Bevor Sie unterschreiben: 30 Fragen, die Entscheider vor der ersten KI-Investition wörtlich stellen
50 Min. Lesezeit
Jetzt lesen
Fragen & Antworten
Läuft das wirklich? 30 Fragen aus dem laufenden KI-Betrieb, von Adoption bis Abschaltung
Der erste Band endet dort, wo dieser beginnt: nach der Unterschrift. Sobald ein KI-System produktiv läuft, ändern sich die Fragen. Es geht nicht mehr um Auswahl und Budgetfreigabe, sondern um Nutzung, Qualität, Störfälle, laufende Pflichten und irgendwann um Verlängerung, Wechsel oder Abschaltung. Wir haben 30 Fragen g
Der erste Band endet dort, wo dieser beginnt: nach der Unterschrift. Sobald ein KI-System produktiv läuft, ändern sich die Fragen. Es geht nicht mehr um Auswahl und Budgetfreigabe, sondern um Nutzung, Qualität, Störfälle, laufende Pflichten und irgendwann um Verlängerung, Wechsel oder Abschaltung. Wir haben 30 Fragen gesammelt, wie Geschäftsführer, CIOs und KI-Verantwortliche sie wörtlich stellen, im Kollegenkreis oder als Eingabe in ein Sprachmodell. Jede Frage erhält eine Kurzantwort zum direkten Weiterverwenden und eine Langantwort mit Einordnung, Zahlen, typischem Fehler und nächstem Schritt. Alle Rechtsaussagen sind Orientierung auf dem Stand Juli 2026, einschließlich des Digital Omnibus on AI, und ersetzen keine Rechtsberatung. Alle Zahlen stammen aus benannten, prüfbaren Quellen.
„Unser Copilot-Rollout wird kaum genutzt. Woran liegt das?“
Kurzantwort: Ein kaum genutzter Copilot-Rollout liegt selten an der Technik. Drei Ursachen sind am häufigsten: Es fehlt der konkrete Anwendungsfall je Rolle. Die Schulung fand außerhalb des Arbeitskontexts statt. Und Führungskräfte nutzen das Werkzeug selbst nicht sichtbar. Eine Lizenz erzeugt keine Nutzung. Nutzung entsteht, wenn Beschäftigte in ihrer echten Aufgabe binnen zwei Wochen einen spürbaren Vorteil erleben.
Langantwort: Die Ausgangslage ist typisch. Laut MIT-Report „The GenAI Divide“ (Projekt NANDA, 2025) haben über 80 Prozent der Unternehmen Werkzeuge wie ChatGPT oder Copilot erprobt. Knapp 40 Prozent haben sie ausgerollt. Messbare Wirkung im Ergebnis bleibt trotzdem meist aus. Der Grund liegt selten im Modell. Er liegt in der Lücke zwischen generischem Werkzeug und konkreter Arbeitsaufgabe.
Prüfen Sie drei Dinge. Erstens: Gibt es je Rolle drei benannte Aufgaben, bei denen das Werkzeug nachweislich Zeit spart? Ein Vertriebsinnendienst braucht andere Beispiele als die Buchhaltung. Zweitens: Wurde im Arbeitskontext geschult, also an echten Dokumenten und Vorgängen? Ein einstündiges Video zählt nicht. Drittens: Nutzen Führungskräfte das Werkzeug erkennbar selbst? Wo die Leitung nur delegiert, bleibt Nutzung Privatsache Einzelner.
Ein Blick in die Nutzungsdaten hilft, allerdings nur aggregiert und mitbestimmungskonform. Interessant ist nicht die Anmeldequote, sondern die Wiederkehrquote nach vier Wochen. Wer einmal probiert und nie zurückkommt, hat keinen Nutzen gefunden. Der Work Trend Index von Microsoft und LinkedIn (2024) zeigt die Kehrseite: 75 Prozent der Wissensarbeiter nutzen generative KI. Viele nutzen dafür private Werkzeuge statt der bereitgestellten. Die Nachfrage ist da. Sie fließt nur dorthin, wo der Weg kürzer ist.
Der typische Fehler: Der Rollout wird als IT-Projekt geführt und mit der technischen Bereitstellung für beendet erklärt. Adoption ist aber Arbeitsorganisation, nicht Softwareverteilung.
Konkreter nächster Schritt: Beauftragen Sie den KI-Verantwortlichen, bis Ende nächster Woche zwei Abteilungen auszuwählen. Dort erarbeitet er mit je fünf Beschäftigten drei konkrete Aufgaben samt Beispiel-Eingaben. Danach messen Sie vier Wochen lang die Wiederkehrquote und entscheiden auf Datenbasis über das weitere Vorgehen.
„Unsere Mitarbeiter nutzen ChatGPT heimlich weiter, obwohl wir Copilot eingeführt haben. Verbieten oder erlauben?“
Kurzantwort: Heimlich genutzte private KI-Konten sollten Sie regeln statt verbieten, ein Verbot verschiebt die Nutzung nur tiefer in den Schatten. Legen Sie fest, welche Datenklassen in welche Werkzeuge dürfen. Bieten Sie eine gleichwertige freigegebene Alternative und schulen Sie den Unterschied. Entscheidend ist nicht das Werkzeug, sondern wohin Ihre Unternehmensdaten fließen.
Langantwort: Die Zahlen sprechen eine klare Sprache. Im Work Trend Index von Microsoft und LinkedIn (2024) gaben 78 Prozent der KI-Nutzer an, eigene Werkzeuge zur Arbeit mitzubringen. In kleinen und mittleren Unternehmen waren es sogar 80 Prozent. Der MIT-Report „The GenAI Divide“ (2025) beschreibt eine regelrechte Schatten-KI-Ökonomie: Beschäftigte erledigen Aufgaben erfolgreich mit privaten Konten, während offizielle Projekte stocken. Heimliche Nutzung ist also kein Disziplinproblem. Sie ist ein Hinweis, dass das freigegebene Angebot im Alltag unterlegen ist.
Ein Verbot wirkt kurzfristig beruhigend und langfristig teuer. Es beendet die Nutzung nicht, sondern beendet Ihre Sichtbarkeit auf die Nutzung. Damit verlieren Sie genau die Kontrolle, die das Verbot herstellen sollte. Zugleich bleibt das eigentliche Risiko bestehen: vertrauliche Daten in Konten, deren Verarbeitung Sie weder vertraglich noch technisch steuern.
Die tragfähige Antwort hat drei Teile. Erstens eine kurze, verständliche Nutzungsrichtlinie: welche Datenklassen (öffentlich, intern, vertraulich, personenbezogen) in welche Werkzeuge dürfen. Zweitens eine freigegebene Alternative, die im Alltag mithält, sonst regelt der Komfort, nicht die Richtlinie. Drittens Schulung nach Artikel 4 der KI-Verordnung (EU) 2024/1689, der seit dem 2. Februar 2025 ausreichende KI-Kompetenz des Personals verlangt. Wer den Unterschied zwischen privatem Konto und Unternehmensvertrag versteht, entscheidet besser.
Der typische Fehler: ein Verbot ohne Alternative, verbunden mit Einzelfall-Sanktionen. Das erzeugt Schweigen statt Sicherheit.
Konkreter nächster Schritt: Erklären Sie eine kurze Übergangsamnestie und erheben Sie binnen vier Wochen anonym, welche Werkzeuge wofür genutzt werden. Danach veröffentlicht die IT-Leitung die Nutzungsrichtlinie samt freigegebener Alternative. Binden Sie den Betriebsrat vor der Erhebung ein, bevor Gerüchte über Überwachung entstehen.
„Wir zahlen Copilot-Lizenzen für 800 Mitarbeiter, aber nur 300 nutzen sie regelmäßig. Kürzen oder nachsteuern?“
Kurzantwort: Ungenutzte Copilot-Lizenzen kürzen Sie erst nach der Diagnose. Streichen Sie sofort, wo nachweislich kein Anwendungsfall existiert. Steuern Sie nach, wo Aufgaben passen würden, aber Schulung oder Beispiele fehlten. Ein pauschaler Schnitt spart kurzfristig Lizenzkosten und zementiert langfristig die Nicht-Adoption. Setzen Sie eine Frist: 90 Tage gezieltes Nachsteuern, danach Umverteilung nach tatsächlicher Nutzung.
Langantwort: Ungenutzte Lizenzen sind ein reales Kostenproblem, aber die Kürzung ist nur dann die richtige Antwort, wenn die Ursache feststeht. Drei Ursachen kommen infrage: Die Rolle hat keine passenden Aufgaben. Die Person kennt die passenden Aufgaben nicht. Oder das Werkzeug ist für die Aufgaben zu schwach. Nur im ersten und dritten Fall ist die Lizenz das Problem.
Schauen Sie auf Kohorten statt auf Durchschnitte. Welche Abteilungen nutzen intensiv, welche gar nicht? Der Work Trend Index von Microsoft und LinkedIn (2024) beschreibt intensive Nutzer, die nach eigener Angabe mehr als 30 Minuten pro Tag sparen. Dieselbe Lizenz ist bei anderen wertlos. Das spricht für Umverteilung statt Rasenmäher. Zugleich mahnt die McKinsey-Umfrage „State of AI“ (2025) zur Nüchternheit: Nur 39 Prozent der Unternehmen berichten überhaupt eine Ergebniswirkung ihres KI-Einsatzes, meist unter fünf Prozent. Hohe Nutzung ist notwendig, aber nicht hinreichend.
Rechnen Sie ehrlich. Microsoft 365 Copilot kostet laut Microsoft-Preisangabe (2025) rund 30 Euro je Nutzer und Monat. 500 ungenutzte Lizenzen kosten damit einen mittleren fünfstelligen Betrag pro Jahr. Das ist genug, um zu handeln, und wenig genug, um nicht in Panik die Adoption der aktiven 300 zu gefährden.
Der typische Fehler: Lizenzvergabe nach Hierarchie statt nach Aufgabenprofil. Führungskräfte mit Assistenz nutzen das Werkzeug oft am wenigsten, Sachbearbeitung mit Textlast am meisten.
Konkreter nächster Schritt: Definieren Sie ein 90-Tage-Programm für die inaktiven Kohorten mit je drei rollenspezifischen Anwendungsfällen. Wer danach inaktiv bleibt, gibt die Lizenz ab. Verhandeln Sie parallel mit dem Anbieter über ein flexibles Lizenzmodell mit monatlicher Anpassung.
„Unser Vertrieb kopiert KI-Antworten ungeprüft in Kundenangebote. Wie stellen wir sicher, dass da noch jemand draufschaut?“
Kurzantwort: Ungeprüfte Übernahme von KI-Antworten stoppt ein Prozess, kein Appell. Definieren Sie je Dokumenttyp, was vor Versand geprüft werden muss und von wem. Halten Sie Stichproben auch bei guter Qualität aufrecht. Machen Sie Fehlerfunde sanktionsfrei meldbar. Und zeigen Sie dem Team die Forschung: Das eigene Gefühl, mit KI schneller und besser zu sein, täuscht messbar.
Langantwort: Das Phänomen hat einen Namen: Automatisierungs-Vertrauen. Je zuverlässiger ein System wirkt, desto seltener prüfen Menschen nach, genau dann werden seltene Fehler gefährlich. Die Forschungsorganisation METR hat 2025 in einer randomisierten Studie mit erfahrenen Entwicklern gezeigt, wie stark Selbstwahrnehmung und Realität auseinanderlaufen. Die Teilnehmer glaubten, mit KI 20 Prozent schneller zu sein. Tatsächlich waren sie 19 Prozent langsamer. Wer sich auf sein Gefühl verlässt, verlässt sich auf die falsche Instanz.
Für Kundenangebote heißt das: Verlassen Sie sich nicht auf allgemeine Sorgfaltsappelle. Definieren Sie Prüfregeln je Dokumenttyp. Preise, Liefertermine, technische Zusagen und rechtliche Aussagen werden immer von einem Menschen mit Fachverantwortung geprüft, unabhängig davon, wie gut die KI zuletzt war. Formulierungen und Struktur darf die KI liefern, Verbindlichkeit nicht.
Drei Bausteine halten die Prüfkultur lebendig. Erstens sichtbare Stichproben: Eine benannte Person zieht wöchentlich Vorgänge und bespricht Funde offen im Team. Zweitens sanktionsfreies Melden: Wer einen KI-Fehler vor dem Kunden findet, wird gelobt, nicht belächelt. Drittens Schulung mit echten Fehlerbeispielen aus dem eigenen Haus, abstrakte Warnungen verblassen, konkrete Beinahe-Schäden bleiben hängen. Das erfüllt zugleich die Kompetenzpflicht aus Artikel 4 der KI-Verordnung (EU) 2024/1689.
Der typische Fehler: Kontrolle wird als Misstrauen gegenüber Beschäftigten kommuniziert. Richtig gerahmt ist sie Misstrauen gegenüber dem Werkzeug. Das nimmt den Druck von den Personen.
Konkreter nächster Schritt: Lassen Sie die Vertriebsleitung binnen zwei Wochen eine einseitige Prüfmatrix erstellen: Dokumenttyp, prüfpflichtige Inhalte, verantwortliche Rolle. Ab Woche drei läuft die wöchentliche Stichprobe. Die Fundquote geht quartalsweise an die Geschäftsführung.
„Ein Mitarbeiter weigert sich, unseren neuen KI-Assistenten zu nutzen. Können wir das einfach anweisen?“
Kurzantwort: Die Nutzung eines dienstlichen KI-Assistenten dürfen Sie grundsätzlich anweisen. Das Weisungsrecht deckt das ab, solange Arbeitsvertrag, Mitbestimmung und Datenschutz gewahrt sind. Klug ist die reine Pflicht selten: Ohne Schulung und erkennbaren Nutzen erzeugt Zwang Minimalnutzung. Regeln Sie verbindliche Bereiche, Freiwilligkeit und Grenzen am besten in einer Betriebsvereinbarung.
Langantwort: Rechtlich ist der Rahmen klarer, als viele vermuten, als Orientierung, nicht als Rechtsberatung. Der Arbeitgeber bestimmt nach § 106 GewO Inhalt und Art der Arbeitsleistung nach billigem Ermessen. Die Vorgabe, ein bereitgestelltes Werkzeug zu nutzen, ist davon grundsätzlich gedeckt, wie bei jeder anderen Software auch. Grenzen setzen der Arbeitsvertrag und der Beschäftigtendatenschutz. Hinzu kommt die Mitbestimmung des Betriebsrats nach § 87 Abs. 1 Nr. 6 BetrVG, wenn das System Verhaltens- oder Leistungsdaten erfassen kann.
Die Kompetenzpflicht kommt hinzu: Artikel 4 der KI-Verordnung (EU) 2024/1689 verlangt seit dem 2. Februar 2025, dass Personal, das KI-Systeme bedient, über ausreichende KI-Kompetenz verfügt. Eine Nutzungspflicht ohne vorherige Schulung ist damit nicht nur unklug, sondern rechtlich angreifbar.
Praktisch stellt sich die Frage anders. Zwang erzeugt formale Nutzung ohne Substanz: Beschäftigte öffnen das Werkzeug, übernehmen nichts oder, schlimmer, alles ungeprüft. Beides schadet. Sinnvoller ist eine differenzierte Regel: Für definierte Prozessschritte, in denen das System nachweislich Qualität sichert, ist die Nutzung verbindlich. Für alles andere gilt Freiwilligkeit mit gutem Angebot. Ältere oder skeptische Beschäftigte gewinnen Sie über Kollegen als Multiplikatoren, nicht über Dienstanweisungen.
Der typische Fehler: Die Pflicht wird eingeführt, bevor Schulung, Betriebsvereinbarung und ein funktionierender Support stehen. Dann verbinden Beschäftigte das Werkzeug dauerhaft mit Druck statt mit Entlastung.
Konkreter nächster Schritt: Setzen Sie binnen zwei Wochen einen Termin mit dem Betriebsrat an. Ziel ist eine Betriebsvereinbarung mit drei Punkten: verbindliche und freiwillige Nutzungsbereiche, Ausschluss individueller Leistungskontrolle, Anspruch auf Schulung. Danach kommunizieren Sie die Erwartung offen, mit Begründung statt Anordnungston.
„Der KI-Assistent gibt seit dem letzten Update schlechtere Antworten. Was tun?“
Kurzantwort: Bei schlechteren Antworten nach einem Anbieter-Update gilt: erst objektivieren, dann eskalieren. Prüfen Sie den Eindruck mit einem festen Satz von Testfällen aus Ihrem Alltag. Bestätigt sich der Qualitätsabfall, klären Sie mit dem Anbieter, was sich geändert hat, Modellversion, Systemvorgaben, Kontextfenster. Fordern Sie eine Rückkehroption zur Vorversion und dokumentieren Sie den Vorfall für die nächste Vertragsverhandlung.
Langantwort: Gefühlte Verschlechterung ist ein ernstzunehmendes Signal, aber kein Befund. Wahrnehmung und Messung laufen bei KI-Werkzeugen weit auseinander. Die METR-Studie (2025) zeigte: Selbst Fachleute schätzten ihre eigene Produktivität mit KI um fast 40 Prozentpunkte falsch ein. Deshalb brauchen Sie zuerst einen objektiven Maßstab.
Der Maßstab ist ein goldenes Testset: 30 bis 50 reale Aufgaben aus Ihrem Betrieb mit bekannten guten Antworten, typische Kundenanfragen, Dokumentzusammenfassungen, Fachfragen. Lassen Sie diese Fälle vom aktuellen System beantworten und vergleichen Sie strukturiert mit früheren Ergebnissen, idealerweise bewertet von zwei Personen unabhängig. Erst wenn die Quote messbar fällt, liegt ein Qualitätsvorfall vor.
Dann folgt die Ursachensuche in vier Schichten: Hat der Anbieter das zugrunde liegende Modell gewechselt? Wurden Systemvorgaben oder Sicherheitsfilter verändert? Hat sich auf Ihrer Seite etwas geändert, neue Datenquellen, geänderte Vorlagen, anderes Nutzungsverhalten? Oder sind die Anfragen selbst anspruchsvoller geworden? Viele „Verschlechterungen“ entpuppen sich als Veränderung des eigenen Anspruchs oder der Aufgabenmischung.
Beim Anbieter fordern Sie drei Dinge. Erstens eine Auskunft, welche Änderung wann ausgerollt wurde. Zweitens eine Rückkehroption oder Übergangsfrist auf die Vorversion. Drittens künftig eine Ankündigungsfrist vor wesentlichen Änderungen. Ob Sie darauf Anspruch haben, steht im Vertrag, oft leider nicht, was Sie zur nächsten Verlängerung ändern sollten.
Der typische Fehler: Das Team reagiert auf laute Einzelstimmen und verstellt hektisch Eingabevorlagen, bevor die Ursache feststeht. Damit zerstören Sie die Vergleichbarkeit.
Konkreter nächster Schritt: Lassen Sie den Systemverantwortlichen das Testset noch diese Woche aufbauen und die Messung durchführen. Erst danach eröffnen Sie das Anbietergespräch, mit Zahlen statt Eindrücken.
„Woran merken wir, dass unser KI-Assistent schleichend schlechter wird, bevor es ein Kunde merkt?“
Kurzantwort: Schleichenden Qualitätsverfall eines KI-Systems erkennen Sie nur durch Messung, nicht durch Zufall. Vier Bausteine genügen: ein festes Testset im Monatsrhythmus, ein einfacher Feedback-Knopf für Nutzer, die Beschwerde- und Korrekturquote aus den Fachbereichen. Dazu kommt eine quartalsweise Stichprobe echter Antworten durch Fachleute. Schleichender Verfall fällt niemandem im Alltag auf, genau deshalb braucht er einen festen Messrhythmus.
Langantwort: KI-Systeme verschlechtern sich selten schlagartig. Häufiger driften sie: Der Anbieter passt das Modell an, Ihre Dokumentenbasis veraltet, die Anfragen verschieben sich in Bereiche, für die das System nie geprüft wurde. Jede einzelne Änderung ist klein. Die Summe fällt erst auf, wenn ein Kunde oder ein Wirtschaftsprüfer sie bemerkt. Der teuerste aller Messzeitpunkte.
Der Kern eines tragfähigen Betriebsmonitorings ist das goldene Testset: 30 bis 50 reale Aufgaben mit bekannten guten Antworten. Sie durchlaufen in festem Rhythmus automatisch oder halbautomatisch. Ergänzen Sie drei Signalquellen aus dem Alltag. Erstens ein niederschwelliges Nutzerfeedback direkt an der Antwort, eine simple Daumen-Bewertung liefert Trends, keine Wahrheiten. Zweitens die Korrekturquote: Wie oft müssen Beschäftigte Antworten wesentlich nacharbeiten, bevor sie verwendbar sind? Drittens Beschwerden und Eskalationen aus den Fachbereichen, systematisch gesammelt statt in Fluren erzählt.
Wichtig ist die Zuständigkeit. Ohne benannten Verantwortlichen mit festem Berichtsweg versanden alle vier Bausteine binnen eines Quartals. Definieren Sie zusätzlich Schwellen, die Handlungen auslösen. Fällt die Testset-Quote um mehr als einen vereinbarten Wert, wird eskaliert: an den Anbieter, an die IT, notfalls bis zur Abschaltempfehlung. Ein Monitoring ohne Konsequenzregel ist Dekoration.
Der typische Fehler: Das System wurde vor dem Go-live gründlich getestet und danach nie wieder. Der Launch-Test beweist aber nur die Qualität von gestern.
Konkreter nächster Schritt: Benennen Sie noch diese Woche einen Qualitätsverantwortlichen. Er baut das Testset aus echten Fällen der letzten drei Monate; erster Messtermin ist der kommende Monatsbeginn. Die Trendlinie geht quartalsweise an die Geschäftsleitung, eine Zahl, ein Pfeil, eine Handlungsempfehlung.
„Unser KI-System lief sechs Monate ohne Beanstandung. Können wir die manuellen Stichproben jetzt zurückfahren?“
Kurzantwort: Manuelle Stichproben dürfen Sie nach stabilen Monaten reduzieren, aber nicht abschaffen. Passen Sie die Kontrolltiefe dem Risiko an: Bei geringen Fehlerfolgen und stabiler Messkurve dürfen Intervalle länger und Stichproben kleiner werden. Behalten Sie eine Grundlinie, die Drift noch erkennt. Ändern sich Modell, Datenbasis oder Einsatzbereich, gilt wieder volle Kontrolle.
Langantwort: Sechs fehlerfreie Monate sind ein gutes Zeichen, und eine gefährliche Verführung. Sie belegen, dass das System unter den bisherigen Bedingungen funktioniert. Sie belegen nicht, dass es unter morgigen Bedingungen funktioniert. KI-Systeme sind keine gefrorene Software: Anbieter-Updates, veränderte Datenbasis und verschobene Nutzungsmuster können die Qualität ohne Vorwarnung verändern. Kontrolle prüft deshalb nicht nur das System, sondern die Stabilität seiner Umgebung.
Die richtige Frage lautet nicht „weniger oder gleich viel“, sondern „wie viel Kontrolle je Risikoklasse“. Drei Kriterien tragen die Abstufung. Erstens die Folgen eines unentdeckten Fehlers: Kundenkommunikation und rechtlich relevante Inhalte wiegen schwer. Zweitens die Umkehrbarkeit: Ein interner Entwurf ist korrigierbar, ein versandtes Angebot nicht. Drittens das Volumen: Bei zehntausend Antworten pro Monat findet eine Stichprobe von zehn Fällen praktisch nichts. Für Systeme mit Hochrisiko-Einstufung setzt Artikel 26 der KI-Verordnung (EU) 2024/1689 ohnehin Grenzen. Betreiber müssen wirksame menschliche Aufsicht sicherstellen; ein vollständiger Kontrollabbau scheidet dort aus.
Sinnvoll ist ein dokumentiertes Stufenmodell. Stufe 1 nach Go-live prüft eng. Stufe 2 nach stabiler Messkurve reduziert die Intervalle. Stufe 3 ist der Dauerbetrieb mit Grundlinien-Stichprobe plus automatischem Testset. Jede Stufe nennt die Bedingungen für Auf- und Abstieg. Das schützt Sie auch gegenüber Prüfern: Sie können zeigen, warum Ihr Kontrollniveau angemessen ist.
Der typische Fehler: Die Kontrolle wird leise reduziert, während gleichzeitig der Einsatzbereich leise wächst. Neue Abteilung, neue Dokumenttypen, halbe Kontrolle, so entstehen Vorfälle.
Konkreter nächster Schritt: Lassen Sie den Systemverantwortlichen das Stufenmodell binnen zwei Wochen auf einer Seite ausformulieren. Der Risikoverantwortliche gibt es frei. Den heutigen Stufenwechsel dokumentieren Sie samt Begründung.
„Der Anbieter hat das Modell hinter unserem Assistenten ausgetauscht, ohne uns zu informieren. Können wir das vertraglich unterbinden?“
Kurzantwort: Einen stillen Modellwechsel Ihres Anbieters können Sie meist nicht verhindern, aber vertraglich einhegen. Standard-Cloud-Verträge erlauben laufende Änderungen. Verhandelbar sind: Ankündigungsfristen für wesentliche Änderungen, ein Testzeitraum mit Parallelbetrieb, eine befristete Rückkehroption und ein Sonderkündigungsrecht bei nachweisbarer Verschlechterung. Voraussetzung für alle vier Hebel ist ein eigenes Testset, mit dem Sie Verschlechterung belegen können.
Langantwort: Zunächst die unbequeme Wahrheit: Bei Standard-SaaS-Produkten ist der laufende Modellwechsel kein Vertragsbruch, sondern Geschäftsmodell. Anbieter aktualisieren Modelle aus Kosten-, Sicherheits- und Wettbewerbsgründen und behalten sich das in den Nutzungsbedingungen regelmäßig vor. Wer das ändern will, verhandelt, und zahlt gegebenenfalls für Stabilität, etwa über Enterprise-Verträge mit Versions-Fixierung („Model Pinning“) und definierten Übergangsfristen.
Vier Klauseln sind die Verhandlungsbasis. Erstens eine Änderungsmitteilung: Wesentliche Änderungen am Modell oder an Sicherheitsfiltern werden mit angemessener Frist angekündigt, nicht rückwirkend im Änderungsprotokoll versteckt. Zweitens ein Testfenster: Neue Versionen stehen vor der Zwangsumstellung parallel zur Verfügung, damit Sie Ihr Testset laufen lassen können. Drittens eine Rückkehroption für einen definierten Zeitraum. Viertens ein Sonderkündigungsrecht ohne Restlaufzeitkosten, wenn eine dokumentierte, erhebliche Qualitätsverschlechterung nicht binnen Frist behoben wird.
Realistisch bekommen Mittelständler nicht alles davon, Hyperscaler verhandeln solche Klauseln selten mit einzelnen Kunden unterhalb großer Volumina. Dann hilft die zweite Verteidigungslinie: Architektur. Wer seine Anwendung über eine austauschbare Schnittstelle baut und Eingabevorlagen versioniert, kann bei einem erzwungenen Modellwechsel schneller reagieren oder den Anbieter wechseln. Der Data Act (Verordnung (EU) 2023/2854), anwendbar seit dem 12. September 2025, stärkt die Wechselfähigkeit bei Datenverarbeitungsdiensten zusätzlich.
Der typische Fehler: Der Einkauf verlässt sich auf mündliche Zusagen des Vertriebs zur Modellstabilität. Zusagen ohne Vertragstext sind bei der nächsten Preisrunde vergessen.
Konkreter nächster Schritt: Prüfen Sie noch diese Woche, was Ihr aktueller Vertrag zu Änderungen sagt. Der Einkauf setzt die vier Klauseln auf die Agenda der nächsten Verlängerungsverhandlung. Ihr Testset-Protokoll dient dabei als Beleg des Vorfalls.
„Unser Chatbot hat am Samstag stundenlang Unsinn erzählt und niemand hat es gemerkt. Brauchen wir eine Rufbereitschaft für KI?“
Kurzantwort: Für KI-Systeme brauchen Sie keinen Nachtdienst, aber einen geregelten Notpfad: Wer darf das System abschalten, wie schnell, und wer wird informiert? Für interne Assistenten reicht meist der nächste Arbeitstag. Für kundenseitige Systeme brauchen Sie eine erreichbare Rolle mit Abschaltbefugnis und ein kurzes Störfall-Handbuch. Entscheidend ist die Befugnis, nicht die Besetzung rund um die Uhr.
Langantwort: Die Antwort hängt an einer einzigen Frage: Was kann das System unbeaufsichtigt anrichten? Ein interner Assistent, dessen Antworten Beschäftigte ohnehin prüfen, verursacht am Wochenende schlimmstenfalls Mehrarbeit am Montag. Ein Chatbot auf Ihrer Website spricht dagegen unbeaufsichtigt mit Kunden, falsche Preise, unzulässige Aussagen und peinliche Entgleisungen inklusive. Für die erste Kategorie genügt ein Regelprozess im Tagesgeschäft. Für die zweite brauchen Sie einen Notpfad.
Der Notpfad besteht aus vier Elementen. Erstens eine dokumentierte Abschaltmöglichkeit: Wie wird das System deaktiviert oder auf eine statische Auskunft umgeschaltet, ohne dass die IT-Leitung persönlich anwesend sein muss? Zweitens eine benannte Rolle mit Abschaltbefugnis, inklusive der ausdrücklichen Freigabe, im Zweifel abzuschalten, ohne Rücksprache mit der Geschäftsführung. Wer Angst vor der Fehlentscheidung hat, schaltet zu spät ab. Drittens definierte Auslöser: Rechtlich riskante Aussagen, Preiszusagen, Datenpannen und reproduzierbarer Unsinn in Kundenkontakten rechtfertigen die Abschaltung sofort. Viertens ein Kommunikationsweg: Wer informiert Fachbereich, Datenschutz und gegebenenfalls den Anbieter?
Bei Hochrisiko-Systemen kommt eine rechtliche Dimension hinzu. Artikel 26 der KI-Verordnung (EU) 2024/1689 verpflichtet Betreiber, den Einsatz bei Anhaltspunkten für ein Risiko auszusetzen. Zudem ist der Anbieter zu informieren. Ein geregelter Notpfad ist dort keine Kür, sondern Pflichtvorbereitung.
Der typische Fehler: Es gibt technisch einen Abschalter, aber niemand traut sich, ihn zu benutzen, aus Sorge vor der Verantwortung für den Ausfall. Klare Auslöser und Rückendeckung der Leitung lösen das.
Konkreter nächster Schritt: Lassen Sie die IT-Leitung binnen zwei Wochen ein zweiseitiges Störfall-Handbuch schreiben: Auslöser, Abschaltweg, Befugnisse, Meldekette. Proben Sie die Abschaltung danach einmal kontrolliert, ein Notpfad, der nie geprobt wurde, existiert nur auf dem Papier.
„Ein Mitarbeiter hat Kundendaten in ein privates KI-Konto eingegeben. Was müssen wir jetzt in welcher Reihenfolge tun?“
Kurzantwort: Nach der Eingabe von Kundendaten in ein privates KI-Konto sichern Sie zuerst den Sachverhalt, dann wahren Sie Fristen. Klären Sie sofort, welche Daten betroffen sind. Bei personenbezogenen Daten prüft der Datenschutzbeauftragte die Meldepflicht an die Aufsichtsbehörde. Die Frist beträgt 72 Stunden ab Kenntnis. Lassen Sie Verlauf und Konto bereinigen, dokumentieren Sie alles und beheben Sie die Ursache: Meist fehlte eine taugliche freigegebene Alternative.
Langantwort: Die Reihenfolge entscheidet über Schaden und Haftung, als Orientierung, nicht als Rechtsberatung. Schritt eins ist die Sachverhaltsaufnahme: Welche Daten, welcher Umfang, welches Werkzeug, welche Kontoeinstellungen? Ein privates Konto eines US-Anbieters mit aktiviertem Training auf Nutzereingaben ist ein anderer Fall als ein Unternehmenskonto mit Auftragsverarbeitungsvertrag. Sichern Sie Screenshots und Zeitpunkte, bevor gelöscht wird.
Schritt zwei sind die Fristen. Sind personenbezogene Daten betroffen, liegt möglicherweise eine meldepflichtige Verletzung nach Artikel 33 DSGVO vor. Dann gilt: Meldung an die Aufsichtsbehörde binnen 72 Stunden ab Kenntnis, sofern ein Risiko für die Betroffenen nicht unwahrscheinlich ist. Bei hohem Risiko sind nach Artikel 34 DSGVO auch die Betroffenen zu benachrichtigen. Diese Bewertung gehört in die Hände des Datenschutzbeauftragten, nicht in eine hektische Managementrunde. Betrifft der Vorfall Geschäftsgeheimnisse statt Personendaten, greift das Geschäftsgeheimnisgesetz: Dokumentieren Sie den Vorfall auch deshalb, weil der Schutzstatus von nachweisbaren Geheimhaltungsmaßnahmen abhängt.
Schritt drei ist die Eindämmung: Löschanfrage an den Anbieter, Deaktivierung der Trainingsnutzung, Passwort- und Zugriffsprüfung, falls Zugangsdaten betroffen waren.
Schritt vier, und der wichtigste für die Zukunft, ist die Ursachenarbeit. Der Work Trend Index von Microsoft und LinkedIn (2024) zeigt, dass 78 Prozent der KI-Nutzer eigene Werkzeuge zur Arbeit mitbringen. Solche Vorfälle sind also Systemversagen, kein Einzelversagen. Bestrafen Sie den Meldenden nicht: Wer offen meldet, hat Ihnen die 72-Stunden-Frist gerettet.
Der typische Fehler: Der Vorfall wird intern „geräuschlos erledigt“ und nie dokumentiert. Kommt er später ans Licht, wird aus einer beherrschbaren Panne ein Vertuschungsvorwurf.
Konkreter nächster Schritt: Prüfen Sie heute, ob Ihr Datenpannen-Prozess KI-Werkzeuge ausdrücklich abdeckt. Der Datenschutzbeauftragte ergänzt binnen einer Woche eine kurze Melde-Anleitung für alle Beschäftigten: ein Kanal, keine Schuldfragen, klare Fristen.
„Unser Chatbot hat einem Kunden einen falschen Rabatt zugesagt. Müssen wir den einhalten?“
Kurzantwort: Eine falsche Rabattzusage Ihres Chatbots müssen Sie möglicherweise einhalten. Erklärungen des Chatbots werden Ihrem Unternehmen grundsätzlich zugerechnet, Sie können sich nicht darauf berufen, dass „nur die Software“ gesprochen hat. Ein kanadisches Tribunal verurteilte 2024 eine Fluggesellschaft auf Basis einer falschen Chatbot-Auskunft. Prüfen Sie den Einzelfall anwaltlich und begrenzen Sie sofort, worüber der Bot überhaupt Aussagen treffen darf.
Langantwort: Die Leitentscheidung kam aus Kanada. Das Civil Resolution Tribunal in British Columbia verpflichtete Air Canada im Februar 2024, eine vom Website-Chatbot falsch zugesagte Erstattungsregel einzuhalten (Fall Moffatt gegen Air Canada). Das Argument der Airline, der Chatbot sei eine „eigenständige Einheit“, verwarf das Tribunal ausdrücklich. Die Entscheidung bindet deutsche Gerichte nicht, markiert aber die Richtung, in die auch hiesige Bewertungen weisen, als Orientierung, nicht als Rechtsberatung.
Nach deutschem Verständnis gilt: Wer einen Chatbot als Kommunikationsmittel einsetzt, muss sich dessen Erklärungen im Grundsatz zurechnen lassen, ähnlich wie automatisierte Bestellbestätigungen. Ob im Einzelfall ein bindender Vertrag entstand, hängt von den Umständen ab: War die Aussage eine verbindliche Zusage oder erkennbar eine unverbindliche Auskunft? Durfte der Kunde auf sie vertrauen? War der Fehler für den Kunden offensichtlich, etwa ein Rabatt von 90 Prozent? Bei offensichtlichen Fehlern kommt eine Anfechtung in Betracht. Das prüft ein Anwalt am konkreten Verlauf, weshalb Ihre Protokollierung jetzt Gold wert ist.
Wichtiger als der Einzelfall ist die Vorsorge. Erstens: Begrenzen Sie den Aussagebereich des Bots technisch. Preise, Rabatte, Liefertermine und Vertragskonditionen kommen nur aus geprüften Datenquellen oder gar nicht. Zweitens: Ein Hinweis auf mögliche Fehler entlastet nur begrenzt; er ersetzt keine Sorgfalt bei erkennbar geschäftsrelevanten Auskünften. Drittens: Ab dem 2. August 2026 verlangt Artikel 50 der KI-Verordnung (EU) 2024/1689 ohnehin, dass Kunden erkennen können, dass sie mit einem KI-System interagieren.
Der typische Fehler: Nach dem Vorfall wird nur der Disclaimer verlängert statt der Antwortraum verkleinert.
Konkreter nächster Schritt: Geben Sie den Fall noch diese Woche zur anwaltlichen Bewertung. Parallel definiert der Systemverantwortliche binnen weniger Tage eine Sperrliste: Themen wie Preise und Konditionen, zu denen der Bot ausschließlich an Menschen verweist.
„Durch den Digital Omnibus gilt die Hochrisiko-Pflicht erst ab Dezember 2027. Können wir unsere AI-Act-Arbeit bis dahin pausieren?“
Kurzantwort: Pausieren sollten Sie die AI-Act-Arbeit trotz Digital Omnibus nicht. Verschoben wurden nur die Pflichten für Hochrisiko-Systeme: Anhang III auf den 2. Dezember 2027, produktintegrierte Systeme nach Anhang I auf den 2. August 2028. Unverändert gelten: die KI-Kompetenzpflicht seit Februar 2025, die Verbote bestimmter Praktiken, die Pflichten für Anbieter großer Modelle seit August 2025. Auch die Transparenzpflichten kommen unverändert zum 2. August 2026.
Langantwort: Der Digital Omnibus on AI ist beschlossen, aber gezielt begrenzt, Orientierung, keine Rechtsberatung. Nach der Trilog-Einigung vom 7. Mai 2026 stimmte das Europäische Parlament am 16. Juni 2026 zu, der Rat am 29. Juni 2026; die Veröffentlichung im Amtsblatt steht im Juli 2026 noch aus. Verschoben werden die Anwendungsfristen für Hochrisiko-Systeme: eigenständige Systeme nach Anhang III (etwa Personalauswahl oder Kreditwürdigkeitsprüfung) vom 2. August 2026 auf den 2. Dezember 2027, produktintegrierte Systeme nach Anhang I auf den 2. August 2028.
Alles andere läuft weiter. Die KI-Kompetenzpflicht aus Artikel 4 gilt seit dem 2. Februar 2025, ebenso die Verbote bestimmter Praktiken. Die Pflichten für Anbieter von Modellen mit allgemeinem Verwendungszweck gelten seit dem 2. August 2025. Die Transparenzpflichten nach Artikel 50 (erkennbare Chatbots, Kennzeichnung synthetischer Inhalte) kommen unverändert zum 2. August 2026; für Bestandssysteme gibt es bei der maschinenlesbaren Kennzeichnung eine Übergangsfrist bis zum 2. Dezember 2026. Neu hinzu kommt ab dem 2. Dezember 2026 sogar ein Verbot von Systemen zur Erzeugung nicht einvernehmlicher intimer Darstellungen.
Wer jetzt pausiert, verwechselt Fristverschiebung mit Entwarnung, und unterschätzt die Vorlaufzeiten. Inventar, Risikoeinstufung, Lieferantenklauseln und Dokumentation brauchen im Mittelstand erfahrungsgemäß mehrere Quartale. Laut Bitkom (2025) nennen 53 Prozent der deutschen Unternehmen rechtliche Unsicherheit als größtes Hemmnis beim KI-Einsatz. Wer seine Pflichtenlage sauber sortiert hat, gewinnt hier schlicht Handlungsfähigkeit.
Der typische Fehler: Die Verschiebung wird zum Anlass, das halbe Compliance-Team abzuziehen, und im Sommer 2027 beginnt die Arbeit unter Zeitdruck von vorn.
Konkreter nächster Schritt: Lassen Sie den Compliance-Verantwortlichen binnen vier Wochen eine Fristen-Matrix für Ihre konkreten Systeme erstellen. Sie zeigt, welche Pflicht seit wann gilt, was im August 2026 kommt und was erst Ende 2027. Streichen dürfen Sie danach nichts, nur klüger priorisieren.
„Gilt die Kennzeichnungspflicht ab August 2026 auch für die Texte, die unser Marketing mit KI erstellt?“
Kurzantwort: Für gewöhnliche Marketing-Texte mit menschlicher Prüfung gilt die Kennzeichnungspflicht grundsätzlich nicht. Artikel 50 der KI-Verordnung verlangt ab dem 2. August 2026 vor allem: Chatbots müssen als KI erkennbar sein, künstlich erzeugte Bilder, Audio und Video müssen maschinenlesbar gekennzeichnet werden, Deepfakes sind offenzulegen. Bei Texten greift die Pflicht nur bei öffentlich informierenden Inhalten ohne redaktionelle Verantwortung.
Langantwort: Artikel 50 der Verordnung (EU) 2024/1689 unterscheidet mehrere Fälle, als Orientierung, nicht als Rechtsberatung. Erstens die Interaktion: Wer mit einem KI-System kommuniziert, muss das erkennen können; das betrifft Ihren Kundenservice-Chatbot, nicht Ihre Broschüre. Zweitens synthetische Inhalte: Anbieter von Systemen, die Bild, Audio, Video oder Text künstlich erzeugen, müssen Ausgaben maschinenlesbar kennzeichnen. Diese Pflicht liegt primär beim Werkzeuganbieter. Für Systeme, die vor August 2026 in Verkehr gebracht wurden, gilt nach dem Digital Omnibus eine Übergangsfrist bis zum 2. Dezember 2026. Drittens Deepfakes: Wer täuschend echte Darstellungen realer Personen, Orte oder Ereignisse veröffentlicht, muss die künstliche Erzeugung offenlegen.
Für Texte gilt eine eigene Regel. Betreiber müssen KI-generierte oder -bearbeitete Texte kennzeichnen, wenn diese die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse informieren. Die Ausnahme: Ein Mensch trägt die redaktionelle Verantwortung und hat den Inhalt geprüft. Ein Produkttext oder Newsletter, den Ihr Marketing prüft und verantwortet, fällt damit regelmäßig nicht unter die Kennzeichnungspflicht.
Vorsicht an zwei anderen Fronten. Das Lauterkeitsrecht (UWG) verbietet Irreführung unabhängig vom AI Act: KI-erfundene Kundenstimmen, fingierte Erfahrungsberichte oder erfundene Testergebnisse sind abmahnfähig, gekennzeichnet oder nicht. Und Bildmaterial realer Personen, das KI verändert hat, berührt schnell Persönlichkeitsrechte.
Der typische Fehler: Unternehmen kennzeichnen aus Vorsicht pauschal alles oder aus Bequemlichkeit nichts. Beides ist falsch. Die Pflicht hängt am Inhaltstyp.
Konkreter nächster Schritt: Erstellen Sie mit Marketing und Datenschutz binnen vier Wochen eine Inhaltstypen-Matrix: Chatbot, Bilder, Video, Ton, Texte, je mit Kennzeichnungsregel und Verantwortlichem. Das Marketing prüft zusätzlich, ob die eingesetzten Bild-Werkzeuge die maschinenlesbare Kennzeichnung technisch unterstützen.
„Unser KI-Anbieter trainiert laut neuen AGB mit unseren Eingaben. Dürfen wir den Dienst weiter für Kundendaten nutzen?“
Kurzantwort: Kundendaten gehören nicht mehr in einen Dienst, dessen Anbieter laut AGB mit den Eingaben trainiert. Personenbezogene Daten dürfen Sie nur verarbeiten lassen, wenn ein Auftragsverarbeitungsvertrag die Zwecke bindet, Anbieter-Training sprengt diesen Rahmen regelmäßig. Prüfen Sie sofort: Gilt die Klausel für Ihren Vertragstyp? Gibt es einen Opt-out oder Unternehmenstarif ohne Trainingsnutzung? Bis zur Klärung: keine Kundendaten mehr in den Dienst.
Langantwort: AGB-Änderungen dieser Art passieren leise und wirken groß. Der erste Schritt ist deshalb Präzision: Lesen Sie, was genau geändert wurde und für wen. Häufig betreffen Trainingsklauseln nur Privat- und Gratiskonten, während Unternehmens- und API-Verträge ausdrücklich ausgenommen bleiben. Nutzen Ihre Beschäftigten aber gemischte Konten, ist genau das Ihr Problem, nicht die AGB.
Rechtlich ist der Rahmen streng, als Orientierung, nicht als Rechtsberatung. Verarbeitet der Anbieter personenbezogene Daten Ihrer Kunden, ist er Ihr Auftragsverarbeiter nach Artikel 28 DSGVO und an Ihre dokumentierten Weisungen gebunden. Trainiert er mit den Eingaben für eigene Zwecke, verlässt er die Rolle des Auftragsverarbeiters. Dafür bräuchte es eine eigene Rechtsgrundlage, die Sie für fremde Zwecke kaum liefern können. Für Geschäftsgeheimnisse gilt parallel: Das Geschäftsgeheimnisgesetz schützt nur, was durch angemessene Maßnahmen geschützt wird. Die bewusste Weitergabe in einen trainierenden Dienst kann diesen Status gefährden.
Handeln Sie in drei Stufen. Sofort: Datenklassen einschränken, also keine Kunden- und Personaldaten mehr in den betroffenen Dienst, und die Belegschaft knapp informieren. Kurzfristig: Mit dem Anbieter klären, ob ein Opt-out, ein Enterprise-Tarif oder eine Zusicherung „kein Training auf Kundendaten“ verfügbar ist, schriftlich, nicht per Vertriebsmail. Mittelfristig: AGB-Monitoring etablieren, denn Änderungsmitteilungen von Cloud-Anbietern landen sonst ungelesen im Postfach eines Einzelnen.
Der typische Fehler: Die Änderung wird bemerkt, aber nicht datiert dokumentiert. Später lässt sich nicht mehr belegen, ab wann welche Daten unter welchen Bedingungen verarbeitet wurden.
Konkreter nächster Schritt: Beauftragen Sie den Datenschutzbeauftragten heute mit einer Bewertung der neuen Klausel. Die IT inventarisiert parallel, welche Datenklassen im Alltag tatsächlich in den Dienst fließen. Entscheidungsvorlage in zwei Wochen.
„Brauchen wir einen externen Prüfer für unsere produktiven KI-Systeme oder reicht die interne Revision?“
Kurzantwort: Für die meisten Betreiber verlangt die KI-Verordnung keine externe Prüfung. Die interne Revision reicht, wenn sie über KI-Kompetenz und einen klaren Prüfungsmaßstab verfügt. Externe Prüfer lohnen sich in vier Fällen: Nähe zur Hochrisiko-Einstufung, angestrebte Zertifizierung nach ISO/IEC 42001, ein vorausgegangener Vorfall oder wenn intern schlicht die Fachkenntnis fehlt.
Langantwort: Zunächst die rechtliche Einordnung, als Orientierung, nicht als Rechtsberatung: Die Verordnung (EU) 2024/1689 kennt Konformitätsbewertungen vor allem für Anbieter von Hochrisiko-Systemen. Wer KI nur als Betreiber einsetzt, schuldet in erster Linie geordnete Nutzung, menschliche Aufsicht, Schulung und Dokumentation. Eine generelle externe Auditpflicht für Betreiber existiert nicht. Die Frage ist also keine Pflichtfrage, sondern eine Qualitäts- und Risikofrage.
Die interne Revision kann KI-Systeme gut prüfen, wenn zwei Bedingungen erfüllt sind. Erstens Kompetenz: Ohne Grundverständnis von Modellverhalten, Datenflüssen und typischen Fehlermustern prüft die Revision nur Formalien. Artikel 4 der Verordnung verlangt ausreichende KI-Kompetenz ausdrücklich auch von Personen, die mit Prüfaufgaben betraut sind. Zweitens ein Maßstab: Ohne definierten Prüfkatalog wird jede Prüfung beliebig. Brauchbare Gerüste liefern die Managementsystem-Norm ISO/IEC 42001 (2023) und etablierte Risikokataloge wie die OWASP-Liste der größten LLM-Risiken. Daraus lässt sich ein schlanker, unternehmenseigener Katalog ableiten.
Extern prüfen lassen sollten Sie gezielt. Erster Anlass: Ein System rückt in die Nähe der Hochrisiko-Kategorien, und Sie wollen die Einstufung belastbar dokumentieren. Zweiter Anlass: Kunden oder Versicherer verlangen Nachweise, oder ein relevanter Vorfall ist passiert. Dritter Anlass: eine einmalige Standortbestimmung, deren Ergebnisse die interne Revision danach fortschreibt. Ein Dauerabo für externe Prüfungen brauchen die wenigsten Mittelständler.
Der typische Fehler: Es wird über „extern oder intern“ gestritten, bevor ein Prüfungsmaßstab existiert. Ohne Katalog liefert auch der teuerste Prüfer nur allgemeine Empfehlungen.
Konkreter nächster Schritt: Lassen Sie die Revision binnen vier Wochen einen Prüfkatalog aus zehn bis fünfzehn Kernkontrollen entwerfen, Inventar, Zuständigkeiten, Testset, Vorfallprozess, Verträge. Danach entscheiden Sie fundiert, welche Prüfungen intern laufen und wo externe Tiefe nötig ist.
„Unsere Cloud-Rechnung für den KI-Assistenten steigt jeden Monat, obwohl die Nutzerzahl gleich bleibt. Woran liegt das und wie steuern wir gegen?“
Kurzantwort: Eine steigende KI-Rechnung bei gleichbleibender Nutzerzahl entsteht meist über die Intensität: längere Eingaben und Kontexte, verkettete Anfragen durch Assistenz-Funktionen, teurere Modellvarianten. Dazu wächst der Speicher für Protokolle und Dokumentenindizes. Gegenmittel: Kosten je Anwendungsfall messen, einfache Anfragen auf günstige Modelle leiten, Kontexte begrenzen, Budgets mit Warnschwellen setzen.
Langantwort: Nutzungsbasierte Abrechnung belohnt jede Verbesserung Ihres Systems mit höheren Kosten. Vier Treiber stecken hinter fast jeder still steigenden Rechnung. Erstens Kontextwachstum: Je mehr Dokumente, Verlauf und Anweisungen jede Anfrage mitschleppt, desto mehr Verbrauchseinheiten kostet dieselbe Frage. Das bleibt oft unbemerkt, weil Vorlagen zentral erweitert wurden. Zweitens verkettete Aufrufe: Moderne Assistenz-Funktionen zerlegen eine Nutzerfrage in mehrere Modellaufrufe, etwa für Suche, Zwischenschritte und Formatierung; aus einer Anfrage werden fünf. Drittens schleichende Modell-Aufwertung: Teams stellen auf die stärkere, teurere Variante um, „weil die Antworten besser sind“, ohne Kostenfreigabe. Viertens Nebenkosten: Protokollspeicher, Dokumentenindizes und Testläufe wachsen mit.
Dass Kosten zum Projektkiller werden können, ist gut belegt. In der Erhebung von S&P Global Market Intelligence (2025) unter 1.006 Unternehmen brachen 42 Prozent die Mehrzahl ihrer KI-Initiativen ab. Kosten zählten neben Datenschutz und Sicherheit zu den meistgenannten Gründen. Wer die Kostenmechanik versteht, muss nicht abbrechen, sondern kann steuern.
Die Steuerung beginnt mit Transparenz: Kosten je Anwendungsfall und je Abteilung, nicht nur die Gesamtrechnung. Dann folgen die vier Standardhebel. Modell-Routing leitet Routineanfragen auf günstige Modelle; nur Komplexes läuft auf der teuren Variante. Kontextdisziplin heißt: nur relevante Dokumente mitgeben. Dazu kommen Zwischenspeicherung häufiger Antworten und harte Budgetgrenzen mit Warnschwellen je Kostenstelle.
Der typische Fehler: Die Rechnung wird als Gesamtsumme an die IT durchgereicht, und niemand kennt den Preis einer einzelnen Funktion. Was keiner sieht, steuert keiner.
Konkreter nächster Schritt: Lassen Sie die IT binnen zwei Wochen eine Kostenaufschlüsselung je Anwendungsfall erstellen. Für die drei teuersten Fälle definiert der Systemverantwortliche je eine Sparmaßnahme, Messtermin nach vier Wochen.
„Unser KI-Assistent war gestern drei Stunden nicht erreichbar und vieles blieb liegen. Was würde uns ein ganzer Ausfalltag kosten?“
Kurzantwort: Die Kosten eines Ausfalltags rechnen Sie aus, statt sie zu schätzen: betroffene Prozesse mal Mehraufwand je Vorgang mal Tagesvolumen. Ist der Assistent in Kundenprozesse eingebaut, kommen Reaktionszeiten und Vertragsstrafen dazu. Einen Notfallplan brauchen Sie, sobald ein Prozess ohne das System spürbar langsamer oder fehleranfälliger läuft. Das gilt selbst dann, wenn der Plan nur der Rückfall auf den alten Handablauf ist.
Langantwort: Die ehrliche Antwort beginnt mit einer Bestandsaufnahme, die viele überspringen: Welche Prozesse hängen inzwischen tatsächlich am System? KI-Assistenten schleichen sich in Abläufe ein. Was als Komfortfunktion startete, ist zwei Jahre später der Engpass, durch den jede Angebotserstellung läuft. Erstellen Sie ein Abhängigkeitsinventar: Prozess, Rolle des Systems, Ersatzverfahren, geschätzter Mehraufwand ohne System.
Damit wird die Rechnung konkret. Ein Beispiel zur Methode: Ein Team bearbeitet 200 Vorgänge täglich, der Rückfall auf den Handablauf kostet je Vorgang 15 Minuten mehr. Dann fehlen an einem Ausfalltag 50 Personenstunden, plus Liegezeiten, Terminrisiken und Frust. Ihre eigenen Zahlen gehören in diese Formel; pauschale Branchenwerte helfen hier nicht. Vergessen Sie die stille Variante nicht. Ein Ausfall, bei dem das System falsch statt gar nicht antwortet, ist teurer als ein harter Ausfall. Denn ihn bemerkt niemand sofort.
Der Notfallplan selbst ist unspektakulär und genau deshalb wirksam. Er beantwortet vier Fragen: Wie erkennen wir den Ausfall (Überwachung, nicht Kundenbeschwerde)? Worauf weichen wir aus (dokumentierter Handablauf, Ersatzwerkzeug)? Wer entscheidet die Umschaltung und informiert die Betroffenen? Und wie kommen wir geordnet zurück, inklusive Aufarbeitung der liegengebliebenen Vorgänge? Prüfen Sie zusätzlich, welche Verfügbarkeit Ihr Anbieter überhaupt schuldet, viele Standard-SaaS-Verträge sagen dazu erstaunlich wenig Belastbares.
Der typische Fehler: Der Assistent gilt offiziell weiter als „Unterstützung“, obwohl der Prozess längst von ihm abhängt. Die Lücke fällt erst im Ausfall auf.
Konkreter nächster Schritt: Terminieren Sie binnen zwei Wochen eine einstündige Übung mit dem am stärksten abhängigen Team: System gedanklich abgeschaltet, ein Vormittag im Ersatzverfahren. Die Lücken, die dabei auftauchen, sind Ihr Notfallplan-Rückstand.
„Unser KI-Assistent läuft jetzt zwölf Monate. Wie rechnen wir ehrlich nach, ob er sich gerechnet hat?“
Kurzantwort: Für die Nachkalkulation eines KI-Assistenten stellen Sie die Vollkosten des Jahres dem belegten Nutzen gegenüber, gemessen an der Baseline vor dem Go-live. Vollkosten heißt: Lizenzen, Verbrauch, Betrieb, Schulung, Kontrolle. Zählen Sie nur Wirkung, die im Prozess ankam: schnellere Durchlaufzeiten, weniger Fremdvergabe, weniger Fehler. Hochgerechnete Minuten-Ersparnisse mal Stundensatz sind keine Nachkalkulation, sondern Folklore.
Langantwort: Eine ehrliche Nachkalkulation braucht drei Zutaten: vollständige Kosten, belegte Wirkung und den Mut, Lücken als Lücken auszuweisen. Auf der Kostenseite gehören neben Lizenzen und Verbrauchskosten auch die unbequemen Posten hinein: interne Betreuung, Schulungen, Qualitätskontrolle, Anpassungen nach Anbieter-Updates. Dazu kommt die Zeit, die Führungskräfte in das Thema gesteckt haben. Diese Posten fehlen in fast jeder Ursprungsrechnung.
Auf der Nutzenseite gilt eine einfache Hierarchie. Am belastbarsten sind Effekte, die in Prozesskennzahlen sichtbar sind: Durchlaufzeit der Angebotserstellung, Erstlösungsquote im Support, eingesparte Fremdleistungen. Danach kommen strukturierte Messungen, etwa Vorher-nachher-Vergleiche an gleichen Aufgaben. Ganz unten stehen Selbstauskünfte, nützlich als Stimmungsbild, wertlos als Beleg. Die METR-Studie (2025) hat gezeigt, wie sehr Selbstwahrnehmung täuscht: Teilnehmer fühlten sich mit KI 20 Prozent schneller und waren tatsächlich 19 Prozent langsamer.
Ordnen Sie das Ergebnis nüchtern ein, statt es zu retten. Laut McKinsey („State of AI“, 2025) berichten nur 39 Prozent der Unternehmen überhaupt eine Ergebniswirkung ihres KI-Einsatzes. Meist liegt sie unter fünf Prozent des Betriebsergebnisses. Ein Assistent, der seine Kosten knapp deckt und dabei Prozessstabilität oder Mitarbeiterzufriedenheit verbessert, kann trotzdem eine richtige Investition sein. Das muss die Vorlage dann aber genau so sagen.
Der typische Fehler: Die Nachkalkulation wird vom Projektteam erstellt, das das Projekt verkauft hat. Lassen Sie die Zahlen vom Controlling gegenprüfen.
Konkreter nächster Schritt: Lassen Sie das Controlling binnen vier Wochen ein einseitiges Nachkalkulations-Format füllen, Vollkosten, belegter Nutzen, Annahmen, offene Messlücken, Empfehlung. Die Geschäftsführung entscheidet dann eine von drei Optionen: ausbauen, weiterführen mit Auflagen, geordnet beenden.
„Jede Abteilung will jetzt ihr eigenes KI-Tool. Wie budgetieren wir das zweite Jahr, ohne dass die Kosten aus dem Ruder laufen?“
Kurzantwort: Das KI-Budget des zweiten Jahres teilen Sie in drei Töpfe. Topf eins: Betrieb der Bestandssysteme, zuerst und vollständig. Topf zwei: Skalierung dessen, was nachweislich wirkt. Topf drei: ein begrenzter Experimentierraum für Neues. Neue Abteilungswünsche konkurrieren über ein einheitliches Bewertungsraster um den dritten Topf. Und planen Sie Beendigungskosten ein, ein Teil der Vorhaben wird eingestellt, das ist normal.
Langantwort: Das zweite Jahr ist der Moment, in dem KI-Budgets kippen. Die Neugier ist geweckt, jede Abteilung hat ein Lieblingswerkzeug gesehen, und die laufenden Systeme kosten still weiter. Ohne Struktur entsteht ein Flickenteppich aus Einzelabos, deren Summe niemand kennt.
Die Drei-Töpfe-Logik schafft Ordnung. Topf eins sichert den Betrieb: Lizenzen, Verbrauchskosten, Qualitätssicherung, Schulung und Weiterentwicklung der produktiven Systeme. Dieser Topf wird zuerst gefüllt, denn ein unterfinanzierter Betrieb entwertet die bisherige Investition. Topf zwei finanziert Skalierung: Anwendungsfälle, die ihre Wirkung in der Nachkalkulation belegt haben, werden auf weitere Bereiche ausgedehnt. Topf drei ist der bewusst begrenzte Experimentierraum, hier dürfen Abteilungswünsche antreten, aber gegen einheitliche Kriterien: erwarteter Nutzen, Datenrisiko, Betriebsaufwand, Überschneidung mit Vorhandenem.
Kalkulieren Sie Sterblichkeit ein. Nach der Erhebung von S&P Global Market Intelligence (2025) schaffen es durchschnittlich 46 Prozent der Konzepterprobungen nicht in den Produktivbetrieb. Das ist kein Argument gegen Experimente, sondern für ehrliche Budgetierung. Wer zehn Piloten startet, plant Beendigungsaufwand und Lerndokumentation für vier bis fünf davon ein. Und die Beendigung darf nicht als Scheitern gelten, sonst werden Zombiprojekte durchgeschleppt.
Wichtig ist außerdem die Überschneidungskontrolle: Viele Abteilungswünsche sind dasselbe Werkzeug in anderer Verpackung. Ein zentrales Inventar mit Funktionskategorien verhindert, dass drei Bereiche drei Textassistenten mit drei Datenschutzprüfungen beschaffen.
Der typische Fehler: Das Budget wird komplett für Neues verplant, während Betriebskosten der Bestandssysteme als „läuft schon“ unsichtbar bleiben. Mitten im Jahr erzwingen sie dann Nachforderungen.
Konkreter nächster Schritt: Lassen Sie das Controlling vor der nächsten Budgetrunde die tatsächlichen Jahresvollkosten Ihrer produktiven Systeme erheben und Topf eins damit füllen. Das Bewertungsraster für Topf drei beschließen CIO und Geschäftsführung, bevor die nächste Abteilungsanfrage eintrifft.
„Unser KI-Pilot lief in der Pilotabteilung hervorragend. Warum kommt der Rollout im Rest des Unternehmens nicht vom Fleck?“
Kurzantwort: Ein KI-Rollout stockt nach starkem Pilot fast immer, weil der Pilot unter Sonderbedingungen lief: freiwillige, motivierte Nutzer, saubere Daten, enge Betreuung, wohlwollende Messung. Der Rollout trifft auf Normalbedingungen, andere Prozesse, andere Datenqualität, keine Begeisterung. Skalierung ist deshalb kein Kopiervorgang, sondern ein zweites Projekt: mit Prozessanpassung je Bereich, eigener Schulung und realistischen Erwartungen.
Langantwort: Der Befund ist branchenweit derselbe. Laut McKinsey („State of AI“, 2025) nutzen 88 Prozent der Unternehmen KI in mindestens einer Funktion. Aber nur rund ein Drittel hat begonnen, sie unternehmensweit zu skalieren. Der MIT-Report „The GenAI Divide“ (2025) beziffert das Nadelöhr noch schärfer: Nur etwa fünf Prozent der unternehmensspezifischen KI-Werkzeuge erreichen den Produktivbetrieb. Zwischen Pilot und Fläche liegt der schwerste Teil des Weges.
Drei Unterschiede erklären das Stocken fast immer. Erstens die Menschen: Im Pilot arbeiten Freiwillige mit Eigeninteresse; in der Fläche treffen Sie auf Skepsis, Gewohnheit und berechtigte Rückfragen zur Arbeitsplatzwirkung. Zweitens die Daten und Prozesse: Die Pilotabteilung hatte vielleicht gepflegte Vorlagen und einheitliche Abläufe. Die Nachbarabteilung arbeitet mit gewachsenen Sonderfällen, für die das System nie eingerichtet wurde. Drittens die Betreuung: Der Pilot hatte faktisch einen persönlichen Support; in der Fläche kommt auf hundert Nutzer ein Ansprechpartner, wenn überhaupt.
Behandeln Sie die Skalierung deshalb als eigenes Vorhaben mit eigener Analyse: Was genau war am Pilotkontext besonders, und was davon fehlt im Zielbereich? Daraus entsteht je Bereich ein kurzer Anpassungsplan, Datenquellen, Vorlagen, Schulungsformat, lokale Fürsprecher. Und setzen Sie die Erwartung richtig: Die Flächenwirkung je Nutzer wird unter dem Pilotwert liegen. Wer mit Pilotzahlen hochrechnet, produziert eine Enttäuschung mit Ansage.
Der typische Fehler: Der Rollout wird als Kommunikationsaufgabe verstanden, eine Ankündigung, ein Portalartikel, fertig. Adoption entsteht aber je Team neu.
Konkreter nächster Schritt: Wählen Sie den nächsten Zielbereich bewusst schwierig-repräsentativ statt maximal wohlwollend. Der Rollout-Verantwortliche führt dort binnen vier Wochen die Unterschieds-Analyse durch. Erst nach diesem zweiten Beweis skalieren Sie in die Breite.
„Wir wollen unseren KI-Assistenten von 50 auf 500 Nutzer ausrollen. Was kommt da an Kosten auf uns zu?“
Kurzantwort: Die Skalierung von 50 auf 500 Nutzer kostet nicht das Zehnfache, aber mehr, als die Lizenzrechnung zeigt. Lizenz- und Verbrauchskosten wachsen etwa linear, verhandelbar über Volumenstaffeln. Überproportional wachsen zunächst Support, Schulung und Qualitätssicherung, weil 450 neue Nutzer weder Vorwissen noch Geduld der Pilotgruppe mitbringen. Rechnen Sie zusätzlich mit einmaligen Kosten für Berechtigungen, Betriebsvereinbarung und Integrationen.
Langantwort: Die Kostenstruktur einer Skalierung hat drei Schichten. Die erste ist mengengetrieben und gut planbar: Lizenzen je Nutzer, Verbrauchskosten je Anfrage, gegebenenfalls größere Infrastruktur für Dokumentenindizes. Hier wächst die Rechnung ungefähr mit der Nutzerzahl, und hier liegt Verhandlungspotenzial, denn ab dreistelligen Nutzerzahlen sind Volumenstaffeln und Enterprise-Konditionen üblich. Wer die Skalierung ankündigt, ohne neu zu verhandeln, verschenkt Geld.
Die zweite Schicht ist übergangsgetrieben und wird regelmäßig unterschätzt: Einführung in der Breite. 450 neue Nutzer brauchen Schulung im Arbeitskontext, rollenspezifische Beispielsammlungen und erreichbaren Support in den ersten Wochen, sonst wiederholt sich das bekannte Muster ungenutzter Lizenzen. Dazu kommen einmalige Arbeiten, die im Pilot verzichtbar waren. Ein sauberes Berechtigungskonzept klärt, wer welche Datenquellen abfragen darf. Die Betriebsvereinbarung braucht einen erweiterten Geltungsbereich. Und oft kommen Integrationen in Systeme hinzu, die nur die neuen Bereiche nutzen.
Die dritte Schicht ist dauerhaft: Governance und Qualitätssicherung wachsen mit der Angriffsfläche. Mehr Nutzer bedeuten mehr Fehlbedienung, mehr Grenzfälle, mehr Support-Tickets und ein größeres Testset, weil neue Aufgabentypen dazukommen. Planen Sie hier einen festen Stellenanteil ein statt zu hoffen, dass es „mitläuft“.
Der typische Fehler: Die Vorlage an die Geschäftsführung rechnet Lizenzpreis mal zehn und deklariert das als Skalierungskosten. Die Übergangs- und Betriebsschichten tauchen dann unterjährig als Überraschung auf.
Konkreter nächster Schritt: Lassen Sie das Controlling vor der Entscheidung ein Gesamtkostenbild über drei Jahre mit allen drei Schichten erstellen. Der Einkauf holt parallel ein Volumenangebot des Anbieters und ein Vergleichsangebot ein. Die Skalierung ist Ihr bester Verhandlungszeitpunkt.
„ChatGPT, Copilot und ein eigener Assistent laufen bei uns parallel. Sollten wir konsolidieren?“
Kurzantwort: Parallele KI-Werkzeuge konsolidieren Sie nach Aufgabenklassen, nicht auf ein einziges Produkt. Drei parallele Systeme sind vertretbar, wenn jedes einen klaren Zweck, einen Verantwortlichen und eine Datenschutzfreigabe hat. Problematisch sind Überschneidungen ohne Regel: doppelte Kosten, verwirrte Nutzer, dreifache Prüfpflichten. Inventarisieren Sie zuerst Nutzung und Kosten je Werkzeug, oft erledigt sich ein Kandidat von selbst.
Langantwort: Werkzeugvielfalt ist im KI-Bereich schneller entstanden als anderswo, weil die Einstiegshürden niedrig sind: ein Abo hier, eine Freischaltung dort, ein Eigenbau aus einem Projekt. Die Frage ist nicht, ob drei Werkzeuge zu viele sind. Entscheidend ist, ob Sie für jedes die drei Grundfragen beantworten können: Wofür ist es das beste Mittel? Wer verantwortet Betrieb und Qualität? Und welche Datenklassen sind dafür freigegeben?
Beginnen Sie mit einem nüchternen Inventar: aktive Nutzer je Werkzeug, Kosten pro Jahr, abgedeckte Aufgabenklassen, Vertrags- und Datenschutzstatus. Erfahrungsgemäß zeigt sich dann ein klares Bild. Häufig überschneiden sich zwei Werkzeuge weitgehend, während das dritte eine Nische bedient, die kein anderes kann, etwa der Eigenbau mit Zugriff auf interne Dokumente. Konsolidierung heißt dann: die Überschneidung auflösen, die Nische behalten.
Rechnen Sie die verdeckten Kosten der Vielfalt ehrlich mit. Jedes Werkzeug braucht eine eigene Datenschutzprüfung, eigene Schulungsunterlagen, eigenes Monitoring und einen eigenen Eintrag im KI-Inventar. Auch die KI-Kompetenzanforderung aus Artikel 4 der Verordnung (EU) 2024/1689 gilt je Werkzeug. Und Nutzer, die nicht wissen, welches Werkzeug wofür gedacht ist, nehmen das bequemste, nicht das freigegebene.
Der typische Fehler: Die Konsolidierung wird als reines Einkaufsthema geführt und auf den billigsten Anbieter zugespitzt. Wer das im Alltag beliebteste Werkzeug streicht, treibt die Nutzung zurück in private Konten.
Konkreter nächster Schritt: Lassen Sie die IT das Inventar binnen zwei Wochen erstellen. Danach entscheidet der CIO je Aufgabenklasse ein Primärwerkzeug. Kommunizieren Sie die Zuordnung mit Begründung, und mit einer Übergangsfrist statt eines Stichtags-Verbots.
„Alle paar Wochen erscheint ein neues KI-Modell. Müssen wir da jedes Mal mitziehen oder können wir Versionen überspringen?“
Kurzantwort: Neue Modellversionen zu überspringen ist meist die bessere Voreinstellung. Steigen Sie um, wenn Ihr eigenes Testset einen relevanten Qualitätssprung zeigt, ein altes Modell abgekündigt wird oder das neue bei gleicher Qualität deutlich günstiger ist. Modewechsel ohne Messung kosten Migrationstage und destabilisieren eingespielte Vorlagen. Ein fester Prüfrhythmus je Quartal ersetzt den Reflex, jedem Release zu folgen.
Langantwort: Neue Modellversionen erscheinen inzwischen im Wochenrhythmus, und jede kommt mit Superlativen. Für den Betrieb zählt aber nicht, was ein Modell in Standardtests kann, sondern was es mit Ihren Aufgaben macht. Genau dafür existiert Ihr goldenes Testset: Lassen Sie Kandidaten-Modelle gegen die produktive Version antreten, gleiche Aufgaben, gleiche Bewertung. Erst ein deutlicher, reproduzierbarer Vorsprung rechtfertigt eine Migration.
Denn ein Modellwechsel ist nie gratis. Eingabevorlagen verhalten sich anders, Formatierungen brechen, Sonderfälle, die mühsam eingefangen wurden, tauchen wieder auf. Dazu kommen Regressionstests, Schulungshinweise und gegebenenfalls neue Preisstrukturen. Diese Migrationskosten fallen bei jedem Wechsel an, wer jede Version mitnimmt, zahlt sie mehrfach für Zwischenschritte, die am Ende niemand gebraucht hat.
Drei Auslöser rechtfertigen den Wechsel dennoch klar. Erstens der belegte Qualitätssprung im eigenen Testset, besonders wenn er bekannte Schwachstellen Ihres Einsatzes behebt. Zweitens der erzwungene Wechsel: Anbieter kündigen ältere Modellversionen regelmäßig ab. Wer erst beim Abschalttermin migriert, tut es unter Zeitdruck. Beobachten Sie die Abkündigungspläne Ihres Anbieters deshalb aktiv. Drittens die Kostenchance: Neue Modellgenerationen liefern die Qualität der Vorgänger oft zu deutlich niedrigeren Verbrauchskosten; bei hohem Anfragevolumen amortisiert das die Migration schnell.
Der typische Fehler: Der Wechsel wird von Begeisterung Einzelner getrieben statt von einem Messprozess mit Freigaberegel. Jemand hat das neue Modell privat getestet und drängt auf Umstellung.
Konkreter nächster Schritt: Etablieren Sie einen festen Quartalstermin unter Leitung des Systemverantwortlichen: Testset gegen die aktuell relevanten Modellkandidaten, eine Seite Ergebnis, Entscheidung nach festen Kriterien. Damit wird aus Modell-Hektik eine ruhige Betriebsroutine.
„Unser KI-Anbieter verlangt zur Vertragsverlängerung 40 Prozent mehr. Zahlen, verhandeln oder wechseln?“
Kurzantwort: Auf eine kräftige Preiserhöhung zur Vertragsverlängerung antworten Sie mit Verhandlung, auf Basis von Daten und einer echten Alternative. Erheben Sie zuerst Nutzung, Nutzen und realistische Wechselkosten. Holen Sie mindestens ein belastbares Vergleichsangebot ein, denn ohne glaubwürdige Ausweichoption ist jede Verhandlung Theater. Prüfen Sie sofort die Kündigungsfrist der automatischen Verlängerung: Wer sie verpasst, verhandelt ein Jahr später aus noch schwächerer Position.
Langantwort: Kräftige Preiserhöhungen zur Verlängerung sind im KI-Markt verbreitet. Anbieter haben mit Einstiegspreisen Marktanteile gekauft und holen die Marge nun bei Bestandskunden, deren Wechselkosten sie kennen. Ihre Verhandlungsposition hängt an drei Zahlen, die Sie vor dem ersten Gespräch kennen sollten. Erstens: Was nutzt das System nachweislich? Das zeigt Ihre Nachkalkulation. Zweitens: Was kostet der Wechsel wirklich, Migration, Neuschulung, Übergangsbetrieb, Risiko? Drittens: Was verlangt der Wettbewerb für vergleichbare Leistung?
Mit diesen Zahlen entstehen drei ehrliche Szenarien. Liegt der belegte Nutzen weit über den neuen Kosten und der Wechsel wäre teuer, zahlen Sie. Verhandeln Sie dann aber Gegenwert: Preisbindung über die Laufzeit, bessere Änderungsmitteilungen, Volumenstaffeln, Exit-Unterstützung. Liegt der Nutzen knapp über den neuen Kosten, ist das Vergleichsangebot Ihr Hebel. Viele Erhöhungen schrumpfen deutlich, sobald ein konkurrierendes Angebot mit Datum auf dem Tisch liegt. Trägt der Nutzen die neuen Kosten nicht, ist die Erhöhung ein willkommener Anlass für die Beendigung, auch das ist ein legitimes Ergebnis.
Die Rechtslage stärkt Ihre Position leise im Hintergrund: Der Data Act (Verordnung (EU) 2023/2854) gilt seit dem 12. September 2025 und verpflichtet Anbieter von Datenverarbeitungsdiensten zu Wechselunterstützung mit kurzen Fristen; ab dem 12. Januar 2027 dürfen für den Wechsel selbst keine Entgelte mehr verlangt werden. Anbieter wissen, dass die Mauern um Bestandskunden niedriger werden.
Der typische Fehler: Die Verhandlung beginnt vier Wochen vor Vertragsende, nach der Kündigungsfrist. Dann ist die Erhöhung faktisch akzeptiert.
Konkreter nächster Schritt: Tragen Sie heute Kündigungsfrist und Verlängerungsdatum in den Kalender der Geschäftsführung ein, sechs Monate Vorlauf. Beauftragen Sie dann Nachkalkulation und Vergleichsangebot als Paket.
„Unser KI-Anbieter verfehlt seit Monaten die zugesagten Antwortzeiten. Welche Hebel haben wir außer der Kündigung?“
Kurzantwort: Gegen fortlaufende SLA-Verletzungen haben Sie mehr Hebel als die Kündigung: vertragliche Gutschriften geltend machen, Verstöße formal rügen und dokumentieren, Eskalation auf Managementebene verlangen. Dazu Nachbesserung mit Frist fordern und bei fortdauernder Verletzung Sonderkündigungsrecht oder Preisanpassung verhandeln. Voraussetzung ist eine eigene, lückenlose Messung. Die Statusseite des Anbieters ersetzt kein eigenes Protokoll.
Langantwort: Der erste Hebel steht meist schon im Vertrag und wird trotzdem selten gezogen: Service-Gutschriften. Viele Verträge sehen bei Verfehlung der zugesagten Verfügbarkeit oder Reaktionszeiten automatische Preisnachlässe vor, allerdings oft nur auf aktiven Antrag innerhalb kurzer Fristen. Wer nicht meldet, verzichtet. Prüfen Sie also zuerst, welche Zusagen konkret bestehen, wie Verstöße definiert sind und welche Meldefristen gelten.
Der zweite Hebel ist die formale Rüge. Eine dokumentierte, schriftliche Mängelanzeige mit Datum, Messwerten und Fristsetzung verändert die Qualität des Vorgangs. Aus „Kunde beschwert sich“ wird ein rechtlich relevanter Verlauf. Auf ihn lassen sich spätere Ansprüche stützen: Minderung, Schadensersatz, außerordentliche Kündigung. Die Bewertung im Einzelfall gehört zum Anwalt; die Beweisgrundlage schaffen Sie selbst, und zwar jetzt: eigene Messung der Antwortzeiten, Ausfallprotokoll, betroffene Geschäftsvorgänge.
Der dritte Hebel ist Eskalation als Prozess: Verlangen Sie einen benannten Eskalationskontakt oberhalb des Supports, einen Verbesserungsplan mit Terminen und regelmäßige Statusberichte. Seriöse Anbieter liefern das; wer ausweicht, sendet ein Signal für die Verlängerungsentscheidung. Parallel lohnt der Blick auf die Ursache. Liegt die Verfehlung an einer Region, einem Tarif oder Ihrer Integrationsarchitektur, gibt es manchmal schnelle technische Auswege. Ein Beispiel ist ein anderer Bereitstellungsweg desselben Dienstes.
Und dokumentieren Sie den Geschäftsschaden mit: Liegengebliebene Vorgänge und Mehraufwand machen aus einer abstrakten Prozentverfehlung ein konkretes Verhandlungsargument.
Der typische Fehler: Monatelanges informelles Beschweren ohne eine einzige formale Rüge, bei der späteren Auseinandersetzung existiert der Verstoß dann juristisch kaum.
Konkreter nächster Schritt: Richten Sie ein SLA-Register ein, gepflegt vom Systemverantwortlichen: jede Verfehlung mit Datum, Messwert, Meldung und Anbieterreaktion. Die erste formale Rüge mit Fristsetzung geht noch diese Woche an den Anbieter.
„Unser Anbieter stellt das Produkt zum Jahresende ein. Wie organisieren wir den Exit in sechs Monaten?“
Kurzantwort: Einen erzwungenen Anbieter-Exit organisieren Sie in vier Phasen. Sofort: Bestandsaufnahme und Datenexport sichern, Daten, Konfigurationen, Vorlagen, Abhängigkeiten. Bis Monat zwei: Nachfolger auswählen. Monat drei bis fünf: Migration mit Parallelbetrieb und Testset-Vergleich. Monat sechs: geordnete Abschaltung mit Archivierung. Der Datenexport hat absoluten Vorrang, er ist Ihre Versicherung gegen jede Verzögerung beim Rest.
Langantwort: Eine Produkteinstellung ist ärgerlich, aber mit sechs Monaten Vorlauf gut beherrschbar, wenn Sie die Reihenfolge einhalten. Zuerst kommt die Sicherung, nicht die Nachfolgersuche. Exportieren Sie in den ersten zwei Wochen alles, was Ihnen gehört: Dokumentenbestände und Indizes, Konfigurationen, Eingabevorlagen, Nutzungsprotokolle, Testset-Ergebnisse. Klären Sie mit dem Anbieter schriftlich, welche Exportformate verfügbar sind, wie lange Daten nach der Einstellung noch abrufbar bleiben und wann sie gelöscht werden. Der Data Act (Verordnung (EU) 2023/2854, anwendbar seit dem 12. September 2025) stärkt Ihre Ansprüche auf Wechselunterstützung und Datenmitnahme bei Datenverarbeitungsdiensten. Berufen Sie sich ruhig darauf.
Parallel läuft die Bestandsaufnahme der Abhängigkeiten: Welche Prozesse, Integrationen und Gewohnheiten hängen am Produkt? Daraus entsteht das Anforderungsprofil für den Nachfolger, realistischer als jede Wunschliste, weil es beschreibt, was heute tatsächlich genutzt wird. Bewerten Sie Kandidaten mit Ihrem Testset: gleiche Aufgaben, direkte Vergleichbarkeit.
Die Migration selbst braucht einen Parallelbetrieb von mindestens vier Wochen: Das neue System läuft produktiv mit, das alte bleibt Rückfallebene. Schulen Sie in dieser Phase im Arbeitskontext und benennen Sie je Team einen Ansprechpartner. Zum Abschluss gehört die geordnete Abschaltung: Archivierung mit Blick auf Aufbewahrungspflichten, Löschbestätigung des Anbieters, Lessons-Learned-Notiz für die nächste Anbieterauswahl. Die Notiz beantwortet auch, welche Exit-Klauseln im nächsten Vertrag stehen müssen.
Der typische Fehler: Die ersten drei Monate werden für Nachfolger-Diskussionen verbraucht, der Export bleibt liegen. Am Ende diktiert der Abschalttermin die Qualität der Migration.
Konkreter nächster Schritt: Starten Sie den vollständigen Datenexport diese Woche und benennen Sie einen Exit-Verantwortlichen mit Wochenbericht an die Geschäftsleitung.
„Wie schalten wir ein KI-System geordnet ab, das kaum noch genutzt wird, an dem aber drei Prozesse hängen?“
Kurzantwort: Ein KI-System mit abhängigen Prozessen wird erst entkoppelt, dann abgeschaltet. Klären Sie je Prozess, wie er künftig ohne das System läuft, Nachfolgewerkzeug, Handablauf oder ersatzlose Vereinfachung. Archivieren Sie Daten gemäß Aufbewahrungspflichten, kündigen Sie Verträge fristgerecht und dokumentieren Sie die Abschaltentscheidung samt Begründung. Eine Abschaltung ist Betriebsalltag, kein Eingeständnis, geräuschloses Auslaufenlassen ist die teurere Variante.
Langantwort: Abschaltungen gehören zum normalen Lebenszyklus von KI-Systemen. Nach der Erhebung von S&P Global Market Intelligence (2025) haben 42 Prozent der Unternehmen die Mehrzahl ihrer KI-Initiativen eingestellt. Im Vorjahr waren es 17 Prozent. Das Können, geordnet zu beenden, wird damit zur Betriebskompetenz. Ungeordnetes Auslaufen ist dagegen riskant: Die Lizenz endet, aber drei Prozesse greifen weiter ins Leere.
Der Kern ist die Entkopplung. Nehmen Sie die drei abhängigen Prozesse einzeln: Was genau liefert das System dort, eine Zusammenfassung, eine Klassifikation, einen Textbaustein? Für jede Funktion gibt es drei Optionen: Übernahme durch ein vorhandenes anderes Werkzeug, Rückbau auf einen manuellen Ablauf oder ersatzloser Wegfall. Die dritte Option ist die ehrlichste: Die Funktion war verzichtbar, der Prozess wird einfacher. Erst wenn jeder Prozess einen bestätigten Zielzustand hat, wird terminiert.
Dann folgt die Verwaltungsseite. Dazu gehören Datenexport und Archivierung nach handels- und steuerrechtlichen Aufbewahrungsfristen. Der Anbieter löscht personenbezogene Daten und bestätigt das schriftlich. Lizenz- und Zusatzverträge werden fristgerecht gekündigt, Zugänge und Schnittstellen entfernt. KI-Inventar und Verarbeitungsverzeichnis werden aktualisiert. Informieren Sie den Betriebsrat, wenn der Einsatz Gegenstand einer Vereinbarung war, und die Nutzer mit Vorlauf und Alternative.
Zuletzt: Halten Sie in einer kurzen Abschaltnotiz fest, warum das System endete, fehlende Nutzung, fehlender Nutzen, bessere Alternative. Diese Notiz ist Ihre wertvollste Beschaffungshilfe für das nächste Vorhaben.
Der typische Fehler: Die Abschaltung wird verschoben, weil niemand die drei Prozesse anfassen will. Das ungenutzte System kostet dann still ein weiteres Jahr Lizenz, Pflege und Prüfaufwand.
Konkreter nächster Schritt: Terminieren Sie binnen zwei Wochen einen Entkopplungs-Workshop mit den drei Prozessverantwortlichen. Dort wird das Abschaltdatum festgelegt, rückwärts geplant von der nächsten Kündigungsfrist.
„Unser KI-Verantwortlicher hat gekündigt. Wie machen wir den Betrieb unabhängig von einer Person?“
Kurzantwort: Unabhängig von einer einzelnen Person wird der KI-Betrieb durch Dokumentation, Vertretung und verteiltes Wissen. Lassen Sie in der Kündigungsfrist ein Betriebshandbuch erstellen: Systemübersicht, Zugänge, Eingabevorlagen, Testset, Anbieter-Kontakte, offene Baustellen. Benennen Sie sofort eine Vertretung, die aktiv mitarbeitet, statt nur zuzuhören. Und ziehen Sie die Lehre: Schlüsselwissen gehört künftig in Systeme und an mindestens zwei Personen.
Langantwort: Kopfmonopole entstehen bei KI-Systemen besonders schnell, weil vieles davon nirgends steht. Warum ist eine Eingabevorlage genau so formuliert? Welche Sonderfälle deckt das Testset ab? Welche Zusagen hat der Anbieter mündlich gemacht, welche Konfiguration wurde nach dem letzten Update angepasst? Dieses Wissen verlässt mit der Person das Haus, außer Sie sichern es jetzt strukturiert.
Priorisieren Sie die verbleibende Zeit hart. Woche eins: Zugangs- und Notfallwissen, Administrationszugänge, Abschaltwege, Anbieter-Ansprechpartner, laufende Verträge mit Fristen. Ohne das steht der Betrieb beim ersten Störfall. Woche zwei und drei: Betriebswissen, Aufbau des Systems, Datenquellen, Eingabevorlagen mit Begründungen, das Testset samt Bewertungslogik, bekannte Schwächen und Werkstattlösungen. Danach: Kontext, Historie der Entscheidungen, verworfene Alternativen, offene Risiken. Das beste Format ist nicht das perfekte Dokument, sondern begleitetes Arbeiten: Die Vertretung übernimmt reale Aufgaben, die scheidende Person assistiert nur noch. Wissen zeigt sich beim Tun, nicht beim Erzählen.
Für die Zukunft gelten drei Regeln. Erstens: Jede kritische Betriebsaufgabe hat eine benannte Vertretung, die sie mindestens quartalsweise tatsächlich ausführt. Zweitens: Entscheidungen und Konfigurationsänderungen werden dort dokumentiert, wo sie stattfinden, kurz, datiert, auffindbar. Drittens: Externe Partner können Lücken überbrücken, ersetzen aber keine interne Verantwortung; wer den Betrieb komplett auslagert, tauscht das Kopfmonopol gegen ein Anbietermonopol.
Der typische Fehler: Die gesamte Restzeit fließt in ein Gegenangebot oder die Nachfolgersuche, und die Wissenssicherung beginnt in der letzten Woche.
Konkreter nächster Schritt: Vereinbaren Sie noch diese Woche mit der scheidenden Person einen Übergabeplan mit den drei Prioritätsstufen. Gestartet wird mit den Zugängen, nicht mit der Historie.
„Wir weiten den KI-Assistenten auf zwei weitere Abteilungen aus. Muss der Betriebsrat erneut zustimmen?“
Kurzantwort: Bei der Ausweitung eines KI-Assistenten auf weitere Abteilungen ist der Betriebsrat häufig erneut zu beteiligen. Maßgeblich ist die bestehende Betriebsvereinbarung: Deckt ihr Geltungsbereich die neuen Abteilungen und Zwecke ab, reicht Information. Kommen neue Nutzergruppen, Datenarten oder Funktionen hinzu, greift die Mitbestimmung erneut, besonders wenn das System Verhaltens- oder Leistungsdaten erfassen kann.
Langantwort: Die rechtliche Mechanik, als Orientierung, nicht als Rechtsberatung: Nach § 87 Abs. 1 Nr. 6 BetrVG bestimmt der Betriebsrat mit bei technischen Einrichtungen, die dazu geeignet sind, Verhalten oder Leistung der Beschäftigten zu überwachen. Die Rechtsprechung lässt die objektive Eignung genügen; eine Überwachungsabsicht ist nicht erforderlich. KI-Assistenten mit Anmeldung, Protokollierung und Nutzungsstatistiken erfüllen das regelmäßig. Hinzu kommt § 90 Abs. 1 Nr. 3 BetrVG: Bei der Planung des KI-Einsatzes ist der Betriebsrat frühzeitig zu unterrichten und zu beraten. Das gilt auch für eine wesentliche Erweiterung. Für KI-Fragen darf der Betriebsrat nach § 80 Abs. 3 BetrVG zudem leichter externe Sachverständige hinzuziehen.
Ob die Ausweitung erneut zustimmungspflichtig ist, entscheidet der Text Ihrer bestehenden Vereinbarung. Prüfen Sie vier Punkte: Ist der Geltungsbereich auf bestimmte Abteilungen oder Nutzergruppen begrenzt? Sind die zugelassenen Zwecke und Funktionen abschließend beschrieben? Ändern sich die verarbeiteten Datenarten, etwa weil die neuen Abteilungen mit Personal- oder Kundendaten arbeiten? Und enthält die Vereinbarung eine Erweiterungsklausel mit definiertem Verfahren?
Strategisch lohnt eine Rahmen-Betriebsvereinbarung: Grundsätze, Auswertungsverbote und Beteiligungsverfahren einmal zentral geregelt, je System nur noch ein kurzer Anhang. Das beschleunigt jede künftige Ausweitung und gibt Beschäftigten verlässliche Leitplanken, was wiederum der Adoption hilft, denn Sorge vor Überwachung ist einer der stillsten Nutzungskiller.
Der typische Fehler: Die Ausweitung wird technisch längst vorbereitet, während der Betriebsrat aus der Zeitung des Flurfunks davon erfährt. Das kostet Vertrauen und im Ernstfall Monate.
Konkreter nächster Schritt: Legen Sie binnen zwei Wochen die bestehende Vereinbarung neben den Ausweitungsplan und markieren Sie Abweichungen. Mit diesem Abgleich geht die Projektleitung aktiv auf den Betriebsrat zu, mit Vorschlag, nicht mit vollendeten Tatsachen.
Das Entscheider-Briefing
Ein Briefing pro Woche: Entscheidungsfragen, eingeordnete Zahlen und Fristen. Ihre Adresse geben wir nicht weiter.
Weiterführend im Themenfeld