Seit dem 2. August 2026 ist der EU AI Act nicht mehr nur ein Papier mit Fristen, sondern durchsetzbares Recht. Für Unternehmen in Berlin und im übrigen DACH-Raum heißt das: Es entstehen Rollen, für die es bisher kaum einen Arbeitsmarkt gab. Dieser Beitrag ordnet ein, welche Pflichten jetzt gelten, welche Profile dafür gebraucht werden und was sie kosten.
Was sich am 2. August 2026 geändert hat
Der AI Act ist seit dem 1. August 2024 in Kraft, wirkt aber gestaffelt. Der jüngste Stichtag betrifft vor allem zwei Dinge. Erstens die Transparenzpflichten aus Artikel 50: Alle KI-Systeme mit begrenztem Risiko müssen für Nutzerinnen und Nutzer eindeutig als künstliche Intelligenz erkennbar sein. Chatbots müssen sich als Maschine zu erkennen geben, KI-generierte Texte, Bilder, Audio- und Videoinhalte sind zu kennzeichnen, Deepfakes offenzulegen.
Zweitens. Und das ist der eigentliche Unterschied zu den Vorjahren, beginnt jetzt die aktive Durchsetzung durch die nationalen Aufsichtsbehörden und die EU-Kommission. In Deutschland koordiniert die Bundesnetzagentur. Die Bußgeldrahmen sind erheblich: bis zu 35 Millionen Euro oder sieben Prozent des weltweiten Jahresumsatzes bei verbotenen Praktiken, bis zu 15 Millionen Euro oder drei Prozent bei Verstößen gegen Hochrisiko-Pflichten.
Gleichzeitig hat der im Juli 2026 unterzeichnete Digital Omnibus einen Teil des Zeitdrucks genommen: Die Pflichten für Hochrisiko-Systeme nach Anhang III verschieben sich auf Dezember 2027, die nach Anhang I auf August 2028. Die technische Kennzeichnung synthetischer Inhalte per Watermarking rückt auf Dezember 2026.
Häufiges Missverständnis
Der AI Act betrifft nicht nur Unternehmen, die KI entwickeln. Wer ein zugekauftes System unter eigener Marke vertreibt, klassisches White-Labeling, oder ein bestehendes System wesentlich verändert, wird rechtlich zum Anbieter und übernimmt dessen deutlich weitere Pflichten. Entscheidend ist die eigene Rolle, nicht die Unternehmensgröße.
Die Pflicht, die schon länger gilt und oft übersehen wird
Bereits seit Februar 2025 besteht die sogenannte KI-Kompetenzpflicht: Unternehmen müssen sicherstellen, dass Beschäftigte, die mit KI-Systemen arbeiten, über ausreichendes Wissen dazu verfügen. Das betrifft in der Praxis fast jedes Unternehmen, in dem jemand ChatGPT, Copilot oder ein Bildgenerierungswerkzeug beruflich einsetzt.
Aus Recruiting-Sicht ist das relevant, weil daraus ein zweiter Bedarf entsteht: nicht nur Compliance-Rollen, sondern auch Menschen, die intern schulen und Leitplanken formulieren können. In größeren Organisationen wandert diese Aufgabe häufig zu Enablement- oder Plattform-Teams, nicht in die Rechtsabteilung.
Welche Rollen dadurch entstehen
Der Bedarf verteilt sich auf drei Gruppen, die sich in Anforderungsprofil und Gehalt deutlich unterscheiden.
1. Governance und Compliance
AI Compliance Manager und AI Governance Lead verantworten das AI Inventory, also das Verzeichnis aller eingesetzten KI-Systeme und Anwendungsfälle, klassifizieren Systeme nach Risikostufe und dokumentieren die Einhaltung. Diese Profile sind selten rein juristisch: Gefragt ist die Kombination aus regulatorischem Verständnis und der Fähigkeit, mit Engineering-Teams auf Augenhöhe zu sprechen. Genau diese Mischung ist am Markt knapp, weshalb Besetzungen hier überdurchschnittlich lange dauern.
2. Technische Umsetzung
Kennzeichnung, Logging, Nachvollziehbarkeit von Modellentscheidungen und Datenqualität sind Engineering-Aufgaben. ML Engineers mit Erfahrung in regulierten Umfeldern und Data Governance Engineers gewinnen dadurch spürbar an Wert. Artikel 10 verlangt nachweisbare Datenqualität und Data Governance. Und das ist in der Praxis der Engpass, weil es sich nicht in wenigen Wochen aufbauen lässt.
3. Prüfung und Audit
AI Risk & Audit Specialists prüfen KI-Systeme vor dem Rollout und begleiten externe Audits. Dieses Profil rekrutiert sich derzeit überwiegend aus IT-Revision, Informationssicherheit und Model Risk Management im Finanzsektor. Dort existiert seit Jahren vergleichbare Praxis.
💰 Gehaltsspannen für AI-Governance-Rollen in Deutschland (2026)
| Position | Junior (0-2 Jahre) | Mid-Level (3-5 Jahre) | Senior (6-10 Jahre) | Lead/Principal |
|---|---|---|---|---|
| AI Compliance Manager | 55.000 - 70.000 € | 70.000 - 90.000 € | 90.000 - 115.000 € | 115.000 - 145.000 € |
| AI Governance Lead | 60.000 - 78.000 € | 78.000 - 100.000 € | 100.000 - 130.000 € | 130.000 - 165.000 € |
| ML Engineer (regulierte Branche) | 58.000 - 75.000 € | 75.000 - 98.000 € | 98.000 - 125.000 € | 125.000 - 155.000 € |
| Data Governance Engineer | 52.000 - 68.000 € | 68.000 - 88.000 € | 88.000 - 112.000 € | 112.000 - 140.000 € |
| AI Risk & Audit Specialist | 54.000 - 70.000 € | 70.000 - 92.000 € | 92.000 - 118.000 € | 118.000 - 150.000 € |
Orientierungswerte aus dem DACH-Markt für Festanstellungen, Bruttojahresgehalt ohne Bonus und Equity. Der Markt für diese Rollen ist jung, entsprechend groß ist die Streuung. In Berliner Start-ups liegen die Werte häufig am unteren Rand, im Finanz- und Industrieumfeld deutlich darüber.
Was das für die Besetzung bedeutet
Drei Beobachtungen aus laufenden Suchen, die vor einer Ausschreibung helfen:
Es gibt kaum Kandidaten mit passgenauem Lebenslauf. Der AI Act ist zu jung, als dass jemand fünf Jahre Erfahrung als AI Compliance Manager vorweisen könnte. Wer auf exakte Titel im Lebenslauf filtert, sucht einen Personenkreis, der praktisch nicht existiert. Erfolgreicher sind Suchen in angrenzenden Feldern: DSGVO-Umsetzung, ISO-27001-Zertifizierung, Medizinprodukte-Regulatorik, Model Risk Management.
Das Anforderungsprofil ist oft zu breit. Stellenanzeigen verlangen gleichzeitig juristische Tiefe, ML-Kenntnisse und Auditerfahrung. Diese Kombination gibt es, aber selten, und dann zu einem Preis, der über dem ausgeschriebenen Band liegt. Meist ist es sinnvoller, die Rolle zu teilen oder eine der drei Kompetenzen bewusst aufzubauen.
Interim ist häufig der schnellere Weg. Die Aufbauphase, Inventory erstellen, Prozesse definieren, erste Klassifizierung, ist projekthaft. Viele Unternehmen besetzen sie über Interim Management und stellen erst danach dauerhaft ein, wenn klar ist, wie groß der laufende Aufwand tatsächlich ist.
Erster praktischer Schritt
Vor jeder Personalentscheidung steht das AI Inventory: ein Verzeichnis, wo im Unternehmen KI eingesetzt wird, wofür, und wer verantwortlich ist. Viele Organisationen haben davon kein vollständiges Bild. Erst danach lässt sich seriös einschätzen, ob eine Vollzeitrolle nötig ist oder eine bestehende Position erweitert werden kann.
Und die Entwicklerrollen?
Parallel verändert KI die Arbeit klassischer Softwareentwickler. Laut einer Auswertung von heise verschiebt sich der Schwerpunkt: Entwickler schreiben weniger selbst und prüfen, testen und korrigieren dafür mehr KI-generierten Code. Für neue KI-Berufsbilder existiert bislang kein einheitliches Aufgabenprofil. Die Anzeigen reichen von reiner Datenanalyse bis zur komplexen Softwarearchitektur.
Für Kandidaten heißt das: Der Titel in der Anzeige sagt derzeit wenig über die tatsächliche Arbeit aus. Ein Blick auf Tech-Stack, Teamgröße und Berichtsweg ist aussagekräftiger. Mehr dazu in unserem Beitrag zu Gehalt und Karriere für KI-Entwickler.
Häufige Fragen
Sie besetzen gerade eine AI-Governance- oder ML-Rolle?
Wir sagen Ihnen offen, ob das Profil im Berliner Markt zum genannten Gehaltsband besetzbar ist, und wo Sie realistisch nachjustieren sollten.
Position besprechenDieser Beitrag fasst den Stand vom August 2026 zusammen und ersetzt keine Rechtsberatung. Für die Bewertung konkreter Systeme ziehen Sie bitte spezialisierte juristische Beratung hinzu.