KI-Anbieter prüfen: Was Gründer vor der Unterschrift klären sollten

Jeder Pitch eines KI-Anbieters klingt gerade seltsam ähnlich.

Enterprise-tauglich. Auf deine Daten angepasst. 90 Prozent Genauigkeit. SOC 2 in Arbeit. Nahtlose Integration. Produktionsreif.

Schöne Wörter. Nicht nutzlos, aber kein Beweis.

Die meisten Gründer sollen technische Sicherheit von Menschen kaufen, die sehr gut darin sind, technische Sicherheit zu verkaufen. Ohne jemanden im Raum, der solche Systeme schon ausgeliefert hat, kann eine polierte Demo wie ein fast fertiges Produkt wirken.

So entstehen schlechte Anbieterentscheidungen.

Nicht weil Gründer dumm sind. Sondern weil der Vertriebsprozess die Teile versteckt, die zählen.

Das ist die Checkliste, die ich mit Gründern durchgehe, bevor sie etwas Relevantes mit einem KI-Anbieter unterschreiben. Besonders bei allem über 10.000 Euro.

1. Lass dir einen Fehler zeigen

Jeder ernsthafte KI-Anbieter weiß, wo sein System bricht.

Er weiß, welche Eingaben schlechte Ausgaben erzeugen, welche Anwendungsfälle riskant sind, wo die Genauigkeit sinkt, wo Latenz hässlich wird und wo Menschen das Ergebnis noch prüfen müssen.

Wenn der Pitch zu 100 Prozent nach Erfolg klingt, ist das kein Selbstvertrauen. Das ist Unerfahrenheit oder Theater.

Frag:

Was kann euer Produkt schlecht?

Dann sei still.

Ein guter Anbieter antwortet direkt. Vielleicht kämpft das System mit dünnen Daten, mehrsprachigen Sonderfällen, verrauschten PDFs, Fachbegriffen, Long-Tail-Ausnahmen oder uneindeutiger Nutzerabsicht.

Das ist okay. Jedes echte System hat Grenzen.

Ein schlechter Anbieter wechselt zurück zu Vorteilen.

Gute Frage. Was wir normalerweise sehen, ist, dass Kunden viel Wert bekommen durch…

Nein. Das war nicht die Frage.

Du suchst keine Perfektion. Du suchst den Beweis, dass der Anbieter sein eigenes Produkt außerhalb der Demo versteht.

2. Frag nach der Evaluationsmethode, nicht nach der Zahl

“90 Prozent Genauigkeit” bedeutet allein fast nichts.

90 Prozent worauf? Wie gemessen? Gegen welche Basislinie? Mit welchen Daten? Von wem geprüft? Bei welchen Fehlerkosten?

Ein KI-System, das Support-Tickets mit 90 Prozent Genauigkeit zusammenfasst, kann nützlich sein. Ein System, das Versicherungsansprüche mit 90 Prozent Genauigkeit genehmigt, kann eine Haftungsmaschine sein.

Bitte um das Evaluationsprotokoll.

Nicht die Folie. Das Protokoll.

Du willst sehen, auf welchen Daten getestet wurde, wie Erfolg definiert ist, wie mit uneindeutigen Fällen umgegangen wird, gegen welche Basislinie verglichen wird und ob die Evaluation deinem echten Anwendungsfall ähnelt.

Ein seriöser Anbieter ist darauf stolz. Ein schwacher Anbieter gibt dir eine Zahl und hofft, dass du nicht weiterfragst.

Bonusfrage:

Können wir die Evaluation im Pilotprojekt auf unseren eigenen Daten laufen lassen?

Die meisten seriösen Anbieter können das ermöglichen, auch mit Einschränkungen. Wer das nicht kann, verkauft oft eine Demo, kein Produkt.

3. Prüfe, ob es ein Produkt oder nur ein Wrapper ist

Es ist nichts falsch daran, auf OpenAI, Anthropic, Google, Mistral oder einem anderen Modellanbieter aufzubauen.

Es ist etwas falsch daran, so zu tun, als wäre ein API-Aufruf plus Dashboard tiefe technische Infrastruktur.

Frag:

Was passiert mit eurem Produkt, wenn euer wichtigster Modellanbieter morgen die Preise verdreifacht?

Wenn die Antwort lautet: “Dann müssten wir die Kosten weitergeben”, kaufst du wahrscheinlich einen dünnen Wrapper. Das kann trotzdem okay sein. Manchmal reicht ein Wrapper. Aber bepreise ihn wie einen Wrapper.

Wenn die Antwort lautet: “Wir können über Anbieter routen, benchmarken Alternativen schon heute, und ein Wechsel würde eine Woche dauern”, ist das etwas anderes.

Frag dann, was beim Wechsel kaputtgehen würde: Embeddings, Prompt-Verhalten, Latenz, Ausgabeformat, Compliance-Freigaben, kundenspezifische Fine-Tunes.

Ein Anbieter, der darüber nachgedacht hat, antwortet konkret. Einer, der es nicht getan hat, gibt dir Strategiefloskeln.

4. Prüfe das technische Team, nicht den Beirat

Beiräte liefern deine Integration nicht aus.

Schau dir die drei wichtigsten technischen Personen beim Anbieter an. Du suchst zwei Dinge.

Haben sie KI- oder Datensysteme schon in Produktion gebracht?

Sind sie lange genug im Unternehmen, um relevant zu sein?

Ein beeindruckender Forscher, der vor drei Monaten angefangen hat, kann ein starkes Signal für zukünftige Fähigkeiten sein. Er ist kein Beweis dafür, dass das aktuelle Produkt solide ist.

Ein Staff Engineer, der schon zwei ML-Produkte ausgeliefert hat und seit 18 Monaten dort ist, ist oft das stärkere Signal.

Du bewertest nicht Prestige. Du bewertest operative Realität.

Forschungserfahrung ist nützlich. Produktionserfahrung ist etwas anderes. Du kaufst die Fähigkeit, mit schlechten Daten, seltsamen Nutzern, kaputten Pipelines, Kundeneskalationen, Security Reviews, Kostendruck und den tausend hässlichen Details zwischen Modell und funktionierendem System umzugehen.

5. Stell die langweiligen Datenfragen früh

Diesen Teil wollen alle schnell hinter sich bringen.

Tu das nicht.

Datenverarbeitung ist der Ort, an dem ein harmlos wirkender KI-Anbieter zu deinem Compliance-Problem werden kann.

Frag schriftlich:

• Wo liegen unsere Daten?
• In welcher Region?
• Bei welchem Cloud-Anbieter?
• Werden unsere Daten genutzt, um eure Modelle zu trainieren?
• Werden unsere Daten genutzt, um ein gemeinsames System zu verbessern?
• Wie lange speichert ihr Prompts, Ausgaben, Dateien, Embeddings, Logs und Metadaten?
• Wer in eurem Unternehmen hat Zugriff auf unsere Daten?
• Unterstützt ihr Löschanfragen?
• Habt ihr einen Auftragsverarbeitungsvertrag?
• Kann ich ihn heute bekommen?

Nicht nächstes Quartal. Heute.

Anbieter, die diese Fragen nicht schriftlich beantworten können, haben zu wenig über Compliance nachgedacht.

Das ist für einen Prototyp okay. Für Kundendaten ist es nicht okay.

Ihr fehlender Prozess wird später dein Problem, meistens bei einem Enterprise-Audit, einem Security-Review oder einem Board-Meeting, das niemand genießt.

Langweilige Fragen verhindern teure Probleme.

6. Unterschreibe nichts Jährliches, bevor Realität das System berührt hat

Unterschreibe nie einen Jahresvertrag für einen neuen KI-Anbieter ohne echtes Pilotprojekt.

Nicht weil Anbieter böse sind.

Sondern weil KI-Systeme empfindlich auf deine Daten, Arbeitsabläufe, Nutzer, Sonderfälle und deinen Qualitätsanspruch reagieren.

Eine Demo testet das nicht.

Fordere ein bezahltes 60-Tage-Pilotprojekt mit klar geregeltem Ausstieg. Bezahlt ist okay. Kostenlose Pilotprojekte ziehen oft auf beiden Seiten unseriöses Verhalten an. Aber das Pilotprojekt braucht klare Bedingungen.

Nimm zwei Dinge auf:

• Ein messbares Erfolgskriterium
• Eine klare Ausstiegsklausel

Das Erfolgskriterium darf nicht lauten: “Es fühlt sich gut an.”

Es sollte eher so aussehen:

• Manuelle Bearbeitungszeit um 30 Prozent senken
• 95 Prozent Extraktionsgenauigkeit auf definierten Feldern erreichen
• Menschliche Korrekturrate unter 10 Prozent halten
• 80 Prozent der Support-Anfragen ohne Eskalation bearbeiten
• Unter definierten Kosten pro verarbeitetem Element bleiben

Die Ausstiegsklausel ist genauso wichtig.

Wenn du gehst, kannst du deine Daten, Embeddings, Prompts, Konfigurationen, Annotationen, Feedback-Historie, Workflows und Logs exportieren?

Wenn nicht, machst du kein Pilotprojekt. Du landest im Lock-in mit freundlicherer Sprache.

7. Beobachte, wie sie reagieren, wenn du den Deal verlangsamst

Gute Anbieter halten Prüfung aus.

Schlechte Anbieter bestrafen sie.

Wenn du technische Fragen stellst, holen sie jemanden Technischen dazu? Wenn du Sicherheitsdokumente anfragst, schicken sie sie? Wenn du Referenzen willst, bieten sie passende an? Wenn du ein Pilotprojekt willst, helfen sie, Erfolg zu definieren?

Oder drücken sie weiter auf Tempo?

Dieser Preis gilt nur bis Freitag.

Unser Implementierungsteam hat begrenzte Kapazität.

Die meisten Kunden starten direkt mit dem Jahresplan.

Vielleicht stimmt das. Vielleicht ist es auch Druck.

Du kaufst keine Landingpage. Du kaufst eine Abhängigkeit.

Ein Anbieter, der vor der Unterschrift schwierig wird, wird danach meistens nicht einfacher.

8. Ruf vor der Unterschrift jemanden Technischen an

Wenn du keinen CTO im Team hast, ruf jemanden an, der einer ist.

Zeig ihm Pitch Deck, Vertrag, Architekturdiagramm, falls es eines gibt, Security-Antworten und Pilotvorschlag.

Er sieht in 15 Minuten, was du in vier Vertriebsgesprächen übersehen könntest.

Die Kosten dieses Gesprächs sind meistens klein. Die Kosten, es auszulassen, können der ganze Vertrag sein, sechs Monate Ablenkung und ein Anbieter, den niemand richtig geprüft hat.

Das ist einer der schnellsten Wege, wie ein Fractional CTO sich bezahlt macht.

Nicht indem er dem Gründer ein gutes technisches Gefühl gibt. Sondern indem er den teuren Fehler abfängt, bevor er ein Roadmap-Thema wird.

Die einfache Regel

KI-Anbieterprüfung heißt nicht, zynisch zu sein.

Es heißt, das Gespräch weg von Versprechen und hin zu Belegen zu zwingen.

Zeig mir die Fehlermodi.

Zeig mir die Evaluationsmethode.

Zeig mir die Datenverarbeitung.

Zeig mir den Ausstiegspfad.

Zeig mir das Team, das das ausliefern kann.

Echte Anbieter halten diese Fragen aus. Schwache versuchen, ihnen auszuweichen.

Das ist die Checkliste.

Wenn du kurz davor bist, einen Vertrag mit einem KI-Anbieter zu unterschreiben, und ein zweites technisches Augenpaar darauf willst, dafür nehme ich vor jedem Mandat kostenlos einen Call.