KI-Komponenten
Die Klassifizierung stützt sich auf die nicht verbindliche Kommissionsleitlinie C(2025) 5053 . KI-Systeme sind nicht passiv, sondern wirken aktiv auf ihre Umgebung ein. Sie können materielle und virtuelle Umgebungen beeinflussen.
Die Klassifizierung stellt eine fachliche Arbeitsgrundlage für die interne Abstimmung im KI-Reallabor dar. Sie ersetzt keine Rechtsberatung und keine verbindliche Feststellung durch die zuständige Marktüberwachungsbehörde oder den Gerichtshof der Europäischen Union.
Semantische Suche
Datensätze finden, ohne den exakten Begriff zu kennen
KI-System - Minimales Risiko
Wer z. B. nach Geodaten zum Thema Hochwasser sucht, kennt selten den exakten Titel des passenden Datensatzes. Die semantische Suche löst genau dieses Problem: Sie versteht Suchanfragen inhaltlich, statt nur nach exakten Wörtern zu filtern.
Wie es funktioniert
Statt Datensätze über einzelne Schlagworte zu vergleichen, wandelt das System Suchanfragen und Datensatzbeschreibungen in numerische Vektoren um, sogenannte Embeddings. Datensätze mit ähnlicher inhaltlicher Bedeutung liegen im Vektorraum nah beieinander - auch wenn sie unterschiedliche Begriffe verwenden. Eine Suche nach „Überflutungsgefahr an der Nahe" findet so auch Datensätze, die von „Hochwasserrisiko" oder „Ausuferung" sprechen.
Einsatz z. B. im Gewässer-Zwilling
Die semantische Suche erschließt die Datenbestände der beteiligten Landes- und Bundessysteme für kommunale Sachbearbeitende, Forschung und interessierte Öffentlichkeit - unabhängig davon, welche der beteiligten Institutionen den jeweiligen Datensatz ursprünglich bereitgestellt hat.
Rechtliche Einordnung
Nach der Kommissionsleitlinie C(2025) 5053Die semantische Suche gilt als KI-System im Sinne von Art. 3 Nr. 1 KI-VO, da sie auf trainierten Embedding-Modellen beruht und damit über einfache Datenverarbeitung hinausgeht. Als Anwendung mit geringer Kritikalität ist derzeit keine Hochrisiko-Einstufung nach Anhang III ersichtlich.
Quellen und weiterführende Informationen
Metadaten-Enrichment
Automatisierte Anreicherung nach dem Standard DCAT-AP
Grenzfall- Klärung läuft
Jeder Geodatensatz braucht vollständige, standardkonforme Metadaten, damit er auffindbar und mit anderen Datenportalen austauschbar ist. Das Metadaten-Enrichment übernimmt diese Anreicherung automatisiert – von der Themenzuordnung bis zur Lizenzkennzeichnung.
Wie es funktioniert
Auf Basis vorhandener Dateninhalte und bestehender Beschreibungen schlägt das System fehlende Metadatenfelder vor: Themenkategorie, kontrollierte Vokabulare, räumliche und zeitliche Bezüge. Ob dahinter ein trainierter Klassifikator oder ein festes Regelwerk steht, entscheidet darüber, ob diese Komponente als KI-System im Sinne der KI-Verordnung gilt.
Einsatz z. B. im Gewässer-Zwilling
Die Anreicherung stellt sicher, dass Datensätze aus den beteiligten Landes- und Bundessystemen dem deutschen Standard DCAT-AP.de sowie dem europäischen DCAT-AP entsprechen und damit sowohl im GovData-Verbund als auch im europäischen Datenportal auffindbar bleiben – gerade jetzt, wo das INSPIRE-Geoportal zugunsten von data.europa.eu abgeschaltet wird.
Rechtliche Einordnung
Nach der Kommissionsleitlinie C(2025) 5053Beruht die Anreicherung auf einem trainierten Klassifikationsmodell, liegt ein KI-System vor. Erfolgt sie ausschließlich über feste Konkordanztabellen, handelt es sich um einfache Datenverarbeitung außerhalb der Definition. Diese Frage ist für den aktuellen Entwicklungsstand noch offen.
Quellen und weiterführende Informationen
LSTM/Transformer-Zeitreihenprognose
Pegelstände und Niederschlag-Abfluss-Verhalten vorhersagen
KI-System - Prüfbedarf Hochrisiko
Wie hoch steht der Pegel in 24 Stunden? Deep-Learning-Modelle auf Basis von LSTM- und Transformer-Architekturen lernen aus historischen hydrologischen Zeitreihen, um Pegelstände und Abflussverhalten vorherzusagen.
Wie es funktioniert
Die Modelle werden mit gemessenen Pegelständen, Niederschlagsdaten und Wettervorhersagen trainiert und lernen daraus zeitliche Muster, etwa wie stark und wie schnell ein Niederschlagsereignis auf den Pegel durchschlägt. Anders als klassische Benchmark-Vorhersagen (etwa der historische Mittelwert) erfassen sie auch komplexe, nichtlineare Zusammenhänge in hochdynamischen Situationen.
Einsatz z. B. im Gewässer-Zwilling
Die Prognosen fließen in das Ensemble-Vorhersagesystem des Gewässer-Zwillings ein und ergänzen etablierte hydrodynamische Modelle, wie sie in der amtlichen Hochwasservorhersage bereits im Einsatz sind. Amtliche Hochwasserwarnungen bleiben Aufgabe der zuständigen Behörden.
Rechtliche Einordnung
Nach der Kommissionsleitlinie C(2025) 5053 und Art. 6 KI-VOAls KI-System eingestuft. Ob eine Hochrisiko-Einstufung nach Anhang III (kritische Infrastruktur bzw. Notdienste) greift, hängt davon ab, wie unmittelbar die Prognose in Katastrophenschutz-Entscheidungen einfließt. Die Entwurfsleitlinien der Kommission vom 19. Mai 2026 zur Hochrisiko-Klassifizierung werden hierzu aktuell geprüft.
Quellen und weiterführende Informationen
GNN-Ausbreitungsmodell
Wie sich Wasser durch die Landschaft bewegt
KI-System - Einzelfallprüfung Planungsbezug
Ein Fluss folgt nicht nur seinem Bett – bei Hochwasser breitet sich Wasser über Nebenläufe, Senken und bebaute Flächen aus. Das Graph Neural Network (GNN) bildet dieses Fließverhalten als Netzwerk ab und berechnet, wie tief und wie schnell sich Wasser an einzelnen Orten ausbreitet.
Wie es funktioniert
Das Gewässernetz und die umliegende Topografie werden als Graph modelliert: Knotenpunkte stehen für Orte, Kanten für die Fließbeziehungen zwischen ihnen. Das Modell lernt aus historischen Überflutungsereignissen und Geländedaten, wie sich Wasser entlang dieser Struktur ausbreitet, und kann so auch für bislang nicht simulierte Szenarien Überflutungstiefen abschätzen.
Einsatz z. B. im Gewässer-Zwilling
Die Ausbreitungskarten des GNN-Modells nutzen die Geometriedaten der beteiligten Landes- und Bundessysteme und unterstützen kommunale Planungsprozesse, etwa bei der Einschätzung von Überflutungsrisiken für Bebauungspläne. Die Letztentscheidung in Genehmigungsverfahren bleibt bei den zuständigen Behörden.
Rechtliche Einordnung
Nach der Kommissionsleitlinie C(2025) 5053Als KI-System eingestuft, da es auf graphbasiertem Repräsentationslernen statt festen Regeln beruht. Ob eine Verbindung zu automatisierten Genehmigungsentscheidungen eine Hochrisiko-Prüfung nach Anhang III erforderlich macht, wird derzeit einzelfallbezogen geklärt.
Quellen und weiterführende Informationen
PINN-Surrogatmodell
Physikalische Simulation in Echtzeit annähern
Grenzfall - Einzeln kein KI-System
Vollständige physikalische Hochwassersimulationen liefern präzise Ergebnisse, benötigen dafür aber Rechenzeit, die im akuten Ereignisfall oft fehlt. Das Physics-Informed Neural Network (PINN) lernt aus den Ausgaben eines etablierten Simulators und liefert für bekannte Gebiete Näherungsergebnisse in Echtzeit.
Wie es funktioniert
Das Modell wird darauf trainiert, die Ergebnisse einer bestehenden physikbasierten Hochwassersimulation nachzubilden. Für bereits simulierte Gebiete liefert es in Sekunden, was die vollständige Simulation in Stunden berechnet. Bei unbekannten oder untypischen Gebieten greift automatisch die vollständige physikalische Simulation als Rückfalllösung.
Einsatz z. B. im Gewässer-Zwilling
Im Ensemble-Vorhersagesystem liefert das PINN-Surrogat die schnelle erste Einschätzung, während die vollständige Simulation im Hintergrund zur Kontrolle weiterläuft. So verbindet der Gewässer-Zwilling die Geschwindigkeit datengetriebener Modelle mit der Verlässlichkeit etablierter physikalischer Verfahren.
Rechtliche Einordnung
Nach der Kommissionsleitlinie C(2025) 5053Systeme, die eine bestehende physikalische Simulation lediglich annähern oder beschleunigen, ohne die zugrunde liegende Entscheidungslogik zu verändern, fallen nach der Leitlinie der Kommission in der Regel nicht unter die Definition eines KI-Systems. Als isolierte Komponente ist das PINN-Surrogat daher voraussichtlich kein KI-System – im Ensemble-Verbund mit den KI-gestützten Prognosemodellen wird es jedoch Teil eines Gesamtsystems, das als KI-System gilt.
Quellen und weiterführende Informationen
Compliance-LLM
Regulatorische Fragen direkt aus dem Quellenkorpus beantworten
KI-System - Begrenztes Risiko · Art. 50
Welche Frist gilt für welche AI-Act-Pflicht? Wie ist ein bestimmter Anwendungsfall einzuordnen? Das Compliance-LLM beantwortet solche Fragen für kommunale KI-Beauftragte direkt auf Basis der im KI-Reallabor gepflegten Dokumente – mit Quellenangabe statt allgemeiner Vermutung.
Wie es funktioniert
Das Sprachmodell arbeitet nach dem Prinzip Retrieval-Augmented Generation (RAG): Zu jeder Anfrage sucht es zunächst die passenden Passagen im hinterlegten Dokumentenkorpus – EU-KI-Verordnung, Omnibus-Texte, Landtagsdrucksachen – und formuliert die Antwort auf dieser Grundlage, statt aus antrainiertem, möglicherweise veraltetem Wissen zu schöpfen. Das System läuft on-premise, die Anfragen verlassen damit nicht die eigene Infrastruktur.
Einsatz z. B. im Gewässer-Zwilling
Kommunale KI-Beauftragte und Mitarbeitende der beteiligten Institutionen nutzen das Compliance-LLM, um regulatorische Einordnungsfragen zum Gewässer-Zwilling und zum KI-Reallabor insgesamt schnell und quellengestützt zu klären, etwa zur Klassifizierung einzelner Komponenten nach der KI-Verordnung.
Rechtliche Einordnung
Nach der Kommissionsleitlinie C(2025) 5053 und Art. 50 KI-VOAls generatives Sprachmodell eindeutig ein KI-System. Da es mit natürlichen Personen interagiert, sind die Transparenzpflichten nach Art. 50 KI-VO zu beachten, die ab 2. August 2026 gelten. Das System trifft keine automatisierten Letztentscheidungen, sondern unterstützt ausschließlich die menschliche Einschätzung.
Quellen und weiterführende Informationen
KI-Systeme mit allgemeinem Verwendungszweck können als eigenständige Hochrisiko-KI-Systeme oder als Komponenten anderer Hochrisiko-KI-Systeme eingesetzt werden. Anbieter solcher Systeme arbeiten daher mit Anbietern und den Behörden der relevanten Hochrisiko-KI-Systeme zusammen, um die Pflichten der Verordnung umzusetzen.
Der Anbieter eines Hochrisiko-KI-Systems und ein Dritter legen in einer Vereinbarung fest, welche Informationen, Fähigkeiten, technischen Zugang und Unterstützung erforderlich sind, damit der Anbieter des Hochrisiko-KI-Systems seine Pflichten erfüllen kann.
Für Hochrisiko-KI-Systeme, die zu registrieren sind, werden Informationen bereitgestellt und auf dem neuesten Stand gehalten, z. B. Zweckbestimmung des KI-Systems und der Komponenten und Funktionen.