Kurze Antwort
Ein guter Dienstleister für KI-Entwicklung in Deutschland zeigt nachweisbare Erfahrung mit produktiven KI-Systemen, beherrscht Datenschutz und Informationssicherheit und arbeitet transparent mit Evaluationen statt Demos. Prüfen Sie vor allem Code- und Kontoeigentum, Datenverarbeitung bei Modellanbietern, Betriebsfähigkeit nach dem Go-live und ob der Partner auch vom Projekt abraten würde.
Inhalt
Der Markt ist groß und unübersichtlich
Seit generative KI im Mainstream angekommen ist, bezeichnen sich viele Agenturen, Beratungen und Softwarehäuser als KI-Spezialisten. Für Unternehmen und Behörden ist es schwer zu erkennen, wer tatsächlich produktive Systeme betreibt und wer vor allem überzeugende Demos baut. Dieser Leitfaden hilft bei der Auswahl, unabhängig davon, für wen Sie sich am Ende entscheiden.
Warum Deutschland als Standort eine Rolle spielt
Ein Dienstleister mit Sitz in Deutschland ist kein Qualitätsmerkmal an sich. Er bringt aber Vorteile, die bei KI-Projekten besonders ins Gewicht fallen:
- Rechtsrahmen: Vertrautheit mit DSGVO, Auftragsverarbeitung, Beschäftigtendatenschutz und den Anforderungen aus dem EU AI Act.
- Mitbestimmung: Erfahrung mit Betriebs- und Personalräten, die bei KI-Einführungen regelmäßig beteiligt sind.
- Vergabe: Für öffentliche Auftraggeber Kenntnis von Vergabeverfahren und Vertragsmustern.
- Kommunikation: Gemeinsame Sprache und Zeitzone mit Fachabteilungen, was Abstimmungen beschleunigt.
Entscheidend ist dennoch die Substanz, nicht die Adresse.
Sieben Kriterien für die Auswahl
1. Produktive Systeme statt Proofs of Concept
Fragen Sie nach Systemen, die seit mindestens einem Jahr im Betrieb sind. Wie wurden Modellwechsel gehandhabt? Was passiert, wenn das System falsch liegt? Wer überwacht die Kosten? Ein Dienstleister, der nur Proofs of Concept vorweisen kann, hat die schwierigsten Phasen noch nicht erlebt.
2. Evaluation als Methode
Gute KI-Teams messen. Sie bauen Testdatensätze mit realen Beispielen, definieren Qualitätskriterien und zeigen Ihnen Ergebnisse in Zahlen. Wenn ein Anbieter auf die Frage nach der Fehlerquote mit einer Live-Demo antwortet, ist Vorsicht geboten.
3. Datenschutz und Informationssicherheit im Detail
Welche Daten gehen an welchen Modellanbieter? Werden Eingaben zum Training verwendet? Wo werden Daten gespeichert? Wie werden personenbezogene Daten vor der Übermittlung geschützt? Eine Zertifizierung nach ISO 27001 ist ein gutes Zeichen, ersetzt aber nicht die konkrete Antwort für Ihr Projekt. Für sensible Texte kann eine vorgeschaltete lokale Anonymisierung wie Textwash Pro die Übermittlung personenbezogener Daten an externe Modelle verhindern.
4. Integrationskompetenz
KI-Projekte scheitern selten am Modell und häufig an der Anbindung: ERP, CRM, Dokumentenmanagement, Identitätsdienste. Fragen Sie nach konkreten Erfahrungen mit Ihren Systemen.
5. Betrieb nach dem Go-live
Wer betreibt das System? Mit welchen Reaktionszeiten? Wer kümmert sich, wenn ein Modell abgekündigt wird? Ohne Betriebskonzept wird jedes Projekt nach dem Launch zum Risiko.
6. Eigentum und Unabhängigkeit
Code, Prompts, Evaluationsdaten und Konten bei Modellanbietern sollten Ihnen gehören. Achten Sie darauf, dass Sie das System notfalls mit einem anderen Partner weiterbetreiben können.
7. Ehrlichkeit über Grenzen
Ein guter Partner sagt auch, wann KI nicht die richtige Lösung ist oder wann eine einfachere Automatisierung reicht. Wer jedes Vorhaben begeistert annimmt, verkauft eher Projekte als Ergebnisse.
Fragen für das Erstgespräch
- Welche vergleichbaren Systeme betreiben Sie aktuell produktiv?
- Wie messen Sie die Qualität eines KI-Systems vor und nach dem Go-live?
- Welche Modellanbieter nutzen Sie, und wie entscheiden Sie das je Projekt?
- Wie gehen Sie mit personenbezogenen Daten in Prompts und Logs um?
- Wie sieht Ihr Vorgehen aus, wenn sich nach vier Wochen zeigt, dass das Ziel so nicht erreichbar ist?
- Wer genau arbeitet im Projekt, und wie setzen Sie Coding-Agenten ein?
- Was übergeben Sie am Ende, und in welcher Form?
Warnsignale
| Signal | Warum problematisch |
|---|---|
| Festpreis ohne Discovery für ein unklares Vorhaben | Risiko wird über versteckte Einschränkungen oder Nachträge ausgeglichen |
| Keine Aussage zur Datenverarbeitung beim Modellanbieter | Datenschutzprüfung wird später zum Stolperstein |
| Proprietäre Plattform ohne Exportmöglichkeit | Abhängigkeit, die sich schwer auflösen lässt |
| Ausschließlich Demos, keine Evaluationszahlen | Qualität unbekannt |
| Kein Betriebs- oder Wartungsangebot | Projekt endet mit dem Launch, Probleme beginnen danach |
Ein Probeprojekt statt langer Ausschreibung
Wenn mehrere Anbieter in Frage kommen, ist ein kleines, bezahltes Probeprojekt oft aussagekräftiger als umfangreiche Präsentationen. Geeignet ist eine abgegrenzte Aufgabe von wenigen Wochen, etwa eine Discovery für einen Use Case oder ein Prototyp mit Evaluation an Ihren echten Daten. Achten Sie dabei weniger auf das Ergebnis allein als auf die Arbeitsweise: Wie werden Annahmen dokumentiert? Wie offen wird mit Problemen umgegangen? Wie gut ist die Übergabe? Für öffentliche Auftraggeber lässt sich ein solches Vorhaben je nach Volumen oft unkompliziert vergeben und schafft eine belastbare Grundlage für die größere Ausschreibung.
Projektformen und was sie bedeuten
- Discovery oder Proof of Concept: Kurze, klar begrenzte Phase, um Machbarkeit und Nutzen zu prüfen.
- Umsetzung nach Paketen: Festpreis je Paket bei klaren Anforderungen, Aufwand bei offenen Fragen.
- Team-Verstärkung: Externe AI Code Engineers arbeiten im Team des Kunden mit.
- Betrieb mit SLA: Laufende Verantwortung für Verfügbarkeit, Updates und Weiterentwicklung.
Wie wir arbeiten
OnlineAppCreator entwickelt seit 2014 individuelle Apps und KI-Lösungen für Unternehmen und öffentliche Auftraggeber, mit SLAs und als Done-for-you-Engineering durch AI Code Engineers. OnlineAppCreator ist Teil der jocapps GmbH in Freiburg, einem Innovation Company Builder, der nach ISO 27001 und ISO 9001 zertifiziert ist und über 15.000 Kunden betreut hat.
Wenn das Vorhaben über ein einzelnes Projekt hinausgeht und KI-Agenten unternehmensweit in Prozessen eingesetzt werden sollen, bietet kalAIDoCreate die Orchestrierungsplattform mit Audit-Trails, SSO, Integrationen etwa zu SAP, CRM, SharePoint oder Slack und EU-Datenhaltung, zusammen mit einem Expertenteam. Mit OnlineAppCreator werden dann die individuellen Anwendungen gebaut, die darauf aufsetzen.
Weiterführend: DSGVO-konforme KI-App-Entwicklung, AI Code Engineers beauftragen und Innovation Company Builder für KI.
FAQ
Muss ein KI-Dienstleister seinen Sitz in Deutschland haben?
Nein, aber ein Sitz in der EU erleichtert Datenschutz, Vertragsgestaltung und Abstimmung. Wichtiger ist, dass der Partner die rechtlichen Anforderungen Ihres Projekts konkret beherrscht.
Wie erkenne ich echte KI-Erfahrung?
An produktiven Systemen mit Betriebserfahrung, an einer klaren Evaluationsmethode und an konkreten Antworten zu Datenschutz, Kosten und Modellwechseln.
Festpreis oder Abrechnung nach Aufwand?
Festpreise eignen sich für klar beschriebene Pakete. Bei offenen Fragen ist Aufwand mit Budgetrahmen ehrlicher. Viele Projekte kombinieren eine bezahlte Discovery mit anschließenden Festpreispaketen.
Welche Zertifizierungen sind relevant?
ISO 27001 für Informationssicherheit und ISO 9001 für Qualitätsmanagement sind verbreitete Nachweise. Für Behörden können zusätzliche Anforderungen gelten, die vorab geklärt werden sollten.