KI-Verordnung der EU (EU_AI_ACT)

Diese Seite beschreibt das Community-Rahmenwerk EU_AI_ACT, wie es mit SWAO ausgeliefert wird: was es abdeckt, wann Sie es einsetzen, was SWAO dabei prüft und wie Sie es aktivieren.

Überblick

Eigenschaft	Wert
Framework-ID (für regimes_active)	EU_AI_ACT
Herausgeber	Europäische Union (Verordnung (EU) 2024/1689)
Version	2024-08-01
Status	Im Katalog nicht deklariert
SWAO-Katalogversion	1.0.0
Controls gesamt	37
Bewertungsmodus	binary (deklariert)
Assessment-Typen (Metadaten)	app, aud
Lizenz und Weiterverbreitung	Die KI-Verordnung ist ein EU-Rechtsakt und gemäß den EUR-Lex-Bedingungen weiterverwendbar. Die Control-Beschreibungen geben die Verordnung sinngemäß wieder und sind keine Rechtsberatung.
Zuletzt geprüft	2026-09-22
Ordner	eu-ai-act

Worum es geht

Die KI-Verordnung (Verordnung (EU) 2024/1689) ist die risikobasierte EU-Regulierung für KI-Systeme, die in der EU in Verkehr gebracht oder in Betrieb genommen werden. Sie trat am 1. August 2024 in Kraft; ihre Pflichten gelten gestaffelt, die verbotenen Praktiken nach Artikel 5 seit dem 2. Februar 2025. Sie unterscheidet verbotene Praktiken, Hochrisiko-Systeme, Systeme mit Transparenzpflichten und KI-Modelle mit allgemeinem Verwendungszweck (GPAI).

Der SWAO-Katalog enthält 37 Controls in vier Teilen. Teil RC (Risikoklassifizierung) entscheidet, welche weiteren Teile gelten: Teil HR gilt, wenn AIACT_RC_02 ein Hochrisiko-System feststellt, Teil TR gilt ab begrenztem Risiko, und Teil GP gilt, wenn AIACT_RC_04 ein GPAI-Modell feststellt.

Wer es in SWAO einsetzt und wann

• Anbieter und Betreiber von KI-Systemen auf dem EU-Markt (Hinweise im Katalog: ai_system, high_risk_ai, gpai_provider, automated_decisioning, eu_market).
• Jedes Application Assessment, in dem der Workload KI für Entscheidungen über Personen, Chatbots, Emotionserkennung oder generierte Inhalte einsetzt.
• Zusammen mit AI_10_PILLARS (technische Sicherheitsbasis) und GDPR (automatisierte Entscheidungen nach Art. 22).

Was SWAO prüft

Die Controls werden in Pass 11 (Compliance-Bewertung) bewertet. Der Pass liest die Liste assessment.regimes_active aus der .swao.yml der App, lädt den Katalog und sendet die Controls in Paketen zu je 20 an das konfigurierte LLM. Für jedes Control erhält das LLM ID, Titel, Beschreibung und Standard-Schweregrad sowie alle Signale, die die vorherigen Passes dieses Laufs erzeugt haben. Das LLM gibt je Control eines von fünf Ergebnissen zurück:

Ergebnis	Bedeutung
SATISFIED	Die Signale bestätigen, dass das Control erfüllt ist.
PARTIAL	Einige Elemente sind vorhanden, es bleiben Lücken.
GAP	Die Signale zeigen, dass das Control nicht erfüllt ist.
UNKNOWN	Kein Signal spricht für oder gegen das Control.
N_A	Das Control gilt für diesen Workload nicht (mit Begründung).

Zitierte Signal-IDs werden gegen die tatsächlich vorhandenen Signale geprüft; erfundene IDs werden verworfen. Ohne konfigurierten LLM-Anbieter wird jedes Control als UNKNOWN ausgewiesen.

Welche Nachweise die Controls erwarten

Jedes Control deklariert im Feld evidence_basis, auf welcher Art von Nachweis es beruht. Diese Angabe beschreibt den erwarteten Nachweis für die prüfende Person; das Ergebnis selbst bestimmt das LLM anhand der Signale. Für dieses Rahmenwerk ergibt sich folgende Aufteilung:

Nachweisart	Controls
Nur Code- und Konfigurationssignale (signal_prefix, local_signal_regex)	1
Signale und Dokumente kombiniert	1
Nur Dokumente oder Fragebögen (context_input, manual_questionnaire)	35
Davon als reines Audit-Control gekennzeichnet (assessment_type_scope: [aud])	19
Als Verantwortung des Cloud-Anbieters gekennzeichnet (csp_inherited: true)	0

Referenzierte Signalbereiche

Präfix	Controls	Quelle
STATE_LOG_ENABLED	1	Nachweisbereich Logging aktiviert; kein SWAO-Analysepass erzeugt Signale mit diesem Präfix
STATE_LOG_RETENTION_DAYS	1	Nachweisbereich Aufbewahrung von Logs; kein SWAO-Analysepass erzeugt Signale mit diesem Präfix

Beispiele

Controls mit Code- oder Konfigurationsnachweis:

• AIACT_HR_06 Automatic logging and audit trail (STATE_LOG_ENABLED)
• AIACT_HR_07 Log retention period (STATE_LOG_RETENTION_DAYS)

Controls, die Dokumente benötigen:

• AIACT_RC_01 Prohibited AI practices check
• AIACT_RC_02 High-risk AI system identification

Beispiele für reine Audit-Controls: AIACT_RC_05, AIACT_HR_04, AIACT_HR_05.

Dokumente legen Sie im Ordner apps/<app-id>/wsp/inputs/ ab, damit Pass 04 (CTX) sie einliest und als Signale bereitstellt; siehe auch Workspace einrichten. Fehlen sie, ist für dokumentenbasierte Controls UNKNOWN zu erwarten.

Aufbau der Controls

Gruppenbezeichnungen und Control-Titel werden wie im Katalog (Englisch) wiedergegeben.

Gruppe	Controls	Beispiel-Controls
Part RC: Risk Classification	5	AIACT_RC_01 Prohibited AI practices check; AIACT_RC_02 High-risk AI system identification
Part HR: High-Risk AI Requirements	18	AIACT_HR_01 Risk management system establishment; AIACT_HR_02 Training data governance: representativeness and bias
Part TR: Transparency Obligations	5	AIACT_TR_01 Chatbot AI disclosure to users; AIACT_TR_02 Emotion recognition system disclosure
Part GP: GPAI Model Obligations	9	AIACT_GP_01 GPAI model technical documentation; AIACT_GP_02 Training data copyright compliance
Summe	37

Standard-Schweregrade: critical 1, high 24, medium 12.

Cross-Mapping

13 von 37 Controls tragen maps_to-Verweise auf Controls anderer Rahmenwerke. Die folgende Tabelle zählt die Verweise je Zielrahmenwerk. "Aufgelöst" bedeutet, dass die Ziel-ID als Control in einem mitgelieferten SWAO-Katalog existiert; "nicht aufgelöst" bedeutet, dass der Verweis auf Artikel- oder Klauselebene zielt oder eine ID-Schreibweise verwendet, die kein Katalog enthält.

Zielrahmenwerk	Aufgelöste Verweise	Nicht aufgelöste Verweise
NIS2	6	0
GDPR	5	0
ISO_27001	4	0
EU_CRA	2	0

Zusätzlich nennen die Metadaten (cross_mapping_hints) folgende verwandte Rahmenwerke: GDPR, EU_CRA, NIS2, AI_10_PILLARS. Diese Liste ist ein Hinweis auf thematische Überschneidung, kein Control-Mapping.

Rahmenwerk beziehen oder anpassen

• Quelle zum Ansehen und Kopieren: github.com/Accenture/SWAO/tree/main/community-frameworks/eu-ai-act
• Übersicht aller Community-Rahmenwerke: github.com/Accenture/SWAO/tree/main/community-frameworks

Um das Rahmenwerk für ein einzelnes Projekt anzupassen, kopieren Sie den Ordner eu-ai-act (mit framework-meta.yaml und controls.yaml) in den Workspace nach wsp/inputs/catalogs/community/eu-ai-act/ und bearbeiten Sie dort die Kopie. SWAO liest Kataloge für die Compliance-Bewertung aus diesem Verzeichnis; die Workspace-Kopie ist damit maßgeblich. Behalten Sie die id in regime_meta bei, damit regimes_active sie weiterhin findet, und prüfen Sie die Kopie anschließend mit dem Health Check.

Aktivieren

1. Stellen Sie sicher, dass der Ordner eu-ai-act unter wsp/inputs/catalogs/community/ im Workspace liegt (siehe oben). Neue Workspaces enthalten nach swao init nur die Demo-Rahmenwerke gdpr-demo, ai-10-pillars-demo, nist-sp-800-66r2-demo und bsi-grundschutz-2023-demo.

2. Tragen Sie die Framework-ID in die .swao.yml der App ein (apps/<app-id>/.swao.yml):

   assessment:
     regimes_active: [EU_AI_ACT]

   Mehrere Rahmenwerke werden als Liste angegeben, zum Beispiel regimes_active: [EU_AI_ACT, GDPR]. Alternativ schreibt swao regime-select --app app-crm-01 --regimes "EU_AI_ACT" denselben Eintrag.

3. Führen Sie das Application Assessment mit einem konfigurierten LLM aus.

Pass 11 liest regimes_active aus der .swao.yml der App. Hat die App keine Liste, verwendet er die Liste in der .swao.yml im Workspace-Stammverzeichnis (die swao regime-select ohne --app schreibt); eine Liste in der App hat immer Vorrang. Fehlt der Katalog, erzeugt Pass 11 ein Signal COMP-NN mit dem Hinweis, dass kein Katalog gefunden wurde.

Grenzen und Hinweise

• Die Risikoklassifizierung selbst ist eine rechtliche Bewertung. SWAO kann Indikatoren aus der Lösungsarchitektur und der Beschreibung des KI-Systems markieren, die endgültige Einstufung obliegt der Rechtsberatung.
• 19 der 37 Controls sind als aud gekennzeichnet, darunter Konformitätserklärung, CE-Kennzeichnung, technische Dokumentation und Meldung schwerwiegender Vorfälle.
• Die Bewertung setzt die RC-Steuerung nicht automatisch durch: Alle 37 Controls werden bewertet, und das LLM soll für nicht zutreffende Teile N_A zurückgeben. Prüfen Sie die N_A-Begründungen im Bericht.
• Die Ergebnisse stammen von einem LLM, das Signale und Dokumente auswertet. Sie sind ein strukturierter Ausgangspunkt für die Prüfung durch Fachleute, kein Prüfurteil und keine Zertifizierung.
• Die Control-Texte sind sinngemäße Zusammenfassungen. Maßgeblich ist immer die offizielle Quelle des Herausgebers.
• Diese Seite und die SWAO-Ergebnisse sind keine Rechtsberatung.

Verwandte Seiten

• Übersicht der Rahmenwerke
• Pass 11: Compliance-Bewertung
• Application Assessment