KI-Dienstleister auswählen: neun Fragen vor dem ersten Gespräch

Warum reicht eine allgemeine Lieferantencheckliste bei KI nicht?

Weil ein KI-Dienstleister Dinge in der Hand hält, die eine Webagentur nie anfasst: die Prompts, den Evaluationsdatensatz, das Protokoll der Modellaufrufe und den Zugang zu Ihren Daten. Bleiben diese Teile auf seiner Seite, ist das System gemietet und nicht gekauft. Die folgenden neun Fragen zielen genau auf diese Punkte.

In derselben Prognose schätzt Gartner, dass von den mehreren tausend Firmen, die sich Agentic-KI-Anbieter nennen, etwa 130 tatsächlich welche sind. Diese Zahl sagt nicht, dass Sie keine KI kaufen sollen. Sie sagt, dass die Auswahl die riskanteste Phase des Projekts ist.

Für den deutschen Markt kommt eine zweite Zahl dazu. Nach der ifo-Erhebung vom 05.06.2026 entwickeln nur 18,7 Prozent der Unternehmen ein eigenes KI-System, rund drei Viertel kaufen eine externe Lösung ein. Die Auswahlentscheidung ist also für die meisten Häuser die eigentliche KI-Entscheidung.

Die allgemeinen Kriterien gelten weiterhin: Referenzen, Teamgröße, Vertragsrahmen, Kommunikationstakt. Die haben wir in zwölf Punkten im Text über die Auswahl einer Webagentur beschrieben und wiederholen sie hier nicht. Hier steht nur, was bei KI auftaucht und sonst nirgends.

1. Woraus setzt sich der Preis zusammen, Position für Position?

Ein Angebot wird vergleichbar, wenn Analyse, Datenaufbereitung, Integration, Aufbau des Evaluationsdatensatzes, Produktivstart und monatlicher Betrieb jeweils eine eigene Zeile haben. Eine einzige Endsumme ist eine Verhandlungsposition, kein Angebot. Fragen Sie die Laufzeitkosten getrennt ab, denn sie stecken nicht im Entwicklungspreis.

Die detaillierteste öffentliche Phasenaufteilung stammt von der Entwicklungsfirma Musketeers Tech, veröffentlicht am 02.04.2026. Dazu eine Einordnung: die internationale Gattung der KI-Kostenratgeber ist fast durchgängig Content-Marketing von Entwicklungsfirmen, keine unabhängige Marktforschung. Als Datenpunkt brauchbar, als Statistik nicht.

Über die Laufzeitkosten schweigen die meisten Angebote, dabei lassen sie sich rechnen. Ein RAG-Chatbot mit 500 Gesprächen im Monat verbraucht nach den offiziellen Preislisten vom 14.08.2026 zwischen rund 1,30 EUR (Gemini 2.5 Flash-Lite) und 27 EUR (Claude Sonnet 5) an reinen Modellkosten. Das ist der kleinste Posten der Rechnung.

Beim agentischen Betrieb explodiert die Zahl, und der Treiber ist die Anzahl der Durchläufe. Dieselben 1.000 Dokumente kosten bei einem einzigen Extraktionsaufruf 8,70 USD und in einer achtstufigen Agentenschleife 232 USD auf derselben Modellfamilie. Das Siebenundzwanzigfache. Die einzige Preisfrage, die wirklich zählt, lautet deshalb: aus wie vielen Modellaufrufen besteht bei Ihnen eine Transaktion? Die Preisbänder haben wir im Beitrag über KI-Entwicklungskosten aufgeschlüsselt.

Zur Tabelle gehört eine Einschränkung. Einen belastbaren, öffentlich publizierten Stundensatz speziell für KI-Entwicklung in Deutschland oder Österreich haben wir für 2026 nicht gefunden. Der Freelancer-Kompass ist die beste verfügbare Primärquelle und fasst Deutschland, Österreich und die Schweiz zu einem DACH-Wert zusammen.

Der Satzunterschied ist ohnehin das schwächste Argument. Ein günstigerer Stundensatz verliert, sobald die Architektur zehn Modellaufrufe verbraucht, wo einer gereicht hätte. Unsere eigenen Projektspannen stehen offen auf der Preisseite: ein Chatbot oder eine Prozessautomatisierung liegt bei rund 2.750 bis 8.250 EUR, ein RAG-Wissenssystem bei 8.250 bis 22.000 EUR, eine individuelle KI-Lösung bei 13.750 bis 41.000 EUR. Basis sind die HUF-Spannen unserer Preisliste, umgerechnet zum MNB-Mittelkurs vom 14.08.2026 von 1 EUR = 363,28 HUF. Die EUR-Werte sind Richtwerte, verbindlich ist das Angebot.

Ein gutes Zeichen ist, wenn der Dienstleister die Laufzeitschätzung samt Annahmen von sich aus mitbringt und die Wartung beziffert. Ein schlechtes Zeichen ist, wenn die Wartung später besprochen werden soll. Wir kalkulieren sie mit 15 bis 25 Prozent der Einführungsgebühr pro Jahr.

2. Wem gehören Quellcode und IP?

Wen der Vertrag benennt. Bei einem KI-System ist Quellcode allein allerdings dünn. Sechs Dinge müssen ausdrücklich aufgeführt sein, sonst gehört Ihnen der Code und das laufende System nicht. Die meisten Angebote lassen diesen Teil weg, und das ist kein Zufall.

• Das Repository mit vollständiger Commit-Historie, keine ZIP-Datei.
• Die Versionshistorie der Prompts, weil dort das Verhalten des Systems steckt.
• Der Evaluationsdatensatz samt den erwarteten Antworten.
• Der Vektorindex und die indexierten Dokumente in verarbeiteter Form.
• Feinabgestimmte Modellgewichte, falls es ein Finetuning gab.
• Die Infrastrukturbeschreibung und die Umgebungskonfiguration.

Viele Anbieter werben mit vollständiger Rechteübertragung, ohne zu beschreiben, was sie umfasst. Fragen Sie konkret nach, und verlangen Sie, dass diese sechs Positionen namentlich im Vertrag stehen. Bei uns gehört der vollständige Code dem Auftraggeber, ohne monatliche Lizenzgebühr.

3. Wo liegen die Daten, und wer hat Zugriff?

Drei Punkte sind zu klären: in welcher Region welcher Anbieter den Modellaufruf ausführt, ob dieser Anbieter mit den übermittelten Daten trainiert, und wie lange die Protokolle aufbewahrt werden. Der dritte Punkt wird am seltensten gefragt und macht später die meiste Arbeit.

Für deutsche Käufer ist das der größte Einwand im Markt. In der Bitkom-Befragung von 604 Unternehmen ab 20 Beschäftigten (11.03.2026) waren Datenschutzanforderungen mit 77 Prozent die stärkste externe Hürde beim KI-Einsatz. Der Bitkom Cloud Report vom 17.06.2026, 603 befragte Unternehmen, ergänzt: 98 Prozent halten die Herkunft des Anbieters für relevant, 68 Prozent würden einen EU-Anbieter bevorzugen, während heute 71 Prozent einen US-Anbieter nutzen.

Ein Auftragsverarbeiter innerhalb der EU bedeutet keinen Drittlandtransfer, also keine Standardvertragsklauseln und kein Transfer Impact Assessment. Was Sie trotzdem brauchen, ist der Auftragsverarbeitungsvertrag nach Art. 28 DSGVO mit allen zehn Pflichtinhalten, von der Weisungsbindung über die Unterauftragsverarbeiter bis zur Löschung nach Vertragsende. Die Aufsichtsbehörde Baden-Württemberg stellt dafür ein Muster bereit. Ein fehlender oder fehlerhafter AVV kann mit bis zu 10 Mio. EUR oder 2 Prozent des weltweiten Jahresumsatzes geahndet werden.

Die Trainingsregeln unterscheiden sich je Anbieter und je Tarif. Die Preisdokumentation von Google hält fest, dass übermittelte Inhalte in der kostenlosen Stufe der Gemini-API zur Produktverbesserung genutzt werden, dort dürfen Kundendaten also nicht hin. Anthropic dokumentiert, dass hochgeladene Bilder nicht für das Modelltraining verwendet werden und dass für die Dokumentverarbeitung Zero Data Retention verfügbar ist. An solchen Details entscheidet sich, ob das System eine Datenschutz-Folgenabschätzung übersteht.

Eine schlechte Antwort lautet: EU-basiert und DSGVO-konform. Darin steckt keine Information. Ein gutes Zeichen ist, wenn der Dienstleister die Liste der Unterauftragsverarbeiter von sich aus zeigt und benennt, welche Daten welche Grenze überschreiten.

4. Woran messen sie, ob das System funktioniert?

An einem Evaluationsdatensatz. Das sind 100 bis 300 echte Fragen aus Ihren eigenen Daten, jede mit festgehaltener erwarteter Antwort, erneut ausgeführt nach jeder Prompt- und jeder Modelländerung. Ohne das bleibt die Aussage, es funktioniere gut, ein Eindruck aus der Demo. Wer diese Frage nicht beantworten kann, misst nicht.

Die Sprache spielt dabei eine größere Rolle als die meisten Käufer erwarten. Veröffentlichte Retrieval-Benchmarks sind überwiegend englisch. Für kleinere Sprachen existiert teilweise überhaupt kein gepflegter öffentlicher Benchmark, und für deutschsprachige Fachdokumente mit Abkürzungen aus Ihrem Haus sagt ein englischer Benchmark ohnehin wenig aus. Ihr eigener Datensatz ist deshalb keine Option, sondern Voraussetzung.

Eine konkrete Kennzahl zeigt, ob hinter dem System Ingenieurarbeit steckt: In der eigenen Messung von Anthropic senkte hybride Suche mit Reranking die Retrieval-Fehlerquote von 5,7 auf 1,9 Prozent. Wenn ein Dienstleister eine Zahl dieser Art über sein eigenes System nennen kann, hat er gemessen. Wenn die Antwort sehr genau lautet, hat er nicht gemessen.

Fragen Sie auch nach der laufenden Beobachtung. Langfuse ist im Eigenbetrieb quelloffen und lizenzkostenfrei, die tatsächlichen Monitoringkosten eines Mittelstandsprojekts sind also der Betrieb des Containers und nicht die 39 USD pro Sitz und Monat eines Cloud-Tarifs. Die beiden verbreiteten Werkzeuge haben wir im Vergleich von Langfuse und LangSmith durchgesehen.

5. Was passiert, wenn das Modell wechselt oder abgekündigt wird?

Das ist die Frage des sechsten Monats, und Angebote gehen fast nie darauf ein. Das Modell verändert sich unter Ihnen: eine neue Version erscheint, die Preise ändern sich, die alte Version wird abgekündigt. Zu klären ist, wer die Evaluation erneut ausführt, wer die Prompts nachjustiert und auf wessen Rechnung die Differenz landet.

Zwei Beispiele aus 2026 zeigen, dass das in Geld messbar ist. Der ab Claude 4.7 eingeführte Tokenizer erzeugt für denselben Text rund 30 Prozent mehr Token, der Betrieb wird also auch bei scheinbar unverändertem Einheitspreis teurer. Und der Aktionspreis für Gemini 3.6 und 3.7 Flash gilt bis 31.12.2026, danach steigt der Eingabepreis von 0,75 auf 1,50 USD und der Ausgabepreis von 3,75 auf 7,50 USD je Million Token. Wer Betriebskosten für 2027 kalkuliert, sollte mit diesen Werten rechnen.

Fragen Sie ebenso nach der Kostenkontrolle. Ein monatliches Budgetlimit schützt nicht, weil es erst greift, wenn der teure Lauf bereits durch ist. Es schützen: ein Token- oder Eurolimit je Lauf, eine Begrenzung der Schrittzahl, ein Timeout je Schritt und ein Routing, das Routineschritte auf ein günstiges Modell legt. Dass das praktisch wird, zeigt der Bericht von TechCrunch vom 05.06.2026, wonach Uber sein gesamtes KI-Coding-Budget für 2026 bis April aufgebraucht hatte.

6. Wie wird an bestehendes ERP und CRM angebunden?

Hier zeigt sich am schnellsten, ob Sie mit einem Ingenieurteam sprechen. Die schwache Antwort zählt Systemnamen auf. Die gute Antwort nennt die Schnittstelle, das Authentifizierungsverfahren, das Verhalten bei Zeitüberschreitung des anderen Systems und die Regel, die bei einem Wiederholungsversuch doppelte Buchungen verhindert.

Fünf Fragen brauchen eine konkrete Antwort. Gibt es überhaupt eine API, oder bleiben nur Datenbanklesezugriff und Dateiaustausch. Wer verantwortet die Idempotenz, also was garantiert, dass eine zweimal gesendete Nachricht nicht zweimal bucht. Welches Rate Limit gilt auf der Gegenseite. Bekommt der Agent Schreibrechte in einem Produktivsystem, und unter welcher Freigabe. Und was ist für die Qualität der Stammdaten geplant, denn auf verschmutzten ERP-Daten liefert auch die beste Suche eine falsche Antwort.

MCP ist ebenfalls eine Frage wert. Das Protokoll ging im Dezember 2025 an die Agentic AI Foundation unter der Linux Foundation, und die Spezifikation vom 28.07.2026 ergänzte eine unternehmenstaugliche Berechtigungsverwaltung. In der Messung von Anthropic fiel eine Aufgabe von Google Drive nach Salesforce von 150.000 auf 2.000 Token, sobald die Zwischendaten nicht mehr durch das Modell liefen. Klären Sie außerdem, wer die Feldzuordnung Ihrer Rechnungsschnittstelle pflegt. Die Anbindung an nationale Steuerschnittstellen ist bei uns Routine, in Ungarn etwa an das NAV-Online-Rechnungssystem in Version 3.0.

7. Wer verantwortet EU AI Act und DSGVO?

In der Regel Sie und nicht der Entwickler. Nach Art. 3 AI Act ist Anbieter, wer das System unter eigenem Namen oder eigener Marke in Verkehr bringt oder in Betrieb nimmt. Läuft der Chatbot auf Ihrer Website unter Ihrer Marke, treffen die Anbieterpflichten Sie, und der Entwickler ist Zulieferer. Halten Sie die Rollenverteilung im Vertrag fest.

Was heute gilt: Die Transparenzpflichten aus Art. 50 sind seit dem 02.08.2026 anwendbar, ein Kunde muss also erfahren, dass er mit einer KI spricht. Für Systeme, die vor diesem Datum bereits im Verkehr waren, endet die Übergangsfrist für die maschinenlesbare Kennzeichnung am 02.12.2026. Die Frist für Hochrisikosysteme nach Anhang III ist dagegen auf den 02.12.2027 gerückt, durch die Verordnung (EU) 2026/1744, verkündet am 24.07.2026 und in Kraft seit dem 27.07.2026. Viele veröffentlichte Leitfäden zeigen noch das alte Datum, prüfen Sie deshalb das Datum jeder Quelle, die Ihr Dienstleister anführt.

Der Bußgeldrahmen der zweiten Stufe von Art. 99 liegt bei 15 Mio. EUR oder 3 Prozent des weltweiten Jahresumsatzes, je nachdem, welcher Wert höher ist. Für KMU und Startups gilt der jeweils niedrigere Wert als Obergrenze. Eine Falle lohnt die Erwähnung: Ändern Sie nach Art. 25 die Zweckbestimmung eines Systems so, dass es hochriskant wird, werden Sie zum Anbieter, obwohl Sie es nicht gebaut haben. Auf Betreiberseite verlangt Art. 26 ab dem 02.12.2027 eine Protokollaufbewahrung von mindestens sechs Monaten. Einstufung und Dokumentation haben wir auf der Seite zum EU AI Act aufgeschlüsselt.

Ein zweiter Strang betrifft deutsche Käufer direkt. Das NIS2-Umsetzungsgesetz wurde am 05.12.2025 im Bundesgesetzblatt verkündet und trat am Folgetag in Kraft; betroffen sind nach öffentlichen Schätzungen rund 30.000 Unternehmen. Fallen Sie in den Anwendungsbereich, reichen die Anforderungen an die Lieferkette bis zu Ihrem KI-Dienstleister durch. Fragen Sie also, welche Nachweise er für Ihre NIS2-Dokumentation liefern kann.

8. Wie sieht der Ausstiegsplan aus, wenn Sie wechseln wollen?

Verlangen Sie eine schriftliche Ausstiegsklausel, bevor Sie unterschreiben. Sie sollte drei Punkte festlegen: was genau übergeben wird, in welchem Format, und innerhalb wie vieler Arbeitstage. Wenn diese Frage bei Vertragsschluss unangenehm ist, wird sie bei Kündigung deutlich unangenehmer, denn dann haben Sie keine Verhandlungsposition mehr.

Das Ausstiegspaket besteht aus denselben sechs Positionen wie die Rechtefrage, ergänzt um die Laufzeitprotokolle, die Sie im Hochrisikofall wegen Art. 26 ohnehin brauchen. Eine technische Anforderung wiegt hier schwer: Der Modellaufruf sollte hinter einer Abstraktionsschicht liegen, damit ein Anbieterwechsel eine Konfigurationsfrage bleibt und keine Neuentwicklung wird.

Ein schlechtes Zeichen sind Prompts, die in einer Weboberfläche ohne Versionierung leben. Dann lässt sich nur der aktuelle Stand übergeben, nicht die Geschichte des Systemverhaltens. Ein gutes Zeichen ist, wenn der Dienstleister von sich aus eine Übergabeprobe anbietet: ein externer Entwickler bekommt zwei Tage und richtet das System aus der Dokumentation ein.

9. Zeigen sie ein Projekt, das gescheitert ist?

Das ist der billigste Filter der neun und der aussagekräftigste. Wer seit zwei Jahren KI-Systeme baut, hat einen gestoppten Piloten. Fehlt diese Geschichte, wurden entweder wenige Projekte gemacht oder es wird nicht offen geredet. Eine gute Antwort ist konkret: welcher Use Case, woran es scheiterte, was heute anders liefe.

In der Praxis ist dieses Feld leer. Wir haben im August 2026 sieben ungarische und DACH-Nearshore-Anbieter durchgesehen. Keiner kommuniziert EU AI Act oder NIS2, und auf keiner dieser Seiten kam das Wort AVV vor. Über gescheiterte Projekte schreibt ebenfalls keiner.

Zwei verbreitete Fehlermuster lohnen die Nachfrage. Das erste ist Agent Washing: Die Aufgabe wäre ein deterministischer Ablauf, verkauft wird sie als Agent. Anthropic selbst empfiehlt für die meisten Aufgaben den codierten Workflow statt des autonomen Agenten. Das zweite ist eine KI-Schicht, die auf einen alten Prozess geschraubt wird. Dann produziert die KI dasselbe falsche Ergebnis schneller.

Wann ist AppForge die falsche Wahl?

Vier Situationen, in denen Sie anderswo besser aufgehoben sind. Das klärt sich im ersten Gespräch billiger als im dritten Monat.

• Wenn ein Standardprodukt reicht. Für eine statische FAQ und ein paar Skripte lohnt keine Individualentwicklung.
• Wenn ein Betriebs-SLA rund um die Uhr im Schichtbetrieb gefordert ist. Wir sind ein Team von unter zehn Personen und können das nicht seriös zusagen.
• Wenn ein paralleles Programm mit mehreren Dutzend Entwicklern nötig ist. Dafür sind große Softwarehäuser die richtige Adresse.
• Wenn der Prozess selbst kaputt ist oder die Daten nicht digitalisiert sind. Erst der Prozess, dann das Modell.

Was Sie über uns wissen sollten: Wir haben zwei Referenzen, die wir namentlich nennen dürfen. Die KI-gestützte Suche des ungarischen Popkultur-Wertearchivs für kultura.hu stammt von uns, und wir haben auf dem AI Summit Budapest 2025 vorgetragen. Die übrigen Projekte liegen unter Geheimhaltung, dafür zeigen wir anonymisierte Architekturen. Verlangen Sie diese Trennung von jedem Anbieter, denn eine Angabe wie achtzig Projekte lässt sich nicht überprüfen.

Zusammenfassung und häufige Fragen

Unsere eigene Einschätzung nach den Projekten der letzten Jahre: Die Preisfrage wird überschätzt, die Ausstiegsfrage unterschätzt. Ein Angebot, das um zehn Prozent teurer ist, aber Prompt-Historie und Evaluationsdatensatz namentlich überträgt, ist am Ende das günstigere.

Wenn Sie diese neun Fragen an drei Angebote stellen, werden die Preise vergleichbar, und meistens stellt sich heraus, dass drei unterschiedliche Dinge angeboten wurden. Wenn Sie es an uns ausprobieren wollen: fordern Sie ein Angebot an, wir beantworten alle neun schriftlich.

Woher die Zahlen stammen

Alle Beträge wurden am 14.08.2026 abgerufen. Umrechnungen nutzen die Mittelkurse der Magyar Nemzeti Bank dieses Tages: 1 EUR = 363,28 HUF und 1 USD = 314,36 HUF. Die EUR-Angaben sind Richtwerte.

• Projekterfolg und Marktlage: MIT Project NANDA, Sommer 2025, Gartner, 25.06.2025, ifo Institut, 05.06.2026
• Deutscher Markt: Bitkom, 11.03.2026, 604 Unternehmen, Bitkom Cloud Report, 17.06.2026, 603 Unternehmen
• Stundensätze: Freelancer-Kompass 2026, 02.07.2026, software-entwickeln-lassen.com, 2026, MNB-Kurse
• Modellpreise und Architektur: Anthropic, Google Gemini, Contextual Retrieval, Code Execution mit MCP, MCP-Spezifikation, 28.07.2026, Langfuse, LangSmith, TechCrunch, 05.06.2026
• Recht: Verordnung (EU) 2026/1744, Art. 99 AI Act, Art. 28 DSGVO, AVV-Muster der Aufsichtsbehörde Baden-Württemberg, NIS2-Umsetzungsgesetz
• Preisspannen der Phasen: Musketeers Tech, 02.04.2026