Eine Antwort ist nur so gut wie ihr Weg zur Quelle.
Die go4ai-Wissensbasis verbindet kuratierte Quellen, eigene Analysen und nachvollziehbare Szenarien. Sie zeigt nicht nur, was eine Antwort lautet, sondern auch, worauf sie beruht und wo ihre Grenzen liegen.
KI-System Hier antwortet ein KI-System, keine natürliche Person. Ein Sprachmodell formuliert die Antwort aus der go4ai-Wissensbasis; sie kann falsch oder unvollständig sein. Die Verarbeitung läuft über Jina AI (Embedding, Berlin), Supabase (Vektorsuche, Frankfurt) und ein Sprachmodell, das über den Vermittler OpenRouter (USA) angesprochen wird – aktuell Google Gemini. Wie das funktioniert und was mit deiner Frage geschieht.
Reicht die Quellenlage nicht, zeigt das System das offen, statt Sicherheit vorzutäuschen. Mehr zur Kennzeichnung dieser Antworten: KI-Transparenz.
So sieht der Quellenpfad aus
einmal abgerufen am 5. August 2026 · google/gemini-2.5-flash · nicht live
Welche Nachweise verlangt der EU AI Act?
Vollständige Antwort zeigen
- AI-Literacy-Nachweis (Art. 4): Dies ist ein Dokument oder eine Aufzeichnung, die belegt, dass Mitarbeiter mit KI-Berührungspunkten strukturiert geschult wurden. Es muss das Datum der Schulung, die behandelten Themen, eine Teilnehmerliste und das Abschlussformat enthalten. Sowohl externe Zertifizierungen als auch intern durchgeführte Briefings sind akzeptiert, sofern diese vier Parameter dokumentiert sind (Kontext [1]).
- Risikoregister: Eine tabellarische Auflistung aller im Unternehmen genutzten KI-Systeme. Für jeden Eintrag sind vier Pflichtfelder erforderlich: Name des KI-Systems, Anwendungsbereich, Risikoklasse (für die meisten KMU minimal bis begrenzt) und die verantwortliche Person oder Funktion. Ein gepflegtes Tabellenblatt mit diesen Feldern erfüllt diesen Standard und baut auf dem KI-Inventar auf (Kontext [1]).
- KI-Policy (Minimalversion): Ein kurzes Dokument (2 bis 5 Seiten), das verbindlich drei Fragen beantwortet: (a) Wer darf welche KI-Systeme für welche Aufgaben einsetzen? (b) Wie werden KI-generierte Outputs vor der Verwendung geprüft? (c) Für welche Entscheidungen ist eine menschliche Freigabe erforderlich? Dies adressiert auch Schatten-KI und verankert das Human-in-the-Loop-Prinzip (Kontext [1]).
Diese Nachweiskategorien bilden ein operatives Minimalset an Dokumenten, das ein KMU vorhalten sollte, um eine erste Prüfung durch eine nationale Aufsichtsbehörde zu bestehen (Kontext [4]).
KI-generiert · Quelle: go4ai-Wissensbasis · ohne redaktionelle Einzelprüfung
Fundstellen — 2 Quellen, 6 Abschnitte
- 01 EU AI Act — die drei Nachweiskategorien für KMUKonzept
Kernideen · Praxisrelevanz (KMU-Fokus) · Definition · Widersprueche / offene Fragen
- 02 Konzept
EU-AI-Act-Durchsetzung ab August 2026
Praxisrelevanz (KMU-Fokus) · Verwandte Konzepte · keine eigene Seite
„Dazu reicht das Wissen nicht“ ist eine wertvolle Antwort.
Ein Sprachmodell kann Unsicherheit überzeugend formulieren. Deshalb trennt die Wissensbasis zwischen einer sprachlich plausiblen Antwort und einer Aussage, die sich auf vorhandene Quellen zurückführen lässt.
Fehlen belastbare Grundlagen, wird die Lücke sichtbar. Das ist kein Fehlerzustand, sondern ein Hinweis darauf, welches Wissen noch geprüft, ergänzt oder aktualisiert werden muss.
Wie aus Material Orientierung wird.
vier Stufen
- 01 Quelle
Woher stammt eine Aussage?
Ausgangsmaterial wird mit Herkunft und Aktualität festgehalten.
- 02 Konzept
Welcher Zusammenhang steckt dahinter?
Einzelinformationen werden verdichtet und miteinander verknüpft.
- 03 Einordnung
Was bedeutet das für die konkrete Situation?
Technische Möglichkeiten und organisatorische Folgen werden gemeinsam betrachtet.
- 04 Anwendung
Wo wird es praktisch relevant?
Szenarien zeigen Voraussetzungen, Grenzen und menschliche Verantwortung.