht.
• Hochriskant. Annex-III-Liste: Recruiting-Entscheidungen, Credit Scoring, Education Scoring, Law Enforcement, kritische Infrastruktur, Medizinprodukte, Biometrie. Volles Konformitätsregime gilt.
• Begrenzt riskant. Chatbots, generative Inhalte, Emotions- oder biometrische Kategorisierung, wo erlaubt. Transparenzpflichten, leichtere Dokumentation.
• Minimal riskant. Spam-Filter, Empfehlungs-Engines für Medien, einfaches ML in Games. Keine spezifischen Pflichten über DSGVO hinaus.

Die meisten Early-Stage-SaaS-Startups landen bei begrenzt riskant oder minimal riskant. Der große Kostensprung passiert bei hochriskant.

Was kostet EU-AI-Act-Compliance Zeile für Zeile?

Budget-Tabelle für ein 5-Personen-Startup. Die erste Spalte nimmt einen kundenorientierten Chatbot oder ein RAG-Produkt mit Transparenzpflichten an. Die Hochrisiko-Spalte nimmt Recruiting oder Credit Scoring an und behandelt externe Prüfung nur dort als Pflicht, wo das anwendbare Verfahren eine benannte Stelle verlangt.

Was liefert die Rechtsprüfung wirklich?

Ein auf EU-Tech-Recht spezialisierter Anwalt schreibt ein Memo, das dein System unter dem Act klassifiziert, die Pflichten mappt und DSGVO-Überschneidungen markiert. Rechne mit 8 bis 20 Stunden Senior-Anwalts-Zeit zu €300 bis €600/Stunde im DACH-Raum. Billige Anwälte werden €1.500 anbieten und ein Template-Dokument produzieren, das eine Aufsichtsanfrage nicht überlebt. Bezahle den Senior.

Was kommt in die technische Dokumentation?

Annex IV des Acts listet 9 Kategorien an Pflichtdokumentation: allgemeine Beschreibung, Designspezifikationen, Monitoring und Kontrolle, Validierung und Tests, Post-Market-Monitoring-Plan und so weiter. Wir produzieren das typischerweise als versioniertes Dokument im Kundenrepo, in Sync mit der Codebase. Die erste Version braucht 40 bis 80 Engineering-Stunden plus 10 bis 20 Stunden Senior-Review. Wartung danach sind grob 4 bis 8 Stunden pro Release.

Was verlangt Data Governance tatsächlich?

Für hochriskante Systeme fordert der Act Datensätze, die relevant, repräsentativ, fehlerfrei und vollständig sind. In der Praxis heißt das: dokumentierte Datenquellen, dokumentierte Vorverarbeitung, dokumentierte Qualitätsprüfungen, dokumentierte Bias-Evaluation. Wir backen das in den SDLC ein, via Model Cards und Dataset Cards, plus einem quartalsweisen Bias-Audit auf Produktionsdaten. Die Setup-Kosten stehen in der Tabelle; die laufenden Kosten sind Engineering-Zeit, die wir als Teil des Feature-Budgets behandeln.

Wann brauchst du eine Konformitätsbewertung durch Dritte?

Nicht jedes Annex-III-System braucht eine benannte Stelle. Nach Artikel 43 folgen die meisten eigenständigen Annex-III-Systeme dem internen Kontrollverfahren. Biometrische Systeme nach Annex III Punkt 1 können in bestimmten Fällen eine benannte Stelle benötigen; KI in regulierten Produkten folgt dem jeweiligen sektoralen Konformitätsweg. Kläre den konkreten Weg, bevor du Gebühren oder Vorlauf für eine externe Prüfung budgetierst.

"Compliance ist Architektur, kein Papierkram. Bau es in den SDLC ein, und das Audit wird zum Abnicken."

Was ist mit Post-Market-Monitoring?

Der Act verlangt laufendes Monitoring der Systemperformance und Incident-Reporting. Für die meisten Startups heißt das: strukturiertes Logging von Modell-Inputs und -Outputs mit Privacy-Controls, eine Alerting-Pipeline für Drift und Anomalien, ein dokumentierter Incident-Response-Prozess und ein Notifizierungspfad für schwerwiegende Vorfälle zur nationalen Behörde. Wir verdrahten das typischerweise durch denselben Observability-Stack, den das Team schon nutzt (Sentry, Grafana, Datadog), plus eine kleine Custom-Schicht. Einmaliges Setup wie in der Tabelle, laufende Kosten sind operativ.

Was deckt internes Training ab?

Jeder, der das KI-System designt, baut oder betreibt, muss die Pflichten und Grenzen verstehen. Für ein 5-Personen-Team machen wir meist einen halbtägigen Workshop plus ein 10 bis 20-seitiges Handbuch, zugeschnitten auf das Produkt, dann jährliche Auffrischung. Günstig, hoher Hebel. Lass es weg, und die erste Aufsichtsanfrage legt die Lücke offen.

Was sind die laufenden jährlichen Kosten nach Jahr eins?

Grob 30 bis 50 Prozent der Erstjahreskosten als wiederkehrende Kosten. Ein begrenzt-riskantes System läuft also bei €5k bis €15k pro Jahr laufend, ein hochriskantes System bei €15k bis €35k pro Jahr. Plus Re-Assessment-Gebühren, falls du substantielle Änderungen am System vornimmst, was breit definiert ist und öfter zutrifft, als Gründer erwarten.

Was, wenn du mit KI-Agenten oder RAG baust?

Die Klassifikation hängt immer vom Use Case ab, nicht von der Architektur. Ein RAG-Assistent für interne Wissenssuche ist meist minimal- oder begrenzt-riskant. Ein mehrstufiger KI-Agent, der Aktionen im Namen von Nutzern ausführt (Buchen, Kaufen, Kommunikation senden), muss danach klassifiziert werden, was diese Aktionen betreffen. Ein Agent, der Recruiting-Entscheidungen triggert, ist hochriskant, egal wie clever der Prompt geschrieben ist. Wir besprechen das mit jedem Kunden beim Scoping unter unserem KI-Service.