KI-Verordnung im Maschinenbau: KI in Sicherheitsfunktionen, Digital Omnibus und 2028

Wann KI eine Maschine zum Hochrisiko-Fall der KI-Verordnung macht

KI in einer Maschine wird zum Hochrisiko-Fall der KI-Verordnung, wenn das KI-System eine Sicherheitsfunktion erfüllt und die Maschine eine Konformitätsbewertung durch Dritte durchlaufen muss, etwa ein Kamerasystem, das mit einem trainierten neuronalen Netz Personen im Gefahrenbereich erkennt und die Maschine stoppt. Die Sichtprüfung der Produktqualität, die vorausschauende Wartung oder ein Assistent für das Bedienpersonal sind keine Sicherheitsfunktionen in diesem Sinn. Seit dem Digital Omnibus zur KI vom Juli 2026 kommen die genauen Anforderungen für Maschinen über die Maschinenverordnung: Die Kommission soll sie durch delegierte Rechtsakte in deren Anhang III schreiben, die spätestens ab dem 2. August 2028 gelten sollen.

Wir schreiben für Geschäftsführung und Entwicklungsleitung bei Maschinen- und Anlagenbauern, die KI in ihre Produkte einbauen, und für die Fachleute, die die Modelle trainieren. Zuerst kommt der rechtliche Rahmen in Alltagssprache mit den Artikelnummern, dann drei Beispiele, dann die Folgen für Entwicklungsdaten und die GPU-Server, auf denen die Modelle trainiert werden. Es handelt sich um allgemeine Informationen zum EU-Recht mit Stand Oktober 2026, nicht um Rechtsberatung: Wie es auf eine bestimmte Maschine anzuwenden ist, bestätigen Ihre Rechtsberatung und Ihre notifizierte Stelle. Unser Beitrag zum EU AI Act für Unternehmen mit LLMs behandelt die Seite der Betreiber, unser Leitfaden zu EU AI Act und Fine-Tuning die Anbieter von KI-Modellen mit allgemeinem Verwendungszweck; hier geht es um KI, die in Maschinen eingebaut ist.

Fünf Begriffe in Alltagssprache

KI-System. Artikel 3 Nr. 1 der KI-Verordnung beschreibt ein maschinengestütztes System, das mit unterschiedlichem Grad an Autonomie arbeitet und aus seinen Eingaben ableitet, wie es Ausgaben erzeugt. Ein trainiertes neuronales Netz, das Kamerabilder klassifiziert, ist eines; eine feste Regel in einem SPS-Programm ist keines.

Sicherheitsbauteil. Artikel 3 Nr. 14 in der geänderten Fassung beschreibt einen Bestandteil eines Produkts oder KI-Systems, der eine Sicherheitsfunktion für dieses Produkt oder System erfüllt oder dessen Ausfall oder Störung die Gesundheit und Sicherheit von Personen oder Eigentum gefährdet. Die geänderte Fassung ergänzt, dass ein Bestandteil eine Sicherheitsfunktion erfüllt, wenn seine Zweckbestimmung darin besteht, Risiken für Gesundheit und Sicherheit von Personen oder Eigentum zu verhindern oder zu mindern.

Anbieter. Das Unternehmen, das ein KI-System entwickelt oder entwickeln lässt und unter eigenem Namen in Verkehr bringt. Ein Maschinenbauer, der eigene KI mit der Maschine ausliefert, ist Anbieter dieses KI-Systems.

Konformitätsbewertung durch Dritte. Eine notifizierte Stelle, eine von einem Mitgliedstaat benannte Organisation, prüft das Produkt, bevor es in Verkehr gebracht werden darf. Für Maschinen in Anhang I Teil A der Maschinenverordnung erlaubt Artikel 25 Abs. 2 drei Wege: EU-Baumusterprüfung mit anschließender Konformität mit der Bauart, umfassende Qualitätssicherung oder Einzelprüfung. Die interne Fertigungskontrolle gehört nicht dazu.

Selbstentwickelndes Verhalten. Der Begriff der Maschinenverordnung für Systeme mit maschinellem Lernen. Nach ihrem Erwägungs­grund 55 sollen die Regeln zur Prüfung von Sicherheitssoftware durch Dritte nur für Systeme mit vollständig oder teilweise selbstentwickelndem Verhalten auf Basis maschinellen Lernens gelten, die Sicherheitsfunktionen gewährleisten, und nicht für Software, die nicht lernen oder sich weiterentwickeln kann und nur bestimmte automatisierte Funktionen ausführt.

Von der KI-Verordnung (AI Act) zur Maschinenverordnung

Artikel 6 Abs. 1 der KI-Verordnung macht ein KI-System hochriskant, wenn zwei Bedingungen erfüllt sind. Es soll als Sicherheitsbauteil eines Produkts verwendet werden oder ist selbst ein Produkt, das unter die in Anhang I genannten Rechtsvorschriften fällt, und dieses Produkt muss einer Konformitätsbewertung durch Dritte unterzogen werden. Die Verordnung (EU) 2023/1230 über Maschinen liefert die zweite Bedingung: Ihr Erwägungs­grund 54 erklärt, dass Systeme mit selbstentwickelndem Verhalten, die Sicherheitsfunktionen gewährleisten, wegen Datenabhängigkeit, Undurchsichtigkeit, Autonomie und Vernetzung in Anhang I gehören und ihre Konformitätsbewertung durch Dritte erfolgen soll, gleich ob das Sicherheitsbauteil eigenständig in Verkehr gebracht wurde oder nicht. Eine Maschine, die ein bereits von Dritten geprüftes Sicherheitsbauteil enthält, muss allein wegen dieses Einbaus nicht erneut von Dritten zertifiziert werden.

Der Digital Omnibus zur KI hat geändert, wo die Anforderungen stehen. Die Verordnung (EU) 2026/1744 vom 8. Juli 2026, in Kraft seit dem 27. Juli 2026, hat die Maschinenverordnung von Abschnitt A in Abschnitt B von Anhang I der KI-Verordnung verschoben, wo der AI Act Service Desk der Kommission sie nun als neuen Eintrag führt. Für Produkte in Abschnitt B gelten nach dem geänderten Artikel 2 Abs. 2 nur Artikel 6 Abs. 1, Artikel 60a und die Artikel 102 bis 112. Die Einstufung als hochriskant bleibt; das eigene Anforderungskapitel der KI-Verordnung gilt nicht unmittelbar.

Erwägungs­grund 42 der Verordnung (EU) 2026/1744 erklärt, was an seine Stelle tritt. Die Kommission soll verpflichtet werden, delegierte Rechtsakte zur Änderung von Anhang III der Verordnung (EU) 2023/1230 zu erlassen, des Anhangs mit den grundlegenden Sicherheits- und Gesundheitsschutzanforderungen, damit er die Hochrisiko-Anforderungen aus Kapitel III Abschnitt 2 der KI-Verordnung sowie ihre Artikel 17, 19, 72 und 73 widerspiegelt; diese Rechtsakte sollen spätestens ab dem 2. August 2028 gelten. Bis harmonisierte Normen oder gemeinsame Spezifikationen für KI unter der Maschinenverordnung vorliegen, dürfen sich Hersteller laut Erwägungs­grund auf die unter der KI-Verordnung angenommenen stützen. Die Einzelheiten stehen im verfügenden Artikel der Verordnung (EU) 2026/1744, der die Maschinenverordnung ändert; prüfen Sie seinen Wortlaut auf EUR-Lex, bevor Sie sich auf Details stützen.

KI-Verordnung, konsolidiert mit Stand 27. Juli 2026, im AI Act Service Desk der Kommission; Verordnung (EU) 2026/1744 auf EUR-Lex; Seite der Kommission zu Maschinen; alles gelesen am 25. Oktober 2026. Maschinen, die vor dem 20. Januar 2027 in Verkehr gebracht werden, folgen der Richtlinie 2006/42/EG.

Drei Beispiele aus dem Maschinenbau

Unsere Lesart von Art. 6 Abs. 1 KI-VO und der Erwägungsgründe 54 und 55 der Verordnung (EU) 2023/1230, zur Veranschaulichung; die Einstufung einer realen Maschine bestätigen Ihre Rechtsberatung und Ihre notifizierte Stelle.

Personenerkennung im Gefahrenbereich. Ein trainiertes Netz, das Personen in Kamerabildern erkennt und einen Stopp auslöst, erfüllt eine Sicherheitsfunktion. Die offene Frage in der Praxis ist das Wort „selbstentwickelnd“: ob ein Netz zählt, das vor der Auslieferung trainiert und in der Maschine eingefroren wird, oder nur eines, das im Betrieb weiterlernt. Erwägungs­grund 55 stellt Systeme mit maschinellem Lernen der Software gegenüber, die nicht lernen oder sich weiterentwickeln kann; den Grenzbereich klären die delegierten Rechtsakte, Leitlinien und die notifizierten Stellen. Planen Sie die Entwicklung so, als gelte die Prüfung durch Dritte, bis Ihre notifizierte Stelle etwas anderes sagt.

Oberflächenprüfung. Ein Modell, das zerkratzte oder verbeulte Teile aussortiert, schützt die Qualität, nicht Menschen. Die Hochrisiko-Einstufung nach Artikel 6 Abs. 1 erfasst es nicht, und unser Leitfaden zur Sichtprüfung mit KI ohne Data Scientists beschreibt, wie solche Systeme entstehen. Die Maschine als Ganzes muss trotzdem die grundlegenden Anforderungen der Maschinenverordnung erfüllen.

Vorausschauende Wartung. Ein Modell, das Verschleiß vorhersagt und Wartung plant, hat ebenfalls keine Sicherheitsfunktion, solange es keine Schutzaufgabe übernimmt. Unser Leitfaden zur vorausschauenden Wartung behandelt, wann solche Modelle überhaupt eine GPU brauchen.

Welche Pflichten auf Hersteller von Maschinen zukommen

Die delegierten Rechtsakte sollen Kapitel III Abschnitt 2 der KI-Verordnung widerspiegeln. Dessen Artikel behandeln die Erfüllung der Anforderungen (Artikel 8), das Risikomanagementsystem (9), Daten und Daten-Governance (10), die technische Dokumentation (11), die Aufzeichnungspflichten (12), Transparenz und Informationen für die Betreiber (13), die menschliche Aufsicht (14) sowie Genauigkeit, Robustheit und Cybersicherheit (15); Erwägungs­grund 42 ergänzt das Qualitätsmanagementsystem (17), automatisch erzeugte Protokolle (19), die Beobachtung nach dem Inverkehrbringen (72) und die Meldung schwerwiegender Vorfälle (73). Wie sie in der Maschinenverordnung genau lauten werden, legen die delegierten Rechtsakte fest. Der Text der KI-Verordnung zeigt, was zu erwarten ist.

Daten-Governance. Artikel 10 Abs. 2 nennt unter anderem die relevanten Konzeptentscheidungen, die Verfahren der Datenerhebung und die Herkunft der Daten, Aufbereitungsschritte wie Annotation, Kennzeichnung und Bereinigung, die Untersuchung auf mögliche Verzerrungen und die Ermittlung relevanter Datenlücken oder Mängel. Artikel 10 Abs. 3 verlangt Datensätze, die relevant, hinreichend repräsentativ und so weit wie möglich fehlerfrei sind.

Technische Dokumentation. Anhang IV, auf den Artikel 11 verweist, verlangt die verwendeten Trainingsdatensätze, Angaben zu ihrer Herkunft, ihrem Umfang und ihren wesentlichen Merkmalen, wie die Daten gewonnen und ausgewählt wurden, die Kennzeichnungs- und Bereinigungsverfahren, die Validierungs- und Testverfahren mit datierten und von den verantwortlichen Personen unterzeichneten Testprotokollen und Testberichten sowie die Rechenressourcen, die für Entwicklung, Training, Test und Validierung des KI-Systems eingesetzt wurden.

Protokolle im Betrieb. Nach Artikel 12 Abs. 1 müssen Hochrisiko-KI-Systeme technisch die automatische Aufzeichnung von Ereignissen über ihre gesamte Lebensdauer ermöglichen. Das ist eine Anforderung an die Steuerung der Maschine, nicht an den Trainingsserver.

Artikel 63 Abs. 1 in der geänderten Fassung erlaubt KMU einschließlich Start-ups, bestimmte Elemente des Qualitätsmanagementsystems vereinfacht zu erfüllen. Artikel 63 gehört nicht zu den Artikeln, die für Produkte in Abschnitt B unmittelbar gelten; ob eine ähnliche Vereinfachung für Maschinen kommt, hängt von den delegierten Rechtsakten ab.

Wir bauen GPU-Server für das Training von Bildverarbeitungs- und Steuerungsmodellen und richten die Trainingsumgebung über unseren Dienst Private AI/ML ein; schicken Sie uns die Modellarten, die Bildmengen und die Zahl der Entwickler, und unser Team antwortet mit einer Konfiguration.

Entwicklungsdaten und der Trainingsserver

Das meiste, was die Dokumentation verlangt, entsteht im Entwicklungsprozess, nicht in der Maschine: welche Bilder an welchen Maschinen gesammelt wurden, wer sie nach welchen Regeln gekennzeichnet hat, welche Version des Datensatzes welche Version des Modells trainiert hat, auf welcher Hardware und Software und mit welchen Testergebnissen. Ein Unternehmen, das seine Modelle auf einem selbst kontrollierten Server trainiert, kann diese Kette vollständig halten. Bei einem Cloud-Dienst oder einem externen Entwickler müssen dieselben Nachweise vertraglich gesichert werden.

Die Reproduzierbarkeit ist die technische Seite davon. Die Dokumentation von PyTorch stellt fest, dass vollständig reproduzierbare Ergebnisse über PyTorch-Versionen, einzelne Commits oder verschiedene Plattformen hinweg nicht gewährleistet sind und dass Ergebnisse zwischen CPU- und GPU-Ausführung selbst mit identischen Seeds abweichen können. Sie bietet torch.use_deterministic_algorithms an und weist darauf hin, dass deterministische Operationen oft langsamer sind. Für ein Sicherheitsmodell, das nach einem Vorfall im Feld neu trainiert oder nach einem Software-Update erneut getestet werden muss, hilft es, über die Lebensdauer der Produktlinie denselben GPU-Typ und dieselben Container-Images zu behalten; ein eigener Server macht das einfach.

Trainingsbilder aus Kundenanlagen werfen eine weitere Frage auf. Bilder eines Gefahrenbereichs zeigen Menschen; wo diese erkennbar sind, sind die Bilder personenbezogene Daten nach der DSGVO, und Daten aus der Anlage eines Kunden können unter dessen Geheimhaltungsbedingungen fallen. Speicherung und Kennzeichnung auf eigener Hardware halten beide Fragen im Unternehmen; Aufbewahrung und Zugriff bestätigt Ihr Datenschutz­beauftragter.

Referenz­konfigurationen auf unserer Seite zu KI-Servern; Leistung nach unserer Schätzung (Karten, Prozessoren und 15 Prozent für den Rest des Servers) wie in unserem Leitfaden zu GPU-Servern für das Training von Vision-Modellen; zu bestätigen durch eine Messung am gelieferten System.

Erkennungsmodelle sind klein: Unser Leitfaden zum GPU-Server für das Training von Vision-Modellen nennt für YOLO11x 56,9 Millionen Parameter; die Zahl der Karten bestimmt also, wie viele Experimente nebeneinander laufen. Der Einstiegsserver mit zwei Karten der NVIDIA RTX PRO 6000 Blackwell Server Edition, zwei AMD-EPYC-Prozessoren, 384 GB DDR5-ECC-Arbeitsspeicher und zwei NVMe-Laufwerken passt zu einem oder zwei Entwicklern, der Inferenzknoten mit vier Karten und 768 GB zu einem Team, der Trainingsknoten mit acht H200 NVL, NVLink-Brücken, 2,3 TB Arbeitsspeicher und 400G-Netzwerk zu Modellen, die alle Karten zugleich brauchen. Der Server steht in einem Serverraum: Zwei Karten kommen mit einer 16-A-Zuleitung mit 230 V aus, vier brauchen 32 A oder Drehstrom und acht Drehstrom, wie unser Leitfaden zur Stromversorgung von GPU-Servern mit 16 A, 32 A und Drehstrom erklärt.

Hinweise für Entwicklung und IT

1. Alles versionieren. Datensatzversionen mit Kennzeichnungsregeln, Trainingscode, Container-Images, Treiber- und CUDA-Versionen und die Hardware jedes Trainingslaufs, abgelegt mit der Modellversion, die daraus entstand.
2. Deterministische Läufe, wo nötig. Jeden Lauf mit Seed starten und für das Freigabetraining und die Regressionstests deterministische Algorithmen einschalten, mit den langsameren Läufen, vor denen PyTorch warnt.
3. Testdaten unter Verschluss. Validierungs- und Testdatensätze getrennt von den Trainingsdaten und nur lesbar halten, damit sich ein Testergebnis Jahre später wiederholen lässt.
4. Unterzeichnete Testberichte. Anhang IV verlangt datierte und von den verantwortlichen Personen unterzeichnete Testprotokolle und -berichte; erzeugen Sie sie aus der Trainingspipeline statt von Hand.
5. Lizenzen. Prüfen Sie die Lizenz jedes Modells und jeder Bibliothek, bevor sie in ein Produkt eingeht; unser Leitfaden zur Lizenz von Ultralytics YOLO behandelt einen häufigen Fall.
6. Robotik und Simulation. In der Simulation trainierte Steuerungsstrategien (Policies) folgen derselben Logik; unser Leitfaden zum GPU-Server für Robotik mit Isaac Sim beschreibt, was zu jedem Lauf aufzubewahren ist.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team dimensioniert die Konfiguration nach Ihrer Arbeitslast und Ihrem Budget und antwortet innerhalb eines Werktages. Wir bauen Trainingsserver mit zwei, vier oder acht Karten auf Bestellung, mit RTX PRO 6000 Server Edition oder H200 NVL, vor der Lieferung montiert und getestet, geliefert in die gesamte EU mit einem EU-Vertrag und einer Rechnung, mit Herstellergarantie auf jede Komponente, abgewickelt über uns; Stückzahlen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Unser Dienst Private AI/ML mit unserem Engineering-Partner Vixen.UNO richtet auf Ihrem Server die Trainingsumgebung, die Versionierung der Datensätze und das Modellregister ein. Rechtsberatung und Konformitätsbewertung leisten wir nicht; das tun Ihre notifizierte Stelle und Ihre Rechtsberatung.

FAQ