Verschaffen Sie sich Klarheit über Ihren Compliance-Status und entwickeln Sie einen praxisnahen Umsetzungsfahrplan für die EU-KI-Verordnung.
Unser umfassendes Readiness Assessment analysiert Ihre gesamte KI-Landschaft, identifiziert Compliance-Gaps und liefert Ihnen einen priorisierten Aktionsplan. In 6-8 Wochen erhalten Sie vollständige Transparenz über Ihre Verpflichtungen und konkrete Handlungsempfehlungen.
⏱️ 6-8 Wochen | 📊 150-200 Stunden | 💰 €15.000 – €35.000* | 📍 Remote & Vor-Ort
‚*‚ in Abhängigkeit der Unternehmensgröße und Komplexität der KI Systeme
Die Herausforderung: EU AI Act Compliance ist komplex
Der EU AI Act stellt Unternehmen vor fundamentale Fragen, deren Beantwortung spezialisierte Expertise erfordert:
Problem 1: Unklare Anwendbarkeit
Welche Ihrer KI-Systeme fallen überhaupt unter den AI Act? Die Definition von „KI-System“ ist breiter als viele annehmen. Nicht nur Machine Learning, sondern auch regelbasierte Systeme können betroffen sein. Ohne systematische Analyse riskieren Sie, kritische Systeme zu übersehen.
Problem 3: Technische Nachweispflichten
Wie dokumentieren Sie Fairness, Transparenz, Robustheit? Artikel 9-15 fordern konkrete technische Nachweise. Bias-Analysen, Explainability-Tests, Data Governance – ohne die passenden Tools und Methoden bleiben diese Anforderungen abstrakt.
Problem 2: Komplexe Risikoklassifizierung
Ist Ihr System Hochrisiko, Limited Risk oder Minimal Risk? Die Klassifizierung hängt von Anwendungsfall, Branche und Einsatzkontext ab. Annex III listet 8 Hochrisiko-Bereiche mit jeweils spezifischen Anforderungen. Eine Fehleinschätzung kann fatale Konsequenzen haben.
Problem 4: Ressourcen & Zeitdruck
Bis August 2026 müssen Hochrisiko-Systeme compliant sein. Das ist näher als Sie denken. Interne Teams sind ausgelastet, Expertise fehlt, Budgets sind ungeklärt. Ohne externe Unterstützung wird die Umsetzung zur Überforderung.
Unser Ansatz: Systematisch, praxisnah, umsetzbar
Das waveImpact EU AI Act Readiness Assessment ist keine theoretische Compliance-Prüfung, sondern eine praxisorientierte Bestandsaufnahme Ihrer KI-Landschaft mit konkretem Umsetzungsfahrplan. Wir kombinieren regulatorisches Know-how mit technischer Tiefe und liefern Ihnen nicht nur eine Diagnose, sondern auch die Therapie.
Unser Assessment basiert auf drei Säulen:
1. Vollständige Inventarisierung
Wir erfassen systematisch alle KI-Systeme in Ihrem Unternehmen – von produktiven Anwendungen bis zu Pilotprojekten. Dabei nutzen wir strukturierte Interviews, Dokumentenanalyse und technische Inspektionen. Das Ergebnis: Ein vollständiges, kategorisiertes KI-System-Register.
2. Compliance-Gap-Analyse
Für jedes identifizierte System prüfen wir die Anwendbarkeit des EU AI Act und führen eine detaillierte Gap-Analyse durch. Wir bewerten nicht nur die offensichtlichen Anforderungen, sondern auch die technischen Details: Gibt es Bias? Ist das System erklärbar? Ist die Datenqualität ausreichend dokumentiert?
3. Priorisierter Aktionsplan
Die wichtigste Frage: Was müssen Sie wann tun? Wir entwickeln einen nach Risiko und Aufwand priorisierten Umsetzungsfahrplan mit realistischen Zeitschienen und Budgetschätzungen. Inkludiert sind Quick Wins, Must-Haves und Nice-to-Haves.
💡 Was uns unterscheidet
Anders als bei reinen Rechtsberatungen führen wir auch die technische Validierung durch. Unsere proprietäre RAI-Toolchain (AIF360, SHAP, Great Expectations) liefert messbare Compliance-Nachweise, keine bloßen theoretischen Einschätzungen. Sie erhalten nicht nur eine Rechtsauslegung, sondern auch technische Fakten.
Ihre Deliverables: Konkret, umsetzbar, werthaltig
📋 Vollständiges KI-System-Register
- Strukturierte Erfassung aller KI-Systeme (produktiv, Pilot, geplant)
- Kategorisierung nach Typ (ML, Deep Learning, regelbasiert, etc.)
- Anwendungsfall-Beschreibung und Business Impact
- Technische Architektur-Übersicht
- Verantwortlichkeiten und Stakeholder-Mapping
- Datenfluss-Dokumentation
Format: Excel/CSV + Python-basiertes Tracking-Tool (Proof of Concept)
⚖️ Compliance-Klassifizierung aller Systeme
- Anwendbarkeit des EU AI Act (Ja/Nein + Begründung)
- Risikoklasse: Prohibited / High-Risk / Limited Risk / Minimal Risk
- Annex III Mapping (für Hochrisiko-Systeme)
- GPAI-Klassifizierung (General Purpose AI Models)
- Verbotene Praktiken Check (Art. 5)
- Zusammenfassung regulatorischer Verpflichtungen pro System
Format: Detaillierter Bericht (PDF) + Executive Summary
🔬 Technische Tiefenanalyse (Hochrisiko-Systeme)
- Bias & Fairness Assessment (AIF360/Fairlearn)
- Disparate Impact Analysis
- Equal Opportunity Metrics
- Demographic Parity Tests
- Explainability Analysis (SHAP)
- Feature Importance Rankings
- Decision Path Transparency
- Model Card Erstellung
- Data Governance Check (Great Expectations)
- Data Quality Metrics
- Completeness & Consistency
- Provenance Tracking Assessment
- Robustness Testing
- Error Rate Analysis
- Edge Case Evaluation
- Adversarial Robustness (Basic)
Format: Technische Reports pro System + Visualisierungen
📊 Detaillierte Lücken-Analyse
- Anforderungs-Matrix: Soll vs. Ist pro Artikel (Art. 9-15, 72)
- Severity-Rating: Critical / High / Medium / Low
- Effort-Schätzung: Quick Wins vs. Major Projects
- Risiko-Bewertung: Compliance-Risiko bei Nicht-Umsetzung
- Dependency-Mapping: Was muss in welcher Reihenfolge passieren?
Format: Interaktive Matrix (Excel) + Visuelle Roadmap
🗓️ Priorisierter Aktionsplan
- Phase 1 (0-6 Monate): Quick Wins & Critical Issues
- Phase 2 (6-12 Monate): Major Implementations
- Phase 3 (12-24 Monate): Full Compliance & Optimization
Pro Phase:
- Konkrete Maßnahmen mit Beschreibung
- Verantwortlichkeiten & benötigte Skills
- Zeit- und Budget-Schätzungen
- Externe vs. interne Ressourcen
- Success Metrics & Meilensteine
Format: Gantt-Chart + Detaillierte Projektbeschreibungen
📈 Monitoring-Konzept (Art. 72 EU AI Act)
- Monitoring-Strategie für Hochrisiko-Systeme
- KPIs und Schwellwerte
- Data Collection Requirements
- Incident Reporting Prozess
- Review-Zyklen und Verantwortlichkeiten
- Tool-Empfehlungen für Continuous Monitoring
Format: Monitoring Plan Template (anpassbar)
🎯 Management-Kommunikation
- Executive Summary (5-10 Seiten)
- Compliance-Status auf einen Blick
- Top 5 Risiken & Handlungsempfehlungen
- Budget- und Zeitplan-Übersicht – Management-Präsentation (20-30 Slides)
- Für Vorstand/Geschäftsführung
- Für Aufsichtsrat/Beirat
- Anpassbar für verschiedene Zielgruppen
Format: PowerPoint + PDF
So arbeiten wir: 6-8 Wochen zum vollständigen Compliance-Überblick
Phase 1: Kickoff & Discovery (Woche 1)
🚀 Start
Aktivitäten:
- Kickoff-Workshop (halber Tag, vor Ort oder remote)
- Stakeholder-Interviews (C-Level, Legal, IT, Data Science)
- Dokumenten-Sichtung (existierende AI-Dokumentation)
- Zugang zu Systemen & Dokumentation klären
- Detailliertes Projekt-Setup
Output:
- Projektplan mit Zeitachse
- Stakeholder-Matrix
- Erste System-Liste (Draft)
Ihr Aufwand: 1 Tag (Workshop + Interviews)
Phase 2: System-Inventarisierung (Woche 1-3)
📋 Erfassung
Aktivitäten:
- Strukturierte Erfassung aller KI-Systeme
- Technische Interviews mit Entwicklungs-Teams
- Architektur-Review (Systemdesign, Datenflüsse)
- Use-Case-Dokumentation
- Business-Impact-Bewertung
- Verantwortlichkeiten-Mapping
Output:
- Vollständiges AI System Inventory
- Erste Kategorisierung nach Typ & Risiko
- Technische Steckbriefe pro System
Ihr Aufwand: 2-3 Tage (Team-Interviews verteilt)
Phase 3: Risikoklassifizierung & Compliance-Check (Woche 3-4)
⚖️ Bewertung
Aktivitäten:
- EU AI Act Applicability Assessment pro System
- Risikoklassifizierung nach Annex III
- Artikel-by-Artikel Compliance-Check (Art. 9-15, 72)
- GPAI-Klassifizierung
- Verbotene Praktiken Check
- Integration mit DSGVO-Compliance
Output:
- Risikoklass ifizierungs-Report
- Compliance-Status-Matrix (Soll vs. Ist)
- Liste betroffener Artikel pro System
Ihr Aufwand: 0,5 Tage (Rückfragen)
Phase 4: Technische Validierung (Woche 4-6)
🔬 Testing
Aktivitäten:
- Bias & Fairness Testing (Hochrisiko-Systeme)
- Explainability Analysis
- Data Quality Assessment
- Robustness Testing (Basis)
- Dokumentations-Audit
- Technische Risk Assessment
Technologie-Einsatz:
- IBM AI Fairness 360
- SHAP (Explainability)
- Great Expectations (Data Quality)
- Custom Analysis Scripts
Output:
- Technische Compliance-Reports pro System
- Bias-Analysen mit Visualisierungen
- Explainability-Dashboards
- Data Quality Scorecards
Ihr Aufwand: 1-2 Tage (Datenzugang, technische Rückfragen)
Phase 6: Präsentation & Handover (Woche 7-8)
🎯 Abschluss
Aktivitäten:
- Executive Summary Finalisierung
- Management-Präsentation (vor Ort empfohlen)
- Detaillierte Walk-Through aller Deliverables
- Q&A-Session mit Stakeholdern
- Handover-Workshop (nächste Schritte)
- Follow-up-Plan definieren
Output:
- Finale Dokumentation (alle Deliverables)
- Management-Präsentation
- Handover-Protokoll
- Optional: Follow-up-Angebot (Umsetzungsbegleitung)
Ihr Aufwand: 1 Tag (Präsentationen + Workshop)
>> Gesamtaufwand für Ihr Team: 5-8 Arbeitstage verteilt über 6-8 Wochen
Für wen ist dieses Assessment geeignet?
Industrie & Fertigung
🏭 Typische Systeme:
- Predictive Maintenance
- Qualitätskontrolle (Computer Vision)
- Produktionsplanung & -optimierung
- Roboter-Steuerung
- Supply Chain Optimization
Compliance-Herausforderungen:
- Hochrisiko wenn: Safety-relevant (Annex III.1)
- Robustheit & Cybersecurity kritisch
- CE-Kennzeichnung erforderlich
- Integration mit Maschinen-Richtlinie
Branchen: Automobil, Maschinenbau, Chemie, Pharma
Finanzdienstleistungen
💰 Typische Systeme:
- Kreditscoring & -bewertung
- Fraud Detection
- Algorithmic Trading
- Customer Service Chatbots
- Risk Assessment
Compliance-Herausforderungen:
- Hochrisiko: Kreditwürdigkeit (Annex III.5b)
- Bias besonders kritisch (Diskriminierung)
- Explainability-Anforderungen hoch
- BaFin-Aufsicht zusätzlich
Branchen: Banken, Versicherungen, FinTechs
HR & Recruiting
👥 Typische Systeme:
- CV-Screening & -Ranking
- Candidate Matching
- Performance Evaluation
- Workforce Planning
- Skill Assessment Tools
Compliance-Herausforderungen:
- Hochrisiko: Recruitment & Evaluation (Annex III.4)
- Fairness absolut kritisch (AGG-Relevanz)
- Transparenz gegenüber Kandidaten
- Dokumentationspflichten umfangreich
Branchen: Alle mit HR-AI, Recruiting-Plattformen
Gesundheitswesen
🏥 Typische Systeme:
- Diagnostik-Unterstützung
- Patientendaten-Analyse
- Medizinische Bildanalyse
- Therapie-Empfehlungen
- Administrative AI (Triage)
Compliance-Herausforderungen:
- Hochrisiko oft gegeben (Annex III.5d)
- MDR/IVDR Überschneidungen
- Patient Safety kritisch
- DSGVO besondere Kategorien (Gesundheitsdaten)
Branchen: Krankenhäuser, MedTech, Pharma, Health-IT
Weitere Branchen:
- Öffentliche Verwaltung (e-Government, Sozialleistungen)
- Einzelhandel (Personalisierung, Pricing)
- Energie & Utilities (Smart Grid, Demand Forecasting)
- Logistik (Route Optimization, Warehouse Automation)
- Telekommunikation (Network Optimization, Customer Service)
Unsere technische Expertise: Tools, die Fakten schaffen
Bias & Fairness Testing
🔍 IBM AI Fairness 360
Das führende Open-Source-Framework für Fairness-Analysen. Wir nutzen es für:
- 70+ Fairness-Metriken (Disparate Impact, Equal Opportunity, etc.)
- Pre-Processing, In-Processing, Post-Processing Mitigation
- Group Fairness & Individual Fairness Tests
- Intersectionale Analysen (z.B. Geschlecht + Alter kombiniert)
Einsatz: Credit Scoring, HR-Systeme, Zugangskontrollen
🔍 Microsoft Fairlearn
Für Constraint-basierte Fairness-Optimierung:
- Einfachere Client-Kommunikation als AIF360
- Trade-off-Analysen: Fairness vs. Accuracy
- Grid Search für faire Hyperparameter
- Integration mit scikit-learn
Einsatz: Kleinere Modelle, Prototyping, Client-Workshops
Explainability & Transparency
💡 SHAP (SHapley Additive exPlanations)
Der Gold-Standard für Model Explainability:
- Feature Importance auf Prediction-Level
- Globale & lokale Erklärungen
- Visualisierungen für technische & nicht-technische Stakeholder
- Model-agnostisch (funktioniert für fast alle ML-Modelle)
Deutsche Markt-Anforderung: „Warum hat das System diese Entscheidung getroffen?“
SHAP liefert die Antwort.
💡 LIME (Local Interpretable Model-agnostic Explanations)
Backup-Tool für spezielle Use Cases:
- Schnellere Berechnungen als SHAP
- Text & Image Explainability
- Model-agnostisch
Einsatz: NLP-Systeme, Computer Vision, komplexe Ensembles
Data Governance & Quality
📊 Great Expectations
Data Quality Framework für AI-Compliance:
- Automatisierte Data Validation
- Expectation Suites (Regeln für Datenqualität)
- Data Profiling & Documentation
- Audit Trails (DSGVO & AI Act konform)
EU AI Act Art. 10 Anforderung: „Training, validation and testing data sets shall be relevant, sufficiently representative, and to the best extent possible, free of errors and complete.“
Great Expectations macht diese Anforderung messbar und dokumentierbar.
Monitoring & Drift Detection
📈 Alibi Detect (für fortgeschrittene Assessments)
Falls Monitoring-Bedarf identifiziert wird:
- Data Drift Detection
- Model Drift Detection
- Outlier Detection
- Adversarial Detection
Einsatz: Post-Market Monitoring Plan Development
Methodologie
Unser Assessment folgt etablierten Frameworks:
- EU AI Act Conformity Assessment (Art. 43)
- ISO/IEC 42001:2023 (AI Management System)
- NIST AI Risk Management Framework
- IEEE 7000 Series (Ethically Aligned Design)
- BSI AI Cloud Service Compliance Criteria Catalogue (AIC4)
Kombiniert mit proprietären Checklists für deutsche Compliance-Kultur.
Transparente Preisgestaltung
Paket 1: ESSENTIAL
€15.000 – €25.000
Geeignet für:
- 2-5 KI-Systeme
- Klare Use Cases
- Limitierte Komplexität
- Erste Compliance-Orientierung
Enthält:
✓ AI System Inventory (bis 5 Systeme)
✓ Risikoklass ifizierung
✓ Compliance-Check (alle Systeme)
✓ Technische Validierung (1 Hochrisiko-System)
✓ Gap-Analyse & Roadmap
✓ Executive Summary
✓ Management-Präsentation
Dauer: 4-6 Wochen
Umfang: 120-150 Stunden
Paket 2: PROFESSIONAL
€28.000 – €35.000
Geeignet für:
- 5-10 KI-Systeme
- Mehrere Hochrisiko-Systeme
- Mittelständler & Corporate
- Umfassende Analyse gewünscht
Enthält:
✓ Alles aus ESSENTIAL
✓ AI System Inventory (bis 10 Systeme)
✓ Technische Validierung (bis 3 Hochrisiko-Systeme)
✓ Detaillierte Bias-Analysen (AIF360 + Fairlearn)
✓ Explainability Deep Dive (SHAP)
✓ Data Governance Assessment
✓ Post-Market Monitoring Plan (Art. 72)
✓ Follow-up Q&A (4 Wochen nach Abschluss)
Dauer: 6-8 Wochen
Umfang: 150-200 Stunden
Paket 3: ENTERPRISE
Ab €35.000 (individuell)
Geeignet für:
- 10+ KI-Systeme
- Konzerne & große Mittelständler
- Komplexe AI-Landschaften
- Multi-Standort/International
Enthält:
✓ Alles aus PROFESSIONAL
✓ Unbegrenzte Anzahl Systeme
✓ Technische Validierung aller Hochrisiko-Systeme
✓ Robustness & Adversarial Testing (erweitert)
✓ Multi-Stakeholder Workshops
✓ Anpassbare Roadmap-Szenarien
✓ C-Level Executive Coaching
✓ 3 Monate Follow-up Support
Dauer: 8-12 Wochen
Umfang: 200+ Stunden
Add-Ons (optional):
- Zusätzliche technische Validierung pro System: €3.000 – €8.000
- On-Site Workshops (zusätzlich): €1.500/Tag + Spesen
- Express-Service (50% Zeitreduktion): +30% Aufschlag
- Fortlaufende Support-Retainer: Ab €2.500/Monat
Zahlungskonditionen:
- 30% bei Projektstart
- 40% bei Zwischenpräsentation (Ende Phase 4)
- 30% bei finaler Abnahme
Rechnungsstellung nach deutschem Steuerrecht (USt. ausweisbar)