KI-Berater auswählen: Kriterien, Fragen und Warnsignale

Mehr als die Hälfte der deutschen Unternehmen nutzt inzwischen KI in ihren Geschäftsprozessen – 54,5 % laut ifo-Konjunkturumfrage vom Mai 2026, nach 40,9 % im Jahr davor. Mit der Nachfrage ist ein Beratungsmarkt gewachsen, der so gut wie keine Eintrittshürden hat: „KI-Berater” ist keine geschützte Bezeichnung, es gibt keine Kammer, keine Pflichtqualifikation, keinen Standard. Unter demselben Etikett bekommst du einen Prompt-Workshop, eine Strategie-Folienstrecke, eine Softwareagentur mit KI-Aufkleber – oder jemanden, der tatsächlich Prozesse analysiert und Systeme baut.

Dieser Artikel gehört zu unserem Cluster KI-Strategie und beantwortet die Fragen, die du vor einer Beauftragung klären solltest: Welche Kompetenzen der Berater braucht, welche Ergebnisse ins Angebot gehören, welche Referenzen etwas taugen, woran du unseriöse Anbieter erkennst und wie du Angebote vergleichbar machst, die auf den ersten Blick nichts miteinander zu tun haben.

Eine Sache vorweg, weil sie zur Ehrlichkeit dazugehört: Ich bin selbst KI-Berater. Dieser Artikel ist also keine neutrale Marktstudie, sondern die Kriterienliste, an der ich mich selbst messen lassen will – inklusive der Warnsignale, mit denen du Anbieter wie mich aussortieren kannst, wenn sie nicht liefern.

Das eigentliche Problem: Der Markt ist nicht vergleichbar

Wer drei Angebote für „KI-Beratung” einholt, bekommt oft drei völlig verschiedene Produkte: ein Tagesworkshop für das Team, ein dreimonatiges Strategieprojekt mit Abschlusspräsentation und ein Umsetzungsprojekt mit laufendem Betrieb. Alle drei nennen sich KI-Beratung, alle drei haben ihre Berechtigung – aber sie lösen unterschiedliche Probleme und sind über den Preis allein nicht vergleichbar.

Deshalb beginnt die Beraterauswahl nicht mit der Anbietersuche, sondern mit einer Einordnung: Welchen Typ brauchst du gerade?

• Orientierung und Schulung: Dein Team soll KI verstehen und sicher nutzen. Dafür brauchst du Trainer, keine Architekten. Prüfe hier zuerst die kostenlosen Angebote: Die Mittelstand-Digital-Zentren des Bundeswirtschaftsministeriums stellen bundesweit rund 100 KI-Trainerinnen und -Trainer, die KMU kostenfrei und anbieterneutral mit Workshops, Unternehmensbesuchen und Vorträgen unterstützen. Für den Einstieg ist das oft die bessere Wahl als ein bezahlter Workshop.
• Strategie und Priorisierung: Du willst wissen, wo KI in deinem Unternehmen wirklich Nutzen stiftet. Hier brauchst du jemanden mit Analyse-Methodik und Branchenverständnis – und mit genug technischer Erfahrung, um Machbarkeit realistisch einzuschätzen.
• Umsetzung: Du hast einen konkreten Use Case und willst ein funktionierendes System. Hier zählt Entwicklungskompetenz: Integrationen, Automatisierung, Betrieb.
• Kombination: Viele KMU brauchen faktisch alle drei Stufen nacheinander. Dann ist die entscheidende Frage, ob ein Anbieter den ganzen Weg glaubwürdig abdeckt – oder ob du bewusst trennst: öffentliche Angebote für die Orientierung, ein Berater für Analyse und Umsetzung.

Erst wenn du weißt, welchen Typ du suchst, machen die folgenden Kriterien Sinn.

Welche Kompetenzen braucht ein KI-Berater?

Die Kurzantwort: vier Kompetenzfelder gleichzeitig, und das vierte wird am häufigsten vergessen.

1. Technische Umsetzungspraxis. Der Berater sollte selbst Systeme gebaut haben – LLM-Integrationen, Automatisierungs-Workflows, interne Tools. Nicht, weil jedes Mandat Entwicklung enthält, sondern weil nur Umsetzungserfahrung vor Konzepten schützt, die in der Praxis nicht funktionieren. Meine Testfrage dafür: „Was war dein letztes Projekt, das gescheitert ist oder anders lief als geplant – und warum?” Wer darauf keine konkrete Antwort hat, hat entweder nie gebaut oder redet nicht ehrlich.

2. Prozess- und Geschäftsverständnis. KI-Nutzen entsteht in Prozessen: Angebotswesen, Kundenservice, Dokumentenverarbeitung, Disposition. Ein guter Berater stellt im Erstgespräch mehr Fragen zu deinen Abläufen als zu deiner IT – und kann nach der Analyse in deiner Sprache erklären, wo Aufwand sitzt und was sich davon automatisieren lässt.

3. Rechtliches Grundwissen. Kein Berater ersetzt einen Anwalt, und seriöse Anbieter sagen das auch. Aber Grundlagen muss er beherrschen: DSGVO-Fragen beim Einsatz von Cloud-KI, Auftragsverarbeitung, und den EU AI Act, dessen Pflichten gestaffelt greifen – die Verbote und die KI-Kompetenzpflichten gelten laut Europäischer Kommission bereits seit Februar 2025, die Regeln für GPAI-Modelle seit August 2025, und ab dem 2. August 2026 ist die Verordnung in weiten Teilen anwendbar. Ein Berater, der auf die Frage „Was bedeutet der AI Act für dieses Projekt?” ausweicht, plant an deiner Compliance vorbei. (Stand Juli 2026; keine Rechtsberatung – verbindliche Auskünfte gehören zu Anwalt oder Datenschutzbeauftragtem.)

4. Methodik. Das unterschätzte Feld: Kann der Berater Use Cases systematisch priorisieren, einen Pilot mit vorher definierten Erfolgskriterien aufsetzen und am Ende sauber sagen „weitermachen, anpassen oder stoppen”? Ohne Methodik wird aus Beratung Bastelei – auch mit exzellenter Technik.

Ein einzelner Kopf muss nicht in allen vier Feldern Weltklasse sein. Aber alle vier müssen im Projekt abgedeckt sein, und du solltest wissen, durch wen.

Welche Ergebnisse gehören ins Angebot?

Ein belastbares Angebot definiert pro Phase ein prüfbares Ergebnis – etwas, das du in der Hand hältst und bewerten kannst, unabhängig davon, wie sympathisch die Zusammenarbeit war:

• Analysephase: eine dokumentierte Prozessaufnahme und eine priorisierte Use-Case-Liste mit Begründung (Nutzen, Machbarkeit, Datenlage, Risiko) – nicht nur „wir schauen uns alles an”.
• Konzeptphase: eine Empfehlung mit Alternativen und deren Trade-offs, inklusive einer ehrlichen Aussage, was nicht automatisiert werden sollte.
• Umsetzungsphase: ein funktionierendes System mit vorher vereinbarten Abnahmekriterien, Dokumentation und Zugängen, die dir gehören.
• Abschluss: eine Übergabe, mit der dein Team weiterarbeiten kann – Schulung, Betriebsdokumentation, klar geregelte Verantwortung für Wartung.

Warnzeichen im Angebotstext sind Ergebnis-Attrappen: „Begleitung”, „Sparring”, „Impulse”, „Workshops nach Bedarf”. Das können sinnvolle Bestandteile sein, aber sie sind keine Ergebnisse. Wenn du nach dem Lesen des Angebots nicht sagen kannst, woran du in drei Monaten Erfolg oder Misserfolg festmachst, ist das Angebot nicht fertig.

Genauso wichtig: Das Angebot sollte ein definiertes Ende haben. Ein Beratungsprojekt ohne Endpunkt ist ein Abo.

Welche Referenzen sind belastbar?

Logos auf der Website sind Dekoration. Belastbar wird eine Referenz durch drei Dinge:

1. Nachvollziehbarer Kontext. Was war das Ausgangsproblem, was wurde gebaut, was hat sich messbar verändert? Eine gute Case Study nennt auch, was nicht funktioniert hat oder länger gedauert hat als geplant. Referenzen, in denen alles glatt lief, sind entweder geschönt oder das Projekt war trivial.
2. Vergleichbarkeit mit deiner Situation. Eine Referenz aus einem Konzern sagt wenig über die Arbeit mit einem 40-Personen-Betrieb. Relevant ist: ähnliche Unternehmensgröße, ähnliche Prozessart, ähnlicher Systemzoo. Interessant ist hier auch die Marktlage: Laut ifo nutzen große Unternehmen mit 67,2 % deutlich häufiger KI als kleine (51,2 %) und mittlere (47,2 %) – Berater mit echter KMU-Erfahrung sind entsprechend seltener, als der Markt suggeriert.
3. Ansprechbarkeit. Die stärkste Prüfung ist ein Referenzgespräch: Bitte um den Kontakt zu einem früheren Kunden und stelle drei Fragen – Was wurde geliefert? Läuft es noch? Würdest du wieder beauftragen? Seriöse Berater ermöglichen mindestens ein solches Gespräch. Wer das kategorisch verweigert, hat entweder keine zufriedenen Kunden oder keine, deren Projekte je live gingen.

Zertifikate sind das schwächste Signal in diesem Markt: Es gibt keine anerkannte Standardqualifikation für KI-Beratung, und ein Wochenendkurs-Zertifikat sagt nichts über Umsetzungskompetenz. Als Ausschlusskriterium taugt eher das Gegenteil – wer nur mit Zertifikaten wirbt und keine Projekte zeigen kann, hat noch keine gemacht.

Welche Warnsignale gibt es?

Aus meinen Erstgesprächen mit Unternehmen, die vorher woanders beraten wurden, wiederholen sich einige Muster. Jedes einzelne davon wäre für mich ein Grund, das Gespräch zu beenden:

• Garantien vor jeder Analyse. Wer dir Einsparquoten, Automatisierungsgrade oder gar Rechtskonformität zusichert, bevor er einen einzigen Prozess gesehen hat, verkauft eine Zahl, die er sich ausgedacht hat. Seriös sind Bandbreiten mit offengelegten Annahmen – nach der Analyse.
• Tool-Empfehlung im Erstgespräch. Wenn die Lösung feststeht, bevor das Problem verstanden ist, bekommst du keine Beratung, sondern Vertrieb. Frage direkt nach: „Erhältst du Provisionen oder Partnervergütungen von Softwareherstellern?” Provisionsmodelle sind nicht per se illegitim – verschwiegen sind sie es.
• Kein Wort zu Datenschutz und AI Act. Wer bei Kundendaten in Cloud-Modellen nicht von sich aus DSGVO und Auftragsverarbeitung anspricht, wird es auch im Projekt nicht tun.
• Buzzword-Dichte statt Prozessfragen. Ein Erstgespräch, in dem mehr über „Transformation” und „Disruption” geredet wird als über dein Angebotswesen oder deinen Kundenservice, ist ein Verkaufsgespräch.
• Eingebaute Abhängigkeit. Lösungen, die nur auf Systemen des Beraters laufen, ohne Dokumentation übergeben werden oder deren Zugänge beim Berater liegen, machen aus einem Projekt ein unkündbares Abo. Frage vorher: „Was passiert, wenn wir uns nach dem Projekt trennen?”
• Alles-Könner-Positionierung. Ein Zwei-Personen-Anbieter, der Strategie, Entwicklung, Datenschutzrecht und Change-Management gleichermaßen als Kernkompetenz führt, überzieht. Gute Anbieter benennen, was sie nicht machen.

Wie vergleichst du Scope und Betrieb?

Das Kernproblem beim Angebotsvergleich: Ein Tagesworkshop und ein mehrmonatiges Umsetzungsprojekt stehen scheinbar in Konkurrenz, sind aber verschiedene Produkte in völlig verschiedenen Preisklassen. Vergleichbar werden sie erst, wenn du beide in dieselben Blöcke zerlegst: Analyse, Konzept, Umsetzung, Schulung, Betrieb. Trage für jedes Angebot ein, was im jeweiligen Block enthalten ist, was das prüfbare Ergebnis ist – und vor allem, was nach Projektende passiert.

Der Betrieb ist dabei der am häufigsten übersehene Block. Ein KI-System ist nach dem Go-live nicht fertig: Modelle und APIs ändern sich, Prompts müssen nachjustiert werden, Fehlerfälle brauchen einen Ansprechpartner. Kläre vor der Beauftragung: Wer wartet das System? Zu welchen Konditionen? Kann dein Team das nach einer Übergabe selbst – und ist diese Übergabe im Angebot enthalten oder kostet sie extra? Ein günstiges Projekt mit ungeklärtem Betrieb ist oft das teuerste.

Zu den Kosten selbst nenne ich hier bewusst keine Marktpreise – es gibt keine belastbare öffentliche Statistik über Tagessätze in der KI-Beratung, und jede konkrete Zahl wäre erfunden. Was du stattdessen vergleichen kannst: das Preismodell. Festpreis pro Phase macht Ergebnisse verbindlich und ist für klar umrissene Analysen und Piloten meist die fairste Form. Tagessätze passen für offene Begleitung, verlagern aber das Scope-Risiko zu dir. Retainer lohnen sich erst, wenn laufender Betrieb wirklich existiert. Misstrauisch solltest du bei erfolgsabhängigen Modellen auf Basis „eingesparter Kosten” sein – die Bemessungsgrundlage ist fast nie sauber messbar und programmiert Streit vor.

Kriterienmatrix: Angebote nebeneinanderlegen

Diese Matrix nutze ich selbst, wenn Unternehmen mich bitten, ein Fremdangebot einzuordnen. Bewerte jedes Kriterium pro Anbieter mit 0 (nicht erfüllt), 1 (teilweise) oder 2 (klar erfüllt). Die Gewichtung spiegelt, was in KMU-Projekten erfahrungsgemäß über Erfolg entscheidet – passe sie an deine Situation an:

Kriterium	Gewicht	Leitfrage
Umsetzungsnachweis	×3	Hat der Anbieter vergleichbare Systeme selbst gebaut und kann sie zeigen?
Prüfbare Ergebnisse im Angebot	×3	Steht pro Phase ein konkretes, abnahmefähiges Ergebnis im Angebot?
Referenz ansprechbar	×2	Bekommst du ein Referenzgespräch mit einem früheren Kunden?
KMU-Passung	×2	Ähnliche Unternehmensgröße und Prozesswelt in bisherigen Projekten?
Datenschutz & AI Act adressiert	×2	Spricht der Anbieter DSGVO/AI Act von sich aus an und benennt Grenzen?
Exit & Übergabe geregelt	×2	Gehören dir Zugänge, Code und Doku? Ist die Übergabe im Preis?
Betrieb geklärt	×2	Ist definiert, wer das System nach Go-live wartet und was das kostet?
Unabhängigkeit	×1	Keine verdeckten Provisionen; Tool-Empfehlung erst nach Analyse?
Ehrlichkeit über Grenzen	×1	Benennt der Anbieter, was er nicht kann und was KI nicht lösen wird?

Maximal sind 36 Punkte erreichbar. Wichtiger als die Summe sind zwei Regeln: Ein Anbieter mit 0 bei „Umsetzungsnachweis” oder „Prüfbare Ergebnisse” fällt raus, egal wie hoch der Rest ist. Und wenn zwei Anbieter nah beieinander liegen, entscheidet das Referenzgespräch – nicht der Preis.

Vorgehen: Auswahl in fünf Schritten

1. Bedarf klären, bevor du suchst. Orientierung, Strategie oder Umsetzung? Für reine Orientierung zuerst die kostenfreien, anbieterneutralen Angebote der Mittelstand-Digital-Zentren prüfen.
2. Anforderung in einer Seite formulieren. Ausgangslage, zwei bis drei Prozesse, in denen du Potenzial vermutest, vorhandene Systeme, grober Rahmen. Diese Seite bekommt jeder Kandidat – so vergleichst du Antworten auf dieselbe Frage.
3. Zwei bis drei Erstgespräche führen. Achte weniger auf die Präsentation als auf das Fragenverhältnis: Guter Beratereinstieg besteht überwiegend aus Fragen zu deinen Prozessen.
4. Angebote mit der Matrix bewerten und mindestens beim Favoriten ein Referenzgespräch führen.
5. Klein starten. Beauftrage zuerst eine abgegrenzte Analyse- oder Pilotphase mit definiertem Ergebnis statt eines Großprojekts. Nach dieser Phase weißt du, wie der Berater arbeitet – und kannst mit echter Erfahrung über den nächsten Schritt entscheiden.

Risiken und Grenzen

Auch eine saubere Auswahl garantiert kein gelungenes Projekt. Drei Grenzen solltest du einkalkulieren: Erstens kann kein Berater fehlende interne Verantwortung ersetzen – ohne eine Person in deinem Haus, die Zeit und Mandat für das Thema hat, versandet jedes noch so gute Konzept. Zweitens ist die Datenlage oft der eigentliche Engpass; ein ehrlicher Berater wird dir gegebenenfalls sagen, dass vor der KI erst die Prozess- oder Datenbasis dran ist, auch wenn das sein Auftragsvolumen verkleinert. Drittens bleibt ein Restrisiko der Fehleinschätzung: Piloten dürfen scheitern – entscheidend ist, dass das früh, günstig und mit klarem Erkenntnisgewinn passiert statt spät und teuer. Mehr dazu, woran KI-Projekte typischerweise scheitern, findest du in unserem Themen-Cluster KI-Strategie.

Und eine Grenze in eigener Sache: Wenn du nach der Lektüre prüfen willst, ob ich meine eigenen Kriterien erfülle – genau dafür ist ein kostenloses Erstgespräch da. Wie ich arbeite, steht unter KI-Beratung; wenn es primär um Teamkompetenz geht, sind unsere Schulungen der passendere Einstieg.

Checkliste: Vor der Beauftragung

• Bedarfstyp geklärt: Orientierung, Strategie oder Umsetzung?
• Kostenfreie Alternativen geprüft (Mittelstand-Digital-Zentren für Orientierung und Schulung)
• Einseitige Anforderungsbeschreibung an alle Kandidaten verschickt
• Umsetzungsnachweis gesehen: echte Projekte, nicht nur Folien und Zertifikate
• Angebot enthält prüfbare Ergebnisse pro Phase und ein definiertes Ende
• Referenzgespräch mit einem früheren Kunden geführt
• Datenschutz und AI Act vom Anbieter aktiv adressiert (Stand der Pflichten: Juli 2026)
• Interessenkonflikte abgefragt: Provisionen, Partnerschaften, Tool-Bindung
• Exit geregelt: Zugänge, Code und Dokumentation gehören dir
• Betrieb nach Go-live geklärt: wer, wie, zu welchen Konditionen
• Kriterienmatrix ausgefüllt – K.-o.-Kriterien beachtet
• Start mit abgegrenzter Analyse- oder Pilotphase statt Großprojekt