Ein KI-Produkt ohne Hype positionieren

Von Brian Tr · Aktualisiert am 5. Oktober 2026

Ein KI-Produkt gut zu positionieren heißt, einem Käufer zu sagen, welche Aufgabe es erledigt, für wen, im Vergleich zu dem, was er heute tut, und wie weit er dem Ergebnis vertrauen kann. Es heißt nicht, „KI-gestützt“ in die Überschrift zu schreiben. Diese Formulierung war für kurze Zeit ein Unterscheidungsmerkmal. Heute behauptet das jeder Wettbewerber, und zunehmend ist es eine Behauptung, die Aufsichtsbehörden genau lesen.

Diese Seite wendet etablierte Positionierungs-Frameworks auf KI-Produkte an. Sie erklärt, warum „KI“ als Botschaft nicht mehr funktioniert, wie Sie April Dunfords Komponenten, Jobs-to-be-done und Geoffrey Moores Positionierungsaussage nutzen, warum die Wettbewerbsalternative meist eine Person oder eine Tabelle ist und keine andere Software, wie Sie über Genauigkeit und menschliche Aufsicht sprechen und was die US-amerikanische Federal Trade Commission (FTC) und die Securities and Exchange Commission (SEC) zu Übertreibungen gesagt haben.

Warum „KI-gestützt“ kein Unterscheidungsmerkmal mehr ist

Ein Unterscheidungsmerkmal muss auf Sie zutreffen und auf Ihre Alternativen nicht. „Nutzt KI“ scheitert heute an beiden Hälften. Die KI-Nutzung in Organisationen erreichte 2025 laut dem Stanford 2026 AI Index 88 Prozent, und derselbe Bericht zählt in jenem Jahr 1.953 neu finanzierte KI-Unternehmen in den USA. Wenn die meisten Käufer KI bereits nutzen und Tausende Startups sie für sich beanspruchen, sagt das Wort einem Käufer nichts darüber, warum er sich für Sie entscheiden sollte.

Es gibt ein zweites Problem. „KI-gestützt“ beschreibt, wie ein Produkt gebaut ist, und Käufer kaufen keine Bauweisen. Sie kaufen ein Ergebnis. Eine Finanzdirektorin, die Software für Rechnungen bewertet, will weniger manuelle Eingaben und weniger Fehler, und ob ein Modell oder eine Regel-Engine das liefert, ist zweitrangig. Wenn Ihre Überschrift die Technologie beschreibt, muss der Käufer die Übersetzung in Wert selbst leisten, und die meisten tun das nicht.

Das ist die praktische Folge der Definition in Was ist ein AI-native Startup?: Die KI ist der Motor, aber das Ergebnis ist das Produkt. Die Positionierung sollte dem Produkt folgen, nicht dem Motor.

Die Frameworks, angewendet auf KI

Vier bekannte Frameworks erledigen den Großteil der Arbeit. Keines wurde für KI geschrieben, und genau darum geht es: Sie beschreiben, wie Käufer entscheiden, und das hat sich nicht geändert.

Ries und Trout: eine Position im Kopf des Käufers besetzen

Al Ries und Jack Trouts Positioning: The Battle for Your Mind versteht Positionierung als den Platz, den ein Produkt im Kopf eines Interessenten im Verhältnis zu Wettbewerbern einnimmt, nicht als etwas, das Sie mit dem Produkt selbst tun. Für KI-Produkte geht es bei dieser Lektion um Gedränge. Wenn zehn Anbieter in Ihrer Kategorie „KI-gestützt“ sagen, ist dieser Platz besetzt, und im Kopf des Käufers ist kein Raum für einen elften. Die offenen Positionen sind die spezifischen: eine benannte Aufgabe, eine benannte Branche, ein benanntes Ergebnis.

April Dunford: fünf Komponenten

April Dunfords Positionierungsarbeit, dargelegt in ihrem Buch Obviously Awesome, zerlegt Positionierung in Komponenten, die aufeinander aufbauen. Die häufig zitierte Liste lautet: Wettbewerbsalternativen, einzigartige Eigenschaften, Wert, Merkmale der Zielkunden und Marktkategorie, mit relevanten Trends als optionaler sechster Komponente. So sieht jede davon für ein KI-Produkt aus.

Die Reihenfolge ist wichtig. In einem Interview mit Gainsight sagt Dunford: Wenn Sie die Wettbewerbsalternative falsch bestimmen, ist alles Nachgelagerte falsch. Deshalb widmet sich der nächste Abschnitt ausführlich diesem Thema.

Jobs to be done: die Aufgabe benennen

Der Jobs-to-be-done-Ansatz, den Clayton Christensen und Mitautoren im Harvard-Business-Review-Artikel Know Your Customers' "Jobs to Be Done" darlegen, geht von der Aufgabe aus, die ein Kunde erledigen will, statt von Kundendemografie oder Produktfunktionen. Auf Positionierung angewendet liefert er Ihnen einen Test: Können Sie den Satz „Menschen engagieren dieses Produkt, um ...“ vollenden, ohne das Wort „KI“ zu verwenden? Funktioniert der Satz nur mit der Technologie darin, haben Sie die Aufgabe noch nicht gefunden.

Eine brauchbare Aufgabe ist spezifisch und hat ein „Vorher“ und ein „Nachher“. „Einen Stapel eingehender Lieferantenrechnungen in freigegebene Zahlungen verwandeln, ohne sie abzutippen“ ist eine Aufgabe. „KI für die Finanzabteilung nutzbar machen“ ist keine. Mehr dazu, wie Sie Aufgaben, Schmerzpunkte und Nutzen einem Produkt zuordnen, finden Sie im Value Proposition Canvas.

Geoffrey Moore: die Positionierungsaussage

Geoffrey Moores Positionierungsaussage aus Crossing the Chasm ist eine Vorlage aus einem Satz. Sie lautet ungefähr: Für [Zielkunde], der [Bedarf oder Chance], ist unser [Produkt] ein [Kategorie], das [zentraler Nutzen]; anders als [Wettbewerbsalternative] bietet unser Produkt [wichtigste Differenzierung]. Sie ist nützlich, weil sie Sie zwingt, jede Lücke zu füllen, und KI-Produkte lassen gern zwei davon aus: die Wettbewerbsalternative und den konkreten Nutzen.

Hier ist eine illustrative Vorlage, kein reales Unternehmen:

Für Kreditorenbuchhaltungsteams bei mittelgroßen Großhändlern, die Tage mit dem Erfassen von Lieferantenrechnungen verbringen, ist [Produkt] ein Service zur Rechnungsverarbeitung, der Rechnungen in kontierte, freigabebereite Buchungen verwandelt. Anders als manuelle Erfassung oder vorlagenbasiertes OCR verarbeitet [Produkt] neue Lieferantenlayouts ohne Einrichtung und leitet unsichere Felder zur Prüfung an eine Person weiter.

Beachten Sie, dass „KI“ nirgends vorkommt. Der Mechanismus steckt in „verarbeitet neue Lieferantenlayouts ohne Einrichtung“, einer einzigartigen Eigenschaft, die ein Käufer überprüfen kann. Eine breitere Behandlung des Konzepts finden Sie unter Wettbewerbspositionierung und auf der Seite zum Wertversprechen.

Die richtige Wettbewerbsalternative wählen

Die meisten KI-Gründer nennen andere KI-Startups als ihre Konkurrenz. Käufer tun das selten. Die echten Alternativen eines Käufers, grob geordnet danach, wie oft sie gewinnen, sind:

1. Nichts tun. Das Problem ist lästig, aber erträglich, und der Status quo kostet nichts.
2. Eine Person. Ein Mitarbeiter, ein Auftragnehmer, ein ausgelagertes Team oder ein Praktikant erledigt die Arbeit heute.
3. Eine Tabelle oder ein manueller Prozess. Die Arbeit findet in Tools statt, die der Käufer bereits besitzt.
4. Bestehende Software mit einer neuen KI-Funktion. Die etablierte Plattform, für die er bereits zahlt, enthält jetzt etwas, das nah genug herankommt.
5. Ein anderes AI-native Produkt. Das ist der Wettbewerber, um den sich Gründer sorgen, und oft der letzte, den der Käufer in Betracht zieht.

Dunford macht im oben genannten Interview denselben Punkt: Die Wettbewerbsalternativen zu dem, was Sie tun, sehen oft nicht wie direkte Konkurrenten aus, und der echte Konkurrent ist oft „nichts tun“ oder „einen Praktikanten damit beauftragen“.

Die Wahl verändert die Botschaft. Ist Ihre Alternative eine Person, geht es in Ihrer Positionierung um Durchsatz, Konsistenz und Kosten pro Aufgabe, und Ihr Nachweis ist ein direkter Vergleich mit dem Output dieser Person. Ist es die integrierte Funktion eines etablierten Anbieters, geht es um Tiefe: den Teil der Aufgabe, den die integrierte Funktion nur halb erledigt und Sie zu Ende bringen. Ist es ein anderes KI-Produkt, brauchen Sie eine engere Kategorie oder einen konkreten Datenvorteil, also das Terrain, das AI wrapper vs. AI-native und Vertikale KI vs. horizontale KI behandeln.

Mit dem Ergebnis beginnen, mit dem Mechanismus belegen

Sobald die Alternative klar ist, strukturieren Sie die Botschaft in drei Ebenen.

Das Ergebnis, in den Worten des Käufers. „Schließen Sie die Bücher drei Tage schneller ab.“ „Beantworten Sie Routine-Supporttickets, bevor der Kunde nachhakt.“ Nennen Sie das Ergebnis, das ein Käufer in seinem eigenen Geschäft messen kann.

Der Mechanismus, in einem einfachen Satz. Erklären Sie die Funktionsweise auf der Ebene, die ein skeptischer Käufer braucht. „Es liest jede Rechnung, schlägt die Kontierung vor und markiert alles, bei dem es unsicher ist, für eine Person.“ Hier gehört KI hin, als Erklärung des Wie, nach dem Was.

Der Nachweis, in Zahlen, die Sie verteidigen können. Von Kunden gemessene Ergebnisse, Testergebnisse auf den eigenen Daten des Käufers oder ein Pilotprojekt. Wenn Sie diese noch nicht haben, sagen Sie, was Sie in einem Pilotprojekt messen werden, statt einen Benchmark zu erfinden.

Genauigkeit und menschliche Aufsicht klar benennen

KI-Produkte scheitern anders als klassische Software. Sie stürzen nicht ab, sie liefern eine plausible falsche Antwort. So zu tun, als wäre es anders, ist ein Positionierungsfehler und ein ethischer Fehler zugleich, denn der Käufer, der die Grenzen erst nach dem Kauf entdeckt, wird zum Kritiker.

Grenzen zu benennen kann selbst Positionierung sein. Drei Gewohnheiten helfen:

• Sagen Sie, wobei das Produkt genau ist, und auf welchen Daten. Eine Genauigkeitsangabe ohne Datensatz, Aufgabe und Datum ist ein Werbespruch. Eine Angabe mit allen dreien ist eine Aussage, die ein Käufer prüfen kann.
• Zeigen Sie, wo ein Mensch im Workflow sitzt. „Leitet Ergebnisse mit geringer Konfidenz an eine prüfende Person weiter“ sagt einem risikoscheuen Käufer, dass jemand verantwortlich ist. In regulierter oder kritischer Arbeit ist menschliche Aufsicht oft die Funktion, die den Kauf überhaupt genehmigungsfähig macht.
• Sagen Sie, was es nicht tut. Eine einzeilige Abgrenzung („es entwirft, es erteilt keine Rechtsberatung“) beseitigt eine ganze Klasse von Einwänden und eine ganze Klasse von Haftungsrisiken.

Die Genauigkeitsfrage hat Gewicht. Im April 2025 kündigte die FTC eine vorgeschlagene Anordnung gegen Workado an, das seinen KI-Inhaltsdetektor als „98 Prozent“ genau beworben hatte. Laut der Pressemitteilung der FTC ergaben unabhängige Tests eine Genauigkeit von 53 Prozent bei allgemeinen Inhalten, und die FTC warf dem Unternehmen vor, das zugrunde liegende Modell sei nur für die Klassifizierung akademischer Inhalte trainiert oder per fine-tuning angepasst worden. Die vorgeschlagene Anordnung untersagte Workado Wirksamkeitsaussagen zu den betroffenen Produkten ohne kompetente und verlässliche Belege zum Zeitpunkt der Aussage. Die FTC genehmigte die endgültige Anordnung im August 2025. Die Lehre für die Positionierung ist eng und praktisch: Eine Genauigkeitszahl ist eine rechtliche Aussage, also braucht sie einen Test dahinter, der zu der Grundgesamtheit passt, die die Aussage impliziert.

Das Rechtsrisiko von Übertreibungen („AI Washing“)

„AI Washing“ bedeutet, die Rolle von KI in einem Produkt oder Unternehmen zu übertreiben oder zu erfinden. Zwei US-Behörden sind dagegen vorgegangen, und beide Stellungnahmen sind dokumentiert.

Die FTC. Am 25. September 2024 kündigte die FTC fünf Durchsetzungsmaßnahmen an, die sie als hartes Vorgehen gegen irreführende KI-Aussagen bezeichnete. In der Pressemitteilung sagte die damalige Vorsitzende Lina Khan, es gebe keine KI-Ausnahme von den geltenden Gesetzen. Ein Fall betraf DoNotPay, das nach Angaben der FTC behauptet hatte, „den ersten Roboteranwalt der Welt“ anzubieten. Die Klage der FTC warf dem Unternehmen vor, nicht getestet zu haben, ob der Output seines Chatbots dem eines menschlichen Anwalts entsprach, und keine Anwälte eingestellt oder beauftragt zu haben. DoNotPay stimmte einer vorgeschlagenen Anordnung zu, die eine Zahlung von $193.000, eine Mitteilung an Abonnenten über die Grenzen seiner rechtsbezogenen Funktionen und ein Verbot der Behauptung vorsah, es könne ohne Belege eine professionelle Dienstleistung ersetzen. Weitere Maßnahmen in derselben Mitteilung betrafen Geschäftsmodell-Maschen, die Einkommen aus „KI-gestützten“ Online-Shops versprachen.

Die SEC. Am 18. März 2024 gab die SEC beigelegte Vorwürfe gegen zwei Anlageberater bekannt, Delphia (USA) Inc. und Global Predictions Inc., wegen falscher und irreführender Aussagen über ihren Einsatz von KI. In ihrer Pressemitteilung erklärte die SEC, Delphias Aussagen, es nutze KI und maschinelles Lernen mit Kundendaten in seinem Anlageprozess, seien falsch und irreführend gewesen, weil es diese Fähigkeiten nicht besaß, und Global Predictions habe fälschlich behauptet, der „erste regulierte KI-Finanzberater“ zu sein. Die Firmen zahlten zivilrechtliche Strafen von $225.000 und $175.000. Der Direktor der Enforcement Division der SEC sagte außerdem, dass börsennotierte Emittenten, die Aussagen über ihre KI-Nutzung machen, ebenfalls wachsam bleiben müssten, was ähnliche Falschaussagen angeht.

Bei diesen Fällen handelte es sich um eine Verbraucherschutzmaßnahme der FTC und ein wertpapierrechtliches Verfahren der SEC, und die Sachverhalte unterscheiden sich. Gemeinsam ist ihnen die Logik: Wenn Sie sagen, Ihr Produkt tue etwas mit KI, müssen Sie es belegen können, und zwar zu dem Zeitpunkt, an dem Sie es sagen. Dasselbe gilt für das Pitch Deck, die Website und die Pressemitteilung eines Startups, denn Investoren und Käufer verlassen sich gleichermaßen darauf. Dies ist keine Rechtsberatung, und die Regeln unterscheiden sich je nach Land und Branche, daher sollte ein Startup, das Leistungs- oder Fähigkeitsaussagen macht, diese von einem Rechtsbeistand prüfen lassen.

Eine kurze Prüfung vor der Veröffentlichung:

Wichtige Fakten

• „KI“ ist kein Unterscheidungsmerkmal mehr: 88 Prozent der Organisationen meldeten 2025 eine KI-Nutzung, laut dem Stanford 2026 AI Index, der in jenem Jahr außerdem 1.953 neu finanzierte KI-Unternehmen in den USA zählt.
• Beginnen Sie bei der Alternative: April Dunford sagt, wenn Sie die Wettbewerbsalternative falsch bestimmen, sei alles Nachgelagerte falsch, und die echte Alternative sei oft „nichts tun“ oder eine Person (Interview mit Gainsight).
• Genauigkeitsaussagen sind rechtliche Aussagen: Die Anordnung der FTC gegen Workado folgte auf eine Genauigkeitsaussage von „98 Prozent“, der in unabhängigen Tests 53 Prozent bei allgemeinen Inhalten gegenüberstanden (FTC).
• Es gibt keine KI-Ausnahme: Die Aktion der FTC vom 25. September 2024 betraf fünf Unternehmen, darunter DoNotPay, das einer vorgeschlagenen Anordnung mit einer Zahlung von $193.000 zustimmte (FTC).
• AI Washing hat wertpapierrechtliche Folgen: Die Vergleiche der SEC vom 18. März 2024 mit Delphia und Global Predictions beliefen sich auf insgesamt $400.000 an zivilrechtlichen Strafen (SEC).

Wie Positionierung mit dem Go-to-Market zusammenhängt

Positionierung liegt allem vorgelagert, was ein Growth-Team tut. Der Zielkunde entscheidet, wo Sie werben und wen Sie anrufen. Die Wettbewerbsalternative entscheidet, was Sie vorführen und womit Sie vergleichen. Die Kategorie entscheidet, unter welchen Analysten, Verzeichnissen und Suchbegriffen Sie auftauchen. Wenn Sie die ersten drei Komponenten sauber festgelegt haben, werden die Entscheidungen in Ihrem Go-to-Market-Framework leichter, und Ihre Preisgeschichte aus Geschäftsmodelle von KI-Startups hat einen Anker: ein Ergebnis, das Käufer bereits schätzen.

Wenn Sie ein bestehendes Produkt neu positionieren, gilt dieselbe Reihenfolge. Fragen Sie die fünf Käufer erneut, was sie heute tun, schreiben Sie die Aussage mit jeder gefüllten Lücke neu, streichen Sie jedes „KI-gestützt“, das Sie nicht verteidigen können, und prüfen Sie, ob die Botschaft noch ankommt. Wenn nicht, lag das Problem nie an der Formulierung.

Weiterführende Lektüre

• Kunden für KI-Produkte gewinnen
• Warum Demos bei KI-Produkten wichtiger sind
• Was ist ein AI-native Startup?
• AI wrapper vs. AI-native
• Vertikale KI vs. horizontale KI
• Geschäftsmodelle von KI-Startups
• Wettbewerbspositionierung
• Value Proposition Canvas
• Go-to-Market-Framework