# Souveränität ist keine Flaggenfrage. Sie ist eine Architekturentscheidung.

**Autor:** Oliver Welling, DoWell UG (haftungsbeschränkt)  
**Kanonische URL:** https://brunosan.de/ki-praxis/standpunkt/souveraenitaet-architektur/  

> Belegarten: ✓ verifiziert · › berichtet · ○ Einordnung · — Leerstelle

Standpunkt: Am 2. August 2026 gilt Artikel 50 der KI-Verordnung — trotz Digital Omnibus. Warum die Frage nach dem Herkunftsland des Modells die falsche ist, und was die Forschung zu Agentengedächtnis und Prüfbarkeit zeigt.

Am 2. August 2026 greift Artikel 50 der KI-Verordnung — und zwar unabhängig davon, dass andere Teile verschoben wurden. Wer jetzt fragt „welches Modell dürfen wir noch nehmen“, stellt die falsche Frage.

## „Wir wollen nicht abhängig sein.“

Diesen Satz höre ich seit Monaten in fast jedem Gespräch mit Geschäftsführern. Gemeint ist meist: nicht abhängig von einem bestimmten Land. Dann folgt die Frage nach Alternativen — und die Diskussion dreht sich um Herkunftsländer.

Meine These: Diese Diskussion führt in die Irre. Sie vermengt zwei Ebenen, die man getrennt bewerten muss — und übersieht, dass die Forschung seit zwei Jahren an etwas arbeitet, das die Frage ohnehin entschärft.

Und ausgerechnet der 2. August zeigt, warum. An diesem Tag greifen die Transparenzpflichten der KI-Verordnung. Ob Sie sie erfüllen, hängt nicht am Namen Ihres Modells — sondern an der Architektur, die dessen Ausgaben kontrolliert. Genau darum geht es in diesem Text.

Ein Reality-Check misst und urteilt anhand von Daten — dort schreiben wir „wir“. Ein Standpunkt argumentiert; hier schreibe ich. Die Fakten tragen weiterhin ihre Belege, der Schluss daraus ist eine Position, die man anders sehen kann. Wo ich falsch liegen könnte, steht in Abschnitt 05 — bevor Sie es mir schreiben müssen.

## Der AI Act ist nicht verschoben. Jedenfalls nicht dieser Teil.

Aus „der AI Act wurde verschoben“ ist im Mittelstand vielfach geworden: „dann müssen wir uns dieses Jahr um nichts kümmern.“ Für die Transparenzpflichten stimmt das nicht.

Artikel 50 der KI-Verordnung gilt ab dem 2. August 2026 ✓. Er regelt vier Transparenzfälle: offenlegen, wenn jemand mit einer KI spricht; KI-erzeugte Inhalte maschinenlesbar kennzeichnen; bei Emotionserkennung informieren; Deepfakes und bestimmte veröffentlichte KI-Texte kennzeichnen.

Der Punkt, der in der öffentlichen Debatte untergegangen ist: Die politische Einigung vom Mai 2026 verschiebt große Teile der Hochrisiko-Pflichten in den Dezember 2027 beziehungsweise August 2028 — Artikel 50 ist davon nicht erfasst ›. Verschoben wurde eine begrenzte Übergangsfrist bis zum 2. Dezember 2026 — und zwar nur für die maschinenlesbare Kennzeichnung nach Absatz 2 und nur für generative Systeme, die vor dem 2. August 2026 bereits auf dem Markt oder in Betrieb waren. Für neu in Verkehr gebrachte Systeme gilt auch Absatz 2 ab dem 2. August. Die Offenlegungspflichten nach den Absätzen 1, 3 und 4 bleiben unverändert.

Der allgemeine Bußgeldrahmen für Verstöße gegen Artikel 50 reicht bis 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes ✓ — bei Großunternehmen gilt der höhere der beiden Werte.

Artikel 99 Absatz 6 bestimmt: Für KMU einschließlich Start-ups gilt jeweils der niedrigere der beiden Werte ✓. Für einen Betrieb mit 12 Millionen Euro Jahresumsatz liegt die Obergrenze damit bei 360.000 Euro — nicht bei 15 Millionen. Ein erheblicher Unterschied, der in der öffentlichen Debatte regelmäßig unterschlagen wird. Die KMU-Definition richtet sich nach der Empfehlung 2003/361/EG: vereinfacht bis 250 Beschäftigte und bis 50 Millionen Euro Umsatz; wer als verbundenes Unternehmen zu einem Konzern gehört, verliert den Status.

Ich bin kein Anwalt, und dieser Text ist keine Rechtsberatung. Ich gebe wieder, was im Verordnungstext steht, und nenne die Fristen. Was für Ihren Betrieb konkret gilt, sollten Sie rechtlich prüfen lassen — und zwar vor dem 2. August.

## Ein Modell ist keine Firma.

Die Frage „welches Land?“ vermengt zwei Ebenen, die getrennt bewertet werden müssen.

Die Modellgewichte sind eine Datei. Mathematik. Gewichte allein telefonieren nicht nach Hause — wobei ein heruntergeladenes Paket neben den Gewichten auch Code, Konfiguration und Laufzeitabhängigkeiten enthalten kann, die man prüfen sollte. Der Dienst, der sie betreibt, ist etwas anderes: Er sieht Ihre Daten, speichert sie womöglich, protokolliert sie und unterliegt dem Recht seines Sitzstaates.

Das unmittelbar betriebliche Datenschutz- und Kontrollrisiko liegt meist stärker beim Dienst als in den Gewichten ○. Herkunftsbezogene Fragen verschwinden damit nicht: Lizenzbedingungen, Trainingsdaten, Export- und Sanktionsrecht bleiben zu prüfen. Sie sind nur ein anderes Thema als der Datenschutz. Wer ein offenes Modell auf eigener oder europäischer Infrastruktur betreibt, entschärft die Datenschutzfrage — und handelt sich eine Betriebsaufgabe ein.

Daraus folgt für mich: Die interessante Frage ist nicht, welches Modell Sie einsetzen, sondern wie schnell Sie es tauschen können. Ein Unternehmen, das seinen Anbieter in dreißig Tagen wechseln kann, ist souverän. Eines, das dafür zwei Jahre braucht, ist es nicht — egal, welche Flagge auf dem Vertrag steht.

## Das Firmengedächtnis wandert aus dem Modell heraus.

Hier wird aus meiner Meinung ein messbares Forschungssignal — nicht mehr, aber auch nicht weniger. Wir haben unseren Bestand von 602.340 wissenschaftlichen Arbeiten daraufhin abgefragt, woran seit zwei Jahren gearbeitet wird. Nicht alles wandert aus dem Modell: Sprachfähigkeit, Weltwissen und Schlussfolgern bleiben drin. Heraus wandert das, was Ihrem Betrieb gehört — Wissen, Zustand und Kontrolle.

### Erstens: Das Wissen liegt außerhalb

Das ist der etablierte Teil. 4.624 Arbeiten zu Retrieval-Augmented Generation ✓ — also zu Verfahren, die Firmenwissen neben das Modell stellen statt hinein. Genau deshalb muss man nicht neu trainieren, wenn sich ein Vertrag ändert.

### Zweitens: Der Zustand liegt außerhalb

Das ist der junge Teil — und der interessantere. Der Begriff „agent memory“ ging in Papertiteln von 2 auf 85 ✓, „self-evolving agents“ von 1 auf 28 ✓. Dahinter stehen bereits stark zitierte Arbeiten: Mem0 mit 532 ✓, A-MEM mit 460 ✓, Zep mit 209 ✓.

Und die Architektur, die Zep dafür wählt, ist bemerkenswert: ein zeitlicher Wissensgraph ✓ — Objekte mit Beziehungen und Gültigkeitszeiträumen, außerhalb des Modells. Nicht zufällig steigt parallel der Begriff Wissensgraph in Verbindung mit Sprachmodellen von 105 auf 246 Arbeiten pro Halbjahr ✓.

### Drittens: Die Kontrolle wandert nach außen

Der dritte Faden hat uns beim Auswerten überrascht, weil er nach Verwaltung klingt:

Angezeigte Zahlen: absolute Titel-Treffer. Balkenbreite = 4 px je Treffer. Die Auswahl der Begriffe erfolgte über ratennormalisierte Wachstumsfaktoren (Treffer je Arbeit), weil die beiden Zeiträume unterschiedlich groß sind — die Zahlen selbst sind nicht umgerechnet. Titel-Suche, keine Abstracts. Vergleichsjahr 01.07.2024–30.06.2025 (101.380 Arbeiten) gegen 2026 bis 23.07. (76.448 Arbeiten). Vollständige Methode im Trend-Radar. Daten als JSON · als CSV

Prüfbarkeit, Befugnis, Delegation, Bewertungsraster — das sind keine Modellbegriffe. Das sind Architekturbegriffe. Sie beschreiben, was um ein Modell herum gebaut wird, damit man ihm etwas anvertrauen kann.

Was diese Zahlen zeigen, ist Aufmerksamkeit — nicht Produktionsreife ○. Sie stützen meine These. Sie beweisen sie nicht. Die vollständige Methodenkritik steht im Trend-Radar.

## Je mehr außerhalb liegt, desto austauschbarer wird das Modell.

Wissen außerhalb. Zustand außerhalb. Kontrolle außerhalb. Wenn das Modell nur noch die Sprachfähigkeit beisteuert, ist es ein austauschbares Bauteil — und die Herkunftsfrage verliert ihren Schrecken.

Das ist keine neue Erkenntnis, sondern ein alter Softwaregrundsatz ○ — er heißt in der KI-Welt gerade nur anders. Wer sein Firmenwissen in einem eigenen Objektbestand hält, Entscheidungen protokolliert und Befugnisse außerhalb des Modells regelt, kann den Anbieter als kontrollierten Baustein wechseln, statt sein System neu zu bauen.

Der Vergleich mit einem Stromanbieter wäre zu einfach: Zwei Sprachmodelle liefern nicht dieselbe Leistung. Sie reagieren unterschiedlich auf Anweisungen, Werkzeuge, strukturierte Ausgaben und lange Texte. Zur Austauschbarkeit gehören deshalb auch ein einheitlicher Modelladapter, feste Ausgabeformate, ein eigener Prüfsatz mit Qualitätsgrenzen, Regressionstests und die Messung von Kosten und Antwortzeiten. Ohne diese Bausteine ist der Wechsel nicht billig, nur möglich.

Und genau das ist die Verbindung zum 2. August: Eine Kennzeichnungs- oder Offenlegungspflicht erfüllt man nicht im Modell, sondern in der Architektur drumherum ○. Ein Sprachmodell weiß nicht, ob seine Ausgabe gekennzeichnet wurde. Das weiß nur das System, das es einbettet.

Deshalb halte ich die Frage nach dem Herkunftsland für die kleinere. Die größere lautet: Können Sie in sechs Monaten belegen, wer wann was entschieden hat — und den Anbieter wechseln, ohne dabei Ihr Firmengedächtnis zu verlieren?

## Wo ich falsch liegen könnte.

Ein Standpunkt ohne Gegenrede ist Werbung. Hier sind die vier stärksten Einwände gegen meine These — und was ich ihnen entgegenhalte.

## Fünf Fragen an Ihre eigene Architektur.

Nicht an einen Anbieter — an Ihr eigenes System. Wer alle fünf beantworten kann, hat die Herkunftsfrage beherrschbar gemacht.

- 01 Wechselzeit. Wie lange bräuchten Sie, um das Sprachmodell zu tauschen — Tage, Monate, oder wüssten Sie es nicht? Die Antwort ist Ihr Souveränitätsgrad.
- 02 Wo liegt das Wissen? In Ihrem eigenen Bestand — oder in einem Dienst, den Sie nicht kontrollieren? Beim Wechsel entscheidet das, was Sie mitnehmen können.
- 03 Wo liegt der Zustand? Merkt sich Ihr System etwas zwischen zwei Sitzungen? Und wenn ja: bei Ihnen oder beim Anbieter?
- 04 Können Sie belegen, was entschieden wurde? Gibt es ein Protokoll, das zeigt, welche Quellen zu welcher Ausgabe geführt haben — oder nur das Ergebnis?
- 05 Ist gekennzeichnet, was gekennzeichnet gehört? Chatbots, KI-Texte, synthetische Inhalte — der Stichtag ist der 2. August. Prüfen Sie mit Ihrer Rechtsabteilung, was davon Sie betrifft.
## Ich verdiene Geld mit dieser Meinung.

Ich baue Systeme, die genau so aufgebaut sind: Wissen und Zustand in einem eigenen Objektbestand, Modell austauschbar. Wenn Sie meiner These folgen, könnten Sie bei mir landen. Das sollten Sie beim Lesen wissen.

Deshalb liegen die Rohdaten zu diesem Text offen, deshalb steht jede Zahl mit Suchbegriff und Datenstand dabei, und deshalb gibt es Abschnitt 05. Sie können jede Behauptung nachrechnen — und die Gegenargumente habe ich selbst aufgeschrieben, statt zu warten, bis jemand anders sie findet.

Was ich nicht behaupten kann: dass ich diese Frage ergebnisoffen untersucht hätte ○. Ich hatte die Position, bevor ich die Zahlen hatte. Die Zahlen haben sie gestützt — aber ich habe auch gezielt dort gesucht, wo ich sie vermutete.

## Alle Quellen dieses Textes.

Zitationszahlen sind Referenzkanten innerhalb des BrunoSan-Bestands, keine Google-Scholar-Werte. Die Angaben zur KI-Verordnung verweisen auf den Verordnungstext (EU) 2024/1689 über den AI Act Service Desk der Europäischen Kommission. Der Digital Omnibus war zum Redaktionsschluss nicht formell abgeschlossen. Nichts davon ersetzt Rechtsberatung.

## Was Leser dazu meistens fragen.

Die Belege in diesem Text stammen aus 602.340 wissenschaftlichen Arbeiten, die bei uns als einzelne Objekte vorliegen — jede mit eigener ID, Datum und Referenzkanten. Das ist dieselbe Architektur, für die dieser Text argumentiert: Wissen außerhalb des Modells, in einem Bestand, den man selbst kontrolliert und jederzeit neu befragen kann.

Für Ihre eigenen Dokumente: Atomizer macht Verträge, Rechnungen und Protokolle zu abfragbaren Objekten mit ID und Beziehungen. BrunoSan Assistant beantwortet Fragen darauf — mit Quelle zur Originalstelle. Beides EU-gehostet, Modell austauschbar.

RAG ist angekommen — jetzt wird es eingebaut → Der Reality-Check zu der Technik, mit der Wissen aus dem Modell herauswandert.

Nach Agentic AI: Drei frühe Forschungssignale → Die vollständige Messung, aus der die Zahlen in Abschnitt 03 stammen — inklusive Methodenkritik.