Zuletzt aktualisiert: 14. September 2026 · Version: 1.1
Redaktionshinweis: Dieser Artikel wurde mit KI-Unterstützung recherchiert und überarbeitet sowie menschlich redaktionell geprüft. Angaben zum geplanten Zertifizierungsprogramm stammen überwiegend vom TÜV-Verband; vollständige Prüfkataloge, Gebühren, Zertifikatslaufzeiten und unabhängige Erfahrungen aus abgeschlossenen Verfahren lagen zum Quellenstand 14. September 2026 noch nicht öffentlich vor. Die rechtliche Einordnung dient der Orientierung und ersetzt keine Einzelfallprüfung.
⚡ In 30 Sekunden
- Die TÜV-Organisationen entwickeln drei abgestufte Zertifizierungen für Qualität und Sicherheit von KI-Systemen. Der Marktstart ist ab Ende 2026 vorgesehen.
- Die Prüfungen reichen von grundlegenden Anforderungen über eine dokumenten- und vor-Ort-gestützte Risikobewertung bis zu zusätzlichen unabhängigen technischen Tests.
- Ein TÜV-Zertifikat ist nicht automatisch die gesetzlich erforderliche Konformitätsbewertung nach dem EU AI Act und ersetzt keine Pflichten von Anbietern oder Betreibern.
- Der wirtschaftliche Wert entsteht nur, wenn der Geltungsbereich präzise ist: geprüftes System, Version, Einsatzzweck, Daten, Betriebsumgebung und Prüftiefe müssen erkennbar sein.
- Unternehmen sollten jetzt Inventar, Risikoklassifizierung, technische Dokumentation, Testnachweise, Änderungsmanagement und Verantwortlichkeiten prüffähig machen.
Was Unternehmen jetzt konkret tun sollten
- Prüfobjekt festlegen: Nicht „unsere KI“ zertifizieren wollen, sondern System, Version, Zweck, Nutzerkreis, Schnittstellen, Datenquellen und Betriebsumgebung abgrenzen.
- Rolle und Risiko bestimmen: Klären, ob das Unternehmen Anbieter, Betreiber, Einführer oder Händler ist und ob der konkrete Anwendungsfall als Hochrisiko-KI einzustufen sein könnte.
- Nachweise sammeln: Risikoregister, Datenherkunft, Evaluationsfälle, Qualitätsmetriken, Protokolle, menschliche Aufsicht, Sicherheitskontrollen und Änderungsverfahren in einer prüfbaren Akte bündeln.
- Zertifizierungsziel definieren: Regulatorische Absicherung, Kundenanforderung, Ausschreibung, Lieferantenprüfung oder internes Qualitätsziel nicht miteinander vermischen.
- Pilot mit Lückenanalyse starten: Vor einer formalen Prüfung einen begrenzten Anwendungsfall gegen die erwarteten Nachweise testen und fehlende Evidenz priorisiert schließen.
Der TÜV-Verband und die TÜV-Organisationen entwickeln ein abgestuftes Zertifizierungsprogramm für KI-Systeme. Der Marktstart ist ab Ende 2026 vorgesehen; derzeit laufen Erprobungen mit Pilotpartnern. Details zu Prüfkriterien, Gebühren, Laufzeiten, Überwachung und rechtlicher Anerkennung sind noch nicht veröffentlicht.
Damit ist zunächst eine Ankündigung zu bewerten – kein bereits verfügbares Gütesiegel. Für Unternehmen ist sie dennoch relevant: Unabhängige Nachweise könnten künftig Beschaffung, Kundengespräche und Qualitätsmanagement unterstützen. Ob das gelingt, hängt weniger vom Siegel als vom präzisen Geltungsbereich und der technischen Prüftiefe ab.
| Frage | Stand der Ankündigung |
|---|---|
| Wer? | TÜV-Verband, TÜV AI.Lab und TÜV-Organisationen |
| Was? | Drei abgestufte Prüf- beziehungsweise Zertifizierungsangebote |
| Wann? | Schrittweiser Marktstart ab Ende 2026 geplant |
| Verbindlich? | Nach bisheriger Darstellung freiwilliger unabhängiger Nachweis |
| Noch offen? | Vollständige Kriterien, Preise, Laufzeit, Überwachung und konkrete Rechtswirkung |
Die Nachricht: Was der TÜV angekündigt hat
Nach der bisherigen Ankündigung soll das Programm drei abgestufte Prüf- beziehungsweise Zertifizierungsangebote umfassen. Welche Stufe passt, soll vom Anwendungsfall und von der gewünschten Aussagekraft abhängen. Der TÜV-Verband beschreibt das Rahmenprogramm als mit den Anforderungen des EU AI Act kompatibel und um risikobasierte sowie technische Prüfaspekte ergänzt.
| Stufe laut Ankündigung | Vorgesehener Schwerpunkt | Typische Unternehmensfrage | Noch offen |
|---|---|---|---|
| 1: Grundprüfung | Grundlegende Qualitäts- und Sicherheitsanforderungen für Systeme, die formal nicht als Hochrisiko-KI gelten | Lassen sich Mindestqualität und Basissicherheit gegenüber Kunden nachvollziehbar belegen? | Konkrete Kriterien, Nachweistiefe und Abgrenzung zu bestehenden Managementsystemen |
| 2: Risikoprüfung | Strukturierte KI-spezifische Risikobewertung, Dokumentenprüfung und Prüfung vor Ort beim Hersteller | Sind Governance und Kontrollen nicht nur beschrieben, sondern organisatorisch umgesetzt? | Stichprobenlogik, Standorte, Lieferkette und Umgang mit Cloud- oder Basismodellanbietern |
| 3: Technische Vertiefung | Zusätzliche unabhängige Tests ausgewählter Systemeigenschaften | Sind Leistungsfähigkeit und Zuverlässigkeit auch unter definierten Testbedingungen nachweisbar? | Testmethoden, Schwellenwerte, Reproduzierbarkeit und Übertragbarkeit auf den Realbetrieb |
Die Staffelung ist sinnvoll: Ein interner Textassistent mit begrenztem Datenzugriff braucht eine andere Prüftiefe als ein System in der medizinischen Diagnostik oder im Recruiting. Zugleich ist die Ankündigung noch kein vollständiger Zertifizierungsstandard. Unternehmen sollten daher weder Prüfkriterien noch Rechtswirkung, Kosten oder Zertifikatsdauer hineinlesen, solange diese Details nicht veröffentlicht sind.
Einordnung: Was das Zertifikat leisten kann – und was nicht
In Beschaffungsgesprächen werden drei Ebenen schnell vermischt. Ein freiwilliger unabhängiger Qualitätsnachweis kann Vertrauen und Vergleichbarkeit erhöhen. Die gesetzliche Konformitätsbewertung erfüllt dagegen eine im EU AI Act definierte Funktion. Hinzu kommen Pflichten, die ein Unternehmen in seiner eigenen Rolle und im konkreten Einsatzkontext erfüllen muss.
Wichtige Grenze: Aus der Formulierung „AI-Act-kompatibel“ folgt nicht automatisch eine Konformitätsvermutung. Diese entsteht bei harmonisierten europäischen Normen erst, wenn deren Fundstellen im Amtsblatt der EU veröffentlicht sind und die einschlägigen Anforderungen abgedeckt werden. Auch ein wertvoller freiwilliger TÜV-Nachweis ist daher nicht ohne Weiteres mit einem gesetzlich vorgesehenen Konformitätsbewertungsverfahren gleichzusetzen.
Artikel 17 des EU AI Act verlangt von Anbietern von Hochrisiko-KI ein dokumentiertes Qualitätsmanagementsystem. Dazu gehören unter anderem eine Compliance-Strategie, Design- und Entwicklungssteuerung, Qualitätskontrolle, Test- und Validierungsverfahren sowie Änderungsmanagement. Artikel 43 regelt die Konformitätsbewertung. Welche Route gilt und ob eine notifizierte Stelle beteiligt werden muss, hängt vom System und vom einschlägigen Rechtsrahmen ab.
Die europäischen harmonisierten KI-Normen befinden sich weiterhin in Entwicklung. Die Europäische Kommission nennt zehn Arbeitsfelder: Risikomanagement, Datengovernance, Aufzeichnung, Transparenz, menschliche Aufsicht, Genauigkeit, Robustheit, Cybersicherheit, Qualitätsmanagement und Konformitätsbewertung. Ende Oktober 2025 ging mit prEN 18286 ein Entwurf für ein AI-Act-bezogenes Qualitätsmanagementsystem in die öffentliche Befragung. Ein Zertifizierungsangebot und eine harmonisierte Norm können sich fachlich ergänzen, haben aber unterschiedliche Rollen.
Für wen die Zertifizierung wirtschaftlich relevant werden kann
Den größten unmittelbaren Nutzen dürften Hersteller und Anbieter eigener KI-Systeme haben. Sie müssen gegenüber Kunden, Partnern und gegebenenfalls Aufsicht belastbare Nachweise liefern. Ein klar abgegrenztes Zertifikat kann Due-Diligence-Fragen verkürzen, Ausschreibungen unterstützen und die interne Entwicklungsdisziplin erhöhen.
Auch Betreiber können profitieren, etwa wenn sie ein zertifiziertes System beschaffen. Das Zertifikat ersetzt jedoch nicht die Prüfung des eigenen Einsatzes. Ein im Standardbetrieb geprüftes Modell kann durch sensible Unternehmensdaten, zusätzliche Werkzeuge, autonome Schreibrechte oder eine andere Nutzergruppe ein deutlich anderes Risikoprofil erhalten. Der Betreiber muss deshalb weiterhin Zweck, Datenfluss, menschliche Aufsicht, Protokollierung und organisatorische Einbettung verantworten.
Für kleine und mittlere Unternehmen ist eine abgestufte Prüfung grundsätzlich attraktiv. Sie sollte aber proportional bleiben: Ein risikoarmer interner Assistent braucht keine Prüfarchitektur eines Medizinprodukts. Umgekehrt darf eine schlanke Grundprüfung nicht als Freibrief für folgenreiche Personal-, Kredit- oder Sicherheitsentscheidungen dienen.
Was ein belastbares Zertifikat beantworten muss
Die zentrale Qualitätsfrage lautet nicht „Ist das System zertifiziert?“, sondern „Welche Aussage gilt für welche Systemkonfiguration unter welchen Bedingungen?“ Mindestens sechs Punkte müssen für Beschaffer und Prüfer verständlich sein:
- Prüfgegenstand: Welches Modell, welche Anwendung, welche Version und welche Komponenten waren Teil der Prüfung?
- Geltungsbereich: Für welche Zwecke, Nutzergruppen, Datenarten und Betriebsumgebungen gilt die Aussage?
- Prüftiefe: Wurden Dokumente, Prozesse, technische Eigenschaften oder der Realbetrieb bewertet?
- Kriterien: Welche Qualitäts-, Sicherheits- und Risikoschwellen wurden angelegt?
- Änderungen: Wann führen ein neues Modell, Fine-Tuning, geänderte Datenquellen oder neue Werkzeuge zu einer Nachprüfung?
- Laufende Überwachung: Welche Vorfälle, Drift-Signale oder wesentlichen Änderungen müssen gemeldet werden?
Gerade bei generativer KI ist der Versionsbezug kritisch. Cloud-Anbieter ändern Modelle, Filter, Systemprompts oder Routing teilweise ohne klassische Produktfreigabe beim Kunden. Ein Prüfnachweis braucht deshalb eine klare Änderungslogik. Sonst kann die geprüfte Konfiguration bereits kurz nach Ausstellung nicht mehr der produktiven Realität entsprechen.
Praxisleitfaden: Was Unternehmen jetzt vorbereiten sollten
Die Prüfakte: sieben Nachweise, die schon heute sinnvoll sind
Unternehmen müssen nicht auf den finalen TÜV-Katalog warten. Die folgenden Nachweise ergeben sich bereits aus guter KI-Governance und überschneiden sich mit zentralen Anforderungen des EU AI Act:
| Nachweis | Minimal prüffähiger Inhalt | Verantwortung |
|---|---|---|
| Systemsteckbrief | Zweck, Grenzen, Versionen, Schnittstellen, Nutzer und Datenflüsse | Product Owner / Architektur |
| Rollen- und Risikoeinordnung | AI-Act-Rolle, mögliche Risikoklasse, betroffene Personen und Schadensszenarien | Compliance / Recht / Fachbereich |
| Datenakte | Herkunft, Qualität, Repräsentativität, Schutzbedarf, Löschung und Zugriffsrechte | Data Owner / Datenschutz |
| Evaluationsplan | Reale Testfälle, Baseline, Akzeptanzgrenzen, Teilgruppen und Fehlermuster | Fachbereich / Qualität |
| Sicherheitsnachweis | Berechtigungen, Angriffs- und Missbrauchstests, Schwachstellen, Abhilfen und Abnahmekriterien | Informationssicherheit |
| Betriebs- und Aufsichtskonzept | Logging, menschliche Freigaben, Monitoring, Stop-Regel, Vorfall- und Eskalationsweg | Betrieb / Fachverantwortung |
| Änderungsprotokoll | Modell-, Prompt-, Daten-, Tool- und Rechteänderungen samt erneuter Bewertung | Change Management / Product Owner |
Für allgemeine Kontrollprinzipien und ein Rollenmodell bietet der AI-Fabrik-Praxis-Hub KI-Agenten-Governance für Unternehmen eine vertiefende Arbeitsgrundlage. Die Checkliste zur digitalen Souveränität bei KI ergänzt Lieferanten-, Wechsel- und Abhängigkeitsfragen.
Praxisbeispiel: Zertifizierung eines Recruiting-Assistenten
Hypothetisches, aber realistisches Szenario: Ein Softwareanbieter möchte einen Assistenten zertifizieren lassen, der Bewerbungsunterlagen strukturiert und Personalverantwortlichen eine Rangfolge vorschlägt. Die Anwendung kann wegen ihres Einsatzzwecks in einen Hochrisikobereich des EU AI Act fallen. Eine allgemeine Qualitätsprüfung des zugrunde liegenden Sprachmodells wäre dafür zu schmal.
Prüfrelevant wären mindestens die konkrete Anwendungsversion, die Merkmalsbildung, Trainings- und Testdaten, messbare Unterschiede zwischen relevanten Personengruppen, die Nachvollziehbarkeit der Empfehlung, menschliche Entscheidungshoheit, Protokollierung sowie die Frage, wie Modell- oder Datenänderungen erneut bewertet werden. Nutzt ein Kunde später eigene Auswahlregeln oder ergänzt neue Datenquellen, muss geprüft werden, ob der ursprüngliche Geltungsbereich noch trägt.
Das Beispiel zeigt den Zielkonflikt: Eine Zertifizierung soll standardisieren, muss aber kontextspezifisch genug bleiben, um reale Risiken abzubilden. Je allgemeiner die Aussage, desto leichter ist sie skalierbar – und desto geringer kann ihr Wert für einen konkreten Hochrisikoeinsatz sein.
⚠️ Governance-Hinweis
Ein Zertifikat entlastet die Unternehmensleitung nicht von der eigenen Sorgfalt. Beschaffung, Datenschutz, Informationssicherheit, Mitbestimmung und Fachverantwortung müssen weiterhin prüfen, ob der reale Einsatz dem zertifizierten Geltungsbereich entspricht. Besonders kritisch sind neue Datenquellen, autonome Aktionen, geänderte Nutzergruppen und Modellupdates.
Kritische Einordnung: Der Marktstart ist der Beginn, nicht der Beweis
Die TÜV-Ankündigung adressiert ein echtes Marktproblem: Unternehmen brauchen überprüfbare Aussagen jenseits von Anbieter-Selbstauskünften. Die unabhängige technische Prüfung der dritten Stufe kann einen zusätzlichen Erkenntnisgewinn liefern, wenn Tests repräsentativ, reproduzierbar und transparent abgegrenzt sind.
Zum jetzigen Zeitpunkt bleiben jedoch wesentliche Bewertungsfragen offen. Öffentlich noch nicht ersichtlich sind die vollständigen Prüfkataloge, die konkrete Gültigkeits- und Überwachungslogik, der Umgang mit laufend aktualisierten Basismodellen, Gebühren, Verfahrensdauer und die Anerkennung in Beschaffung oder Regulierung. Auch die in der Pressemitteilung genannten Vertrauenswerte – 79 Prozent fürchten unkalkulierbare Risiken, 53 Prozent der KI-Nutzer vertrauen auf korrekte Ergebnisse – stammen aus einer vom TÜV-Verband angeführten eigenen Studie. Der knappe Methodikhinweis nennt eine repräsentative Umfrage und als Erhebungstag den 26. Oktober 2025, liefert auf der Meldungsseite aber keine vollständige Stichproben- und Fragebogendokumentation. Die Zahlen sind damit ein gesellschaftliches Signal, kein Qualitätsbeleg für das Zertifizierungsprogramm.
Die stärkste Position für Unternehmen lautet daher: Zertifizierung als externe Kontrollschicht nutzen, aber nicht zum Ersatz für eigene Governance machen. Ein gutes Verfahren zwingt das Unternehmen, Systemgrenzen, Risiken und Belege sauber zu formulieren. Ein schwaches Verfahren produziert vor allem ein Logo für die Vertriebsfolie.
90-Tage-Vorbereitung auf eine unabhängige KI-Prüfung
Tag 1 bis 30: Bestand und Scope
Ein KI-System auswählen, Verantwortliche benennen und den tatsächlichen Produkt- und Datenfluss dokumentieren. Parallel Rolle, Risikoklasse und betroffene Rechtsbereiche vorprüfen. Ergebnis ist ein freigegebener Systemsteckbrief – keine allgemeine KI-Richtlinie.
Tag 31 bis 60: Evidenz und Tests
Repräsentative Testfälle aus dem realen Einsatz zusammenstellen, eine Baseline definieren und Akzeptanzgrenzen festlegen. Qualitäts-, Bias-, Robustheits- und Sicherheitstests durchführen. Festhalten, welche Fehler tolerierbar sind, wann ein System stoppen muss und wer Abweichungen bewertet.
Tag 61 bis 90: Probeprüfung und Entscheidung
Eine interne oder unabhängige Vorprüfung mit Personen durchführen, die nicht am Systemaufbau beteiligt waren. Jede Anforderung muss auf einen Nachweis, einen Verantwortlichen und einen Aktualisierungsrhythmus verweisen. Danach entscheiden: Zertifizierung anstreben, Lücken schließen, Scope verkleinern oder den Anwendungsfall nicht produktiv setzen.
FAQ zur TÜV-KI-Zertifizierung
Ist die TÜV-KI-Zertifizierung verpflichtend?
Nach der vorliegenden Ankündigung handelt es sich um ein Zertifizierungsangebot. Gesetzliche Pflichten aus dem EU AI Act bestehen unabhängig davon. Ob ein konkretes TÜV-Verfahren eine gesetzlich vorgesehene Konformitätsbewertung abbilden kann, muss anhand des finalen Verfahrens, des KI-Systems und der rechtlichen Rolle geprüft werden.
Gilt ein Zertifikat für jedes System, das dasselbe Basismodell nutzt?
Das wäre fachlich nicht plausibel. Risiko und Qualität hängen auch von Anwendung, Daten, Prompts, Werkzeugen, Rechten, Nutzergruppe und Betriebsumgebung ab. Entscheidend wird der ausgewiesene Geltungsbereich sein.
Reicht ISO/IEC 42001 als Vorbereitung?
Ein KI-Managementsystem kann Organisation, Verantwortlichkeiten und kontinuierliche Verbesserung strukturieren. Es ersetzt jedoch keine produkt- und einsatzspezifischen Nachweise zu Daten, Leistung, Robustheit oder Risiken. Managementsystem und Systemprüfung beantworten unterschiedliche Fragen.
Fazit: Prüfbereitschaft ist wertvoller als Siegelbereitschaft
Die geplante TÜV-KI-Zertifizierung kann eine wichtige Lücke zwischen Herstellerclaim und regulatorischer Mindestanforderung schließen. Ihr tatsächlicher Wert wird sich aber erst an den finalen Kriterien, der technischen Tiefe und der Transparenz des Geltungsbereichs zeigen.
Unternehmen sollten deshalb nicht bis Ende 2026 auf einen Prüfkatalog warten. Der richtige nächste Schritt ist ein klar abgegrenzter Pilot mit prüffähiger Systemakte. Wer Zweck, Risiken, Daten, Tests, Änderungen und Verantwortlichkeiten heute belastbar dokumentiert, ist für eine TÜV-Prüfung besser vorbereitet – und verbessert zugleich die eigene KI-Steuerung, selbst wenn am Ende kein Zertifikat beantragt wird.
Quellen
- TÜV-Verband: TÜV-Organisationen entwickeln Zertifizierung für vertrauenswürdige KI, 7. September 2026.
- Europäische Union: Verordnung (EU) 2024/1689 – EU AI Act, insbesondere Artikel 17 und 43 sowie Anhang VII, 2024.
- Europäische Kommission: Standardisation of the AI Act, abgerufen am 14. September 2026.
- Europäische Kommission: Harmonised Standards, abgerufen am 14. September 2026.
