GPAI und Artikel 53

Wenn Sie auf GPT, Claude, Gemini, Llama oder Mistral aufbauen, gibt es eine Frage, die eine ordentliche Antwort verdient: Haben Sie am Modell genug verändert, um dessen Anbieter zu werden?

Für die meisten Unternehmen lautet die Antwort bequem nein, und das zu wissen lohnt sich, denn die Angst richtet echten Schaden an - Teams planen Budgets für Pflichten, die sie gar nicht haben. Für eine Minderheit lautet die Antwort ja, und die ahnt es meist nicht, weil der Auslöser eine technische Entscheidung war, die Monate vor dem ersten Gedanken an Regulierung getroffen wurde.

Wo Sie mit ziemlicher Sicherheit stehen

Wo die Grenze tatsächlich verläuft

Die Verordnung veröffentlicht keine Rechenschwelle, unterhalb derer Fine-Tuning unbedenklich wäre, was wenig hilfreich, aber nicht ungewöhnlich ist. Was sie tut: Sie knüpft die Anbieterstellung an denjenigen, der ein Modell mit allgemeinem Verwendungszweck in Verkehr bringt, und behandelt eine Partei, die ein Modell wesentlich verändert, so, als habe sie das für die veränderte Fassung getan.

In der Praxis entscheiden vier Faktoren darüber. Keiner ist für sich genommen ausschlaggebend; zusammen sind sie es.

1. Umfang der Änderung

Ein paar hundert Beispiele LoRA-Fine-Tuning, um den Tonfall zu korrigieren, sind kein neues Modell. Fortgesetztes Vortraining auf Milliarden von Token schon. Je größer Rechenaufwand und Datenmenge im Verhältnis zum ursprünglichen Trainingslauf, desto mehr sehen Sie nach einem Anbieter aus.

2. Ob sich die Parameter wesentlich verändert haben

Adapterschichten, die die Basisgewichte unangetastet lassen, stehen am einen Ende. Ein Neutraining aller Parameter steht am anderen.

3. Ob sich die Aufgabendomäne geändert hat

Diesen Faktor unterschätzen die meisten. Ein allgemeines Modell so zu verfeinern, dass es in Ihrer bestehenden Domäne besser wird, ist Verfeinerung. Ein allgemeines Modell zu nehmen und daraus etwas zu machen, das eine wesentlich andere Aufgabe erfüllt - aus einem Code-Modell einen klinischen Zusammenfasser -, sieht deutlich mehr nach der Schaffung eines neuen Modells aus.

4. Ob es noch allgemeinen Verwendungszweck hat

In Artikel 53 geht es um KI-Modelle mit allgemeinem Verwendungszweck - Modelle mit erheblicher Allgemeinheit, die ein breites Spektrum unterschiedlicher Aufgaben kompetent erfüllen können. Wenn Sie ein allgemeines Modell zu einem Werkzeug für einen einzigen Zweck verengt haben, sind Sie womöglich aus dem GPAI-Bereich heraus, obwohl Sie stark eingegriffen haben. Dann sind Sie unter Umständen Anbieter eines KI-Systems, was eine andere Frage mit anderen Pflichten ist.

Was Artikel 53 tatsächlich verlangt

Wenn Sie GPAI-Anbieter sind, gelten vier Pflichten. Anwendbar seit dem 2. August 2025, durchsetzbar seit dem 2. August 2026.

Zwei weitere Punkte. Anbieter von Modellen, die unter einer freien und quelloffenen Lizenz veröffentlicht werden und deren Gewichte und Architektur öffentlich verfügbar sind, sind von den ersten beiden Pflichten befreit - nicht aber von der Urheberrechtsstrategie und der Zusammenfassung der Trainingsdaten, und überhaupt nicht, wenn das Modell ein systemisches Risiko birgt. Und Modelle oberhalb der Schwelle für systemisches Risiko tragen zusätzliche Pflichten aus Artikel 55: Modellbewertung, adversariale Tests, Vorfallmeldung und Cybersicherheit. Wenn Sie diese Seite lesen, um Ihre Position zu bestimmen, trainieren Sie kein Modell mit systemischem Risiko.

Die am stärksten exponierte Gruppe

Nicht die Labore - die haben Compliance-Teams. Es sind Unternehmen, die 2024 oder 2025 aus Leistungsgründen ein ernsthaftes Fine-Tuning gemacht haben, als an dieser Entscheidung keine regulatorische Überlegung hing, und die das seither nicht noch einmal geprüft haben.

Ein wiedererkennbares Beispiel: Ein Team nimmt ein Modell mit offenen Gewichten, trainiert es auf einem großen proprietären Korpus weiter vor, um es zu spezialisieren, und liefert es in seinem Produkt aus. Achtzehn Monate später war das eine wesentliche Änderung, das Team ist mit guten Gründen GPAI-Anbieter, die Pflichten sind durchsetzbar, und niemand im Unternehmen hat je Artikel 53 gelesen, weil man sich für ein SaaS-Unternehmen hält und nicht für einen Modellanbieter.

Wenn Ihnen dieses Muster bekannt vorkommt, ist die Zusammenfassung der Trainingsdaten die Pflicht, die Sie sich zuerst ansehen sollten. Sie ist öffentlich, ihr Fehlen fällt also am schnellsten auf.

Zwei Dinge, die das nicht ist

Nicht dasselbe wie Ihre Risikoklasse. Bei Artikel 53 geht es darum, Modellanbieter zu sein. Ob Ihr System hochriskant, von begrenztem Risiko oder minimal ist, ist eine eigene Frage, die über Anhang III und Artikel 6(3) beantwortet wird. Sie können GPAI-Anbieter sein, dessen System minimales Risiko hat, oder nachgelagerter Betreiber, dessen System hochriskant ist. Das eine folgt dem anderen nicht.

Nicht dasselbe wie Anbieter eines KI-Systems zu sein. Nach Artikel 25 können Sie zum Anbieter eines KI-Systems werden, indem Sie Ihren Namen darauf setzen oder seine Zweckbestimmung ändern - ohne ein einziges Modellgewicht anzufassen. Anderer Weg, anderes Pflichtenpaket. Beides kann gleichzeitig gelten.

Vier Fragen, die das klären

1. Haben Sie überhaupt Modellgewichte verändert? Nein → Sie sind nachgelagert. Fertig.
2. Wenn ja, wie stark? Adapter und kleine domäneninterne Datensätze bleiben sicher nachgelagert. Ein vollständiges Neutraining auf einem großen Korpus nicht.
3. Hat sich die Aufgabendomäne geändert? Ein Modell in eine wesentlich andere Aufgabe zu drängen, wiegt schwer in Richtung Anbieterstellung.
4. Ist das Ergebnis noch von allgemeinem Verwendungszweck? Wenn Sie es auf eine einzige Aufgabe verengt haben, gelten die GPAI-Pflichten womöglich nicht - prüfen Sie dann aber, ob Sie stattdessen Anbieter eines KI-Systems geworden sind.

Schreiben Sie die Antworten samt Begründung auf und datieren Sie sie. Wenn Sie nahe an der Grenze landen, ist genau dieses Dokument das, was das nächste Gespräch - mit einer Anwältin, einem Käufer oder der Rechtsabteilung eines Großkunden - kurz macht.