# smartnuts

... the world on the cabaret-style dissecting table

- Website: https://smartnuts.com/

## IDR: A Disgusting Bunch of Spammers

- Link: https://smartnuts.com/2026/11/12/idr-the-new-synquery/
- Veröffentlicht: 2026-11-12T17:39:42+01:00
- Autor: Michael Bunzel

400 dollars for an hour of trade secrets. Screening questions included.

For a couple of days now, [Hamza Faisal](https://www.linkedin.com/in/hamzafaisal29/),
and [Rayan ](https://www.linkedin.com/in/rayanahmed55/)[Ahmad](https://www.linkedin.com/in/rayanahmed55/),
both members of the market research firm [IDR](https://www.linkedin.com/company/insights-driven-research/),
have been offering me 400 US dollars almost daily to talk about head-up displays
for an hour. One small flaw: I work in automotive cybersecurity and regulation. 
My connection to head-up displays is that I occasionally look through a windshield.

The emails arrive in my private inbox. What they want is 60 minutes, remote, on 
technology evolution, emerging optical solutions, current development challenges,
and innovation trends through 2035. One look at my profile would have shown that
I am the wrong person, an effort of roughly eleven seconds. But if you fish with
a trawl net, you don’t sort the catch beforehand.

My favorite part is the assurance that “no proprietary or commercially sensitive
information would be requested.” Of course not. Everyone is famously happy to pay
400 dollars an hour for what is already in the press release. What they ask about
is “current development challenges,” which is precisely what an engineer only knows
because their employer pays them to know it.

Who ends up buying the resulting “research report” is something the interviewee 
never learns. Quite possibly the buyer sits two motorway exits down the road, developing
the very same component.

For everyone currently doing the maths on their fee: there is a confidentiality 
obligation in your employment contract, and there is the German Trade Secrets Act(
GeschGehG), Section 23, which is a criminal provision. Anyone who sells their employer’s
development know-how to strangers for pocket money has not earned a formal warning
but dismissal without notice. 400 dollars is a remarkably low price for a career.

I did briefly consider saying yes anyway. 60 minutes of PowerPoint karaoke: “The
holographic quantum HUD with blockchain-based field-of-view synchronization, production-
ready in 2031.” I am certain it would show up unchanged two weeks later in a report
priced at 4,900 dollars. You cannot expect quality control from people who ask a
cybersecurity lawyer about optics.

A handful of hangers-on who develop nothing themselves cling to an industry like
barnacles, tap its know-how by legally questionable means, and hawk it on. Although
the comparison is unfair. Barnacles at least do not sell the ship.

Der Beitrag [IDR: A Disgusting Bunch of Spammers](https://smartnuts.com/2026/11/12/idr-the-new-synquery/)
von [Michael Bunzel](https://smartnuts.com/author/maschasan/) erschien zuerst auf
[smartnuts](https://smartnuts.com).

## AI@School: Nein! Doch!!! Ohhhh …

- Link: https://smartnuts.com/2026/11/08/aischool-nein-doch-ohhhh/
- Veröffentlicht: 2026-11-08T00:58:57+01:00
- Autor: Michael Bunzel

_Überlegungen zum AI-Einsatz in der Schule basierend auf den Veröffentlichungen „
KI in der Bildung: Neue Trendanalyse zu Chancen und Risiken” von Florentine Anders
im [Deutschen Schulportal](https://deutsches-schulportal.de/schulkultur/kuenstliche-intelligenz-ki-im-unterricht-chancen-risiken-und-praxistipps/)(
Stand 29.09.2026) und dem [Trendmonitor KI in der Bildung 2026](https://www.telekom-stiftung.de/projekte/trendmonitor-ki-in-der-bildung).
Dabei zeigen sich sowohl erhebliche Potenziale für die individuelle Förderung als
auch neue Herausforderungen._

## Das Problem

… und – hat Ihr Sprössling auch gerade seine erste umfängliche wissenschaftliche
Ausarbeitung auf Gymnasialniveau erfolgreich über die Bühne gebracht? Hatten Sie
dabei auch erfrischende Diskussionen über Art und Umfang der Nutzung von AI? Oder
kam Ihr Nachwuchs nach einer Präsentation nach Hause und beschwerte sich lautstark
darüber, dass eigentlich alle Mitschüler ihre Präsentationen von ChatGPT, Claude,
Gemini oder anderen AIs haben erstellen lassen und nur er/sie nicht in den Genuss
dieser „Erleichterung“ kommen würde, weil Sie diesebzüglich interveniert hätten?

Viele Eltern werden diese Art von Diskussion sicher schon geführt und bei ihrer 
eigenen Meinungsbildung berücksichtigt haben, dass beide Extreme (d. h. die völlige
Versagung des Zugangs zu AI einerseits vs. “Dann lass eben Claude das Papier schreiben
und genieße die gewonnene Zeit” andererseits) einer Lösung des zugrundeliegenden
Problems nicht zwingend zuträglich sind. Als Eltern spüren Sie, dass an AI letztlich
kein Weg mehr vorbeiführen wird, und erleben unter Umständen im eigenen beruflichen
Alltag, dass an jeder Ecke im Unternehmen kleine AI-Feuer auflodern, die mal mehr,
mal weniger konzertiert und von einer übergreifenden Strategie gesteuert werden.

Als verantwortungsvolle Erziehungsperson haben Sie sich natürlich informiert, wie
Ihre Position hierzu aussehen sollte und Sie haben herausgefunden, dass der sokratische
Ansatz des AI-unterstützten Lernens (derzeit) offensichtlich der Königsweg ist. 
Soweit Ihre Kenntnisse und Fähigkeiten im Umgang mit AI über denjenigen Ihres Nachwuchses
liegen, haben Sie entweder manuell oder im Zwiegespräch mit der AI via Prompt die
Anweisung im Arbeitsprofil verankert, dass die AI nicht einfach fertige Arbeitsergebnisse
auswerfen soll, sondern den Nachwuchs an die virtuelle Hand nehmen und dann Schritt
für Schritt durch den eigenen Lern- und Erkenntnisprozess leiten soll. Eine schöne
Vorstellung: Der „Personal Teacher“, der sich den spezifischen Bedürfnissen Ihres
Kindes anpasst und auch bei der 1000sten Rückfrage nie die Fassung verliert und 
mit dem immer gleichen Enthusiasmus seinen Schülern zu neuen kognitiven Erfolgen
verhilft.

Nach einer kurzen Phase der Euphorie über die geniale Verquickung von kindlichen
Bedürfnissen und den realistischen Möglichkeiten eines (schnellen) Schulerfolgs 
stellt sich aber zügig die Erkenntnis ein, dass der Frust seine Heimstatt gleich
neben der Euphorie hat und beide häufig nur wenige Zeiteinheiten voneinander getrennt
liegen: Zum einen hat Ihr Sprössling natürlich schnell herausgefunden, dass die 
Profilanweisung an die AI, sokratisch vorzugehen, sich rasch aushebeln lässt. Dafür
ist noch nicht einmal ein subversiver Eingriff in die Steuerungslogik der AI bei
Nacht mit Hoodie und Sturmhaube sowie ausreichenden Programmierkenntnissen in Python
erforderlich. Man muss einfach nur den Prompt der AI richtig bedienen können, um
der AI zu sagen: “Lass den ganzen sokratischen Mist und wirf mir gefälligst das 
finale Arbeitsergebnis aus!”. Zum anderen ist die AI leider doch nicht so adaptiv,
was die verschiedenen Wege angeht, die gemeinhin nach Rom führen sollen: Klar – 
sie kann den erkenntnistheoretischen Zugang zu einem schwierigen Thema aus unterschiedlichen
Perspektiven und mit unterschiedlichen Mitteln eröffnen. Aber was bringt dem Nachwuchs
der 100ste Versuch der Erklärung durch die AI, in welchen Kontext das Literaturthema
aus dem Deutschunterricht zu setzen ist, wenn die erfolgreiche Klausur daran scheitert,
dass der eigene Wortschatz mangels ausgeprägtem Interesse am Lesen von Büchern so
verkümmert ist, dass nur Grundformen der Artikulation möglich sind und der eloquente
Schöngeist, den der Deutschlehrer so beharrlich aufzubauen versucht, in einem Trümmerfeld
zwischen Orthografie und Grammatik dahinsiecht …

Insoweit: Ja, AI kann helfen, die eigene Lernerfahrung zu intensivieren oder passgenauer
entsprechend dem eigenen Lerntyp zu gestalten. AI kann allerdings nicht die systematischen
Schwächen eines Bildungssystems kompensieren, dessen methodische Fortentwicklung
gefühlt vor 100 Jahren stehen geblieben ist und dessen gesellschaftlicher Wertbeitrag
darin besteht, Generationen von Jugendlichen zu mündigen Konsumenten zu erziehen.
Nicht gerade förderlich ist in diesem Zusammenhang auch die offenkundige Symbiose
von Verantwortlichen im Kultussektor und dem Verlagswesen für Schulmaterialien. 
Denn die erforderliche Grundlage für einen sinnhaften Einsatz von AI in den Schulen
ist natürlich eine qualitativ abgesicherte Wissensbasis, auf der dann die AI ihre
Akrobatik vollziehen kann. Sehr plastisch wird diese Erkenntnis für alle Beteiligten,
wenn die AI sich mal wieder alle Nuggets zur Lösung einer Aufgabe aus dem „Internetz“
zusammengekratzt hat und dann anfängt, noch offene Lücken in der Argumentationskette
mit ein paar Halluzinationen zu schließen. Eine Datenbasis aus digitalen Schulbüchern
könnte hier Wunder bewirken. Aber anstatt Lehrbücher digital zu verlegen und so 
dem ständigen politischen Gelaber von der Digitalisierung der Schulen zumindest 
ein klein wenig Substanz zu verleihen, hält man dagegen konsequent an der liebgewonnenen
Tradition toter Bäume fest und verschiebt so den Bremsklotz der elektronischen Lethargie
jedes Jahr um ein paar weitere Zentimeter in Richtung Zukunft.

## Praktische AI

Zurück zu den Eltern. Wie könnte nun ein Set-up für einen sokratischen Tutor für
den Sprössling aussehen?

Der erste Schritt bestünde darin, die relevanten Lehrquellen zu digitalisieren (
z. B. mit [vFlat ](https://apps.apple.com/de/app/vflat-scan-dokumentenscanner/id1540238220)
[Scan](https://apps.apple.com/de/app/vflat-scan-dokumentenscanner/id1540238220))
und dann in einen Wissensgraphen zu überführen. [Gemini ](https://notebook.google.com/)
[Notebook](https://notebook.google.com/) ist da das präferierte “ride-or-die-tool”.
Sind erst einmal alle Lehrbücher (unter Beachtung der urheberrechtlichen Rahmenbedingungen,
hierzu gibt es später auch noch einen Beitrag) in fachbezogenen Notebooks verstaut,
kann dann mittels kleiner Helferlein die Brücke zu Claude, ChatGPT oder einem anderen
LLM gebaut und sodann die Wissensbasis abgefragt werden.

Auf diese Weise baut man gewissermaßen on-the-fly ein sehr spezifisches Curriculum
für einzelne Fachfragen auf und kann dabei Merkhilfen, Übersichten, Videos, Präsentationen,
Podcasts und vieles andere mehr via Claude in Gemini Notebook generieren lassen.
Hat man also bestimmte Wissenslücken identifiziert, kann man diese wie mit einer
Akupunkturnadel behandeln – zielgenau, fundiert und nachhaltig. Die typischen AI-
Nebenwirkungen wie Halluzinationen treten deutlich seltener zutage, denn die Wissensbasis
ist solide. Prüfen muss man die Ergebnisse freilich trotzdem.

In einem weiteren Schritt muss man dann nur noch dafür sorgen, dass die AI nicht
zu “chatty” wird und einfach mal so den Aufsatz über Maria Stuart oder die Kurvendiskussion
in Gänze rauslässt. Das gewollte sokratische Lernmodell nimmt den zu Unterrichtenden
virtuell an die Hand und führt ihn auf den Pfad der Selbsterkenntnis von einem kleinen
Erkenntnishappen zum nächsten. Hierfür braucht es nur ein wenig Konfiguration in
den jeweiligen Profildateien der genutzten LLMs.

Diese Art von Lernumgebung kann dann beliebig “getuned” werden – angefangen vom 
Aufbau eines lokalen ausgelagerten Gedächtnisses, dem sog. SecondBrain, in dem die
Konversationen mit der AI sich in Dateiform manifestieren und damit dauerhaft als
Grundlage von Chat-Prompts zur Verfügung stehen, über die Anbindung von externen
Anwendungen wie beispielsweise Mathematica, die man sodann via LLM-Prompt mit komplexen
Aufgaben aus der Mathematik, Physik oder Chemie füttern kann bis zum Aufbau eines
Wissensgraphen (bspw. mit graphify) über den jeder Informationsschnipsel im SecondBrain
Vault in Beziehung zu den sonstigen Inhalten gesetzt werden kann. Ein weiterer interessanter
Use Case ist die Verbindung von Claude, Gemini Notebook und [Gamma AI](https://gamma.app/):
Das Wissen liegt hier wiederum im Gemini Notebook, Gamma AI baut die Präsentation
oder das Plakat und Claude ist das “Human Interface”, d.h. der Nutzer steuert sowohl
die Wissensbasis im Notebook als auch die Definition des Arbeitsergebnisses in Gamma
allein mittels Claude Prompt.

## Was die Zahlen sagen

Die vorgenannten Beispiele der Nutzung von AI im Alltag eines Schülers stehen und
fallen letztlich aber mit den Rahmenbedingungen, die die Schulordnungen der Länder
hierfür definieren. Diese Konzepte reichen in unserer föderalen und damit zutiefst
fragmentierten Bildungslandschaft von “AI ist die glorreiche Zukunft” bis zu “Grundlagenwissen
muss mit einem Rechenschieber erlernt werden!”. Dementsprechend existieren zuhauf
Untersuchungen und Stellungnahmen zum AI- bzw. LLM-Einsatz im Schulalltag, die je
nach Auftraggeber und Intention zu ganz unterschiedlichen Ergebnissen gelangen.

Das [Deutsche Schulbarometer 2026](https://deutsches-schulportal.de/bildungswesen/deutsches-schulbarometer-2026-neue-zahlen-verraten-was-lehrkraefte-am-meisten-belastet/)
der Robert Bosch Stiftung hat Lehrkräfte im November 2025 zur AI-Nutzung befragt.
Hier die wichtigsten Zahlen:

|  | Befragung Ende 2024 | Befragung Ende 2025 | 
| AI in den letzten 12 Monaten nie genutzt | 31 % | 10 % | 
| AI mehrmals im Monat genutzt | 20 % | 27 % | 
| AI mehrmals pro Woche genutzt | 9 % | 19 % |

Für Schulen, die sonst jahrelang auf Glasfaser, WLAN im zweiten Stock oder einen
funktionierenden Beamer warten, ist die in der Tabelle dargestellte Entwicklung 
der AI-Nutzung bemerkenswert: Eine zahlenmäßig signifikante Adaption bzw. Integration
von AI in den Lehralltag innerhalb von zwölf Monaten, ohne dass man ein Förderprogramm
mit vierjähriger Antragsphase durchschreiten muss. Am häufigsten erstellen Lehrkräfte
mittels AI-Unterstützung Unterrichtsaufgaben (64 Prozent) oder planen ihren Unterrichtsverlauf(
58 Prozent).

In die gleiche Richtung weist der [Trendmonitor KI in der Bildung 2026](https://www.telekom-stiftung.de/projekte/trendmonitor-ki-in-der-bildung)
der Telekom Stiftung, erschienen im September 2026.

Erstaunlich sind dagegen folgende Ergebnisse der vorgenannten Untersuchungen: Dieselben
Lehrkräfte, die AI fleißig zur Vorbereitung einsetzen, erwarten für ihre Schülerinnen
und Schüler mehrheitlich eher negative Folgen:

 * kritisches Denken: 67 Prozent befürchten Schaden
 * soziale und kommunikative Fähigkeiten: 67 Prozent
 * Problemlösefähigkeit: 62 Prozent
 * Sprach- und Schreibkompetenz: 57 Prozent

Positiv sehen 59 Prozent primär eine bessere individuelle Lernunterstützung.

Man kann das als Doppelmoral lesen. Man kann es aber auch fair lesen: Wer schon 
weiß, wie man eine Aufgabe stellt, spart mit AI Zeit. Wer erst lernen soll, wie 
man denkt, spart sich womöglich genau das Lernen. Ein Taschenrechner hilft dem Ingenieur
und schadet dem Grundschüler beim Einmaleins. Dafür gibt es Didaktik.

Ob die Sorgen berechtigt sind, lässt sich inzwischen teilweise prüfen. Für den Trendmonitor
haben die Autoren 81 Fachleute aus Bildung und AI befragt, und es gibt erste kontrollierte
Studien dazu, was AI beim Lernen tatsächlich bewirkt. Das Ergebnis ist unbequem 
für beide Lager.

## Wo AI Schülern nützt …

Den größten Nutzen für Schüler sehen die Fachleute bei unscheinbaren Werkzeugen:
Transkription und Text-zu-Sprache. Sie bauen Barrieren für Kinder mit Seh- oder 
Höreinschränkungen ab und helfen allen, deren Herkunftssprache nicht Deutsch ist.
Auf Platz zwei folgen intelligente Tutorsysteme, die jedem Schüler sofort Rückmeldung
geben.

Für solche Tutoren gibt es inzwischen harte Zahlen:

 * **Nigeria:** Die Weltbank ließ Oberstufenschüler in neun öffentlichen Schulen
   sechs Wochen lang nach dem Unterricht mit einem GPT-4-Assistenten Englisch üben.
   Der Zuwachs im Englischen lag bei 0,23 Standardabweichungen. Den Gesamteffekt
   setzen die Autoren mit anderthalb bis zwei Jahren regulärem Unterricht gleich(
   [De Simone et al., 2025](https://openknowledge.worldbank.org/bitstreams/cd9cca5b-2ffd-4be1-8313-0f4d2ed6ef4f/download)).
 * **Harvard:** In einem Physik-Einführungskurs wechselten 194 Studierende zufällig
   zwischen einer Präsenzstunde mit aktivem Lernen und einem eigens gebauten AI-
   Tutor zu Hause. Mit dem Tutor war der Lernzuwachs im Test direkt danach mehr 
   als doppelt so groß, und sie benötigten dafür im Median 49 statt 60 Minuten (
   [Kestin et al., 2025](https://doi.org/10.1038/s41598-025-97652-6)). Die Grenzen
   nennen die Autoren selbst: zwei Unterrichtseinheiten, Test unmittelbar im Anschluss,
   keine Messung, was nach Wochen hängen bleibt. Und Harvard-Studenten sind nicht
   die 8b einer Gesamtschule.

Beide Tutoren hatten allerdings eines gemeinsam: Sie waren für das Lernen gebaut,
mit festen Aufgaben und didaktischem Gerüst. Der Harvard-Tutor bekam zu jeder Aufgabe
eine hinterlegte Musterlösung, damit er nicht halluziniert. China geht im Übrigen
denselben Weg im großen Stil. Laut Trendmonitor sollen dortige Bildungs-AIs als „
sokratischer” Tutor arbeiten, also Leitfragen stellen statt Lösungen liefern, und
bei einem Fehler genau zu der Wissenslücke zurückspringen, aus der er stammt.

## … und wo sie schadet

Die wichtigste Studie zur Schattenseite stammt aus der Türkei. Knapp 1.000 Schüler
übten Mathematik in drei Gruppen: mit einer frei nutzbaren ChatGPT-Variante, mit
einer Tutor-Variante mit Leitplanken oder nur mit Buch und Heft ([Bastani et al., PNAS 2025](https://ideas.repec.org/a/nas/journl/v122y2025pe2422633122.html)).

|  | Übungsphase mit AI | Prüfung ohne AI | 
| freies ChatGPT | 48 % besser als Kontrollgruppe | 17 % schlechter | 
| Tutor mit Leitplanken | 127 % besser | etwa gleich |

Die freie Variante wirkte als Krücke: Die Schüler ließen sich die Aufgaben lösen
und schnitten in der Prüfung schlechter ab als Mitschüler, die nie AI hatten. Die
Tutor-Variante verhinderte den Schaden. Einen messbaren Lerngewinn in der Prüfung
brachte sie allerdings auch nicht.

Dasselbe Muster beschreiben Praktiker im Trendmonitor. Eine Lehrerin berichtet, 
dass Schüler simpelste Aufgaben nicht mehr bearbeiten können und Chatbots „häufig
nicht als Tutoring oder Lernbegleitung genutzt” werden, „sondern es wird deren Sprachstil
übernommen”. Aus China meldet die Forschung dasselbe: Vor allem leistungsschwächere
Schüler delegieren das Denken komplett an die AI und lernen dabei nicht, ihr eigenes
Lernen zu steuern. Damit wird die Sorge der Fachleute vor einer wachsenden Schere
konkret. Selbst in Nigeria, wo alle Leistungsgruppen zulegten, gewannen die ohnehin
Stärkeren am meisten.

Das Risiko, das die Fachleute auf Platz eins setzen, trifft das System: die Abhängigkeit
von marktführenden AI-Konzernen. Das wichtigste Werkzeug an deutschen Schulen heißt
derzeit ChatGPT, und das gehört keinem europäischen Anbieter. Für alle weiteren 
Mitkonkurrenten (Claude, Gemini, Perplexity) gilt das Gleiche.

## Welche Vorbehalte kaum tragen

**„Wir müssen erkennen können, was die AI geschrieben hat.”** Die Sorge ist verständlich,
das Ziel aber falsch gewählt. Eine Stanford-Studie hat sieben gängige AI-Detektoren
getestet: Aufsätze amerikanischer Achtklässler erkannten sie fast fehlerfrei als
menschlich. Von den Aufsätzen nicht-muttersprachlicher Schreiber stuften sie im 
Schnitt 61 Prozent fälschlich als AI-Text ein ([Liang et al., 2023](https://arxiv.org/abs/2304.02819)).
Getestet wurde Englisch. Übertragen auf deutsche Schulen träfe ein Detektor-Regime
hauptsächlich die Kinder, die Deutsch als Zweitsprache lernen. China zieht die andere
Konsequenz und stellt Prüfungen so, dass der Denkweg sichtbar wird: mündlich, prozessbegleitend
oder als Klassenarbeit unter Aufsicht.

**„AI schadet dem kritischen Denken.”** 67 Prozent der Lehrkräfte befürchten das.
Pauschal hält die Aussage nicht. Eine Meta-Analyse aus diesem Jahr wertet 26 Studien
aus, überwiegend an Hochschulen: Lernumgebungen mit Generative AI gingen im Schnitt
mit besserem kritischem Denken einher, bei stark schwankenden Ergebnissen ([Educational Psychology Review, 2026](https://link.springer.com/article/10.1007/s10648-026-10180-1)).
Zusammen mit der Türkei-Studie zeigt sich: Es kommt auf das Werkzeug und die Aufgabe
an. Ein Chatbot, der Lösungen ausgibt, schadet beim Üben. Ein Tutor, der Fragen 
stellt, schadet nicht. Ob er beim kritischen Denken auch nützt, ist offen. Selbst
die Harvard-Autoren erwarten nicht, dass ihr Tutor den Präsenzunterricht überall
schlägt, ausdrücklich nicht dort, wo mehrere Konzepte verknüpft werden oder kritisches
Denken auf höherer Stufe gefragt ist. Ihre Studie deckte das Verstehen, Anwenden
und Analysieren neuer Inhalte ab.

**„AI schadet sozialen und kommunikativen Fähigkeiten.”** Auch hier sind es 67 Prozent
Zustimmung. Belastbare Studien, die das für den Einsatz im Unterricht zeigen, stützen
dieses offenkundige Bauchgefühl jedoch nicht. Die Fachleute des Trendmonitors halten
selbst psychische Risiken wie eine Abhängigkeit von Chatbots derzeit für sehr gering.
Das könnte sich allerdings ändern, ist aber im Moment eher Bauchgefühl als ein wissenschaftlich
belastbarer Befund.

## Was der AI Act dazu sagt

Die Ständige Wissenschaftliche Kommission der Kultusministerkonferenz empfahl schon
im Januar 2024 in einem [Impulspapier](https://swk-bildung.org/content/uploads/2024/02/SWK-2024-Impulspapier_LargeLanguageModels.pdf)
den freien Zugang zu AI-Werkzeugen für alle Schüler und Lehrkräfte, AI-Tutoren für
individuelles Feedback und neue Prüfungsformate, mit und ohne erlaubte AI. Die KMK
hat daraus im Oktober 2024 ihren Handlungsleitfaden für Schulen abgeleitet.

Dabei sind die Leitfäden der Länder sind nicht die einzigen Regelwerke. Die europäische
AI-Verordnung ([VO (EU) 2024/1689](https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:32024R1689))
gilt seit Februar 2025 schrittweise. Im Juli 2026 hat der Gesetzgeber sie mit dem
Digital-Omnibus ([VO (EU) 2026/1744](https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:32026R1744))
schon wieder umgebaut, bevor große Teile überhaupt galten. Für Schulen bleibt trotzdem
einiges übrig: Betreiber im Sinne der Verordnung ist auch jede Behörde oder Einrichtung,
die AI in eigener Verantwortung einsetzt (Art. 3 Nr. 4); ausgenommen ist nur die
rein private Nutzung. Ob das im Einzelfall die Schule, der Schulträger oder das 
Land ist, lässt der Text offen.

 * **AI-Kompetenz (Art. 4):** Ursprünglich mussten Betreiber ein „ausreichendes 
   Maß” an AI-Kompetenz ihres Personals sicherstellen. Seit dem Omnibus müssen sie
   nur noch Maßnahmen ergreifen, die die Entwicklung von AI-Kompetenz unterstützen.
   Ein bestimmtes Niveau müssen sie ausdrücklich nicht garantieren. Im Schulbarometer
   steht AI beim Fortbildungsbedarf auf Platz eins, 52 Prozent der Lehrkräfte sehen
   großen Bedarf. Im selben Sommer hat Brüssel die Pflicht, diesen Bedarf zu decken,
   von „sicherstellen” auf „unterstützen” heruntergestuft. Immerhin sollen Kommission
   und Mitgliedstaaten dabei helfen.
 * **Emotionserkennung verboten (Art. 5 Abs. 1 lit. f):** AI, die in Bildungseinrichtungen
   Emotionen ableitet, ist seit Februar 2025 verboten, mit Ausnahmen für medizinische
   und Sicherheitszwecke. Daran hat der Omnibus nichts geändert. Das Langeweile-
   Barometer für die sechste Stunde bleibt also Handarbeit.
 * **Hochrisiko (Anhang III Nr. 3):** AI, die über die Zulassung entscheidet, Lernergebnisse
   bewertet, das Bildungsniveau einstuft oder Prüfungen überwacht, gilt als Hochrisiko-
   System. Darunter fiele ausgerechnet die automatische Korrektur von Klassenarbeiten,
   von der sich Fachleute allerdings auch wenig versprechen. Die Betreiberpflichten
   nach Art. 26, darunter menschliche Aufsicht, greifen nach dem Omnibus erst ab
   2. Dezember 2027 statt wie ursprünglich geplant ab August 2026. Für öffentliche
   Betreiber kommen dann noch die Registrierung in der EU-Datenbank (Art. 26 Abs.
   8) und eine Grundrechte-Folgenabschätzung (Art. 27) dazu.

Wer als Schule ab Ende 2027 eine AI Klassenarbeiten bewerten lässt, hat damit mehr
Pflichten als ein Unternehmen, nur eben ohne Compliance-Abteilung. Und wer schon
den KMK-Leitfaden nicht schafft, liest die AI-Verordnung erst recht nicht. Insoweit
wird dieses Szenario wohl nicht so schnell Realität werden.

## Was bleibt?

Lehrkräfte haben AI dort übernommen, wo sie ihnen selbst Arbeit abnimmt. Die schwierige
Frage bleibt offen: Wie bringt man Schülern bei, mit einem Werkzeug zu lernen, das
ihnen das Lernen abnehmen kann?

Die vorgenannten Studien geben eine erste Antwort. Dasselbe Sprachmodell kann Lernen
beschleunigen oder verhindern, je nachdem, ob es Fragen stellt oder Lösungen liefert.
Die Debatte „AI ja oder nein” führt deshalb ins Leere. Die richtige Frage lautet,
welche AI für welche Aufgabe. Daraus folgt der zweite Hebel: die Prüfungen. Solange
Hausaufgaben und Facharbeiten so gestellt sind, dass ein Chatbot sie in 30 Sekunden
erledigt, wird er sie erledigen. Die SWK hat das 2024 schon gesagt. Bisher setzen
es vorwiegend einzelne Schulen und Initiativen um, und genau so beschreibt der Trendmonitor
den deutschen Stand. Insoweit … nichts ist so beständig wie der Stillstand der Schulpolitik
in Deutschland.

Der Beitrag [AI@School: Nein! Doch!!! Ohhhh …](https://smartnuts.com/2026/11/08/aischool-nein-doch-ohhhh/)
von [Michael Bunzel](https://smartnuts.com/author/maschasan/) erschien zuerst auf
[smartnuts](https://smartnuts.com).

## The Complexity of AI … for Managers

- Link: https://smartnuts.com/2026/11/01/the-complexity-of-ai-for-managers/
- Veröffentlicht: 2026-11-01T23:22:34+01:00
- Autor: Michael Bunzel

Wild times in the “old school industry” … everywhere agentic AI ~fantasies~ disruptions,
which are supposed to be seamlessly integrated on the basis of holistic approaches,
while keeping the human in the loop and yet still scaling. AI becomes a board-level
topic – middle management executes and across the company new metrics are drawn 
up on a large scale, making some kind of success dependent on the use of AI. Processes
and process knowledge quietly disappear (because the AI now takes over). Plenty 
of AI use cases are sought, found, and implemented. The content of management briefings
is generated en masse in the prompt landscape. As a double check on the briefing
content, AI is then used to generate a list of questions that the creators believe
will also come from the briefing’s target audience. Welcome to the world of the 
perfect circle … an LLM interpolates the content of the management briefing from
the operational-tactical level, and this is then in turn validated by a second AI,
which generates a comprehensive (and mostly very naive) set of questions. AI talks
to AI … with the human in the loop, even though at this stage he’s just an extra.

But actually this wasn’t supposed to be a rant on AI in general at all, but rather
a little tour through the essential steps of AI deployment in companies. So …. here
we go …

---

## Let’s start a Band!

Commonly, the journey with your own AI begins with a line of code and a credit card.
Whether it’s a first tentative business application or the casual “let me just play
around with AI a bit” at home … your program sends text to a provider’s model, the
model sends text back. Architecturally, this is about as exciting as a weather service
from the 2000s: external service, stateless, API key … no witchcraft involved. In
boardroom slides, this stage is typically called “AI strategy.” It’s the first of
many stages, and things get complicated the moment the model takes over the process.

## Knowledge comes at runtime

The model doesn’t know your company and, of course, is reluctant to admit it. So
the first real layer in your AI ecosystem emerges: a system prompt for the role 
and a RAG for the knowledge. You break down documents, store them as embeddings 
in a vector database, and inject the relevant sections into the request at runtime.
The knowledge lives with you, and the model only sees the excerpt it needs to generate
an answer. Now you have some kind of knowledge base that wasn’t scraped together
from the AI slop on the internet. You’ve successfully overcome this hurdle… Congratulations!

## The model takes over the process

Up to this point, your code called the model and controlled it with instructions
on what to do and how to do it. With tool calling, the game is turned around: the
model now decides which function it calls. It then reads the result and decides 
anew, until the task is completed according to your goal description. MCP standardizes
the connection to information resources, and suddenly the whole thing is called 
agent-driven AI. This step is the actual architectural break. The program or AI 
execution flow is no longer defined in the code itself, but instead emerges at runtime
for the specific task. A system that could previously only talk incorrectly can 
now also act incorrectly, in practice.

## Trust becomes architecture

Whoever acts needs rights, and rights need an identity. The user’s identity travels
via OAuth through every tool call, with roles limiting what the agent is allowed
to see. Then there’s prompt injection: a model cannot reliably separate data from
instructions, so every email and every PDF is a potential command. Guardrails do
filter inputs and outputs, but it’s more reliable to fundamentally grant the agent
little permission and have humans approve risky actions. This is Zero Trust, this
time against your own software.

## From prototype to operation

Every request costs money. So we optimize: between the application and the models,
we insert a gateway with cache and router: small models for simple tasks, large 
ones for heavy tasks. What was once a single model has thus become a fleet. That
leaves the question of quality. Classic tests don’t work well with non-deterministic
systems, so traces and logs show what the agent did, and evals check every change.
Prompts must therefore be treated like code, with versioning, approval, and all 
the formal fuss that comes with it.

## The Platform

The next problem is called scalability. Five departments build six agents, each 
with its own vector database and its own access credentials. So you centralize: 
a catalog for agents and tools, shared memory, unified identities, and a control
layer for policies, costs, and auditing. Agents commission agents. The platform 
has its own team, its own roadmap, and its own budget. The model that started it
all is now one of the most easily replaceable components.

What remains? If you didn’t duck your head fast enough when AI implementation responsibility
was being handed out and ended up landing a nice future project, first check which
tier it’s on and who in the hierarchy pays for the next one. The LLM provider’s 
price list only covers tier 1; the remaining five/six tiers appear further down 
the org chart.

BTW: The line of code from the beginning, by the way, still exists. It now has a
Product Owner.

Der Beitrag [The Complexity of AI … for Managers](https://smartnuts.com/2026/11/01/the-complexity-of-ai-for-managers/)
von [Michael Bunzel](https://smartnuts.com/author/maschasan/) erschien zuerst auf
[smartnuts](https://smartnuts.com).

## When phishing meets executive search, the only qualification required is a sufficiently low IQ — on either side.

- Link: https://smartnuts.com/2026/10/08/when-phishing-meets-executive-search-the-only-qualification-required-is-a-sufficiently-low-iq-on-either-side/
- Veröffentlicht: 2026-10-08T21:09:17+02:00
- Autor: Michael Bunzel

Apparently, word of the industry’s predicament is spreading quickly, and so small-
time, pimply-faced scammers, who go by names like Courtney Nierengarten, Victor 
Johnson, or Jennifer Hang and adorn themselves with titles such as “Board Executive
Search Partner” or “Executive Recruiter”, get the idea to go fishing for a bit. 
In an email that appears to have been tweaked with AI to produce reasonably conversational
business English, they offer their assistance with the next step up into the world
of executive-level positions.

With a personalized email, the content of which was scraped from websites and a 
LinkedIn profile, they’re clearly trying to give the impression that they’ve conducted
extensive background research on the potential candidate. Then they top off all 
this drivel with a few ego-boosting compliments … and the phishing email is ready
to go. To be honest … I can’t decide what’s more disturbing: the breathtaking incompetence
of these scammers, or their apparent confidence that the average security professional
is even more incompetent..

Two fundamental principles are now facing off and battling each other in my mind:
On the one hand, the principle of mental plausibility (people tend to attribute 
significance or feasibility to an idea simply because it exists in their minds or
because someone has already invested energy in it), and on the other hand, the circular
reasoning principle (in the sense that there must be “something to it,” _because_
it was tried).

But ultimately, we don’t need to delve that deeply into cognitive science. In the
end, the explanation is probably much more trivial: The scammers’ effort is calibrated
to the anticipated perception threshold of their potential victims. This makes one
thing abundantly clear: We’re getting dumber and dumber and have evidently lost 
all capacity for critical thinking.

Der Beitrag [When phishing meets executive search, the only qualification required is a sufficiently low IQ — on either side.](https://smartnuts.com/2026/10/08/when-phishing-meets-executive-search-the-only-qualification-required-is-a-sufficiently-low-iq-on-either-side/)
von [Michael Bunzel](https://smartnuts.com/author/maschasan/) erschien zuerst auf
[smartnuts](https://smartnuts.com).

## Der Agent hat einen Plan. Hat er auch die Erlaubnis?

- Link: https://smartnuts.com/2026/10/04/der-agent-hat-einen-plan-hat-er-auch-die-erlaubnis/
- Veröffentlicht: 2026-10-04T18:50:26+02:00
- Autor: Michael Bunzel

_Wie normative Anforderungen zu technischen Grenzen für KI-gestützte Security-Tests
werden_

Vor ein paar Jahren war der Begriff “Tech Law” in der Szene wie eine Seuche: Zum
einen waren da die Old School-Juristen, die endlich einen Chance witterten, mit 
ihren Themenfeldern wieder in alle Munde zu kommen: angefangen vom angestaubten 
Gewerblichen Rechtsschutz über das Urheber- und das Datenschutzrecht bis hin zum
IT-Recht (Softwareverträge, E-Commerce-Recht, Cloud Computing, IT-Sicherheitsrecht)–
man gab sich jung, frisch und am Puls der Zeit. Und dann bogen die Hipster unter
den Tech Lawyers um die Ecke, die ihre Blogs mit Begriffen wir Block Chain, Code
ist Law, Smart Contracts, Tokenisierung und NFTs, DAOs, Oracles fluteten – einmal
mehr beseelt vom Wunsch, die Aufmerksamkeitswelle auch mal mit ein paar juristischen
Themen reiten zu können.

Wenn man heute die juristischen Frontier- oder Edge-Themen auf einer Perlenkette
aufreihen wollte, finden sich dann solche Schlagworte wie KI-Agenten als Vertragspartner,
Rules-as-Code, Agent-Kartelle (bspw. im Kontext von Preisabsprachen), Digital Twins,
Quantencomputing und digitale Signatur und Neurorights. All diesen Themen ist gemein,
dass man auf diese im Rahmen des hergebrachten Rechtsrahmens keine verlässlichen
Antworten geben kann. Verengt man den Blick auf potentielle Fallgestaltungen im 
Kontext eines OEMs, sind wir diesbezüglich auch mit hinreichend Potential für juristische
Aufarbeitung gesegnet. Beispielhaft seien an dieser Stelle folgende Themen genannt:

 * LLM-gestütztes Pentesting**:** Was gilt, wenn der Agent den vereinbarten Scope
   verlässt? Offen sind Autorisierung, Hackerparagraf und Haftung zwischen Auftraggeber,
   Supplier und Tool-Anbieter.
 * KI-generierter Code im CRA**:** Wer ist Hersteller, wer schuldet die Sorgfalt,
   und gehört das Modell in die SBOM?
 * Scope-Kollision CRA und R155**:** Das Fahrzeug ist ausgenommen, aber was ist 
   mit Aftermarket, Ladeinfrastruktur und Backend?
 * Data Act gegen Cybersecurity**:** Die Pflicht zum Datenzugang trifft auf die 
   Pflicht zur Abschottung.
 * Kollidierende Meldepflichten für Schwachstellen: EU und China verlangen jeweils
   zuerst die Meldung an die eigene Behörde.
 * OTA-Updates und Typgenehmigung: Ab wann ist ein Update ein neues Fahrzeug?
 * Herkunft als Rechtskriterium: Bei ICTS-Regeln und Connected-Vehicle-Verboten 
   wird Geopolitik zur Compliance-Frage.
 * “Stand der Technik” und Post-Quantum: Ab wann ist fehlende Krypto-Agilität ein
   Rechtsverstoß?

Der vorliegende Blogbeitrag beschäftigt sich in der Frage, wie man als Produktverantwortlicher
die normative Verpflichtung zur Validierung (nachfolgend i.S.d. Pentestings) des
eigenen Produkts bzgl. Schwachstellen unter Nutzung von LLM-Modellen so designed,
orchestriert und dokumentiert, dass man weder zu kurz (“Nein! Sie haben nicht alles
getan, um Schwachstellen in ihrem Fahrzeug zu finden.”) noch zu weit (Schade, dass
ihre Pentester diese unscheinbare Drittbibliothek im Code des Suppliers auch noch
getestet haben und dabei auch noch Lastenhefte, Specs usw. in die Cloud des LLM-
Abieters hochgeladen haben) springt. Dies ist mithin ein Tanz auf der Rasierklinge,
der natürlich in einem Umfeld, welches durch die Neugier von Ingenieuren vorangetrieben
wird, häufig immer erst zu einer technischen Lösungen/Implementierung führt und 
dann erst im zweiten Schritt die normativen Regeln nachzieht.

Doch nun genug des Vorspiels. Starten wir zunächst mit einem kleinen Beispiel, um
das Problem zur verdeutlichen:

Stellen wir uns vor, ein KI-Agent untersucht die Software eines Steuergeräts im 
Testlabor. Er entdeckt Zugangsdaten und schlägt vor, sie gleich am Backend eines
Suppliers auszuprobieren. Technisch ist das eine naheliegende Anschlussfrage. Für
den Testauftrag kann es ein Sprung über die Grenze sein: War das Backend freigegeben?
Wer dürfte einen solchen Zugriff erlauben? Und welche Informationen hat der Agent
bis dahin bereits verarbeitet?

Diese Fragen lassen sich nicht erst im Abschlussbericht beantworten. Eine Plattform
für agentische Security-Tests muss den zulässigen Handlungsrahmen kennen, bevor 
der erste Toolaufruf erfolgt.

## Die Übersetzungslücke zwischen Anforderung und Test

In der Automotive Cybersecurity (ACS) sind wir gewohnt, Risiken, Maßnahmen und Nachweise
über den Lebenszyklus eines Fahrzeugs zu betrachten. Die [UN-R155](https://eur-lex.europa.eu/eli/reg/2025/5/oj/deu/pdf)
verlangt unter anderem Prozesse für Cybersecurity-Tests und den Umgang mit Risiken
und Abhängigkeiten in der Lieferkette. Sie schreibt keine KI-Agenten vor. Sie stellt
aber eine Frage, die mit wachsender Testautomatisierung konkreter wird: Wie lässt
sich nachweisen, dass Prüfungen wirksam, nachvollziehbar und innerhalb ihres zulässigen
Rahmens durchgeführt wurden? Der hierfür einschlägige Rahmen wird dabei nicht (nur)
durch die ACS-Hom-Anforderungen determiniert. Vielmehr treffen diese dann auf Normen
des Strafsanktionsrechts, der Urheber-, Datenschschutz und Geschäftsgeheimnisschutzes.
Erst im ausbalancierten Verhältnis der vorgenannten Normen mit den homologationsrechtlichen
Anforderungen kann eine Antwort auf die Frage gefunden werden, wie man die Idee 
des LLM-basierten Pentestings praktisch umzusetzen vermag.

Was den hierfür erforderlichen Rahmen angeht: Für die Homologation über verschiedene
Märkte hinweg gibt es darauf keine weltweit einheitliche Checkliste. Schon innerhalb
des UNECE-Systems wenden Vertragsparteien [nicht automatisch jede UN-Regelung an](https://unece.org/transport/vehicle-regulations/faq).
Eine gemeinsame Testplattform kann dennoch einen stabilen Kern schaffen und die 
jeweils geltenden Anforderungen als überprüfbare Regeln und Nachweise abbilden.

Dazwischen liegt die eigentliche Arbeit. Eine normative Vorgabe oder ein Supplier-
Vertrag sagt noch nicht, ob ein Agent _jetzt_, gegen _dieses_ Steuergerät und mit
_diesen_ Parametern einen bestimmten Test ausführen darf.

## Das Engagement schreibt den Handlungsrahmen fest

Ausgangspunkt jedes Testlaufs sollte deshalb ein freigegebenes Testing Engagement
sein. Es beschreibt das Testobjekt einschließlich Softwareversion und Umgebung, 
die zulässigen Targets und Methoden, die Eingriffstiefe, zeitliche und technische
Grenzen sowie den Umgang mit Daten. Ebenso hält es fest, auf welcher Befugnis der
Test beruht und wer eine Erweiterung freigeben kann.

Diese Festschreibung ist mehr als ein Ticket mit dem Vermerk „Pentesting erlaubt“.
Gerade bei Supplier-Software können Beobachtung und Test, Programmkopien, Bearbeitung
oder Dekompilierung unterschiedlich zu beurteilen sein; das zeigen bereits die [§§ 69c bis 69e UrhG](https://www.gesetze-im-internet.de/urhg/BJNR012730965.html).
Auch eine Freigabe für ein Steuergerät umfasst nicht automatisch ein Supplier-Backend,
Systeme von Unterlieferanten oder die Übermittlung vertraulicher Artefakte an einen
externen KI-Dienst.

Hier liegt zugleich die mögliche Erlaubniswirkung gegenüber Suppliern: Soweit die
zuständigen Parteien einen konkreten Testumfang wirksam vereinbart oder freigegeben
haben, kann das Engagement diese Befugnis eindeutig dokumentieren. Der Plattformdatensatz
erteilt selbst keine Rechte. Er sorgt allerdings dafür, dass sich die tatsächlich
erteilte Erlaubnis in den ausführbaren Aktionen wiederfindet. Wird der Scope erweitert,
braucht auch die Freigabe eine erneute Prüfung.

## Aus der Freigabe wird eine Laufzeitentscheidung

Ein Agent auf Basis eines großen Sprachmodells kann Hypothesen entwickeln, Tests
planen und den nächsten sinnvollen Schritt vorschlagen. Ob er ihn ausführen darf,
entscheidet eine Kontrollschicht außerhalb des Modells.

Dafür werden Testhandlungen typischer Weise in einer gemeinsamen Capability Matrix
beschrieben. Diese Capability_matrix definiert dann, was bei welchem Target, in 
welcher Umgebung und mit welcher Wirkung zulässig ist. Die daraus abgeleiteten Plattformregeln
beantworten einen konkreten Toolaufruf sodann mit ALLOW, DENY oder STEP-UP – also
Ausführen, Sperren oder zusätzliche Freigabe einholen.

Nun aber zurück zu unserem ursprünglichen Beispiel: Begrenzte Diagnoseaufrufe am
freigegebenen Steuergerät können erlaubt sein. Das Schreiben in den Speicher kann
gesperrt sein. Der Wechsel zu einem Backend auf der anderen Seite löst aber mindestens
eine neue Scope- und Berechtigungsprüfung aus. Der Agent kann diesen Wechsel zwar
vorschlagen; seine eigene Einschätzung erweitert den Auftrag aber eben nicht automatisch.

Dies ist letztlich die technisierte Implementierung von Governance: Fachliche und
rechtliche Entscheidungen werden zunächst von Menschen getroffen und anschließend
als Regeln im Ausführungspfad wirksam. Die KI dageben bleibt für Analyse und Anpassung
flexibel einsetzbar. Ihre Werkzeuge allerdings bleiben an den freigegebenen Rahmen
gebunden.

## Der Scope umfasst auch Informationen

Ein weiterer interessanter Punkt: Bei KI-gestützten Tests endet die Governance nicht
an der Netzwerkschnittstelle. Supplier-Dokumentation, Quellcode, Tickets, Logs und
frühere Findings können für einen Test wertvoll sein. Sie können aber zugleich auch
vertrauliche oder personenbezogene Informationen enthalten. Das Engagement muss 
also festlegen, welche Daten ein Agent sehen darf, welches Modell sie verarbeiten
darf und ob eine externe Verarbeitung überhaupt freigegeben ist. Bei personenbezogenen
Daten kommen noch die Anforderungen der [DSGVO](https://eur-lex.europa.eu/eli/reg/2016/679/oj/deu)
hinzu.

Hinzu kommt ein technisches Problem: Ein Dokument kann Anweisungen enthalten, die
ein Sprachmodell fehlleiten sollen (sog. AI-Prompt Injection). Solche Inhalte sind
mithin Testdaten und keine Befehle an den Agenten. [OWASP beschreibt Prompt Injection](https://genai.owasp.org/llmrisk/llm01-prompt-injection/)
und zu weitreichende Agentenrechte als eigenständige Risiken. Datenklassifizierung,
begrenzte Toolrechte und eine vom Modell unabhängige Freigabeentscheidung gehören
deshalb zusammen.

Schließlich muss die Plattform den Ablauf rekonstruierbar halten: Welches Engagement
galt? Welche Information führte zu welcher Testhypothese? Welche Aktion wurde beantragt,
erlaubt und tatsächlich ausgeführt? So entsteht neben dem Finding auch ein belastbarer
Nachweis über seinen Entstehungsweg.

## Auf dem Weg zu einer gemeinsamen Sprache

Eine KI-Validierungs- oder Pentesting-Plattform beginnt nicht mit einem allmächtigen
Pentesting-Agenten. Sie beginnt mit einer Capability Matrix, an der Cybersecurity,
Engineering, Supplier Management, Datenschutz und Legal beziehungsweise Homologation
gemeinsam arbeiten. Für Analyse, Fuzzing, Exploit-Verifikation, Zugriff auf weitere
Systeme und Nutzung externer Modelle muss jeweils klar sein, welche Befugnis, Grenze
und Freigabe gilt.

Nicht jede normative Frage lässt sich mit technischen Mittel abbilden oder automatisieren.
Eine geklärte Entscheidung in normativen Sinne lässt sich aber technisch durchsetzen
und später belegen. Genau darin liegt der Gewinn einer Plattform, auf der entsprechende
Engagements nach festehenden Rahmenbedingungen definiert werden: Mehr adaptive Testintelligenz
wird möglich, weil der erlaubte Handlungsrahmen vor dem Test feststeht, während 
des Tests gilt und danach nachvollziehbar bleibt.

Der Beitrag [Der Agent hat einen Plan. Hat er auch die Erlaubnis?](https://smartnuts.com/2026/10/04/der-agent-hat-einen-plan-hat-er-auch-die-erlaubnis/)
von [Michael Bunzel](https://smartnuts.com/author/maschasan/) erschien zuerst auf
[smartnuts](https://smartnuts.com).

## Diese undankbaren Chinesen

- Link: https://smartnuts.com/2026/06/25/diese-undankbaren-chinesen/
- Veröffentlicht: 2026-06-25T23:27:18+02:00
- Autor: Michael Bunzel

_… über die Empörung, dass die chinesische Executive Order No. 834 ausgerechnet 
das US-ICTS-Mapping in der Automotive Supply Chain erschwert._

Wie kann man nur so undankbar sein. Da gibt sich die freie Welt redliche Mühe, die
globale Lieferkette endlich sauber nach Herkunftsländern zu sortieren, und was macht
Peking? Es macht es schwer. Einfach so. General Motors hatte seinen Zulieferern 
aufgetragen, bis 2027 chinesische Teile und Materialien aus den nordamerikanischen
Lieferketten zu entfernen. Ein durchschnittliches Auto besteht aus rund 30.000 Teilen,
vom Halbleiter bis zur Schraube. Und für jedes davon heißt es jetzt natürlich erst
einmal: lückenlos kartieren, wo dieses China überall drinsteckt. Eine ehrliche Fleißarbeit.
Und mitten hinein platzt die chinesische Regierung mit einer Verordnung, die genau
dieses Kartieren zum rechtlichen Risiko macht. Wie kann man nur.

Man fragt sich wirklich, wie diese Leute auf so etwas kommen. Anstatt dankbar zuzusehen,
wie ausländische Konzerne ihre Lieferanten, ihre Werke und ihre Prozesse im Detail
vermessen, um einer US-Behörde zuzuarbeiten, stellen sie sich quer. Undankbar. Beinahe
so, als hätten sie ein Interesse daran, dass niemand Fremdes ihre Lieferketten ausleuchtet.

Und dann, irgendwo zwischen der dritten Beschwerde-E-Mail und dem vierten Compliance-
Webinar, kommt der unangenehme Gedanke: Moment. Wer hat damit angefangen, die Lieferkette
zur Waffe zu erklären?

## Wer hatS Erfunden?

Das Instrument heißt ICTS. Hinter dem Kürzel steckt die [Executive ](https://www.federalregister.gov/documents/2019/05/17/2019-10538/securing-the-information-and-communications-technology-and-services-supply-chain)
[Order](https://www.federalregister.gov/documents/2019/05/17/2019-10538/securing-the-information-and-communications-technology-and-services-supply-chain)
[ 13873](https://www.federalregister.gov/documents/2019/05/17/2019-10538/securing-the-information-and-communications-technology-and-services-supply-chain)
von 2019, „Securing the Information and Communications Technology and Services Supply
Chain”, ausbuchstabiert im US-Handelsministerium durch das Bureau of Industry and
Security und kodifiziert in 15 C.F.R. Part 791. Die für Autos einschlägige Ausprägung
ist die [Connected-Vehicles-Regel von Anfang 2025 (90 FR 5360, in Kraft seit dem 17. ](https://www.federalregister.gov/documents/2025/01/16/2025-00592/securing-the-information-and-communications-technology-and-services-supply-chain-connected-vehicles)
[März](https://www.federalregister.gov/documents/2025/01/16/2025-00592/securing-the-information-and-communications-technology-and-services-supply-chain-connected-vehicles)
[ 2025)](https://www.federalregister.gov/documents/2025/01/16/2025-00592/securing-the-information-and-communications-technology-and-services-supply-chain-connected-vehicles).
Sie verbietet, gestaffelt nach Modelljahr, vernetzte Fahrzeuge mit Software aus 
China oder Russland ab Modelljahr 2027 und mit entsprechender VCS-Hardware ab Modelljahr
2030. „Foreign adversary” ist hier ein Rechtsbegriff, kein Stilmittel.

Das ist der Startschuss. Nicht Peking hat die Lieferkette zum Schlachtfeld erklärt,
sondern Washington hat sie zuerst als Hebel entdeckt: Wer hier verkaufen will, muss
nachweisen, woher jede relevante Zeile Code und jedes relevante Funkmodul stammt.
Die Kartierung, über deren Erschwerung sich nun alle empören, ist nicht Selbstzweck.
Sie ist Erfüllungsgehilfin einer amerikanischen Regel.

Wie ernst es gemeint ist, zeigt der erste US-amerikanische OEM, der um eine Ausnahme
bittet. Ford hat beim US-Handelsministerium beantragt, den in China gebauten Lincoln
Nautilus trotz der Regel weiter importieren zu dürfen. Pikant daran: Die Software
des Fahrzeugs wird in den USA entwickelt, in China wird sie dann in dasselbige geflasht.
Und allein das genügt, um eben jenen Lincoln Nautilus unter die Regel fallen zu 
lassen. Der Erfinder des Spiels bittet als Erster darum, von den eigenen Regeln 
verschont zu bleiben. Man muss das nicht kommentieren. HIer schriebt schreibt sich
Ironie (und ein bisserl Häme) ganz von selbst.

## Geliefert wie Bestellt …

Auf eine Lieferketten-Waffe folgt eine Lieferketten-Waffe. Am 31. März 2026 trat
in China die Verordnung in Kraft, die der ganzen Debatte ihren Namen gab: [State Council Decree No. 834](https://www.chinalawtranslate.com/en/-State-Council-Provisions-on-Industrial-and-Supply-Chain-Security/),
die „Provisions of the State Council on the Security of Industrial and Supply Chains”.
Ihr Artikel 13 stellt Untersuchungen und Datenerhebungen zur Lieferkette durch ausländische
Akteure unter Genehmigungsvorbehalt: Lieferanten-Audits, Fragebögen, Vor-Ort-Prüfungen.
Wer ohne Freigabe kartiert, um fremden Compliance-Regimes zuzuarbeiten, handelt 
rechtswidrig.

Übersetzt: Genau das Mapping, das die ICTS-Regel verlangt, wird auf chinesischem
Boden zum regulatorischen Risiko. Der Tier 1, der seinem amerikanischen Kunden zuliefern
und gleichzeitig seinen chinesischen Sub-Lieferanten ausleuchten will, sitzt in 
der Zange. Beide Seiten verlangen das Gegenteil voneinander, und er steht in der
Mitte. Das ist der Catch-22, über den sich die Branche zu Recht beklagt, nur eben
bei der falschen Adresse.

## 835 – The HIDden Gem …

Hier wird es für die Empörten richtig unangenehm. Denn 834 ist die defensive Hälfte
der Regulierung. Die offensive steht eine Erlassnummer weiter – und die hat es dann
wirklich in sich.

Eine Woche später, am 7. April 2026, trat [Decree No. 835](https://www.chinalawtranslate.com/en/counter-long-arm/)
in Kraft, die „Regulations of the PRC on Countering Unjustifiable Extraterritorial
Jurisdiction Measures Imposed by Foreign States”. Sie schafft ein Verfahren, ausländische
Maßnahmen als „ungerechtfertigt” einzustufen, sie per Anordnung zu untersagen und
die Akteure, die sie umsetzen, auf eine „Malicious Entities List” zu setzen. Das
ist keine Supply-Chain-Hygiene mehr. Das ist die maßstabsgetreue Spiegelung der 
ICTS-Logik: Wenn ihr unsere Komponenten nach Herkunft aussperrt, sperren wir die
Umsetzung eurer Aussperrung aus.

Die Pointe ist fast zu schön. In der ursprünglichen Empörung schwang ja der Vorwurf
mit, China hätte es doch auch eleganter haben können, etwa mit einer zu ICTS reziproken
Regelung gegen Hard- und Software aus unsicheren Herkunftsländern. Die Antwort steht
längst im Gesetzblatt. Sie haben eine solche Regelung gemacht. Sie heißt 835. Während
der Westen über die defensive 834 jammert, hat er die wahre Antwort auf die eigene
Politik schlicht übersehen.

## Reziprozität UND Kausalität

Wer das für chinesische Bockigkeit hält, hat das Spiel nicht verstanden. Reziprozität
ist das vorhersehbarste Muster der Handelspolitik und kein reflexhafter Gefühlsausbruch.
Ein Instrument, das den Marktzugang an die Herkunft jeder Komponente knüpft, exportiert
die Bauanleitung für sein Spiegelbild gleich mit. Man bekommt nicht die Vorteile
der Lieferketten-Waffe ohne das Risiko, dass die Gegenseite dieselbe Waffe baut.
Sie liegt offen herum, fertig konstruiert.

Und an dieser Stelle lohnt der ehrliche Blick auf den vermeintlich naiven Gegenspieler.
China behandelt Lieferketten-Resilienz nicht als moralisches Projekt, sondern als
Hebel: integriert, staatlich orchestriert über ein Dutzend Behörden, in einem Aufwasch
defensiv (834) und offensiv (835). Der Westen verteilt dieselbe Aufgabe auf konkurrierende
Programme, garniert sie mit Werten und wundert sich, dass die Gegenseite schneller
und geschlossener zieht. Man muss Pekings Methoden nicht mögen, um zu erkennen, 
wer hier das Spiel um globale Marktmacht besser begriffen hat.

## … UND wie es die Supplier betrifft

Für OEMs und ihre Tier-Xe ist die Lehre unbequem, aber schlicht. Regulatorisches
Decoupling schneidet in beide Richtungen: Jede Anforderung, die Herkunft zur Bedingung
macht, erzeugt mit einiger Wahrscheinlichkeit eine symmetrische Gegenanforderung
auf der anderen Seite. Wer nur die eigene Seite plant, plant das halbe Problem. 
Das Fenster für lückenloses Mapping schließt sich deshalb von beiden Seiten zugleich:
ICTS zieht von außen, 834 von innen. Wer auf die OEM-Direktive wartet, kommt zu 
spät zu einem Mapping, das dann längst zum Risiko geworden ist. Und darunter sitzt
die strategisch wichtigste Einsicht: Resilienz ist nicht dasselbe wie einseitiges
De-Risking. Eine Lieferkette, die nur gegen eine Himmelsrichtung gehärtet ist, ist
nicht resilient, sondern bloß anders abhängig.

Die ehrliche Planungsannahme lautet deshalb nicht, wie man sich von China befreit,
sondern wie man operiert, während zwei Großmächte denselben Hebel gegeneinander 
ansetzen und der eigene Lieferant dazwischensteht. Das ist unbequemer als ein Mapping-
Projekt mit Stichtag 2027. Es ist aber die Lage.

Insofern: Schluss mit der Empörung über die undankbaren Chinesen. Sie haben nur 
zugehört, als der Westen ihnen vorgemacht hat, wie man die Lieferkette zur Waffe
macht, und es dann ordentlicher umgesetzt. Wie man in den Wald hineinruft, so schallt
es heraus. Niemand sollte sich wundern, wenn das Echo lauter zurückkommt, als der
Ruf hineingegangen ist.

---

_Dieser Beitrag gibt eine persönliche fachliche Einschätzung des Autors wieder und
keine Position seines Arbeitgebers. Mit diesem Beitrag ist keine Rechtsberatung 
intendiert. Maßgeblich für die im Beitrag genannten regulatorischen Vorgaben ist
der jeweils geltende Rechtstext._

Der Beitrag [Diese undankbaren Chinesen](https://smartnuts.com/2026/06/25/diese-undankbaren-chinesen/)
von [Michael Bunzel](https://smartnuts.com/author/maschasan/) erschien zuerst auf
[smartnuts](https://smartnuts.com).

## Der überlesene Absatz – ODER: Wann der AI Act das Fahrzeug erreicht

- Link: https://smartnuts.com/2026/06/21/der-ueberlesene-absatz-oder-wann-der-ai-act-das-fahrzeug-erreicht/
- Veröffentlicht: 2026-06-21T00:17:13+02:00
- Autor: Michael Bunzel

… _und warum das bestehende Cybersecurity-Management-System die geforderte AI-Security(
noch) nicht trägt._

## Eine Deadline, die in einigen Roadmaps falsch Verortet wurde

In zahlreichen Compliance-Roadmaps der Automobilindustrie ist der 2. August 2026
als harte Frist vermerkt: ab diesem Tag, so die verbreitete Lesart, greife der EU
AI Act mit vollem Pflichtenkatalog auf Fahrzeuge mit KI-gestützten Fahrfunktionen.
Diese zeitliche Verortung ist im Kern falsch. Und sie ist zudem teuer, weil sie 
Ressourcen auf eine Frist lenkt, die für das Fahrzeug so nicht existiert, während
die regulatorische Entwicklung an einer ganz anderen Stelle stattfindet.

Der Grund liegt in einem Absatz, der in der Diskussion regelmäßig übergangen wird:
[Artikel 2 Absatz 2](https://artificialintelligenceact.eu/de/article/2/) in Verbindung
mit der Zweiteilung von [Anhang I des AI Act](https://artificialintelligenceact.eu/de/annex/1/).
In der Homologations-Planung ist der AI Act danach keine Direktnorm mit Stichtag
2026. Er ist für das Fahrzeug ein Rahmen, dessen materielle Anforderungen erst über
das sektorale Typgenehmigungsrecht greifen, zeitversetzt und in dessen Logik.

Aus diesem ersten Befund folgt ein zweiter, der in den Roadmaps noch seltener auftaucht:
Selbst wenn die Anforderungen des AI Act über das Typgenehmigungsrecht ankommen,
ist damit nicht gesagt, dass der vorhandene Cybersecurity-Nachweisapparat des Fahrzeugs
sie inhaltlich trägt. Die erste Frage ist eine des _Wann und über welches Regime_;
die zweite eine des _Womit_. Beide werden hier getrennt beantwortet; denn gerade
ihre Vermengung erzeugt eben jene teuren Planungsfehler, auf die die OEMs gerade
in den jetzigen Zeiten gern verzichten würden.

## Der Mythos und seine Quelle

Die Argumentationskette des Missverständnisses ist auf den ersten Blick schlüssig:
KI-Systeme für das automatisierte und autonome Fahren sind Hochrisiko-Systeme; Hochrisiko-
Systeme unterliegen dem vollen Anforderungskatalog des AI Act (Art. 8 bis 15); also
gilt dieser Katalog ab Anwendbarkeit des AI Act für das Fahrzeug.

Der Fehler steckt im mittleren Glied: Der AI Act kennt zwei Wege in die Hochrisiko-
Klassifizierung, und sie führen zu unterschiedlichen Rechtsfolgen:

 * **[Anhang III](https://artificialintelligenceact.eu/de/annex/3/)** erfasst eigenständige
   Hochrisiko-Anwendungen (etwa biometrische Identifizierung oder KI im Beschäftigungskontext).
   Für diese gilt der materielle Pflichtenkatalog unmittelbar.
 * **[Anhang I](https://artificialintelligenceact.eu/de/annex/1/)** erfasst KI als
   Sicherheitskomponente oder Produkt innerhalb bestehender Produktsicherheits- 
   und Typgenehmigungsregime. Hier ist die Rechtsfolge differenzierter, und in diese
   Kategorie fällt das Fahrzeug.

Die Vermengung beider Anhänge unter dem pauschalen Etikett „Hochrisiko” erzeugt 
den Mythos der harten 2026-Fahrzeug-Deadline.

## Die Korrektur: der Abschnitt-B-Mechanismus

Die Hochrisiko-Einordnung von KI-Fahrfunktionen ergibt sich aus [Art. 6 Abs. 1 AI Act](https://artificialintelligenceact.eu/de/article/6/)
in Verbindung mit Anhang I. Art. 6 Abs. 1 verlangt zwei kumulative Bedingungen: 
Das KI-System ist Sicherheitskomponente eines Produkts (oder selbst ein Produkt),
das unter eine in Anhang I gelistete Harmonisierungsvorschrift fällt (lit. a), und
dieses Produkt unterliegt vor dem Inverkehrbringen einer Drittkonformitätsbewertung
nach jener Vorschrift (lit. b). Für ein typgenehmigungspflichtiges Fahrzeug ist 
beides erfüllt.

Die innere Struktur von Anhang I ist zweigeteilt:

 * **Abschnitt A** listet die Rechtsakte des „New Legislative Framework” (Maschinen,
   Spielzeug, Medizinprodukte und weitere).
 * **Abschnitt B** listet acht sektorale Sonderregime mit eigenem, etabliertem Typgenehmigungs-
   bzw. Zertifizierungssystem, darunter die Luftfahrt, die Bahn, die Schifffahrt
   und das Kraftfahrzeugrecht.

Die für das Fahrzeug maßgeblichen Rechtsakte stehen in Abschnitt B: die Typgenehmigungs-
Rahmenverordnung [VO (EU) 2018/858](https://eur-lex.europa.eu/legal-content/DE/ALL/?uri=CELEX:32018R0858)(
Anhang I, Eintrag 18) und die „General Safety Regulation” [VO (EU) 2019/2144](https://eur-lex.europa.eu/eli/reg/2019/2144/oj?locale=de)(
Anhang I, Eintrag 19).

Diese Verortung in Abschnitt B bestimmt die Rechtsfolge. Art. 2 Abs. 2 AI Act ordnet
für Hochrisiko-KI, die zu Produkten unter den Abschnitt-B-Rechtsakten gehört, ausdrücklich
an:

„… only Article 6(1), Articles 102 to 109 and Article 112 apply.”

Für das Fahrzeug gilt damit nicht der materielle Hochrisiko-Katalog aus Kapitel 
III Abschnitt 2 (Art. 8 bis 15) unmittelbar. Es gibt keinen direkten Durchgriff 
einer „AI-Act-Konformitätsbewertung” über eine notifizierte Stelle auf das typgenehmigte
Fahrzeug, und die Anforderungen an Risikomanagement, Daten-Governance, Transparenz,
menschliche Aufsicht oder Robustheit greifen nicht als unmittelbar anwendbares Recht.
Anwendbar sind allein die Klassifizierungsregel (Art. 6 Abs. 1), die Änderungsbefehle
an das Sektorrecht (Art. 102 bis 109) und eine Schlussbestimmung (Art. 112). Alle
übrigen Regelungen des AI Act, einschließlich des materiellen Pflichtenkatalogs 
und der horizontalen Verfahrensregeln, sind durch die abschließende Aufzählung des
Art. 2 Abs. 2 für das Fahrzeug ausgenommen.

## „Aber nicht nichts”: Integration über das Typgenehmigungsrecht

Daraus zu schließen, der AI Act sei für das Fahrzeug irrelevant, ginge allerdings
ebenso fehl. Der Verweis auf die Art. 102 bis 109 ist nicht nur deklaratorisch, 
sondern der Wirkmechanismus selbst: Diese Artikel ändern die Abschnitt-B-Rechtsakte
und verankern die AI-Act-Anforderungen dort, wo sie das Fahrzeug erreichen, im Typgenehmigungsrecht.

Konkret:

 * [**Art. 107 AI Act** ](https://artificialintelligenceact.eu/de/article/107/)fügt
   dem Art. 5 der VO (EU) 2018/858 einen Absatz hinzu, wonach bei künftigen delegierten
   Rechtsakten zu KI-Sicherheitskomponenten die Anforderungen des Kapitels III Abschnitt
   2 des AI Act zu berücksichtigen sind.
 * **[Art. 109 AI Act](https://artificialintelligenceact.eu/de/article/109/)** fügt
   dem Art. 11 der VO (EU) 2019/2144 eine parallele Bestimmung für Durchführungsrechtsakte
   hinzu.

Die materiellen Hochrisiko-Anforderungen gelangen also nicht per Stichtag in das
Fahrzeug, sondern dann und in dem Maße, wie die Kommission sie über delegierte bzw.
Durchführungsrechtsakte in die typgenehmigungsrechtliche Systematik überführt. Selbst
dort gelten sie zunächst als „zu berücksichtigender” Maßstab, nicht als unverändert
durchgereichter Katalog. Diese Lesart deckt sich mit der Anwendungsregel des Art.
113: Während der AI Act allgemein ab dem 2. August 2026 anwendbar ist, gelten Art.
6 Abs. 1 und die zugehörigen Pflichten erst ab dem 2. August 2027.

Der für die Homologation relevante Stichtag ist damit nicht 2026 und genaugenommen
auch nicht 2027, sondern der jeweils noch offene Zeitpunkt der sektoralen Rechtsetzung.

## Vorausschau I: die offene Novellierung

Damit verschiebt sich die regulatorische Beobachtungsaufgabe: Die Variable ist nicht
länger der AI Act-Text; es ist die Frage, wann und wie die Kommission die delegierten
und Durchführungsrechtsakte unter VO 2018/858 und VO 2019/2144 ausgestaltet, die
die Kapitel-III-Anforderungen in das Fahrzeugrecht tragen.

Belastbare Termine hierfür liegen derzeit nicht vor; jede Datierung wäre Spekulation.
Festhalten lässt sich jedoch die Mechanik: Die Integration erfolgt im etablierten
Verfahren der Fahrzeug-Rechtsetzung, mit dessen Konsultations-, Beteiligungs- und
Übergangslogik, nicht im Tempo des horizontalen AI-Act-Zeitplans. Für die Planung
folgt daraus, die Anforderungen aus Art. 8 bis 15 (Risikomanagement, Daten und Daten-
Governance, technische Dokumentation, Protokollierung, Transparenz, menschliche 
Aufsicht, Genauigkeit/Robustheit/Cybersecurity) bereits jetzt als kommende Typgenehmigungsmaßstäbe
zu behandeln, ohne sich an eine vermeintliche 2026-Frist zu binden.

## Zwei Fragen, nicht eine

Die bisherige Korrektur betrifft die institutionelle Ebene: über _welches_ Regime
und ab _wann_ die Anforderungen des AI Act das Fahrzeug erreichen. Mit ihr ist die
zweite, schwierigere Frage erst gestellt, jedoch noch nicht beantwortet: Trägt der
_Inhalt_ des heutigen Cybersecurity-Nachweisapparats die Schutzziele, die der AI
Act für die KI-Sicherheitskomponente verlangt, sobald sie über die Novellierung 
ankommen?

Diese Trennung ist mehr als akademisch. Die in der Praxis gängige Leitfrage, ob 
sich die AI-Security über die Automotive Cybersecurity (UN R155 und die VO 2018/
858) abdecken lässt oder ob es eine stärker IT-bezogene Betrachtung braucht, suggeriert
eine Wahl zwischen zwei Polen. Tatsächlich laufen hier zwei Ebenen auseinander, 
die getrennt zu beantworten sind:

 1. **Institutionell:** durch welches Regime wird die AI-Security des Fahrzeugs verwaltet?
    Die Antwort ist sektoral, nicht horizontal.
 2. **Substanziell:** trägt der heutige Inhalt dieses Regimes die KI-spezifischen Schutzziele?
    Die Antwort ist nein … zumindest nicht ohne Ergänzung.

Die Vermengung beider Ebenen führt zu zwei Fehlern: zur falschen Beruhigung („es
gibt ja die UN R155”) oder zum falschen Reflex („dann braucht es einen zweiten, 
IT-getriebenen Nachweisstrang”). Beides verfehlt den Kernpunkt der Diskussion. Die
folgenden Abschnitte beantworten die institutionelle Ebene knapp, da sie bereits
entschieden ist, und widmen sich dann der substanziellen, die die eigentliche Vorbereitungsaufgabe
enthält.

## Die institutionelle Antwort: der Gesetzgeber normiert sektoral

Dass die AI-Security des Fahrzeugs im Typgenehmigungsregime und nicht in einem parallelen
horizontalen IT-Regime verwaltet wird, ist eine gesetzgeberische Entscheidung und
keine offene Auslegungsfrage mehr; sie wird an zwei Stellen deutlich sichtbar:

Erstens der **Cyber Resilience Act** ([VO (EU) 2024/2847](https://eur-lex.europa.eu/eli/reg/2024/2847/oj?locale=de)):
Er nimmt in Art. 2 Abs. 2 Produkte, für die die VO (EU) 2019/2144 gilt, ausdrücklich
aus seinem Anwendungsbereich aus. Die Begründung (EG 27/28) ist die eines _lex specialis_:
Das Kfz-Typgenehmigungsrecht leistet über R155 bereits eine lebenszyklusweite, zertifizierte
CSMS-Cybersecurity; das horizontale IT-Produkt-Regime tritt dort zurück, wo das 
Sektorrecht mindestens dasselbe Schutzniveau erreicht. Ein paralleler, horizontaler
IT-Sicherheitsnachweis neben der Typgenehmigung ist damit gerade nicht der vorgesehene
Weg.

Zweitens der **AI Act selbst**: Er greift, wie gezeigt, nicht horizontal auf das
Fahrzeug durch, sondern ändert über Art. 102 bis 109 die sektoralen Rechtsakte. 
Die begleitenden Erwägungsgründe bestätigen die Stoßrichtung: Die technischen und
regulatorischen Sektor-Spezifika und die bestehende Konformitätsbewertung sind zu
respektieren (EG 49), eine Doppelbewertung ist zu vermeiden (EG 124), und KI-Tests
sollen in die bestehenden Verfahren integriert werden (EG 64).

Die regulatorische Philosophie ist damit eindeutig: Das Fahrzeug ist kein generisches
IT-Produkt, sondern ein sicherheitskritisches System; seine AI-Security wird _innerhalb_
der Typgenehmigung verwaltet, nicht daneben. Ein eigenständiger „IT-Zulassungsstrang”
neben der Homologation ist nicht bloß unpraktisch; er ist rechtlich versperrt. So
weit die beruhigende Hälfte des Befunds. Die andere Hälfte betrifft den Inhalt.

## Die Lücke: was UN R155 und ISO/SAE 21434 nicht erfassen

KI-Systeme werden über eine eigene Klasse von Angriffen verwundbar, die nicht an
Code-Fehlern oder Netzwerk-Fehlkonfigurationen hängen, sondern an der statistischen,
datengetriebenen Natur des Modells. Die einschlägige Taxonomie (NIST AI 100-2; ENISA„
Securing Machine Learning Algorithms”) benennt im Kern drei Familien:

 * **Täuschende Eingaben (adversarial examples / model evasion):** minimal, oft 
   unmerklich gestörte Eingaben, etwa ein präparierter Aufkleber auf einem Stoppschild,
   die die Entscheidungsgrenze des Modells verschieben. Netz und Code bleiben dabei
   unversehrt.
 * **Verfälschung (data poisoning / model poisoning, Backdoors):** Manipulation 
   der Trainingsdaten oder vortrainierter Komponenten, lange vor Kompilierung oder
   OTA-Update.
 * **Vertraulichkeitsangriffe (model extraction, membership inference):** das statistische„
   Stehlen” eines trainierten Modells oder das Rückschließen auf Trainingsdaten 
   über bloßen Abfragezugriff.

Das Bedrohungsmodell der UN R155 adressiert davon nichts explizit. R155 definiert
Cybersecurity als Schutz der „elektrischen oder elektronischen Komponenten”; seine
Bedrohungsliste (Anhang 5) ist auf E/E-Architektur, Kommunikationswege und Software
ausgerichtet. Wo R155 verwandte Begriffe führt, meint es Klassisches:

| R155-Konzept (Anhang 5) | Was R155 darunter versteht | KI-Bedrohung, die _nicht_ erfasst ist | 
| „Manipulation von Sensorinformation” | Magnet am Hall-Sensor (physische E/E-Manipulation) | adversariale Störung des optischen Sensorbilds | 
| „Extraktion von Fahrzeugdaten/-code” | Softwarepiraterie, Auslesen kryptografischer Schlüssel | Modell-Extraktion, Membership Inference | 
| „Kompromittierter Update-Prozess / Malware” | manipuliertes Software-Update, eingeschleuste Malware | Vergiftung der Trainingsdaten (Datenkette, nicht Codekette) |

Auch die Engineering-Systematik der ISO/SAE 21434 (samt der ihr eigenen TARA) setzt
methodisch an der E/E-Architektur über den Lebenszyklus an, nicht am trainierten
Modell, seiner Datenversorgung oder seiner statistischen Robustheit. Die Trennlinie
verläuft damit präzise zwischen der Infrastruktur um das Modell und der statistischen
Integrität des Modells selbst. Das Cybersecurity-Management-System sichert die erste;
die zweite adressiert es nicht.

Ein naheliegender Einwand lautet, die Kombination aus ISO 26262 (funktionale Sicherheit)
und ISO 21448 (SOTIF) decke das KI-Verhalten doch bereits ab. Er trägt nicht, und
die Stelle, an der er bricht, ist aufschlussreich. SOTIF adressiert primär _nicht-
böswillige_ Funktions- und Leistungsgrenzen: das verblasste Schild, die Blendung,
den Regen, also die Umwelt-Verwundbarkeit des Sensors. Den _adversarialen_ Aufkleber,
die mathematisch konstruierte Täuschung, deckt es nicht ab; sie fällt in die Security-
Domäne. Die Lücke sitzt damit exakt zwischen der „natürlichen Grenze” einer Funktion(
SOTIF) und der „böswilligen Ausnutzung genau dieser Grenze” (bislang ungedeckt).

## Was Art. 15 verlangt: die Lücke ist die Anforderung

Diese Lücke ist nicht hypothetisch, sie ist bereits kodifiziert. [Art. 15 AI Act](https://artificialintelligenceact.eu/de/article/15/)
verlangt für Hochrisiko-Systeme ein angemessenes Maß an Genauigkeit, Robustheit 
und Cybersicherheit. Art. 15 Abs. 5 wird konkret und übernimmt die Adversarial-ML-
Taxonomie nahezu wörtlich ins Recht: Die technischen Lösungen müssen, „where appropriate”,
gegen die Manipulation der Trainingsdaten (data poisoning), die Manipulation vortrainierter
Komponenten (model poisoning), täuschende Eingaben (adversarial examples / model
evasion), Vertraulichkeitsangriffe und Modellfehler wirken.

Damit schließt sich der Kreis: Was Art. 15 Abs. 5 verlangt, ist genau das, was der
heutige ACS-Bestand nicht abdeckt. Sobald die Cybersecurity-Dimension des Art. 15
über die sektorale Novellierung in das Typgenehmigungsrecht einfließt (über den 
eingangs beschriebenen Mechanismus: Art. 107 → Art. 5 VO 2018/858; Art. 109 → Art.
11 VO 2019/2144), entsteht ein inhaltlicher Anforderungsüberhang, den R155-CSMS 
und ISO/SAE 21434 in ihrer heutigen Form nicht bedienen. Der naheliegende Schluss,
der vorhandene Nachweisapparat trage die Art.-15-Anforderungen „in weiten Teilen”
bereits mit, ist deshalb zu optimistisch. Der Evidenz-Crosswalk zwischen CSMS-/21434-
Artefakten und den Art.-15-Dimensionen ist kein Umetikettieren vorhandener Nachweise,
sondern eine Gap-Analyse, die diese Deckungslücke offenlegt.

## Zwei Denkmodelle, beide allein untauglich

Aus der Spannung zwischen institutioneller Zuständigkeit und substanzieller Lücke
ergeben sich zwei naheliegende, aber je für sich unzureichende Denkmodelle.

**Modell A: das ACS-Regime erweitern**, also die AI-Security in CSMS und TARA integrieren.
Dafür spricht der Gesetzgeberwille: sektorales Routing, CRA-Ausschluss, eine Governance-
Klammer, eine Konformitätsbewertung, die etablierte Lebenszyklus-, Audit- und Feld-
Monitoring-Mechanik, keine Doppeldokumentation. Dagegen spricht, dass die TARA-Methodik(
ausgelegt auf logische Fehler, offene Ports, Netzangriffe) die KI-Schutzziele technisch
nicht von selbst trägt: Klassische E/E-Cybersecurity-Kompetenz reicht für adversariales
Training, Privacy-Auditing oder die Attestierung der Daten-Lieferkette nicht aus.
Die Gefahr besteht darin, die Lücke unter dem vertrauten Label „CSMS” zu _übersehen_.

**Modell B: eine separate IT-/AI-Security-Betrachtung** als eigenständiger Strang.
Dafür spricht, dass es die fehlende fachliche Tiefe (Adversarial Robustness, Dataset-
Integrität, MLSecOps) sauber einbringt und die KI-Spezifika sichtbar macht. Dagegen
spricht alles, was die institutionelle Ebene bereits geklärt hat: Als _paralleler
Nachweisstrang_ ist es rechtlich versperrt (CRA-Ausschluss, EG 124) und zerreißt
die einheitliche sicherheitskritische Betrachtung des Fahrzeugs.

Die tragfähige Antwort liegt nicht zwischen den Modellen, sondern setzt sie übereinander:
das sektorale Regime als Container, eine eigenständige AI-Security-Disziplin als
Inhalt. Die Governance-Klammer bleibt sektoral: CSMS, TARA und ISO 21434 als integrierende
Prozess- und Nachweisstruktur, der vom Gesetzgeber gewollte und einzig zulässige
Weg in die Typgenehmigung. In diese Klammer wird die AI-Security-Substanz _hineingezogen_,
nicht danebengestellt: Der TARA-Scope wird um KI-Assets und einen KI-Bedrohungskatalog
erweitert, und die fehlenden Arbeitsstränge kommen hinzu: Daten-Governance und Dataset-
Integrität, Robustheits- und Adversarial-Testing, das Prüfen der KI-Lieferkette 
einschließlich vortrainierter Komponenten, modellbezogenes Red-Teaming sowie ein
Feld-Monitoring, das auch das Verhalten des Modells und Out-of-Distribution-Fälle
erfasst.

Entscheidend ist dabei, dass die Lücke nicht primär eine Dokumentations-, sondern
eine Fähigkeitslücke ist. Ein klassischer E/E-Penetrationstester deckt adversariale
und Vertraulichkeitsangriffe nicht ab. Ohne spezialisierte AI-Security-Kompetenz(
aufgebaut oder eingekauft) bleibt die KI-Komponente trotz formal grünem CSMS exponiert.

## Das fehlende PuzzleStück wird bereits normiert

Diese Disziplin muss nicht erst erfunden werden; sie entsteht bereits _innerhalb_
des Automotive-Ökosystems, wie sich an der Normung ablesen lässt. Deren Richtung
bestätigt den Befund: keine Ablösung der etablierten Systematik, sondern ihre Erweiterung.

Tragend ist hier zweierlei. ISO/PAS 8800 (2024) zur Sicherheit künstlicher Intelligenz
in Straßenfahrzeugen adressiert KI-basierte Fahrfunktionen als dedizierter Automotive-
Standard und erweitert die etablierten ISO 26262 und ISO 21448 (SOTIF); ihre Kerninnovation
ist, die Trainingsdaten als primäres, eigenständig zu verifizierendes Engineering-
Artefakt zu behandeln (ein „Dataset V-Model”). Die KI-spezifische Bedrohungsseite(
Datenvergiftung, adversariale Eingaben, Modell-Extraktion) adressiert der in Entstehung
befindliche ISO/IEC 27090. Beide docken an die vorhandene Systematik an, statt sie
zu ersetzen.

Über diese beiden hinaus zeichnet sich ein breiterer Andockrahmen ab, der hier als
Beobachtungslinie und nicht als gesicherter Befund genannt sei: horizontale ISO/
IEC-AI-Normen, die über den Automotive-Stack gelegt werden (ISO/IEC 42001 für KI-
Management und ISO/IEC 23894 für KI-Risiko), sowie für autonome Produkte der strukturierte
Sicherheitsnachweis nach UL 4600. Ob und wie genau diese Normen im Typgenehmigungskontext
verbindlich werden, ist offen und am jeweiligen Originaltext zu prüfen; festhalten
lässt sich nur die Stoßrichtung.

Diese Entwicklung verschiebt den Vorbereitungshebel von einem Sollen zu einem Ist:
Die AI-Security-Disziplin _entsteht bereits_ sektorintern. Der falsche Weg wäre 
die Doppeldokumentation in einem zweiten, getrennten Nachweisstrang; der ebenso 
falsche die Annahme, das bestehende CSMS leiste das Geforderte schon. Tragfähig 
ist allein die frühe Adoption dieser entstehenden Systematik samt des dafür nötigen
Kompetenzaufbaus, statt auf die delegierten Rechtsakte zu warten.

## Fazit

Der AI Act trifft das Fahrzeug nicht mit dem horizontalen Stichtag, der vielerorts
in regulatorischen Umsetzungs-Roadmaps steht. Seine materiellen Hochrisiko-Anforderungen
erreichen die Typgenehmigung über einen Umweg, den Art. 2 Abs. 2 und die Anhang 
I, Abschnitt B-Verortung skizzieren und den die Art. 107 und 109 in das Sektorrecht
einbringen. Das beantwortet das _Wann und Wie_.

Offen bleibt das _Womit_. Die institutionelle Zuständigkeit liegt zweifelsfrei beim
Typgenehmigungsregime, doch dessen Inhalt deckt die KI-spezifischen Schutzziele 
des Art. 15 heute noch nicht ab: Das CSMS sichert die Infrastruktur um das KI-Modell,
nicht dessen statistische Integrität. Wer beide Hälften in der Planung abbildet,
vermeidet drei Fehler zugleich: die Fehlinvestition gegen eine Phantom-Deadline,
das Versäumnis, die kommende Novellierung des Typgenehmigungsrechts rechtzeitig 
zu verfolgen, und die trügerische Beruhigung, ein grünes CSMS belege bereits die
AI-Security. Das richtige Modell ist der sektorale Container mit einer eigenständigen
AI-Security-Disziplin als Inhalt; sie beginnt, sich in ISO/PAS 8800 und ISO/IEC 
27090 zu materialisieren. Damit verbindet sich eine letzte Beobachtung, die über
den AI Act hinausweist: Dieselbe Hochrisiko-KI im selben Fahrzeug wird je nach Rechtsraum
unterschiedlich erfasst. Die globale Fragmentierung der Fahrzeug-Cybersecurity-Regulierung
soll jedoch nicht Gegenstand dieses Beitrags werden.

Der Beitrag [Der überlesene Absatz – ODER: Wann der AI Act das Fahrzeug erreicht](https://smartnuts.com/2026/06/21/der-ueberlesene-absatz-oder-wann-der-ai-act-das-fahrzeug-erreicht/)
von [Michael Bunzel](https://smartnuts.com/author/maschasan/) erschien zuerst auf
[smartnuts](https://smartnuts.com).

## Das Cybersecurity-Ablaufdatum

- Link: https://smartnuts.com/2026/04/27/das-cybersecurity-ablaufdatum/
- Veröffentlicht: 2026-04-27T22:12:58+02:00
- Autor: Michael Bunzel

… oder wie der ZDK aus einem VDA-Positionspapier einen digitalen Aftermarket-Horrorfilm
macht.

Der Zentralverband Deutsches Kraftfahrzeuggewerbe hat eine [Pressemitteilung](https://www.kfzgewerbe.de/branchenbuendnis-warnt-vor-ende-des-cyberschutzes-bei-kraftfahrzeugen-nach-zehn-jahren)
[ veröffentlicht](https://www.kfzgewerbe.de/branchenbuendnis-warnt-vor-ende-des-cyberschutzes-bei-kraftfahrzeugen-nach-zehn-jahren),
die ungefähr so klingt, als würden deutsche Hersteller planen, nach zehn Jahren 
kollektiv den Stecker aus Millionen Fahrzeugen zu ziehen, während freie Werkstätten
machtlos danebenstehen und der Gebrauchtwagenmarkt in Flammen aufgeht. Der Titel:
Ein Branchenbündnis warnt vor dem „Ende des Cyberschutzes bei Kraftfahrzeugen nach
zehn Jahren“. Der Anlass: die [VDA-Position zum „End of ](https://www.vda.de/de/aktuelles/publikationen/publication/ein-smarter-weg-zur-cybersecurity-im-fahrzeug)
[Cybersecurity](https://www.vda.de/de/aktuelles/publikationen/publication/ein-smarter-weg-zur-cybersecurity-im-fahrzeug)
[-Support“](https://www.vda.de/de/aktuelles/publikationen/publication/ein-smarter-weg-zur-cybersecurity-im-fahrzeug),
kurz EoCSS. Der Effekt: maximale Alarmwirkung bei sehr begrenzter begrifflicher 
Präzision.

Das zentrale Problem beginnt schon bei der Zuspitzung. Die ZDK-Mitteilung behauptet,
deutsche Hersteller planten, „nach zehn Jahren keine Updates mehr bereitzustellen“.
Das klingt knackig, ist aber im beigefügten VDA-Papier so nicht sauber herzuleiten.
Der VDA fordert gerade keinen pauschalen Zehn-Jahres-Schalter, sondern eine regulatorische
Anerkennung eines EoCSS, der für Fahrzeugtypen und sogar für einzelne Elemente der
E/E-Architektur differenziert festgelegt werden können soll. Das Papier spricht 
ausdrücklich von Kategorien, risikobasierter Behandlung und unterschiedlichen Zeiträumen
für aktive und reaktive Maßnahmen. Die berühmte eine Zahl, aus der die Pressemitteilung
ihren kleinen Weltuntergang baut, ist im VDA-Dokument jedenfalls nicht der tragende
normative Mechanismus.

Noch kurioser wird es beim Begriff „Cyberschutz“. Der ZDK behandelt ihn rhetorisch
wie eine Art digitale Airbag-Funktion: entweder vorhanden oder weg. Aber das ist
technisch Unsinn. Cybersecurity-Support ist kein einzelner Knopf mit der Beschriftung„
sicher“. Der VDA unterscheidet zwischen aktivem Support, reaktivem Support und passiver
Produktbeobachtung. Aktiver Support kann Threat Intelligence, Vulnerability Monitoring,
Analyse und Risikobewertung umfassen; reaktiver Support kann Einzelfallmeldungen,
Händler- und Importeurmeldungen, Kundenbeanstandungen und Behördenbeanstandungen
umfassen. Nach EoCSS soll nicht „gar nichts“ passieren, sondern eine passive Produktbeobachtung
im Rahmen der allgemeinen Produktbeobachtungspflicht verbleiben. Das kann man kritisieren.
Man sollte es aber nicht so darstellen, als würde der Hersteller am elften Geburtstag
des Fahrzeugs die Cybersecurity beerdigen und dem Halter eine Kondolenzkarte schicken.

Der eigentliche Konflikt ist real, aber deutlich komplizierter. UN R155 verlangt,
dass das CSMS auch die Post-Production-Phase abdeckt. Diese Phase endet nach der
Definition erst, wenn keine Fahrzeuge des betreffenden Fahrzeugtyps mehr betrieben
werden. Der VDA leitet daraus zu Recht ein Problem ab: Wenn man das streng liest,
entsteht eine faktisch unbestimmte Supportpflicht bis zum letzten operierenden Fahrzeug.
Das kann Jahrzehnte dauern. Die technische Lieferkette, Standardsoftware, Open Source,
Toolchains, Kryptographie, Backend-Infrastrukturen und Fachkräfteverfügbarkeit interessieren
sich aber nicht dafür, dass irgendwo in 27 Jahren noch ein einzelnes Fahrzeug im
Alltagsbetrieb läuft. Der VDA sagt im Kern: Eine unbegrenzte aktive Cybersecurity-
Pflicht ist industriell, technisch und organisatorisch nicht realistisch. Diese 
These ist nicht absurd. Sie ist sogar der Teil der Debatte, den man ernst nehmen
sollte.

Der ZDK macht daraus allerdings einen Verbraucherschutzkrimi: Fahrzeuge könnten 
trotz technischer Fahrtauglichkeit ihre Betriebserlaubnis verlieren oder nur noch
eingeschränkt nutzbar sein. Das ist eine starke Behauptung. In der Pressemitteilung
wird sie aber nicht sauber hergeleitet. Weder folgt aus einem definierten EoCSS 
automatisch der Verlust der Betriebserlaubnis, noch verlangt das VDA-Papier eine
pauschale Außerbetriebsetzung alter Fahrzeuge. Der VDA spricht vielmehr davon, nach
EoCSS noch passive Produktbeobachtung vorzusehen und aktive beziehungsweise reaktive
Maßnahmen vor EoCSS nach Risiko und Architekturkategorie zu differenzieren. Der 
ZDK argumentiert also mit einer möglichen regulatorischen Folge, als sei sie bereits
das erklärte Ziel der Hersteller. Das ist politisch wirkungsvoll, aber analytisch
dünn.

Auch die Formulierung, ein Ende der Updates würde „Millionen Fahrzeuge über Nacht
entwerten“, ist eine schöne kleine Feuerwerksrakete aus der Lobbykommunikation. 
Sie leuchtet hell, macht Lärm und verschwindet bei näherem Hinsehen schnell im Rauch.
Ein EoCSS wäre gerade kein überraschender nächtlicher Zauberakt, sondern ein definierter
Support-Zeitraum. Man kann darüber streiten, wie lang dieser Zeitraum sein muss,
wie transparent er kommuniziert wird, welche Mindestpflichten bleiben und ob sicherheitsrelevante
Funktionen anders behandelt werden müssen als Komfortdienste. Aber „über Nacht entwertet“
ist eine Überzeichnung. Besonders ironisch: Gerade die Forderung nach unbegrenztem
Support kann Fahrzeuge verteuern, weil Hersteller mehr Hardware-Reserve, längere
Lieferkettenverpflichtungen, langfristige Toolchain-Konservierung und Supportkapazitäten
einpreisen müssten. Der ZDK warnt also vor Kosten für Verbraucher, ohne sauber zu
adressieren, dass seine eigene Maximalforderung ebenfalls Kosten produziert.

Der interessanteste Punkt ist aber die eigene Interessenlage des ZDK. Der Verband
vertritt das Kraftfahrzeuggewerbe, also unter anderem Werkstätten und Betriebe, 
die im Aftermarket Leistungen erbringen. Die Pressemitteilung selbst beschreibt 
das Bündnis als Allianz entlang des Aftermarkets: ZDK, ADAC, Reifenhandel, Kautschukindustrie,
Autoglaser und Teilehandel. Außerdem verknüpft sie Cybersecurity ausdrücklich mit
diskriminierungsfreiem Zugang zu Fahrzeugdaten, Reparierbarkeit, Teileversorgung,
Werkstattpraxis und bezahlbarer Mobilität. Das ist legitim. Aber es ist nicht nur
altruistischer Verbraucherschutz in weißem Kittel. Es ist auch knallharte Marktpositionierung.
Wer im Aftermarket Geld verdient, hat ein offensichtliches Interesse daran, dass
Fahrzeuge möglichst lange reparierbar, nutzbar und wirtschaftlich betreibbar bleiben—
und dass Hersteller nicht über Cybersecurity-Architekturen, Softwarezugänge und 
Supportmodelle die Kontrolle über den Servicekanal verdichten.

Genau deshalb wirkt die Pressemitteilung an einigen Stellen wie ein rhetorischer
Doppeldecker. Oben sitzt der Verbraucherschutz: Sicherheit, bezahlbare Mobilität,
Gebrauchtwagenmarkt, soziale Teilhabe. Unten läuft der eigentliche Antrieb: Zugang
zu Fahrzeugdaten, freie Werkstätten, Teilehandel, Reparaturgeschäft, Wettbewerbsposition
im Aftermarket. Das ist nicht verwerflich. Verbände vertreten Interessen. Überraschung:
Wasser ist nass, Lobbyisten lobbyieren. Problematisch wird es erst, wenn die eigene
ökonomische Interessenlage als reine Sorge um die Verkehrssicherheit verkleidet 
wird.

Der VDA ist natürlich ebenfalls kein neutraler philosophischer Zirkel. Auch dort
geht es um Herstellerinteressen: Begrenzung unbegrenzter Pflichten, planbare Supportkosten,
Haftungsbegrenzung, Lieferkettenrealismus, Innovationsfähigkeit. Aber das VDA-Papier
ist zumindest in der Struktur näher an der eigentlichen technischen und regulatorischen
Frage: Wie lässt sich Cybersecurity über lange Lebenszyklen risikobasiert organisieren,
wenn Hardware, Software, Kryptographie, Lieferanten und Angriffslage sich schneller
verändern als ein Fahrzeugbestand altert? Die ZDK-Mitteilung hingegen übersetzt 
diese Frage in: „Die Hersteller wollen nach zehn Jahren keine Sicherheit mehr.“ 
Das ist kommunikativ effizient, aber fachlich grob.

Die bessere Position wäre: Ja, unbegrenzter aktiver Cybersecurity-Support bis zum
letzten Fahrzeug ist technisch und wirtschaftlich kaum haltbar. Nein, daraus darf
kein Freibrief entstehen, sicherheitsrelevante Fahrzeugfunktionen nach beliebiger
Herstellerlogik aus dem aktiven Support zu entlassen. Ein vernünftiges Modell müsste
Mindestlaufzeiten, risikobasierte Verlängerungspflichten, transparente EoCSS-Angaben
beim Kauf, Pflichten für kritische Schwachstellen, Datenzugang für unabhängige Reparaturakteure
und klare Regeln für das Abschalten nicht notwendiger Onlinefunktionen kombinieren.
Das wäre weniger dramatisch als „Sicherheit darf kein Verfallsdatum haben“, aber
deutlich brauchbarer.

Am Ende ist die ZDK-Pressemitteilung ein gutes Beispiel für politisches Framing:
Man nehme ein echtes regulatorisches Problem, reduziere es auf einen Empörungssatz,
stelle den Verbraucher nach vorn, den Aftermarket knapp dahinter und den Hersteller
als kalten Support-Abschalter auf die Bühne. Das funktioniert. Es ist nur nicht 
besonders sauber. Der VDA will nicht den Cyberschutz abschaffen. Er will eine Grenze
für aktive Cybersecurity-Pflichten definieren. Der ZDK will nicht nur Verbraucher
schützen. Er will auch sicherstellen, dass seine Mitglieder im digitalisierten Fahrzeugmarkt
nicht aus der Wertschöpfung gedrängt werden. Beides ist legitim. Aber wer über Cybersecurity
im Fahrzeuglebenszyklus spricht, sollte weniger Theaternebel einsetzen und mehr 
Architektur, Risiko und Rechtsfolgen sauber auseinanderhalten.

Der Beitrag [Das Cybersecurity-Ablaufdatum](https://smartnuts.com/2026/04/27/das-cybersecurity-ablaufdatum/)
von [Michael Bunzel](https://smartnuts.com/author/maschasan/) erschien zuerst auf
[smartnuts](https://smartnuts.com).

## The Commission’s Latest Regulatory Land Grab: Why CSA 2 Should Stay Out of Automotive

- Link: https://smartnuts.com/2026/03/20/the-commissions-latest-regulatory-land-grab-why-csa-2-should-stay-out-of-automotive/
- Veröffentlicht: 2026-03-20T22:25:56+01:00
- Autor: Michael Bunzel

In its regulatory frenzy, the European Commission has once again found itself a 
new patch of turf to conquer: connected and automated vehicles. Because apparently
a sector already covered by type-approval law, dedicated cyber rules, software update
rules, data protection law, artificial intelligence law and assorted compliance 
machinery was still looking a bit too relaxed. So now the idea is to pull automotive
into the orbit of a [future Cybersecurity](https://digital-strategy.ec.europa.eu/en/library/proposal-regulation-eu-cybersecurity-act)
[ ](https://digital-strategy.ec.europa.eu/en/library/proposal-regulation-eu-cybersecurity-act)
[Act 2](https://digital-strategy.ec.europa.eu/en/library/proposal-regulation-eu-cybersecurity-act)
and its supply-chain toolbox, allegedly to deal with “non-technical” risks that 
existing vehicle regulation supposedly does not capture well enough. That is the
theory, anyway. In practice, the argument is a lot less clean than Brussels would
like it to sound.

Let us start with the part that is actually true. The EU’s coordinated [risk ](https://www.ccam.eu/t/?e=bianca@eucoms.eu&m=17185&tr=trackMail&r=https%3A%2F%2Fwww.ccam.eu%2Ft/?e=bianca@eucoms.eu&m=17185&tr=trackMail&r=https%3A%2F%2Fwww.ccam.eu%2Fwp-content%2Fuploads%2F2026%2F03%2FNIS-Cooperation-Group-Risk-assessment-on-Connected-and-Automated-Vehicles.pdf)
[assessment](https://www.ccam.eu/t/?e=bianca@eucoms.eu&m=17185&tr=trackMail&r=https%3A%2F%2Fwww.ccam.eu%2Ft/?e=bianca@eucoms.eu&m=17185&tr=trackMail&r=https%3A%2F%2Fwww.ccam.eu%2Fwp-content%2Fuploads%2F2026%2F03%2FNIS-Cooperation-Group-Risk-assessment-on-Connected-and-Automated-Vehicles.pdf)
[ on connected and automated vehicles ](https://www.ccam.eu/t/?e=bianca@eucoms.eu&m=17185&tr=trackMail&r=https%3A%2F%2Fwww.ccam.eu%2Ft/?e=bianca@eucoms.eu&m=17185&tr=trackMail&r=https%3A%2F%2Fwww.ccam.eu%2Fwp-content%2Fuploads%2F2026%2F03%2FNIS-Cooperation-Group-Risk-assessment-on-Connected-and-Automated-Vehicles.pdf)
does not pretend the risk landscape is fictional. It identifies 107 risks, with 
14 top risks, and it says plainly that connected vehicles can be hacked through 
multiple pathways, with consequences ranging from data leakage to full remote takeover.
It also flags two issues that the Commission is especially keen on: weak charging
infrastructure and “high-risk suppliers” that could, in theory, be pressured by 
governments or military actors to introduce malicious hardware, software, updates
or configurations. The report also singles out vehicle control systems, processing
and decision-making systems, communication and connectivity systems, and cloud or
backend systems as especially critical assets. None of that is trivial, and pretending
otherwise would be intellectually lazy.

But here is where the Commission’s logic starts wobbling. The same risk assessment
also says, quite explicitly, that many of the top risks are already addressed by
the EU’s current type-approval rules, provided those rules are implemented properly.
That includes attacks on in-vehicle AI, vehicle control systems, connectivity pathways,
sensing systems, backdoors in open-source libraries and even manipulated over-the-
air updates. In other words, the report itself admits that a large part of the actual
technical attack surface is already inside the perimeter of the existing automotive
regime. That matters, because once you say that out loud, you are no longer arguing
about a sector with a missing framework. You are arguing about a sector that already
has one and that the Commission now wants to revisit through a second regulatory
door.

That second door is where the real problem starts. The Commission’s political line
is that CSA 2 would focus on non-technical risks in supply chains. Fine. But when
the risk assessment explains where action is supposedly needed, it does not stay
at the level of geopolitics, coercion or strategic dependency. It immediately goes
back to vehicle-related critical assets: processing and decision-making systems,
communication and connectivity systems, vehicle control systems capable of receiving
remote updates. That is not some abstract supply-chain governance exercise floating
above the product. That is product-adjacent regulation in everything but name. Call
it “non-technical” if that helps with the press line, but once your intervention
logic is anchored in the hardware and software architecture of the vehicle, you 
are regulating the vehicle ecosystem again.

That is exactly why the automotive industry should attack this proposal on grounds
of regulatory coherence rather than on the weaker claim that UN R155 magically covers
the entire universe. Because it does not. UN R155 is strong, but it is not a metaphysical
shield against all possible geopolitical scenarios. What it does do is require a
Cybersecurity Management System across the vehicle lifecycle, continuous risk assessment,
vulnerability monitoring, incident response and supply-chain cybersecurity management.
UN R156 adds a dedicated Software Update Management System, including disciplined
governance of update processes. That is not nothing. It is already a serious, lifecycle-
based regime aimed squarely at the real-world cyber risks of modern vehicles. So
the right industry argument is not “there is no residual issue anywhere.” The right
argument is that the Commission has not shown a credible residual gap that justifies
another horizontal layer landing on top of systems that are already regulated.

The Commission will respond, of course, that this is not about ordinary vulnerabilities.
It will say this is about high-risk suppliers under state pressure, hidden access
pathways, malicious updates and strategic dependencies. Fair enough. But that only
helps the Commission up to a point. If the concern is that a supplier may be coerced
by a third country, then the problem is not simply that a component is insecure.
The problem is economic security, foreign influence and dependency risk. That is
a different category of problem, and it should be treated honestly as such. Once
you admit that, the obvious follow-up question is this: why exactly is the answer
a second product-proximate cyber regime for vehicles rather than an economic security
instrument, investment screening, trade controls, procurement restrictions or targeted
foreign policy tools? There is no convincing answer to that, except perhaps the 
old Brussels classic: if in doubt, add another layer.

Charging infrastructure is another good example of the Commission’s overreach problem.
The risk assessment points to weak cybersecurity in charging infrastructure and 
treats that as part of the broader concern. But it also states that charging infrastructure
in the EU falls under NIS 2, with charging point operators treated as critical entities
in the energy sector. So even the report itself shows that this is already an infrastructure
governance issue with its own regulatory home. It is therefore a very odd basis 
for arguing that OEM supply chains now need to be swept into CSA 2 as well. If the
charger is the problem, regulate the charger properly. Dragging vehicle manufacturers
into another horizontal framework because somebody found a soft spot outside the
vehicle is not smart regulation. It is just scope expansion with better stationery.

There is also a more awkward institutional point the Commission would rather not
dwell on too much. The same risk assessment notes that connected and automated vehicles
that fall under Regulation (EU) 2019/2144 are excluded from the scope of the Cyber
Resilience Act because they are already covered by UN R155. That was the Union’s
own legislative logic: automotive is already sectorally regulated, so the horizontal
product regime steps back. Sensible enough. But if CSA 2 now comes in through the
side entrance and starts imposing supply-chain measures tied to the same vehicle-
related systems and assets, then the neat boundary the EU itself drew begins to 
look rather decorative. It is difficult to argue with a straight face that vehicles
should stay out of one horizontal cyber regime because sector-specific regulation
exists, while also trying to pull them into another horizontal regime built around
the same technical reality.

And then there is the certification angle, which deserves more attention than it
usually gets. Once the EU starts talking about trusted ICT supply chains, critical
assets and toolbox-style mitigation, industry is right to worry that certification
expectations will not be far behind. Maybe not immediately, maybe not in black and
white on day one, but the pathway is obvious enough. For automotive, that matters
because anything drifting toward Common-Criteria-style assurance logic can become
deeply awkward once it hits modern vehicle development: software-heavy architectures,
frequent updates, reuse across platforms, tight SOP timing, variant complexity and
the constant need to balance cybersecurity, safety and time-to-market. For a sector
built around iterative engineering and controlled updates, dragging slow, heavy 
certification culture into component sourcing is a good way to reduce agility while
claiming to improve resilience. A very Brussels outcome, in other words. The paperwork
would be magnificent.

The strongest case against applying CSA 2 to automotive is therefore not ideological
and not anti-security. It is structural. Automotive is already a regulated cyber
sector. The existing framework may need better enforcement, clearer guidance and
more consistent interpretation across approval authorities, but that is not the 
same as saying a new horizontal layer is needed. Where the remaining concern is 
genuinely technical or organisational, UN R155 and UN R156 already provide the right
regulatory home. Where the concern is genuinely geopolitical, then the right tools
are economic security tools, not disguised product regulation. What makes the Commission’s
current approach weak is that it tries to have both arguments at once. It says the
issue is non-technical, then defines the solution through critical vehicle assets.
It says the problem lies beyond the existing framework, then relies on scenarios
that already sit very close to what the existing framework regulates. That is not
precision. That is policy sprawl.

So the industry should not waste time claiming that nothing is left to discuss. 
That would be sloppy, and the Commission would rightly attack it. The smarter line
is sharper and more credible: yes, there are risks; yes, some of them involve awkward
geopolitical dependency questions; no, that does not justify re-regulating vehicle
systems through CSA 2. The EU should either strengthen the implementation of the
existing automotive cyber regime or use economic security instruments for genuinely
geopolitical problems. What it should not do is pretend that a new horizontal toolbox
somehow remains “non-technical” while quietly taking aim at the same software, connectivity
and control systems already sitting inside the type-approval framework.

Because once that game starts, this is no longer about closing a gap. It is just
Brussels doing what Brussels does best: finding a sector that is already regulated,
declaring it newly strategic, and then regulating it again from a slightly different
angle.

Der Beitrag [The Commission’s Latest Regulatory Land Grab: Why CSA 2 Should Stay Out of Automotive](https://smartnuts.com/2026/03/20/the-commissions-latest-regulatory-land-grab-why-csa-2-should-stay-out-of-automotive/)
von [Michael Bunzel](https://smartnuts.com/author/maschasan/) erschien zuerst auf
[smartnuts](https://smartnuts.com).

## TPMS Security – again

- Link: https://smartnuts.com/2026/02/27/tpms-security-again/
- Veröffentlicht: 2026-02-27T15:07:17+01:00
- Autor: Michael Bunzel

The [IMDEA Networks](https://networks.imdea.org/) research group, together with 
academic and government partners, has [published a new paper](https://dspace.networks.imdea.org/handle/20.500.12761/2011)
on a long-standing problem (e.g. [1](https://dl.acm.org/doi/pdf/10.1145/2517968.2517973),
[2](https://ieeexplore.ieee.org/document/7795497), [3](https://cwssp.uccs.edu/sites/g/files/kjihxj2466/files/2021-09/4_Securing%20Tire%20Pressure%20Monitoring%20System%20for%20Vehicular%20Privacy.pdf),
and [4](https://www.scitepress.org/Papers/2019/81654/81654.pdf)) in vehicle security
and privacy: TPMS wheel sensors still tend to broadcast tyre telemetry over the 
air in clear text and include identifiers that remain stable for long periods. The
paper’s central claim is not that this is a new weakness, but that it is operationally
exploitable at scale: with low-cost receivers deployed roadside over weeks, an attacker
can collect enough RF traffic to associate sensors to vehicles and infer movement
patterns and routines.

On the mitigation question, the uncomfortable but straightforward conclusion is 
that “securing TPMS communication at the ECU” is only meaningful for the wired hop
inside the vehicle, not for the over-the-air link that causes the privacy and spoofing
exposure in the first place. If the RF messages remain plaintext broadcasts, no 
amount of downstream ECU-side hardening will stop passive eavesdropping. A practical
security approach, therefore, has to treat the wheel sensor-to-receiver RF link 
as the primary object to protect. That is exactly where the industry pain starts:
securing TPMS is not “just add crypto”. Wheel sensors are among the most constrained
devices in the car. They are built to be cheap, sealed, and ultra-low power, expected
to survive years on a small battery with a tiny microcontroller and a strict transmit
duty cycle. Every additional byte over the air costs energy; every extra millisecond
of CPU time costs energy; every increase in code size, memory, or silicon capability
increases BOM cost across millions of units. Add to that the operational constraint
that tyres and sensors get replaced in the field. Any cryptographic scheme that 
is strong on paper but fragile in service workflows will either get bypassed by 
garages or produce customer-facing failures. The hard part is not the AES primitive;
it is key provisioning, pairing, re-pairing after service, and doing all of that
without turning TPMS into a support nightmare or burning down sensor battery life.

Now to the question the paper implicitly dares the reader to ask: how exploitable
is this data in a way that causes real damage to a customer? The answer is “it depends”,
and the dependency is not a footnote; it is the whole story. Raw TPMS captures are
not automatically “person tracking”. They become dangerous when an attacker can 
bind a TPMS identifier set to a specific human, and when the attacker has enough
RF coverage to observe that vehicle repeatedly across meaningful locations. The 
most plausible harms are classic privacy harms with a physical-world tail: routine
inference enabling stalking, identifying when a vehicle leaves or returns, or correlating
visits to sensitive locations. A more opportunistic crime angle is also possible:
if a criminal can observe that a specific vehicle is away from a home area, that
information can support targeted burglary or theft. But those scenarios require 
intent, persistence, and a capability to position receivers at the right places.
For random criminals, there are often cheaper and simpler signals than TPMS, such
as social media oversharing, visible number plates combined with camera infrastructure,
or direct observation.

This is where a critical reading of the “mass-scale tracking” headline is warranted.
Yes, the paper shows that building a passive collection pipeline is technically 
feasible and relatively inexpensive per receiver. That does not automatically mean
it will become a widespread real-world threat actor technique. Large-scale tracking
already exists through channels that are more reliable, more geographically complete,
and easier to operationalise than opportunistic RF collection. For many adversaries,
TPMS is an awkward telemetry source: range-limited, dependent on vehicle proximity,
and non-trivial to turn into identity-linked intelligence without additional collection
steps. The uncomfortable conclusion is therefore double-edged. On the one hand, 
TPMS remains a needless privacy beacon and there is no good engineering justification
for continuing to broadcast stable identifiers in plaintext. On the other hand, 
the incremental real-life impact of “mass-scale TPMS tracking” may be narrower than
the paper’s framing suggests, because the attackers who can truly do mass-scale 
surveillance already have better tools, and the attackers who want quick wins often
have easier targets. The result is still valuable, but mainly as a warning sign 
about avoidable leakage and poor protocol hygiene—not necessarily as proof of an
imminent new epidemic of TPMS-based tracking.

Der Beitrag [TPMS Security – again](https://smartnuts.com/2026/02/27/tpms-security-again/)
von [Michael Bunzel](https://smartnuts.com/author/maschasan/) erschien zuerst auf
[smartnuts](https://smartnuts.com).
