Was tun, wenn der Anbieter eines KI-Produkts den Dienst einstellt?
Kurz gesagt
KI-Produkte hängen oft vollständig von der Cloud-Infrastruktur eines Anbieters ab — fällt dieser aus, funktioniert auch bezahlte Hardware oder eine laufende Integration nicht mehr. Dokumentierte Fälle reichen von einem Schul-Chatbot, dessen Anbieter kurz nach dem Start den Betrieb einstellte, bis zu Hardware, die nach der Abschaltung der Cloud praktisch nutzlos wurde. Wer KI-Dienste einkauft, sollte Exit-Szenarien vertraglich klären, bevor der Ernstfall eintritt.
Ein funktionierendes Modell ist kein funktionierendes Produkt
Viele öffentlich diskutierte KI-„Fehlschläge" sind gar keine Modellfehler, sondern gescheiterte Geschäftsmodelle, Lieferantenausfälle oder eine Kapitalstruktur, die dem eigentlichen Betrieb nicht standhielt. Für Unternehmen, die KI-Werkzeuge einkaufen statt selbst zu entwickeln, ist das die eigentlich relevante Risikoklasse — nicht die Frage, ob das Modell gut rechnet, sondern ob der Anbieter in einem Jahr noch existiert.
Wenn der Anbieter verschwindet
Der Los Angeles Unified School District präsentierte 2024 „Ed" als personalisierten KI-Assistenten für Schüler und Familien. Kurz nach dem Start beurlaubte der Anbieter AllHere seine Belegschaft und stellte den Betrieb weitgehend ein; wichtige Funktionen wurden deaktiviert. Der Distrikt verlor einen zentralen Dienstleister, und es entstanden offene Fragen zu Vertrag, Kontrolle und Verbleib sensibler Schülerdaten. Dokumentiert ist: Ein strategisch wichtiger Dienst hing stark von einem jungen Anbieter ab, dessen Finanzierung und Betriebsfähigkeit ungewiss waren — Exit-, Datenrückgabe- und Kontinuitätspläne waren öffentlich nicht überzeugend sichtbar.
Noch deutlicher zeigte sich das Risiko beim Humane AI Pin: Der Hersteller verkaufte zentrale Bestandteile für 116 Millionen US-Dollar an HP und beendete den Dienst. Nach Abschaltung der Cloud Ende Februar 2025 verloren die Geräte den Großteil ihrer Kernfunktionen — Kunden besaßen Hardware, die ohne den zentralen Dienst weitgehend unbrauchbar wurde, nachdem das Unternehmen zuvor rund 241 Millionen US-Dollar Finanzierung eingeworben hatte. Die Lehre: Bei Cloud-gebundener Hardware ist die Dienststilllegung ein reales Produkt- und Eigentumsrisiko, das vor dem Kauf transparent sein muss.
Wenn ein prominentes Projekt eingestellt wird
Auch etablierte Konzerne beenden groß angekündigte KI-Vorhaben, wenn Wirtschaftlichkeit oder Marktreife nicht erreicht werden:
- IBM verkaufte 2022 mehrere Watson-Health-Daten- und Analyseprodukte, nachdem das Geschäft nach Jahren hoher Erwartungen seine ursprüngliche Form nicht halten konnte.
- Ford und Volkswagen stellten 2022 die Finanzierung des autonomen Fahrunternehmens Argo AI ein; Ford verbuchte eine Wertminderung von 2,7 Milliarden US-Dollar, weil vollautonomer Massenbetrieb wirtschaftlich weiter entfernt war als geplant.
- Apple beendete 2024 laut übereinstimmender Berichterstattung nach etwa einem Jahrzehnt sein Autoprojekt.
- Facebook stellte seinen menschlich unterstützten Assistenten M nach mehr als zwei Jahren ein, weil der breite Aufgabenraum einen verdeckt hohen manuellen Aufwand erforderte, der sich nicht skalieren ließ.
Keiner dieser Fälle beweist, dass die zugrundeliegende Technologie unbrauchbar war — sie belegen, dass ein nicht mehr getragenes Geschäfts- oder Investitionsmodell das Produkt unabhängig von der technischen Leistung beendet.
Wenn die Qualität dem Kostenziel geopfert wird
Klarna hatte den Produktivitätsgewinn seines KI-Kundenservice-Assistenten stark hervorgehoben und Personal reduziert. 2025 erklärte der CEO öffentlich, Kosten seien in der Organisation zu dominant gewesen; die gesunkene Servicequalität habe einen erneuten Ausbau menschlichen Supports notwendig gemacht. Klarna gab KI dabei nicht auf — der Fall ist eine Korrektur hin zu einem Hybridmodell, kein vollständiger Rückzug. Die Praxisableitung: Ein guter Durchschnittsdurchsatz kann eine schlechte Erfahrung in komplexen Einzelfällen verdecken, wenn ausschließlich nach Kosten optimiert wird.
Was Unternehmen vor dem Einkauf eines KI-Dienstes prüfen sollten
1. Problem und Zielgruppe enger fassen als die technische Demo — eine beeindruckende Vorführung ist kein Beweis für Betriebsreife. 2. Vollkosten inklusive menschlicher Ausnahmebearbeitung kalkulieren, nicht nur die Lizenzgebühr. 3. Plattform- und Lieferantenabhängigkeit quantifizieren: Wie viele kritische Prozesse hängen an einem einzigen Anbieter? 4. Serviceende, Datenexport und Gewährleistung vertraglich regeln, bevor der Vertrag unterschrieben wird — nicht erst, wenn der Anbieter Insolvenz anmeldet. 5. Escrow- oder Exportklauseln für Quellcode, Konfiguration und Daten vereinbaren, wenn der Dienst geschäftskritisch ist. 6. Einen Ersatzanbieter oder eine Rückfalloption identifizieren, bevor sie gebraucht wird. 7. Pilotprojekte mit klaren Stop-, Skalierungs- und Sunset-Kriterien versehen und diese auch tatsächlich anwenden, statt ein Projekt aus Investitionsschutz fortzuführen. 8. Balanced Scorecard statt reiner Kostenmetrik: Qualität, Beschwerdequote und Kundenbindung gehören in die gleiche Bewertung wie Einsparungen.