Praxisorientierte Einordnung zu EU AI Act, ISO 42001 und ISO 27001: Wie die Rahmenwerke zusammenspielen: Anforderungen verstehen, Risiken priorisieren und eine belastbare Umsetzung für EU AI Act aufbauen.
EU AI Act, ISO/IEC 42001 und ISO/IEC 27001 werden häufig in getrennten Projekten behandelt. Das führt zu drei Inventaren, mehreren Risikomethoden und widersprüchlichen Freigaben. Sinnvoller ist ein integriertes Managementsystem: Der AI Act definiert verbindliche rechtliche Pflichten, ISO 42001 strukturiert die verantwortliche Entwicklung und Nutzung von KI, und ISO 27001 steuert Informationssicherheitsrisiken.
Keines der drei Rahmenwerke ersetzt die anderen. Ein ISO-27001-Zertifikat beweist keine AI-Act-Konformität. Ein KI-Managementsystem nach ISO 42001 deckt nicht automatisch jede gesetzliche Anbieter- oder Betreiberpflicht ab. Umgekehrt enthält der AI Act keinen vollständigen Bauplan für sämtliche Governance- und Sicherheitsprozesse eines Unternehmens. Die Stärke liegt in einer präzisen Zuordnung und gemeinsamen Umsetzung.
Drei unterschiedliche Zwecke verstehen
Der AI Act ist unmittelbar geltendes EU-Recht mit risikobasierten Regeln für Anbieter, Betreiber und weitere Akteure. Er verbietet bestimmte Praktiken, stellt Anforderungen an Hochrisiko-KI und regelt unter anderem Transparenz sowie General-Purpose-AI-Modelle. Anwendbarkeit und Pflichtumfang hängen von Rolle, Zweck und Systemklasse ab.
ISO 42001 ist ein freiwillig anwendbarer und zertifizierbarer Managementsystemstandard für Organisationen, die KI entwickeln, bereitstellen oder nutzen. ISO 27001 ist der Managementsystemstandard für Informationssicherheit und schützt Vertraulichkeit, Integrität und Verfügbarkeit durch risikobasiertes Vorgehen. Beide Normen schaffen wiederholbare Prozesse, während das Gesetz konkrete rechtliche Mindestanforderungen setzt.
Warum ISO 27001 allein nicht genügt
Ein ISMS liefert wertvolle Grundlagen: Kontext, Führung, Risikobewertung, Richtlinien, Kompetenz, Lieferantensteuerung, Incident Management, Audit und kontinuierliche Verbesserung. Diese Strukturen können für KI wiederverwendet werden. Sie behandeln jedoch nicht automatisch Auswirkungen auf Grundrechte, Rollen nach dem AI Act, menschliche Aufsicht, Datenqualität für KI oder die Konformitätsbewertung eines Hochrisiko-Systems.
Auch technische Sicherheitskontrollen benötigen Erweiterung. Klassische Zugriffskontrolle schützt ein Modellartefakt, erkennt aber keine Datenvergiftung. Secure Development adressiert Codefehler, deckt aber nicht ohne Weiteres Prompt Injection, Model Extraction oder unsichere autonome Werkzeuge ab. Das ISMS ist daher ein stabiles Fundament, aber kein vollständiges KI-Kontrollprofil.
Warum ISO 42001 keine automatische Rechtskonformität beweist
ISO 42001 hilft, Richtlinien, Ziele, Verantwortlichkeiten, Risiko- und Wirkungsbewertung, Ressourcen, Betrieb, Messung und Verbesserung für KI zu organisieren. Eine Zertifizierung kann Vertrauen in das Managementsystem erhöhen. Sie bestätigt jedoch nicht automatisch, dass jedes einzelne System richtig als Hochrisiko eingestuft oder jede anwendbare AI-Act-Pflicht erfüllt wurde.
Rechtliche Rolle und Anwendungstermine müssen außerhalb der bloßen Normkonformität präzise bestimmt werden. Anbieter eines Hochrisiko-Systems benötigen beispielsweise konkrete technische Dokumentation und ein passendes Konformitätsverfahren. Betreiber haben eigene Pflichten im Nutzungskontext. Das Mapping muss deshalb bis auf System, Pflicht und Nachweis reichen.
Die gemeinsame High-Level-Struktur nutzen
ISO-Managementsystemstandards besitzen eine ähnliche Grundstruktur mit Kontext, Führung, Planung, Unterstützung, Betrieb, Leistungsbewertung und Verbesserung. Dadurch lassen sich zentrale Prozesse teilen. Managementreview, interne Audits, Dokumentenlenkung, Kompetenzsteuerung und Korrekturmaßnahmen müssen nicht doppelt aufgebaut werden.
Geteilt bedeutet nicht identisch. Ein integriertes Managementreview enthält gemeinsame Themen und spezifische Perspektiven: Sicherheitsvorfälle, KI-Auswirkungen, gesetzliche Änderungen, Modellleistung und Chancen. Auditprogramme kombinieren Systemstichproben, ohne fachliche Prüfkriterien zu vermischen. Zuständigkeiten bleiben erkennbar. Dadurch sinkt der Koordinationsaufwand, ohne dass fachliche Tiefe verloren geht.
Einen abgestimmten Geltungsbereich definieren
Das ISMS kann nur bestimmte Standorte oder Geschäftsprozesse umfassen, während KI-Anwendungen konzernweit genutzt werden. Das AIMS nach ISO 42001 kann wiederum eigene Produkte einschließen, aber interne Schatten-KI übersehen. Der AI Act gilt system- und rollenbezogen unabhängig vom Zertifizierungsscope. Diese Unterschiede müssen ausdrücklich dokumentiert werden.
Ein Scope-Mapping zeigt Gesellschaft, Prozess, System, Standort, Rolle und Zertifizierungsabdeckung. Für jedes KI-System ist erkennbar, welche Managementsysteme greifen und wo ergänzende Governance erforderlich ist. Aussagen wie „durch ISO abgedeckt“ werden vermieden, wenn das konkrete System außerhalb des zertifizierten Bereichs liegt.
Ein gemeinsames KI- und Assetinventar aufbauen
ISO 27001 benötigt Transparenz über Informationen und andere relevante Assets. ISO 42001 verlangt einen organisatorischen Blick auf KI-Systeme und ihre Nutzung. Der AI Act erfordert systembezogene Rollen- und Klassifizierungsentscheidungen. Ein gemeinsames Datenmodell verhindert drei unterschiedlich gepflegte Listen.
Der Basiseintrag enthält Zweck, Eigentümer, Modell, Daten, Schnittstellen, Nutzer, betroffene Personen, Hosting, Lieferanten, Automatisierungsgrad, menschliche Kontrolle und Lebenszyklusstatus. Ergänzende Felder zeigen AI-Act-Rolle und Klasse, interne Kritikalität, ISMS-Scope, AIMS-Scope, Freigabe und nächste Prüfung. Änderungen werden aus Einkauf und technischer Bereitstellung eingespeist.
Risikomanagement mit zwei Wirkungsperspektiven
Informationssicherheitsrisiken betrachten Auswirkungen auf Organisation und interessierte Parteien durch Verlust von Vertraulichkeit, Integrität oder Verfügbarkeit. KI-Risiken umfassen darüber hinaus mögliche Schäden für Personen, Gruppen und Gesellschaft sowie Qualitäts-, Fairness-, Transparenz- und Sicherheitsprobleme. Eine gemeinsame Methode muss beide Perspektiven erhalten.
Das Risikoregister verbindet Szenario, Betroffene, Auslöser, vorhandene Kontrollen, Wahrscheinlichkeit, Auswirkung und Entscheidung. Ein fehlerhaftes Bewerbermodell kann rechtliche und grundrechtliche Folgen haben, während eine kompromittierte Modellschnittstelle zugleich vertrauliche Daten gefährdet. Teilbewertungen dürfen unterschiedlich skaliert sein, werden aber zu einer gemeinsamen Behandlungsentscheidung geführt.
ISO 23894 als methodische Ergänzung
ISO/IEC 23894 gibt Leitlinien für das Management KI-spezifischer Risiken bei Entwicklung, Bereitstellung und Nutzung. Sie kann die Risikoprozesse von ISO 42001 fachlich vertiefen und mit bestehendem Enterprise- oder Informationssicherheitsrisikomanagement verbinden. Sie ist kein Ersatz für den verpflichtenden AI-Act-Risikoprozess eines Hochrisiko-Anbieters.
Praktisch wird ein gemeinsames Szenarioformat genutzt und um KI-Merkmale ergänzt: Datenabhängigkeit, Modellunsicherheit, betroffene Gruppen, menschliche Interaktion, Anpassungsfähigkeit und Veränderung im Betrieb. So bleiben Risiken vergleichbar, ohne KI in ein rein technisches Schadensmodell zu pressen.
Rollenmodell über Managementsysteme hinweg
Die Geschäftsleitung verantwortet Politik, Ressourcen und Risikobereitschaft. Ein AIMS-Verantwortlicher koordiniert KI-Governance; der CISO steuert Informationssicherheit. Fachbereiche besitzen Zweck und Auswirkungen ihrer Systeme. Datenschutz, Legal, Einkauf, Entwicklung und interne Revision übernehmen klar definierte Beiträge.
Zusätzlich werden die gesetzlichen Rollen pro System erfasst. Die Organisation kann bei einem System Betreiber und bei einem anderen Anbieter sein. Diese Rolle ist keine Stellenbezeichnung, sondern folgt der konkreten Wertschöpfungskette. Ein RACI verbindet organisatorische Entscheidung und gesetzliche Verantwortlichkeit, ohne sie zu verwechseln.
Politiken konsolidieren statt duplizieren
Eine übergeordnete Richtlinie kann verantwortliche KI-Nutzung, Informationsschutz, rechtliche Einhaltung und Eskalation zusammenführen. Darunter liegen spezifische Standards für erlaubte Werkzeuge, Daten, Entwicklung, Lieferanten, menschliche Aufsicht, Kennzeichnung und Monitoring. Verweise ersetzen wiederholte Absätze.
Die Richtlinienhierarchie zeigt Vorrang und Geltungsbereich. Ein allgemeiner KI-Nutzungsstandard darf eine strengere Klassifizierungsregel für vertrauliche Informationen nicht abschwächen. Änderungen am AI Act oder an einem Modellanbieter werden an einer kontrollierten Stelle eingearbeitet und über betroffene Dokumente nachvollzogen. Beschäftigte erhalten dadurch eine eindeutige und konsistente Handlungsgrundlage.
Kontrollregister mit klarer Nachweislogik
Das zentrale Register enthält Anforderung, Kontrollziel, konkrete Kontrolle, Eigentümer, Frequenz, Systembezug und Evidenz. Eine Kontrolle kann mehrere Quellen bedienen. Beispielsweise unterstützt Versionsverwaltung sowohl Informationsintegrität nach ISO 27001 als auch technische Dokumentation und Änderungsnachweis im KI-Lebenszyklus.
Mehrfachabdeckung wird nur behauptet, wenn Scope und Ziel wirklich passen. Ein jährlicher Lieferantenfragebogen ersetzt keine laufende Überwachung eines kritischen Modellwechsels. Eine Datenschutz-Folgenabschätzung ersetzt keine KI-Risikobewertung. Das Register zeigt deshalb vollständige, teilweise und fehlende Abdeckung getrennt.
Daten-Governance als gemeinsame operative Schicht
ISO 27001 schützt Daten durch Klassifizierung, Berechtigungen, Übertragung, Speicherung und Löschung. ISO 42001 adressiert Daten im Kontext verantwortlicher KI. Der AI Act stellt für Hochrisiko-Anbieter spezifische Anforderungen an Trainings-, Validierungs- und Testdaten. Gemeinsam entsteht eine Datenakte pro System.
Die Akte dokumentiert Herkunft, Rechte, Repräsentativität, Qualitätsprüfungen, Version, Schutzbedarf, Zugriffe und Änderungsfreigabe. Retrieval-Daten werden ebenfalls einbezogen, weil sie das Verhalten generativer Systeme im Betrieb prägen. Technische Kontrollen sichern Integrität; fachliche Prüfungen bewerten Eignung und mögliche Verzerrungen.
Secure Development um KI-Lebenszyklus erweitern
Bestehende Entwicklungskontrollen wie Code Review, Abhängigkeitsprüfung, Secrets Management und Trennung von Umgebungen bleiben relevant. Für KI kommen Modell- und Datensatzregistrierung, Evaluationsdesign, Prompt- und Konfigurationsversionierung, adversariale Tests und Überwachung von Drift hinzu.
Der Freigabepunkt bündelt Nachweise aus allen drei Perspektiven. Sicherheit bestätigt technische Mindestkontrollen, AIMS-Governance prüft verantwortliche Nutzung und Wirkung, Legal bestätigt Rolle sowie anwendbare AI-Act-Pflichten. Die Entscheidung gilt für eine definierte Version und einen klaren vorgesehenen Zweck. Jede wesentliche Änderung führt zurück zu diesem kontrollierten Entscheidungspunkt.
Menschliche Aufsicht zwischen Recht und Managementsystem
Der AI Act formuliert für Hochrisiko-KI konkrete Anforderungen an menschliche Aufsicht. ISO 42001 hilft, Rollen, Kompetenz und Prozesse dauerhaft zu organisieren. ISO 27001 unterstützt Berechtigungen, Funktionstrennung und Protokollierung. Zusammen entsteht eine technisch und organisatorisch wirksame Kontrolle.
Die aufsichtführende Person erhält verständliche Systeminformationen, ausreichend Zeit, Autorität zum Eingreifen und einen Eskalationsweg. Testfälle prüfen, ob sie plausible Fehler erkennt. Protokolle zeigen Übersteuerung und Entscheidung, ohne sensible Inhalte unnötig zu speichern. Ergebnisse fließen in Schulung und Systemdesign zurück.
Lieferantensteuerung um Modellketten ergänzen
ISO 27001 liefert etablierte Verfahren für Lieferantenrisiken. ISO 42001 erweitert die Sicht auf KI-Verantwortung und Auswirkungen. Der AI Act verlangt je nach Rolle Informationen in der Wertschöpfungskette. Ein integrierter Fragebogen erhebt deshalb nicht nur Zertifikate und Hosting, sondern auch Modellversion, Datenverwendung, Leistungsgrenzen und Änderungsmechanismus.
Kritische Verträge sichern Vorfallunterstützung, Nachweise und rechtzeitige Information. Unterauftragnehmer und Modellanbieter werden als Kette erfasst. Die Organisation prüft, ob ein Wechsel ihre Risikoklasse, Leistung oder Dokumentation verändert. Ein allgemeines ISO-Zertifikat des SaaS-Anbieters ersetzt diese systembezogene Bewertung nicht.
Incident Management um KI-Auswirkungen erweitern
Das bestehende Sicherheitsvorfallverfahren ist ein guter Ausgangspunkt für Datenabfluss, kompromittierte Zugangsdaten oder Verfügbarkeit. KI-Vorfälle können zusätzlich systematische Fehlentscheidungen, diskriminierende Wirkung, Modellmanipulation oder unzulässige autonome Aktionen umfassen. Der Eingang muss technische und fachliche Meldungen zusammenführen.
Runbooks enthalten Beweissicherung für Modell-, Daten- und Konfigurationsversion, fachliche Folgenbewertung, mögliche AI-Act-Meldung und Ersatzverfahren. Ein Rollback stellt nicht nur Anwendungscode, sondern auch Modell und Daten wieder her. Erkenntnisse werden als Korrekturmaßnahme im integrierten Managementsystem verfolgt. Übungen prüfen, ob die beteiligten Funktionen unter Zeitdruck dieselbe Lage bewerten.
Monitoring mit gemeinsamen Daten und getrennten Kriterien
Technische Verfügbarkeit, Sicherheitsereignisse, Modellqualität, Drift, Beschwerden und fachliche Auswirkungen stammen aus verschiedenen Quellen. Ein gemeinsames Systemprofil verbindet sie über eindeutige Versionen. So können Sicherheits- und KI-Governance-Gremien dieselben Tatsachen verwenden.
Bewertungsschwellen bleiben fachlich spezifisch. Eine stabile API sagt nichts über faire Ergebnisse aus; eine gute Durchschnittsgenauigkeit beweist keine sichere Berechtigung. Dashboards führen die Perspektiven zusammen, ohne sie auf eine einzige Kennzahl zu reduzieren. Kritische Abweichungen lösen definierte Entscheidungen aus. Jede Schwelle besitzt deshalb einen fachlichen Eigentümer und einen dokumentierten Eskalationsweg.
Interne Audits integriert planen
Das Auditprogramm nutzt gemeinsame Grundlagen wie Dokumentenlenkung, Kompetenz und Managementreview. Systemstichproben prüfen anschließend AI-Act-Pflichten, AIMS-Prozesse und Sicherheitskontrollen in einer durchgängigen Spur. Das reduziert wiederholte Interviews und zeigt Wechselwirkungen besser.
Prüfer benötigen jedoch ausreichende Kompetenz und Unabhängigkeit für jede Perspektive. Ein ISMS-Auditor ist nicht automatisch qualifiziert, Datenrepräsentativität oder Hochrisiko-Klassifizierung abschließend zu bewerten. Bei Bedarf arbeitet ein multidisziplinäres Team mit gemeinsamen Feststellungen und klarer fachlicher Verantwortlichkeit. Die Auditplanung weist diese Kompetenzen vor Prüfungsbeginn nachvollziehbar zu.
Managementreview mit entscheidungsfähigem Bericht
Die Leitung erhält ein gemeinsames Bild über neue Systeme, Chancen, gesetzliche Änderungen, wesentliche Risiken, Sicherheitsvorfälle, Qualitätsabweichungen, Lieferantenlücken und Auditfeststellungen. Der Bericht trennt Information von Entscheidungen. Offene Restrisiken werden mit Handlungsoptionen und Verantwortlichen vorgelegt.
Gemeinsame Kennzahlen sind Anteil klassifizierter Systeme, ungeprüfte wesentliche Änderungen und überfällige Maßnahmen. Spezifische Kennzahlen bleiben ergänzt, etwa Sicherheitsvorfälle, Drift oder Wirksamkeit menschlicher Aufsicht. Trends und Systembezug sind aussagekräftiger als reine Aktivitätsmengen. Jede Kennzahl ist mit einer Entscheidung oder einem akzeptierten Beobachtungszweck verbunden.
Zertifizierungsstrategie realistisch wählen
Ein Unternehmen kann ISO 27001 und ISO 42001 integriert implementieren und dennoch unterschiedliche Zertifizierungsscopes wählen. Entscheidend ist, welche Geschäftsaussage die Zertifikate unterstützen sollen. Ein enger AIMS-Scope für eine Produktlinie kann sinnvoll starten, darf aber nicht als Nachweis für sämtliche KI-Nutzung kommuniziert werden.
Die AI-Act-Konformität bleibt system- und rollenbezogen. Zertifikate können Kontrollen und Managementreife belegen, ersetzen jedoch keine vorgeschriebene Konformitätsbewertung oder Betreiberpflicht. Marketing und Vertrieb erhalten deshalb freigegebene Formulierungen, die Scope und Aussage korrekt darstellen.
Ein Mapping in sieben Spalten
Eine praxistaugliche Matrix enthält Quelle und Klausel, konkrete Pflicht, betroffene Rolle, Systemscope, vorhandene Kontrolle, Nachweis und Lücke. Hinzu kommen Eigentümer und Reviewdatum. Die Matrix wird nicht als einmaliges Beratungsdokument, sondern als Kontrollregister gepflegt.
Beispiel: Die AI-Act-Anforderung an Cybersicherheit wird auf Bedrohungsmodell, sichere Entwicklung, Zugriffskontrolle und adversariale Tests gemappt. ISO 27001 liefert Teile der allgemeinen Kontrollen; ISO 42001 verankert sie im KI-Lebenszyklus. Die verbleibende KI-spezifische Testlücke wird sichtbar und erhält eine Maßnahme.
Beispiel: ISO-27001-zertifiziertes Unternehmen führt ein AIMS ein
Das Unternehmen übernimmt Dokumentenlenkung, Audit, Korrekturmaßnahmen, Kompetenzprozess und Managementreview. Es erweitert Kontext und interessierte Parteien um KI-Auswirkungen, baut ein KI-Inventar auf und definiert Rollen, Wirkungsbewertung sowie systemspezifische Kontrollen. Das vorhandene Risikoverfahren erhält zusätzliche Perspektiven für Betroffene und Modellverhalten.
Für mögliche Hochrisiko-Systeme entsteht parallel ein AI-Act-Mapping. Die Zertifizierung des ISMS bleibt bestehen, während das AIMS zunächst kritische Geschäftsbereiche umfasst. Gemeinsame Prozesse werden einmal betrieben; spezifische Nachweise bleiben in den jeweiligen Systemakten nachvollziehbar.
Beispiel: Eigener KI-Dienst für Kunden
Ein Anbieter betreibt ein integriertes ISMS und AIMS. Das Produktteam versioniert Modell, Daten und Konfiguration. Das Kontrollregister verbindet Sicherheitsanforderungen, verantwortliche KI-Ziele und gesetzliche Pflichten. Lieferanteninformationen des Basismodells fließen in die technische Dokumentation des eigenen Systems ein.
Vor jeder wesentlichen Änderung werden Rolle, Zweck, Risikoklasse, Leistung und Cybersicherheit neu bewertet. Monitoring erfasst technische Störungen, Angriffssignale, Qualitätsdrift und Kundenbeschwerden. Das Managementsystem hält den Prozess stabil; die konkrete AI-Act-Konformitätsakte bleibt produkt- und versionsbezogen.
Typische Integrationsfehler vermeiden
Der häufigste Fehler ist ein oberflächliches Kreuzmapping, bei dem gleich klingende Begriffe als vollständige Abdeckung gelten. Ebenso problematisch ist ein neues AIMS neben dem ISMS mit eigenem Audit, eigenem Lieferantenregister und separatem Incident-Prozess. Beides erzeugt entweder falsche Sicherheit oder unnötige Bürokratie.
Weitere Fehler sind unklare Scopes, fehlende gesetzliche Rollen und Zertifikatsaussagen ohne Systembezug. Ein gutes Integrationsdesign teilt Prozesse dort, wo Zweck und Evidenz gleich sind, und hält spezifische Kriterien dort getrennt, wo AI Act, KI-Wirkung oder Informationssicherheit unterschiedliche Fragen stellen.
Fazit: Ein Managementsystem, mehrere präzise Perspektiven
ISO 27001 schafft das Fundament für Informationssicherheit, ISO 42001 organisiert verantwortliche KI-Governance, und der EU AI Act setzt verbindliche system- und rollenbezogene Anforderungen. Effizienz entsteht durch gemeinsame Prozesse, ein verbundenes Inventar und ein zentrales Kontrollregister. Verlässlichkeit entsteht durch klar markierte Scopes, Lücken und Nachweise.
BlackMount unterstützt beim integrierten Aufbau von AI-Act-, ISO-42001- und ISO-27001-Strukturen. Von Scope und Mapping über Risikomethode und Kontrollregister bis zu Audit und Managementreview entsteht ein prüfbares Betriebsmodell ohne parallele Bürokratie und ohne unbelegte Compliance-Aussagen.
