KI-Ausschreibungen: Wie Unternehmen AI-Anbieter objektiv vergleichen

Künstliche Intelligenz gewinnt im E-Commerce zunehmend an Bedeutung – etwa bei Produktempfehlungen, automatisierten Produkttexten, Prognosen oder im Kundenservice. Gleichzeitig wächst die Zahl der Anbieter. Doch Leistungen, Kosten und technologische Ansätze unterscheiden sich erheblich.

Eine strukturierte KI-Ausschreibung schafft Vergleichbarkeit. Entscheidend ist nicht die überzeugendste Präsentation, sondern die Lösung, die nachweislich am besten zu den Anforderungen des Unternehmens passt.

Warum klassische Softwarevergleiche nicht ausreichen

Bei herkömmlicher Software lässt sich häufig eindeutig prüfen, ob eine Funktion vorhanden ist. Bei KI-Systemen kommt es dagegen darauf an, wie zuverlässig und hochwertig die Lösung eine Aufgabe erfüllt.

Zwei Anbieter können beispielsweise beide Produkttexte automatisch erstellen. Die Ergebnisse können sich jedoch deutlich bei Richtigkeit, Sprachqualität, Markenkonformität und Korrekturaufwand unterscheiden. Unternehmen sollten daher keine allgemeinen KI-Fähigkeiten vergleichen, sondern konkrete Anwendungsfälle unter einheitlichen Bedingungen testen.

Der Use Case bildet die Grundlage

Vor der Ansprache potenzieller Anbieter muss feststehen, welches Problem mit der KI gelöst werden soll. Eine Vorgabe wie „Wir möchten KI im Kundenservice einsetzen“ ist zu ungenau.

Stattdessen sollten Unternehmen folgende Fragen beantworten:

• Welche Prozesse sollen unterstützt oder automatisiert werden?
• Welche Ergebnisse soll die KI liefern?
• Welche Daten stehen zur Verfügung?
• Welche Systeme müssen angebunden werden?
• Wie viele Anfragen oder Datensätze fallen an?
• An welchen Kennzahlen wird der Erfolg gemessen?

Ein konkreter Anwendungsfall könnte beispielsweise vorsehen, aus vorhandenen Produktdaten deutsche und englische Produktbeschreibungen zu erstellen, die den Markenrichtlinien entsprechen und vor der Veröffentlichung freigegeben werden.

Kriterien festlegen und gewichten

Die Anforderungen sollten in einem einheitlichen Kriterienkatalog zusammengeführt und in Muss-, Soll- und Kann-Anforderungen unterteilt werden. Muss-Kriterien können beispielsweise ein Datenstandort in der EU, bestimmte Schnittstellen oder der Ausschluss der Nutzung von Unternehmensdaten für Trainingszwecke sein.

Zu den wichtigsten Bewertungskategorien gehören:

1. Fachliche Eignung: Wie gut unterstützt die Lösung den gewünschten Geschäftsprozess?
2. Ergebnisqualität: Wie präzise, vollständig und konsistent sind die Resultate?
3. Integration: Lassen sich Shop-, PIM-, CRM-, ERP- und weitere Systeme anbinden?
4. Datenschutz und Sicherheit: Wo werden Daten verarbeitet und wie lange gespeichert?
5. Governance: Können Ergebnisse protokolliert, kontrolliert und freigegeben werden?
6. Anbieterqualität: Welche Erfahrungen, Referenzen und Supportleistungen gibt es?
7. Kosten: Welche Einführungs-, Nutzungs- und Folgekosten entstehen?

Nicht alle Kriterien sollten gleich stark gewichtet werden. Bei einem Kundenservice-Chatbot können Antwortqualität, Datenschutz und Eskalationsmöglichkeiten wichtiger sein als eine besonders kurze Einführungszeit.

Vergleichbare Tests statt vorbereiteter Demos

Anbieterpräsentationen zeigen meist die Stärken der jeweiligen Lösung. Aussagekräftiger ist ein vorgegebenes Testszenario, das alle Anbieter unter identischen Bedingungen bearbeiten.

Dafür können beispielsweise dieselben Produktdaten, Kundenanfragen oder Dokumente verwendet werden. Die Ergebnisse werden anschließend anhand vorher festgelegter Kennzahlen bewertet.

Mögliche Bewertungskriterien sind:

• Bei Produkttexten: Richtigkeit, Vollständigkeit, Markenkonformität und Korrekturaufwand.
• Bei Chatbots: Lösungsquote, Antwortzeit, Weiterleitung und Häufigkeit falscher Aussagen.
• Bei KI-Suchen: Relevanz der Treffer, Fehlertoleranz und Umgang mit Synonymen.
• Bei Prognosen: Genauigkeit und Verbesserung gegenüber dem bisherigen Verfahren.

Da generative KI bei identischen Eingaben unterschiedliche Antworten erzeugen kann, sollten wichtige Tests mehrfach durchgeführt werden. Auch unvollständige Daten und typische Ausnahmefälle gehören in einen realistischen Proof of Concept.

Datenschutz und AI Act berücksichtigen

Compliance muss bereits Bestandteil der Ausschreibung sein. Unternehmen sollten klären, welche personenbezogenen oder vertraulichen Daten verarbeitet werden und ob der Anbieter diese für eigene Trainingszwecke nutzt.

Seit dem 2. August 2026 gelten zudem bestimmte Transparenzpflichten des europäischen AI Acts. Abhängig vom Anwendungsfall können Informations- und Kennzeichnungspflichten für interaktive oder generative KI-Systeme bestehen. Weitere Informationen bietet die Übersicht der Europäischen Kommission zum AI Act.

Wichtige Fragen an die Anbieter sind deshalb:

• Welches KI-Modell wird eingesetzt?
• Wo findet die Datenverarbeitung statt?
• Werden Eingaben und Ergebnisse gespeichert?
• Können Daten vollständig gelöscht und exportiert werden?
• Wie werden Änderungen am Modell dokumentiert?
• Welche Kontroll- und Freigabefunktionen stehen zur Verfügung?

Gesamtkosten realistisch vergleichen

KI-Anbieter rechnen beispielsweise nach Nutzern, Anfragen, Dokumenten, Token oder API-Aufrufen ab. Ein Vergleich der monatlichen Lizenzpreise reicht daher nicht aus.

Berücksichtigt werden sollten auch Implementierung, Schnittstellen, Datenaufbereitung, Schulungen, Qualitätskontrollen, Support und mögliche Kosten eines späteren Anbieterwechsels. Sinnvoll ist ein einheitliches Mengengerüst, mit dem alle Anbieter ihre Preise berechnen. Zusätzliche Szenarien zeigen, wie sich die Kosten bei steigender Nutzung entwickeln.

Fazit: Vergleichbarkeit entscheidet

Eine erfolgreiche KI-Ausschreibung übersetzt Geschäftsziele und Prozesse in messbare Anforderungen. Anbieter sollten anhand identischer Use Cases, realistischer Testdaten und transparenter Bewertungskriterien verglichen werden.

Durch eine klare Gewichtung, belastbare Nachweise, einen strukturierten Proof of Concept und die Betrachtung der Gesamtkosten entsteht eine nachvollziehbare Entscheidungsgrundlage. So können Unternehmen die KI-Lösung auswählen, die fachlich, technisch und wirtschaftlich am besten zu ihnen passt.

Pörtner Consulting unterstützt Unternehmen bei der KI-Anforderungsanalyse, der strukturierten Ausschreibung sowie der objektiven Auswahl geeigneter KI-Tools, Softwarelösungen und Dienstleister.