Welche Fragen vor der Auswahl einer KI-Software sinnvoll sind -- Eine umfassende Checkliste

Warum die meisten KI-Kaufentscheidungen an den falschen Fragen scheitern

Der Markt für KI-Software ist unübersichtlich. Anbieter versprechen Produktivitätssteigerungen, Kostensenkungen und Wettbewerbsvorteile – oft mit beeindruckenden Demos und überzeugenden Pilotprojekten. Wie verbreitet der KI-Einsatz in deutschen Unternehmen inzwischen ist und welchen Wettbewerbsbeitrag er liefern kann, dokumentiert der Bitkom-Studienbericht zu Künstlicher Intelligenz [3]. Die Ernüchterung folgt häufig nach dem Kauf: Das Tool passt nicht zur bestehenden Infrastruktur, die Datenqualität reicht nicht aus, oder die versprochene Automatisierung erfordert mehr manuellen Aufwand als erwartet.

Ein häufiger Grund ist, dass zentrale Fragen vor dem Kauf nicht ausreichend gestellt wurden. Dieser Artikel bietet eine strukturierte Checkliste mit über 40 Fragen in vier Kategorien, die im Auswahlprozess einer KI-Software als Orientierung dienen kann.

Kategorie 1: Technische Fragen

Funktionalität und Leistungsfähigkeit

• [ ] Welche konkreten Aufgaben löst das Tool? Nicht: "Was kann es theoretisch?" Sondern: "Kann es genau unseren Anwendungsfall abdecken?"
• [ ] Wie wurde das Modell trainiert? Auf welchen Daten basiert die KI? Sind diese Daten für Ihren Markt und Ihre Sprache relevant?
• [ ] Wie hoch ist die tatsächliche Genauigkeit? Fordern Sie messbare Werte für Ihren spezifischen Anwendungsfall – nicht für den besten Demo-Case.
• [ ] Wie verhält sich das Tool bei Randfällen? Was passiert, wenn die Eingabedaten unvollständig, fehlerhaft oder ungewöhnlich sind?
• [ ] Gibt es eine Möglichkeit zum A/B-Testing? Können Sie die KI-Ergebnisse systematisch mit manuellen Ergebnissen vergleichen?

Integration und Kompatibilität

• [ ] Welche APIs und Schnittstellen werden angeboten? REST-API, Webhooks, native Integrationen – was genau?
• [ ] Ist die Integration in unsere bestehende Systemlandschaft möglich? Prüfen Sie Kompatibilität mit CRM, ERP, Ticketsystem, E-Mail-System.
• [ ] Welche Datenformate werden unterstützt? Import und Export: CSV, JSON, XML, proprietäre Formate?
• [ ] Wie sieht der Implementierungsaufwand realistisch aus? Fordern Sie einen detaillierten Implementierungsplan mit Zeitangaben.
• [ ] Gibt es eine Sandbox- oder Testumgebung? Können Sie das Tool in einer isolierten Umgebung testen, bevor es produktiv geht?

Skalierbarkeit und Performance

• [ ] Wie verhält sich das Tool bei steigendem Datenvolumen? Skaliert es linear oder gibt es Grenzen?
• [ ] Welche Reaktionszeiten sind garantiert? Service Level Agreements (SLAs) für Antwortzeiten und Verfügbarkeit?
• [ ] Wo werden die Daten verarbeitet? Cloud (welche Region?), On-Premise, Hybrid?
• [ ] Wie häufig wird das Modell aktualisiert? Und wie wirken sich Updates auf bestehende Konfigurationen aus?

Bewertungsmatrix: Technische Kriterien

Ein gewichteter Gesamtscore unter 3,0 sollte Anlass geben, die Kaufentscheidung kritisch zu hinterfragen.

Kategorie 2: Kommerzielle Fragen

Preismodell und Kostenstruktur

• [ ] Wie ist das Preismodell aufgebaut? Pro Nutzer, pro Vorgang, pro API-Call, Flatrate? Gibt es Staffelungen?
• [ ] Was kostet die Implementierung? Einmalige Setup-Gebühren, Konfigurationsaufwand, Datenmigration?
• [ ] Welche versteckten Kosten gibt es? Schulungen, zusätzliche Module, Premium-Support, Überschreitung von Volumengrenzen?
• [ ] Wie entwickeln sich die Kosten bei Wachstum? Fordern Sie eine Kostenprojektion für 50 %, 100 % und 200 % Ihres aktuellen Volumens.
• [ ] Gibt es eine Mindestvertragslaufzeit? Und welche Kündigungsfristen gelten?

Typische Preisbereiche für KI-SaaS-Tools (DACH-Markt)

Die Preisbereiche in dieser Tabelle beruhen auf marktüblichen Angaben für den DACH-Markt.

Vertragsbedingungen

• [ ] Wie sieht die Exit-Strategie aus? Was passiert mit Ihren Daten bei Vertragsende? In welchem Format werden sie exportiert?
• [ ] Gibt es eine Testphase? Wie lang, und ist sie kostenlos? Was passiert mit den Daten nach der Testphase?
• [ ] Welche Leistungsgarantien gibt es? SLAs für Verfügbarkeit, Performance, Support-Reaktionszeiten?
• [ ] Wer haftet bei Fehlern der KI? Insbesondere bei geschäftskritischen Entscheidungen oder regulierten Branchen.

Kalkulationsbeispiel: Gesamtkosten über 12 Monate

Für ein KI-Tool zur Prozessautomatisierung mit 10 Nutzern:

(Kalkulationsbeispiel – tatsächliche Kosten sind anbieter- und konfigurationsabhängig)

Kategorie 3: Rechtliche und Compliance-Fragen

Datenschutz und Datenverarbeitung

• [ ] Wo werden die Daten gespeichert und verarbeitet? EU-Rechenzentren oder ausserhalb der EU?
• [ ] Ist der Anbieter DSGVO-konform? Liegt ein Auftragsverarbeitungsvertrag (AVV) vor?
• [ ] Werden Kundendaten zum Training des Modells verwendet? Falls ja: Lässt sich das deaktivieren?
• [ ] Wie werden personenbezogene Daten geschützt? Verschlüsselung bei Übertragung und Speicherung? Zugriffskontrollen?
• [ ] Gibt es ein Löschkonzept? Können Daten auf Anfrage vollständig gelöscht werden?

Regulatorische Anforderungen

• [ ] Ist das Tool konform mit branchenspezifischen Regulierungen? Finanzbranche (BaFin), Gesundheitswesen, öffentlicher Sektor?
• [ ] Wie geht der Anbieter mit dem EU AI Act um? Welche Risikoklasse hat das Tool? Welche Dokumentations- und Transparenzpflichten werden erfüllt? Der regulatorische Rahmen der KI-Verordnung definiert hierzu verbindliche Anforderungen [4].
• [ ] Gibt es Zertifizierungen? ISO 27001, SOC 2, branchenspezifische Zertifizierungen?
• [ ] Wie transparent ist die KI-Entscheidungsfindung? Gibt es Erklärbarkeitsmodule (Explainable AI)?

Geistiges Eigentum

• [ ] Wem gehören die mit dem Tool erzeugten Inhalte? Nutzungsrechte an generierten Texten, Analysen, Empfehlungen?
• [ ] Gibt es Urheberrechtsprobleme bei den Trainingsdaten? Relevant insbesondere bei generativer KI.
• [ ] Wie schützt der Anbieter Ihr geistiges Eigentum? Vertraulichkeit Ihrer Eingabedaten, Konfigurationen, Workflows?

Kategorie 4: Operative Fragen

Einführung und Change Management

• [ ] Welche Schulungen werden angeboten? Format (online/vor Ort), Dauer, Kosten, Sprache?
• [ ] Wie hoch ist der interne Aufwand für die Einführung? Personentage für Projektleitung, IT, Fachabteilungen?
• [ ] Gibt es Referenzkunden in unserer Branche? Können wir mit diesen sprechen?
• [ ] Wie sieht ein realistischer Zeitplan für die Einführung aus? Von Vertragsabschluss bis produktivem Betrieb?

Typische Einführungszeiträume

Die Zeiträume in dieser Tabelle beruhen auf Praxiserfahrungswerten und Branchenschätzungen.

Support und Weiterentwicklung

• [ ] Welche Support-Kanäle gibt es? E-Mail, Telefon, Chat, Ticketsystem? In welchen Sprachen?
• [ ] Wie sind die Support-Reaktionszeiten? Garantiert oder "best effort"?
• [ ] Wie oft erscheinen Updates? Gibt es eine öffentliche Roadmap?
• [ ] Wie stabil ist der Anbieter? Finanzierung, Marktposition, Kundenbasis? Gibt es Risiken für einen Ausfall oder eine Übernahme?
• [ ] Was passiert, wenn der Anbieter den Betrieb einstellt? Gibt es Escrow-Vereinbarungen oder Open-Source-Alternativen?

Praxisbeispiel: Rechtsanwaltskanzlei evaluiert KI für Dokumentenanalyse

Eine mittelgrosse Wirtschaftskanzlei mit 25 Anwälten evaluierte drei KI-Tools zur automatisierten Analyse von Vertragsdokumenten. Mithilfe der Checkliste identifizierte das Evaluationsteam folgende entscheidende Punkte:

Anbieter A: Funktional überlegen, aber Datenverarbeitung ausserhalb der EU. Für eine Kanzlei mit Mandantengeheimnispflicht konnte dies gegen eine Fortführung der Prüfung sprechen.

Anbieter B: EU-konforme Datenhaltung, aber keine API-Schnittstelle zum bestehenden Dokumentenmanagementsystem. Der manuelle Upload von Dokumenten hätte den Zeitvorteil weitgehend aufgehoben.

Anbieter C: Funktional etwas schwächer als Anbieter A, aber EU-Datenhaltung, API-Integration möglich, und Vertragsbedingungen enthielten eine klare Regelung: Mandantendaten werden nicht für Modelltraining verwendet.

Entscheidung: Die Kanzlei wählte Anbieter C und investierte das Differenzbudget (Anbieter C war ca. 30 % teurer als Anbieter A) in eine saubere Integration und Schulung. Die entscheidenden Fragen waren nicht technisch, sondern rechtlich und operativ.

Gesamtinvestition: ca. 35.000 EUR im ersten Jahr (Lizenz + Implementierung + Schulung) (Kalkulationsbeispiel)

Ergebnis nach 6 Monaten: Reduktion der Dokumentenanalysezeit um ca. 40 % bei gleichzeitig verbesserter Konsistenz der Ergebnisse (Praxiserfahrungswert).

So nutzen Sie die Checkliste in der Praxis

Schritt 1: Priorisieren

Nicht alle Fragen sind für jeden Anwendungsfall gleich wichtig. Markieren Sie die für Ihr Unternehmen kritischen Fragen (typischerweise 15–20 von den über 40 Fragen).

Schritt 2: Fragen an Anbieter formulieren

Übersetzen Sie die Checkliste in konkrete Anfragen an die Anbieter. Akzeptieren Sie keine vagen Antworten wie "das ist möglich" – fordern Sie Dokumentation, Referenzen oder Live-Demos.

Schritt 3: Antworten bewerten

Nutzen Sie die Bewertungsmatrix (Score 1–5) und vergleichen Sie Anbieter systematisch. Dokumentieren Sie die Bewertung schriftlich – mündliche Eindrücke aus Demos verzerren die Erinnerung.

Schritt 4: Entscheidung vorbereiten

Eine Zusammenfassung mit den Top-3-Anbietern, gewichteten Scores und einer klaren Einordnung kann die Entscheidungsvorbereitung erleichtern. Risiken und offene Punkte sollten dabei ausdrücklich benannt werden.

Fazit und Einordnung

1. Eine strukturierte Checkliste kann helfen, Demos und Verkaufspräsentationen besser einzuordnen. Die beste Demo-Performance sagt nur begrenzt etwas über den späteren Produktivbetrieb aus.

2. Rechtliche Fragen verdienen häufig besondere Aufmerksamkeit. Insbesondere im DACH-Raum sind Datenschutz und Compliance oft zentrale Entscheidungskriterien.

3. Eine Testphase mit eigenen Daten kann die Aussagekraft der Bewertung deutlich erhöhen. Ein Tool, das mit Demo-Daten überzeugt, kann unter realen Bedingungen anders abschneiden.

4. Eine Gesamtkostenbetrachtung über mindestens 12 Monate schafft meist die belastbarere Grundlage. Implementierung, Schulung und Integration machen häufig 40–60 % der Gesamtkosten aus (Branchenschätzung).

5. Eine schriftliche Dokumentation des Evaluationsprozesses erhöht die Nachvollziehbarkeit. Das schafft Transparenz gegenüber der Geschäftsführung und erleichtert spätere Revisionen.