Wenn ein Vertriebsmitarbeiter Angebote aus früheren Projekten sucht, ein Einkäufer Vertragsklauseln prüft und der Kundenservice dieselben Informationen mehrfach zusammenträgt, entsteht kein isoliertes Tool-Problem. Es entsteht ein Produktivitätsproblem. KI-Beschaffung entscheidet darüber, ob künstliche Intelligenz dieses Problem kontrolliert löst oder lediglich eine weitere Insellösung im Unternehmen erzeugt.
Für Geschäftsführer und operative Entscheider geht es deshalb nicht darum, möglichst schnell einen Chatbot einzukaufen. Entscheidend ist, ob ein KI-System verlässlich auf Unternehmenswissen zugreifen kann, in bestehende Abläufe passt und Daten unter klaren Regeln verarbeitet. Der wirtschaftliche Nutzen entsteht erst dort, wo Technologie, Prozesse und Governance zusammenspielen.
Warum KI-Beschaffung eine strategische Entscheidung ist
Viele Unternehmen starten mit frei verfügbaren Standardlösungen. Das ist für erste Erfahrungen nachvollziehbar, reicht für den produktiven Einsatz jedoch selten aus. Sobald Mitarbeiter interne Dokumente, Kundendaten, Kalkulationen oder Vertragsinhalte eingeben, stellen sich Fragen zu Datenschutz, Berechtigungen, Protokollierung und Datenhoheit.
Hinzu kommt ein operatives Risiko: Ein allgemeines Sprachmodell kennt weder die aktuelle Preislogik noch die spezifischen Freigabeprozesse eines Unternehmens. Es kann Inhalte formulieren, aber keine belastbaren Entscheidungen auf Basis der richtigen internen Quellen treffen, wenn diese Quellen nicht strukturiert angebunden sind. Ohne Kontext, Rechtekonzept und Qualitätskontrolle bleibt KI vor allem ein individuelles Hilfsmittel.
Eine gute Beschaffung betrachtet KI daher als Unternehmenssystem. Sie verbindet die Auswahl eines Modells mit der Frage, welche Daten zugänglich sein dürfen, welche Systeme angebunden werden sollen und wo menschliche Prüfung weiterhin zwingend bleibt. Das betrifft IT, Fachbereiche, Datenschutz und Geschäftsführung gleichermaßen.
KI-Beschaffung beginnt beim Prozess, nicht beim Anbieter
Der häufigste Fehler liegt in der Reihenfolge: Zuerst wird ein Tool bewertet, danach sucht man nach einem passenden Anwendungsfall. Sinnvoller ist es, Prozesse mit hohem manuellem Aufwand, klaren Informationsquellen und messbaren Ergebnissen zu identifizieren.
Geeignet sind etwa die automatisierte Bearbeitung eingehender Anfragen, die Suche in technischen Dokumentationen, die Vorqualifizierung von Ausschreibungen oder die Erstellung erster Entwürfe auf Basis freigegebener Vorlagen. Weniger geeignet sind Prozesse, deren Regeln unklar sind, deren Eingangsdaten stark variieren oder bei denen jede Entscheidung hohe rechtliche Folgen hat. Auch dort kann KI unterstützen, sollte aber nicht autonom handeln.
Vor einer Anbieterauswahl sollten Entscheider drei Fragen eindeutig beantworten: Welche Aufgabe soll die KI konkret beschleunigen? Auf welche Daten muss sie dafür zugreifen? Und woran wird die wirtschaftliche Wirkung gemessen? Ein Ziel wie „Wissensmanagement verbessern“ ist zu unscharf. Präziser wäre: „Die Bearbeitungszeit für technische Serviceanfragen um 30 Prozent reduzieren, indem der Service auf freigegebene Handbücher und frühere Tickets zugreift.“
Diese Klarheit schützt vor Pilotprojekten, die technisch beeindrucken, operativ aber nicht weiterführen. Sie erleichtert außerdem die Priorisierung. Ein Prozess mit hohem Volumen, stabiler Datenbasis und klarer Kennzahl liefert häufig schneller belastbare Ergebnisse als ein komplexes Prestigeprojekt.
Anforderungen an sichere Unternehmens-KI
Bei der KI-Beschaffung darf die Modellqualität nicht das einzige Auswahlkriterium sein. Ein leistungsfähiges Modell ist wertlos, wenn es nicht kontrolliert in die vorhandene Systemlandschaft integriert werden kann. Für den Mittelstand zählen vor allem vier Ebenen: Daten, Sicherheit, Integration und Betrieb.
Datenhoheit und Datenschutz
Zunächst muss eindeutig geregelt sein, wo Daten verarbeitet und gespeichert werden. Unternehmen sollten nachvollziehen können, ob Eingaben zum Training fremder Modelle verwendet werden, welche Unterauftragnehmer beteiligt sind und wie Löschfristen umgesetzt werden. Für sensible Unternehmensinformationen sind geschlossene Umgebungen mit klarer Mandantentrennung und vertraglich geregelter Datenverarbeitung in der Regel die bessere Wahl.
DSGVO-Konformität ist dabei mehr als ein Häkchen im Beschaffungsformular. Sie umfasst technische und organisatorische Maßnahmen, Rollen- und Berechtigungskonzepte, Auftragsverarbeitung sowie eine nachvollziehbare Bewertung der jeweiligen Risiken. Je nach Anwendungsfall kann auch eine Datenschutz-Folgenabschätzung erforderlich sein.
Integration statt Medienbruch
Die stärkste KI-Anwendung scheitert, wenn Mitarbeiter Informationen weiterhin aus ERP, CRM, SharePoint, E-Mail-Postfächern und Fachsystemen manuell zusammensuchen müssen. Beschaffungsentscheidungen sollten deshalb Schnittstellen, Datenformate und Aktualisierungszyklen früh prüfen.
Ein Corporate LLM kann beispielsweise interne Wissensquellen durchsuchen und Antworten mit Quellenbezug erstellen. Sein Nutzen steigt deutlich, wenn es auf aktuelle, freigegebene Inhalte zugreift und Berechtigungen aus bestehenden Systemen übernimmt. Ein Vertriebsmitarbeiter darf dann nur die Informationen sehen, für die er ohnehin eine Freigabe besitzt. Das verhindert, dass ein neues KI-System bestehende Zugriffskontrollen umgeht.
Steuerbarkeit im laufenden Betrieb
KI ist kein Projekt, das nach dem Go-live abgeschlossen ist. Dokumente ändern sich, Prozesse entwickeln sich weiter und Nutzer stellen Fragen, die beim Aufbau nicht vorhersehbar waren. Deshalb gehören Monitoring, Protokollierung und ein klarer Betriebsprozess zur Beschaffung.
Relevant ist unter anderem, wie Antworten überprüft werden können, wie fehlerhafte Inhalte gemeldet werden und wer für die Pflege von Wissensquellen zuständig ist. Bei automatisierten Workflows sollte außerdem definiert sein, an welchen Punkten ein Mitarbeiter freigibt, korrigiert oder eskaliert. Je höher die geschäftliche oder rechtliche Relevanz einer Entscheidung, desto wichtiger bleibt diese menschliche Kontrolle.
Anbieter bewerten: Vom Funktionskatalog zur Umsetzungsfähigkeit
Produktdemonstrationen zeigen meist überzeugende Einzelfunktionen. Für eine fundierte Auswahl reichen sie nicht aus. Ein Anbieter sollte den eigenen Anwendungsfall mit realistischen Daten und Prozessen abbilden können. Ein allgemeiner Demo-Chat beantwortet keine Frage dazu, wie sich Zugriffsrechte, Dokumentenqualität oder Ausnahmen im konkreten Betrieb verhalten.
Entscheidend ist auch die Architekturkompetenz. Kann der Anbieter bestehende Systeme anbinden? Werden Rollen, Protokolle und Freigaben sauber umgesetzt? Gibt es ein Konzept für Betrieb, Weiterentwicklung und Support? Gerade bei individuellen Prozessen ist ein Standardprodukt nur dann sinnvoll, wenn es ohne kostspielige Umwege konfiguriert und integriert werden kann.
Der Preis sollte ebenfalls nicht isoliert betrachtet werden. Günstige Einzellizenzen können teuer werden, wenn zusätzliche Schnittstellen, Sicherheitsmaßnahmen, externe Beratung und manuelle Nacharbeit hinzukommen. Umgekehrt ist eine individuellere Lösung wirtschaftlich, wenn sie einen Prozess mit hohem Volumen dauerhaft verkürzt oder Fehlerquoten spürbar reduziert.
Eine belastbare Wirtschaftlichkeitsrechnung berücksichtigt daher nicht nur Lizenz- und Implementierungskosten. Sie erfasst auch Zeitaufwand, Qualitätsgewinne, verkürzte Durchlaufzeiten, vermiedene Fehler und die Kosten für den Betrieb. Besonders überzeugend wird ein Business Case, wenn ein klarer Ausgangswert vorliegt: Bearbeitungszeit pro Vorgang, Anzahl offener Tickets, Suchaufwand oder Quote manueller Nacharbeiten.
Pilotieren mit klarer Entscheidungsperspektive
Ein Pilot ist sinnvoll, wenn er eine konkrete Beschaffungsentscheidung vorbereitet. Er sollte deshalb zeitlich begrenzt sein, einen abgegrenzten Prozess abbilden und vorab definierte Erfolgskriterien haben. Dazu gehören fachliche Qualität, Akzeptanz bei den Mitarbeitern, technische Stabilität und der nachweisbare Einfluss auf eine betriebliche Kennzahl.
Wichtig ist, nicht nur den besten Fall zu testen. Ein Pilot muss auch unvollständige Dokumente, widersprüchliche Informationen, ungewöhnliche Formulierungen und fehlende Berechtigungen abdecken. Gerade in diesen Situationen zeigt sich, ob ein System sicher reagiert, Unsicherheit kenntlich macht und korrekt an einen Mitarbeiter übergibt.
Nach dem Pilot braucht es eine eindeutige Entscheidung: skalieren, anpassen oder stoppen. Projekte ohne diese Schwelle verbrauchen häufig Budget und Aufmerksamkeit, ohne in den produktiven Betrieb zu gelangen. Ein klarer Übergabeplan mit technischen Verantwortlichkeiten, Prozessverantwortung und Schulung der Nutzer verhindert, dass eine gute Lösung nach der Einführung an Akzeptanz verliert.
Der richtige erste Schritt
Die beste KI-Lösung ist nicht jene mit den meisten Funktionen, sondern jene, die einen relevanten Prozess sicher, nachvollziehbar und dauerhaft besser macht. Beginnen Sie mit einem Engpass, dessen Kosten heute sichtbar sind, und formulieren Sie die Anforderungen aus diesem Prozess heraus. So wird KI-Beschaffung vom Technologiekauf zu einer Investition in kontrollierbare Produktivität.