EU‑Regulierungsbehörden haben gerade erweiterte Befugnisse erhalten, um die KI‑Vorschriften des Blocks durchzusetzen, doch das Regelwerk lässt eine entscheidende Lücke: Es gibt keine Vorgabe, dass Hochrisikosysteme in jeder der 24 Amtssprachen der Union geprüft werden müssen. Für Bürgerinnen und Bürger, die auf Chatbots im öffentlichen Dienst angewiesen sind, könnte das Fehlen einer solchen Klausel unvollständige oder sogar irreführende Antworten bedeuten und damit ein zweistufiges System digitaler Rechte schaffen.

Neue Durchsetzungsmacht, altes Sprachblindspot

Am 2. August aktivierte die Europäische Kommission die zweite Phase ihres KI‑Governance‑Regimes. Das KI‑Büro und die nationalen Aufsichtsbehörden können nun Geldbußen verhängen und Korrekturmaßnahmen verlangen, wenn Anbieter gegen die Regeln verstoßen, die ab Dezember 2027 für die meisten Hochrisiko‑Anwendungen und ab August 2028 für die sensibelsten Nutzungen voll gelten.

Artikel 15 des KI‑Acts verpflichtet die Kommission, Benchmarks zu fördern, die Genauigkeit, Robustheit und Cybersicherheit bewerten. Artikel 10 ergänzt, dass Trainings‑, Validierungs‑ und Testdaten die geografischen, kontextuellen, verhaltensbezogenen und funktionalen Rahmenbedingungen widerspiegeln müssen, in denen das System eingesetzt wird. Der Text schreibt zwar keine pauschale Pflicht, jedes Modell in jeder Sprache zu testen, aber er formuliert ein klares Prinzip: Der Nachweis der Leistung muss zum realen Nutzungskontext passen.

Sprache ist Teil dieses Kontextes. Ein Chatbot, der eine französische Anspruchsregel korrekt interpretiert, aber bei einer Anfrage auf Rumänisch eine wesentliche Bedingung auslässt, ist nicht nur ein Übersetzungsfehler, sondern eine Verweigerung des gleichberechtigten Zugangs zu einer öffentlichen Dienstleistung. Das Problem ist nicht abstrakter Mehrsprachigkeit, sondern das konkrete Risiko, dass ein Konformitäts‑Score sprachspezifische Mängel verschleiert.

Belege aus aktuellen Benchmarks

Unabhängige Studien bestätigen die Befürchtung. Das MuBench‑Projekt, das eine Reihe großer Sprachmodelle in 61 Sprachen bewertete, stellte fest, dass viele Systeme in ressourcenarmen Sprachen zwar als "fluent" gelten, aber bei faktischer Genauigkeit und Steuerbarkeit hinter den Erwartungen zurückbleiben. Ein Benchmark aus dem Jahr 2026, der europäisches und brasilianisches Portugiesisch (P3B3) verglich, zeigte, dass die meisten Modelle die brasilianische Variante bevorzugen und bei Anfragen in europäischem Portugiesisch deutliche Präzisionsverluste aufweisen.

Diese Lücken sind besonders in Bereichen wichtig, in denen rechtliche Nuancen entscheidend sind: Rekrutierung, Kreditwürdigkeitsprüfung, Bildung und Beratung im öffentlichen Dienst. Ein Modell, das eine Frage zur Sozialversicherungsberechtigung korrekt auf Englisch beantwortet, aber eine qualifizierende Bedingung bei derselben Anfrage auf Polnisch auslässt, kann tausende Bürgerinnen und Bürger zu Fehlentscheidungen führen.

Warum ein enger Benchmark schwer umzukehren ist

Standards, Beschaffungsvorlagen und Testprotokolle werden bereits vor dem Dezember‑2027‑Stichtag erarbeitet. Sobald ein enger Benchmark, zum Beispiel ein rein englischsprachiges Testset, in die Konformitätsbewertung eingebettet ist, wird eine spätere Änderung kostspielig und politisch heikel. Die EU steht daher vor der Wahl: Multilinguale Tests von Anfang an integrieren oder später in einem teuren Nachrüstungsprozess kämpfen.

Praktisch muss Europa nicht für jede der 24 Sprachen ein komplett separates Regime schaffen, noch muss jedes KI‑Produkt in jeder Sprache bewertet werden. Das Verhältnismäßigkeitsprinzip sollte gelten: Ein System, das grenzüberschreitende Bankgeschäfte, einen pan‑EU‑Chatbot oder eine Rekrutierungsplattform für mehrere Mitgliedstaaten unterstützt, muss in den Sprachen und Dialekten geprüft werden, denen es wahrscheinlich begegnet.

Vier Schritte zu einem multilingualen Evaluations‑Commons

1. Finanzierung einheimischer, fachspezifischer Testmodule. Anstatt auf übersetzte englische Anfragen zu setzen, sollte die EU Testsets fördern, die von nationalen Aufsichtsbehörden, Universitäten und Sprachexpertinnen und -experten erstellt werden. Übersetzungen können den Wortschatz erhalten, verlieren jedoch häufig juristische Konzepte, verwaltungsbezogene Idiome und kulturelle Referenzen, die für korrekte Ergebnisse entscheidend sind.

2. Reproduzierbare, versionierte Ergebnisse. Ein Leistungs‑Score ohne Angaben zur Modellversion, Prompt‑Vorlage, Testdatum und Wiederholungszahl liefert kaum Beweiskraft. Modell‑Updates sollten gezielte Nachtests in den Sprachen auslösen, in denen das System wesentliche Auswirkungen hat.

3. Sprachspezifische Offenlegung in öffentlichen Beschaffungen. Anbieter sollten verpflichtet werden, eine "Sprach‑Performance‑Karte" der Konformitätsdokumentation beizufügen, die angibt, welche Sprachen und Varianten getestet wurden, die Größe des Testsets, bekannte Fehlermodi und die Modellversion. Genauigkeit, Sicherheit und Fachwissen sollten getrennt von Sprachflüssigkeit berichtet werden.

4. Vorfallberichterstattung mit Sprachangabe. Wenn ein Chatbot in Deutsch eine korrekte Antwort gibt, in Griechisch jedoch unvollständig, muss das Vorfallsprotokoll die Sprachvariable erfassen. Andernfalls sehen Behörden isolierte Fehler statt eines Musters ungleicher Leistung.

Auswirkungen für Beschäftigte und Bürgerinnen

Für Beschäftigte im öffentlichen Sektor, insbesondere in Contact‑Centern und Bürger­service‑Schaltern, kann zuverlässige KI‑Unterstützung die Arbeitslast senken und Zeit für komplexe Fälle freisetzen. Funktioniert die Unterstützung nur in der Mehrheits­sprache, stehen Mitarbeitende in Regionen mit kleineren Sprachgemeinschaften unter höherem Druck und müssen KI‑Ausgaben manuell prüfen, was die versprochenen Effizienzgewinne aushöhlt.

Verbraucherinnen und Verbraucher in mehrsprachigen Regionen, von Katalonien bis zu den französischsprachigen Teilen Belgiens, könnten ihre Rechte verwässert sehen. Ein Rekrutierungs‑Algorithmus, der Qualifikationen auf Slowenisch falsch einstuft, aber nicht auf Italienisch, könnte die Berufsaussichten beeinträchtigen und bestehende Ungleichheiten auf dem Arbeitsmarkt verstärken.

Aus einer breiteren europäischen Perspektive berührt das Thema das Bekenntnis der Union zu gleicher Behandlung über die gesamte sprachliche Landschaft hinweg. Der KI‑Act soll Bürger vor schädlichen Ergebnissen schützen, doch ein Testregime, das Englisch privilegiert, riskiert die Schaffung einer de‑facto Zweiklassengesellschaft von Nutzerinnen und Nutzern, deren Interaktionen nur indirekt gemessen werden.

Reaktion der Industrie und Ausblick

Technologieanbieter argumentieren, dass die Entwicklung und Pflege von Testsets für 24 Sprachen kostenintensiv sei und Innovation bremsen könnte. Einige Anbieter behaupten, dass hochwertige mehrsprachige Modelle bereits existieren und englischzentrierte Benchmarks ein pragmatischer Ausgangspunkt seien.

Gewerkschaften und Verbraucherverbände kontern, dass die Kosten ungleicher KI‑Leistung von Bürgerinnen und Bürgern sowie Beschäftigten getragen werden, nicht von den Firmen, die von der Technologie profitieren. Sie fordern ein transparentes, sprachbewusstes Konformitätsregime, das Anbieter zwingt, reale Zuverlässigkeit nachzuweisen, nicht nur sprachliche Flüssigkeit.

Die Ausschüsse des Europäischen Parlaments werden in den kommenden Monaten über sprachspezifische Bestimmungen debattieren. Wenn sie den oben skizzierten vier‑Schritte‑Ansatz übernehmen, könnte die EU einen globalen Standard für inklusive KI‑Governance setzen und sicherstellen, dass digitale öffentliche Dienste wirklich allen 447 Millionen Bürgerinnen und Bürgern dienen, unabhängig von ihrer Sprache.

Bis dahin bleibt das Risiko bestehen, dass eine Verordnung, die in 24 Sprachen veröffentlicht wird, auf Beweisen beruht, die fast ausschließlich in Englisch gesammelt wurden, und damit eine digitale Kluft zementiert, die parallel zur kulturellen Vielfalt der Union verläuft.