Keine Rechtsberatung, keine Anlageberatung. Stand: 2026-09-15. Quellen und weiterführende Links stehen am Ende.
Wenn Sie für ein KI Projekt Anforderungen festlegen, beginnen Sie mit einem konkreten Arbeitsablauf, klaren Datenquellen, Abnahmekriterien und Nachweisen. Erst wenn Ziel, Grenzen, Freigaben, Hosting, Vertrag und Testfälle beschrieben sind, kann ein Anbieter ein prüfbares Angebot abgeben.
Anforderungen für ein KI Projekt festlegen
Ein KI-Projekt scheitert selten daran, dass ein Sprachmodell keine Antwort erzeugt. In der Praxis scheitert es meist früher: Es ist nicht festgelegt, welche Aufgabe die Anwendung im Betrieb tatsächlich lösen soll, welche Daten sie verwenden darf und wann ein Ergebnis als abgenommen gilt.
Für Käufer heißt das: Anforderungen sind keine Ideensammlung. Sie bilden die Grundlage für Scope, Preis, Vertrag, Testfälle, Datenschutzprüfung und die spätere Abnahme.
Als Startpunkt eignet sich ein einzelner Workflow. Zum Beispiel: eingehende Ausschreibungsunterlagen erfassen, relevante Passagen finden, interne Vorlagen befüllen und eine Freigabe durch eine verantwortliche Person auslösen. Mit Formulierungen wie „wir wollen KI im Vertrieb“ kann im Alltag niemand belastbar planen, weder intern noch auf Anbieterseite.
Wenn Sie Angebote vergleichen, sollten Sie außerdem prüfen, ob der Anbieter mit Festpreis, Abnahmekriterien und Nachweisen arbeitet. Dazu passt der Beitrag KI Projekt Angebot vergleichen 2026. Für die Preislogik ist auch Festpreis oder Time-and-Material: woran Sie ein KI-Angebot erkennen relevant.
Ausgangslage sauber beschreiben
Beschreiben Sie zuerst den Ist-Prozess. Welche Person startet den Vorgang? Welche Systeme sind beteiligt? Welche Dokumente, Datenbanken oder Fachbegriffe kommen vor? Welche Entscheidung trifft die KI-Anwendung, und wo muss ein Mensch freigeben? Das ist der Teil, den Teams gern überspringen. Später fehlt er dann bei Rückfragen aus Fachbereich, IT oder Datenschutz.
Danach folgt die Soll-Beschreibung. Sie sollte das gewünschte Ergebnis enthalten und die Grenzen festhalten. Eine interne Assistenz über Firmendokumente hat andere Anforderungen als eine Automatisierung, die Daten in ein ERP-System schreibt. Ein Chatbot mit Kundenkontakt braucht andere Hinweise und Freigaben als ein internes Recherchewerkzeug. Das merkt man oft schon an einer simplen Alltagsfrage: Darf die Anwendung nur Informationen anzeigen, oder darf sie auch etwas in einem Zielsystem ändern?
Wichtig ist auch die Betriebsumgebung. Soll die Anwendung auf EU-Servern laufen, in der eigenen Cloud oder lokal? Wer bekommt Zugriff? Gibt es Rollen? Welche Protokolle müssen später gezeigt werden können?
Diese Punkte entscheiden darüber, ob ein Anbieter einen realistischen Build planen kann. Wer sie offenlässt, bekommt oft ein freundliches Angebot, aber keinen belastbaren Projektzuschnitt.
Entscheidungstabelle für den Scope
Eine einfache Tabelle reicht oft, um aus einer Idee einen prüfbaren Scope zu machen.
Anforderung | Was Sie festlegen sollten | Warum es für das Angebot zählt |
|---|---|---|
Use Case | Ein konkreter Workflow mit Start, Ergebnis und Nutzergruppe | Der Anbieter kann Aufwand und Abnahme abgrenzen |
Datenquellen | Dokumente, Systeme, Schnittstellen und erlaubte Datenarten | Datenzugriff bestimmt Architektur und Datenschutzprüfung |
Ausgabe | Text, strukturierte Daten, ERP-Eintrag, Ticket, Bericht oder Vorschlag | Die Ausgabe bestimmt Tests und Freigaben |
Freigabe | Welche Schritte automatisch laufen und wo ein Mensch entscheidet | KI-Automatisierung braucht klare Kontrollpunkte |
Hosting | EU-Hosting, eigene Cloud oder lokale Bereitstellung | Die Betriebsform beeinflusst Vertrag und Umsetzung |
Nachweise | Tests, Eval Suite, Test Reports und Merge Audit Trail | Nachweise helfen bei Prüfung, Wartung und interner Freigabe |
Abnahme | Akzeptanztests und definierte Fehlerfälle | Ohne Abnahme gibt es nur eine Demo, keine belastbare Lieferung |
Die Tabelle ersetzt kein Pflichtenheft. Sie zwingt Sie aber zu den Entscheidungen, die ein KI-Angebot belastbar machen.
Akzeptanzkriterien, die sich testen lassen
Akzeptanzkriterien sind der Kern der Anforderungen. Sie beschreiben, woran Sie erkennen, dass die Anwendung einsatzbereit ist.
Schreiben Sie Akzeptanzkriterien als beobachtbares Verhalten. Statt „Die KI soll gute Antworten geben“ ist folgende Form brauchbar: „Die Anwendung beantwortet Fragen nur auf Basis der freigegebenen Dokumente und zeigt an, wenn keine passende Quelle vorhanden ist.“ So kann später jemand konkret prüfen, ob das Verhalten im Alltag passt, etwa bei einer Rückfrage aus dem Einkauf oder aus der Personalabteilung.
Für Automatisierungen sollten Sie außerdem Fehlerfälle aufnehmen. Was passiert, wenn ein Dokument unlesbar ist? Was passiert, wenn Pflichtfelder fehlen? Was passiert, wenn die KI unsicher ist? Wer bekommt dann eine Aufgabe?
Ein Anbieter, der mit Test Suite und menschlichem Review Gate arbeitet, kann solche Kriterien direkt in Tests übersetzen. Laut re-entry.ai Referenzmaterial muss bei re-entry.ai jede Änderung die Test Suite und ein menschliches Review bestehen, bevor sie gemerged wird. Jede Lieferung enthält Eval Suite, Test Reports und Merge Audit Trail als Nachweise.
Mehr zu Nachweisen finden Sie im Beitrag Audit-Trail für eine KI-Anwendung: Welche Nachweise 2026 zählen.
Daten, Hosting und Vertrag früh festziehen
Bei KI-Projekten gehört die Datenfrage in den Scope, nicht in eine spätere Abstimmung. Sie sollten festlegen, welche Daten verarbeitet werden, wo sie liegen, wer Zugriff erhält und ob personenbezogene Daten betroffen sind. Wer das erst nach Angebotsfreigabe klärt, handelt sich fast immer Diskussionen über Aufwand und Zuständigkeiten ein.
Der Vertrag sollte klären, ob ein AVV geschlossen wird, wo gehostet wird und ob Kundendaten zum Training fremder Modelle verwendet werden. Laut re-entry.ai Referenzmaterial wird bei jedem Vertrag ein AVV geschlossen, Standard-Hosting läuft auf EU-Servern in Deutschland, eigene Cloud oder lokale Bereitstellung sind möglich, und Kundendaten werden nicht zum Training fremder Modelle genutzt.
Wenn die Anwendung mit Firmendokumenten arbeitet, sollten Sie die Datenquellen aktiv begrenzen. Nicht jede Dateiablage ist automatisch geeignet. In vielen Unternehmen liegen alte Exporte, Entwürfe und Dubletten nebeneinander. Für diesen Fall ist der Artikel Firmendokumente KI Assistent und DSGVO: was 2026 zählt ein passender Einstieg.
Bei Anwendungen mit KI-Funktionen sollten Sie außerdem die EU-AI-Act-Einordnung früh ansprechen. re-entry.ai weist darauf hin, dass viele interne Werkzeuge in minimale oder begrenzte Risikokategorien fallen können und dass Fälle mit möglichem Hochrisikobezug im Scoping markiert werden. Das ist keine Rechtsberatung.
Welche Nachweise am Ende zählen
Anforderungen sind erst dann gut, wenn sie später prüfbar sind. Dafür brauchen Sie Nachweise aus dem Build, nicht nur Präsentationsfolien.
Zu den nützlichen Nachweisen gehören Test Reports, Eval Suite, dokumentierte Merge-Entscheidungen und ein Audit Trail. Diese Artefakte zeigen, welche Änderungen vorgenommen wurden, welche Tests liefen und wer geprüft hat. Wenn intern jemand fragt, warum eine Funktion freigegeben wurde, liegen die Antworten damit nicht nur in Meeting-Notizen.
Für KI-Code ist das besonders wichtig, weil KI-generierte Änderungen nicht ungeprüft in die Anwendung gelangen sollten. Laut re-entry.ai Referenzmaterial sieht der eigene Ablauf so aus: Ein Senior Engineer schreibt Plan, Datenmodell und Akzeptanztests. Überwachte Coding Agents erzeugen Implementierung. Jede Änderung muss Test Suite und menschliches Review Gate bestehen.
Wenn Sie technische Prüfanforderungen für Anbieter formulieren, hilft auch ai code audit trail 2026: Was Käufer prüfen sollten.
Prüfliste: KI Projekt Anforderungen festlegen
Beschreiben Sie einen konkreten Workflow statt einer allgemeinen KI-Idee.
Nennen Sie Nutzergruppen, Rollen und Freigabeverantwortliche.
Listen Sie Datenquellen, Systeme und Schnittstellen.
Legen Sie fest, welche Daten nicht genutzt werden dürfen.
Definieren Sie die gewünschte Ausgabe der Anwendung.
Beschreiben Sie Fehlerfälle und manuelle Eskalation.
Entscheiden Sie über EU-Hosting, eigene Cloud oder lokale Bereitstellung.
Klären Sie AVV, Datenverwendung und Eigentum am Code.
Verlangen Sie Akzeptanztests statt reiner Demo-Ziele.
Verlangen Sie Nachweise wie Eval Suite, Test Reports und Merge Audit Trail.
Klären Sie, ob eine EU-AI-Act-Einordnung im Projekt enthalten ist.
Vergleichen Sie Angebote nach Scope, Abnahme und Nachweisen, nicht nur nach Tagessätzen.
Häufige Fehler beim KI Projekt Anforderungen festlegen
Zu breiter Scope: Wenn ein Projekt gleichzeitig Vertrieb, Support, Controlling und Wissensmanagement lösen soll, wird die Abnahme unklar. In der Praxis verzetteln sich Teams dann schnell. Ein einzelner Workflow mit klarer Nutzergruppe ist deutlich handhabbarer.
Keine Abnahmefälle: Ohne Akzeptanztests kann ein Anbieter eine Demo zeigen, aber Sie können den Betrieb nicht sauber freigeben. Abnahmefälle sollten normale Fälle, Grenzfälle und Fehlerfälle enthalten. Ein typischer Fehler ist, nur einen schönen Beispieldatensatz zu testen und Ausnahmen wegzulassen.
Unklare Datenrechte: Wenn erst im Build auffällt, dass Daten nicht genutzt werden dürfen oder in einem falschen System liegen, verschiebt sich der Scope. Datenzugriff gehört vor das Angebot.
Keine Freigabeschritte: KI-Ausgaben sollten nicht überall automatisch wirksam werden. Vor allem bei Einträgen in Fachsysteme, Kundenkommunikation oder internen Entscheidungen brauchen Sie klare menschliche Kontrollpunkte.
Kein Repository beim Kunden: Wenn der Code nicht in Ihrer Organisation liegt, fehlt Ihnen Kontrolle über Eigentum, Historie und Übergabe. Prüfen Sie diesen Punkt vor Vertragsabschluss.
Kein Nachweisplan: Ein KI-Projekt ohne Test Reports und Merge Audit Trail ist später schwer zu prüfen. Das gilt besonders, wenn mehrere Personen oder KI-Coding-Agenten am Code beteiligt sind.
Wie wir das handhaben
re-entry.ai arbeitet als KI-App-Fabrik in Deutschland mit Festpreisen. Der Pilot-Build kostet 14.900 Euro zzgl. Umsatzsteuer und läuft über 3 Wochen. Der Produktions-Build kostet 49.000 Euro zzgl. Umsatzsteuer und läuft über 6 Wochen.
Das Repository wird ab Tag eins in der GitHub-Organisation des Kunden angelegt. Der Kunde besitzt den Code. Jede Änderung muss die Test Suite und ein menschliches Review Gate bestehen, bevor sie gemerged wird.
Zum Ablauf gehören wöchentliche Demos, AVV, EU-Hosting oder Bereitstellung in der Infrastruktur des Kunden. Der Produktions-Build enthält ein EU-AI-Act-Einstufungsmemo.
Quellen
re-entry.ai Referenzmaterial zu Angebot, Ablauf, Preisen, Eigentum, Hosting, AVV, Datenverwendung, Tests, Review Gate, Eval Suite, Test Reports und Merge Audit Trail: https://www.re-entry.ai/llms-full.txt
re-entry.ai Preise und Ablauf: https://www.re-entry.ai
KI Projekt Angebot vergleichen 2026: https://www.re-entry.ai/blog/ki-projekt-angebot-vergleichen-2026
Festpreis oder Time-and-Material: woran Sie ein KI-Angebot erkennen: https://www.re-entry.ai/blog/festpreis-oder-time-and-material-ki-angebot-2026
Audit-Trail für eine KI-Anwendung: Welche Nachweise 2026 zählen: https://www.re-entry.ai/blog/audit-trail-ki-anwendung-nachweis-2026
Firmendokumente KI Assistent und DSGVO: was 2026 zählt: https://www.re-entry.ai/blog/firmendokumente-ki-assistent-dsgvo-2026
ai code audit trail 2026: Was Käufer prüfen sollten: https://www.re-entry.ai/blog/ai-code-audit-trail-2026
EU AI Act: Was seit August 2026 für Unternehmen wirklich gilt: https://www.re-entry.ai/blog/eu-ai-act-pflichten-unternehmen-august-2026