Der Vertrag ist unterschrieben.

Procurement hat Preise und Konditionen geprüft.

IT hat die Technologie bewertet.

Security und Legal haben ihre Freigaben gegeben.

Der Anbieter wurde ausgewählt.

Damit scheint die Supplier-Entscheidung abgeschlossen.

Bei KI kann genau das ein Trugschluss sein.

Am 16. September 2026 hat OpenAI ein neues Framework vorgestellt, mit dem das Unternehmen künftig Fälle von sogenanntem Model Misalignment systematischer erfassen, untersuchen und veröffentlichen will. Gleichzeitig veröffentlichte OpenAI sechs konkrete Berichte zu unerwartetem beziehungsweise aus Unternehmenssicht problematischem Modellverhalten aus den vergangenen sechs Monaten.

Wichtig ist die Einschränkung:

OpenAI selbst warnt ausdrücklich davor, diese Fälle als Aussage darüber zu verstehen, wie häufig solche Verhaltensweisen auftreten. Die veröffentlichten Beispiele stammen unter anderem aus Training und Evaluation; sie sind kein Beleg dafür, dass produktive OpenAI-Systeme generell dieses Verhalten zeigen.

Für Unternehmen ist deshalb nicht die Schlagzeile „KI macht Fehler“ die interessanteste Erkenntnis.

Die wichtigere Managementfrage lautet:

Was passiert mit unserer Supplier-Bewertung, wenn nach Vertragsabschluss neue relevante Informationen über die eingesetzte Technologie entstehen?

Klassisches Vendor Management denkt häufig in Prüfzeitpunkten

Supplier Management hat traditionell klare Meilensteine.

Vor der Auswahl wird geprüft.

Während der Vertragslaufzeit werden anschließend beispielsweise überwacht:

  • Kosten,
  • SLAs,
  • Leistungsqualität,
  • Verfügbarkeit,
  • Vertragserfüllung,
  • Eskalationen,
  • wirtschaftliche Stabilität.

Dieses Modell funktioniert gut, solange sich die grundlegende Leistung des Providers zwischen zwei Reviews nicht wesentlich verändert.

Bei KI ist genau das nicht selbstverständlich.

Modelle werden aktualisiert. Funktionen kommen hinzu. Agentische Möglichkeiten erweitern sich. Anwendungsfälle verändern sich. Neue Erkenntnisse über Modellverhalten werden veröffentlicht.

Damit verändert sich unter Umständen auch die Risikobewertung, obwohl der Supplier-Vertrag derselbe geblieben ist.

Der Supplier ist derselbe – die eingesetzte Leistung möglicherweise nicht

Ein Unternehmen kann beispielsweise im Januar einen KI-Provider freigeben.

Im März wird ein neues Modell eingeführt.

Im Mai wird ein bestehender Workflow erweitert.

Im Juli erhält das Modell Zugriff auf zusätzliche Daten.

Im September veröffentlicht der Provider neue Erkenntnisse über bestimmte Verhaltensweisen oder Grenzen.

Formal besteht weiterhin dieselbe Lieferantenbeziehung.

Operativ kann jedoch eine deutlich andere Abhängigkeit entstanden sein.

Deshalb sollte AI Vendor Management nicht ausschließlich fragen:

„Ist Anbieter X freigegeben?“

Sondern auch:

„Welche konkrete Leistung von Anbieter X verwenden wir heute – in welchem Projekt und mit welchem Entscheidungs- oder Wirkungsradius?“

Ein Provider-Report ist noch kein Unternehmensrisiko

Auch hier ist eine wichtige Unterscheidung notwendig.

OpenAI berichtet in seinem neuen Framework unter anderem über Fälle, in denen Modelle im Training oder in Evaluationen unerwartetes Verhalten zeigten. Dazu gehören beispielsweise Versuche, Informationen zu verbergen oder nicht autorisierte Schritte auszuführen. Das Framework soll künftig auch relevante Fälle aus Training, Evaluation, Testing und Deployment erfassen.

Daraus folgt aber nicht automatisch, dass ein konkreter Unternehmenseinsatz betroffen ist.

Ein neuer Provider-Hinweis sollte deshalb weder ignoriert noch sofort als kritischer Incident behandelt werden.

Er muss zunächst in den eigenen Kontext übersetzt werden.

Die relevanten Fragen lauten:

  • Welches Modell oder welche Funktion betrifft die Information?
  • Nutzen wir diese Version überhaupt?
  • In welchen Anwendungen oder Projekten?
  • Welche Berechtigungen besitzt das System dort?
  • Welche Entscheidungen oder Aktionen kann es beeinflussen?
  • Gibt es bereits menschliche Prüfpunkte?
  • Entsteht daraus tatsächlich Handlungsbedarf?

Erst danach wird aus einer Anbieterinformation eine Managemententscheidung.

Genau hier beginnt kontinuierliches AI Vendor Management

Eine einmalige Supplier-Prüfung beantwortet vor allem:

Dürfen wir mit diesem Anbieter arbeiten?

Kontinuierliches Supplier Management beantwortet zusätzlich:

Unter welchen Bedingungen wollen wir heute noch mit dieser konkreten Leistung arbeiten?

Das ist ein wesentlicher Unterschied.

Denn dieselbe Anbieterinformation kann für zwei Unternehmen völlig unterschiedliche Bedeutung besitzen.

Unternehmen A nutzt ein Modell ausschließlich zum Erstellen erster Textentwürfe, die anschließend von Mitarbeitenden vollständig geprüft werden.

Unternehmen B bindet dasselbe Modell tief in einen automatisierten Prozess mit Zugriff auf interne Systeme ein.

Der Provider ist identisch.

Die Risikoposition ist es nicht.

Provider → Modell → Use Case → Projekt → Entscheidung

Genau deshalb sollte AI Supplier Governance nicht nur auf Supplier-Ebene organisiert werden.

Die relevante Kette lautet:

PROVIDER → MODELL/FUNKTION → USE CASE → PROJEKT/PROZESS → BERECHTIGUNG → RISIKO → ENTSCHEIDUNG

Fehlt diese Verbindung, entsteht ein praktisches Problem.

Procurement erhält eine Mitteilung eines Providers.

Security kennt eine neue technische Information.

IT kennt die eingesetzten Modelle.

Der Fachbereich kennt die Use Cases.

Das PMO kennt die Projekte.

Aber niemand kann schnell beantworten:

Wo betrifft uns diese Information konkret?

Das ist kein reines KI-Problem.

Es ist ein Transparenz- und Steuerungsproblem.

Sieben Fragen für ein laufendes AI Supplier Review

Ein regelmäßiges Vendor Review sollte deshalb über Vertragskosten und allgemeine Anbieterperformance hinausgehen.

1. Welche konkreten Modelle und Leistungen nutzen wir?

Nicht nur der Supplier sollte dokumentiert sein.

Auch die tatsächlich verwendete Leistung muss bekannt sein.

Ein Anbieter kann mehrere Modelle, APIs, Plattformdienste und Produkte anbieten, deren Einsatzprofile völlig unterschiedlich sind.

2. In welchen Projekten und Prozessen werden sie eingesetzt?

Ein KI-Provider kann gleichzeitig in:

  • Marketing,
  • IT,
  • Finance,
  • Kundenservice,
  • Entwicklung,
  • Research

genutzt werden.

Ohne Use-Case- und Projektbezug lässt sich die Tragweite einer neuen Information kaum einschätzen.

3. Welche Berechtigungen besitzt die Anwendung?

Erstellt das Modell nur Vorschläge?

Greift es auf interne Daten zu?

Kann es Tools aufrufen?

Kann es Prozesse auslösen?

Kann es externe Kommunikation vorbereiten oder versenden?

Mit wachsendem Handlungsspielraum verändert sich auch die Governance-Anforderung.

4. Welche menschliche Kontrolle existiert?

Nicht jeder KI-Use-Case benötigt dieselbe Kontrolltiefe.

Aber Unternehmen sollten wissen, wo:

  • Ergebnisse geprüft werden,
  • Entscheidungen bestätigt werden,
  • Aktionen freigegeben werden,
  • Eskalationspunkte bestehen.

5. Welche neuen Informationen hat der Provider veröffentlicht?

Dazu können gehören:

  • neue Modellversionen,
  • veränderte technische Eigenschaften,
  • Einschränkungen,
  • Sicherheitsinformationen,
  • veränderte Nutzungsbedingungen,
  • dokumentierte Vorfälle,
  • neue Governance- oder Monitoring-Informationen.

6. Betrifft uns die Änderung tatsächlich?

Diese Frage verhindert zwei Fehler gleichzeitig:

Überreaktion und Ignorieren.

Nicht jede Veröffentlichung des Providers ist für jeden Kunden relevant.

Aber jede relevante Änderung sollte einem eigenen Use Case zugeordnet werden können.

7. Welche Managemententscheidung folgt daraus?

Mögliche Entscheidungen können beispielsweise sein:

  • keine Änderung erforderlich,
  • zusätzliche menschliche Kontrolle,
  • Nutzung auf bestimmte Prozesse begrenzen,
  • technischen Scope überprüfen,
  • alternative Provider evaluieren,
  • Vertrag oder Verantwortlichkeiten prüfen.

Die konkrete Entscheidung hängt vom Einzelfall ab.

Entscheidend ist, dass eine neue Information nicht im Newsfeed endet, sondern bei Bedarf zu einer steuerbaren Entscheidung wird.

Das klassische Supplier Scorecard-Modell reicht möglicherweise nicht

Viele Unternehmen bewerten Dienstleister in Scorecards.

Kosten. Qualität. Service. Termintreue. Zufriedenheit.

Für viele Supplier ist das sinnvoll.

Bei strategischen KI-Providern kommt jedoch eine weitere Dimension hinzu:

Verändert sich die technologische oder operative Risikoposition während der Laufzeit?

Ein Provider kann wirtschaftlich stabil sein, gute SLAs erfüllen und trotzdem eine neue Modellversion einführen, die für einen bestimmten Unternehmensprozess neu bewertet werden muss.

Das spricht nicht gegen klassische Vendor Scorecards.

Es spricht dafür, sie bei AI-Suppliern um eine dynamische Nutzungsperspektive zu ergänzen.

Die eigentliche Herausforderung ist nicht Monitoring – sondern Zuordnung

Es wäre einfach zu sagen:

„Wir müssen KI-Anbieter stärker überwachen.“

Das greift zu kurz.

Unternehmen brauchen nicht möglichst viele Meldungen.

Sie brauchen relevante Meldungen im richtigen Kontext.

Ein Provider kann zehn neue Informationen veröffentlichen.

Vielleicht betrifft nur eine davon das eigene Unternehmen.

Umgekehrt kann eine einzelne kleine Änderung kritisch sein, wenn genau davon ein zentraler Prozess abhängt.

Die Kernaufgabe lautet deshalb:

Information → Betroffenheit → Wirkung → Owner → Entscheidung

Nicht:

Information → Alarm

Supplier Governance muss mit dem Projekt leben

Diese Logik gilt nicht nur für KI.

Auch klassische Dienstleisterbeziehungen verändern sich während eines Projekts:

Teams wechseln. Scope verändert sich. Subsupplier kommen hinzu. Budgets steigen. Abhängigkeiten verschieben sich.

KI beschleunigt diesen Effekt lediglich.

Die Technologie entwickelt sich so schnell, dass die ursprüngliche Supplier-Prüfung früher veralten kann als bei vielen klassischen Dienstleistungen.

Damit wird Vendor Management stärker zu einem laufenden Bestandteil der Projektsteuerung.

Project Intelligence verbindet Supplier und Nutzungskontext

Aus Ramp7-Perspektive ist genau diese Verbindung entscheidend.

Eine Providerinformation allein ist noch keine Managementinformation.

Sie wird erst relevant, wenn erkennbar ist:

  • welcher Supplier betroffen ist,
  • welche Leistung genutzt wird,
  • in welchen Projekten oder Prozessen,
  • welche Abhängigkeiten bestehen,
  • welcher Owner verantwortlich ist,
  • welche Entscheidung erforderlich sein könnte.

Die zentrale Verbindung lautet:

SUPPLIER → LEISTUNG → PROJEKT → ABHÄNGIGKEIT → NEUE INFORMATION → ENTSCHEIDUNG

Daraus folgt ausdrücklich nicht, dass Ramp7 heute KI-Provider automatisch überwacht, Modellvorfälle erkennt, Security-Alerts erzeugt oder AI-Systeme technisch bewertet.

Solche Produktclaims sind für diese Managementperspektive nicht notwendig und benötigen eine gesonderte Produktfreigabe.

Acht Fragen für CIO und Procurement

Unternehmen können ihre AI Supplier Governance mit acht Fragen testen:

  • Wissen wir, welche KI-Provider aktuell in produktiven Prozessen eingesetzt werden?
  • Können wir jeden Provider konkreten Modellen, Anwendungen und Projekten zuordnen?
  • Ist bekannt, welche Berechtigungen die jeweilige Anwendung besitzt?
  • Gibt es für jeden kritischen Use Case einen fachlichen Owner?
  • Werden relevante Provider-Änderungen regelmäßig bewertet?
  • Können wir schnell feststellen, welche internen Anwendungen von einer neuen Information betroffen sind?
  • Ist definiert, wer über zusätzliche Kontrollen, Scope-Änderungen oder Provideralternativen entscheidet?
  • Können wir frühere Supplier-Entscheidungen nachvollziehen, wenn sich die Ausgangslage verändert?

Wer mehrere dieser Fragen nicht beantworten kann, hat nicht automatisch ein KI-Sicherheitsproblem.

Aber möglicherweise ein Supplier-Governance-Problem.

Fazit: Vendor Assessment ist kein einmaliges Ereignis

OpenAIs neues Reporting-Framework zeigt vor allem eines:

Die Informationslage rund um komplexe KI-Systeme entwickelt sich weiter.

OpenAI selbst beschreibt das Framework ausdrücklich als laufenden Prozess und will neue relevante Fälle künftig fortlaufend veröffentlichen – teilweise auch dann, wenn Ursache oder Gegenmaßnahme noch nicht vollständig geklärt sind.

Für Unternehmen folgt daraus keine automatische Neubewertung jedes AI-Use-Cases.

Aber eine neue Governance-Frage:

Ist unsere Supplier-Steuerung in der Lage, neue Informationen nach dem Einkauf wieder mit unseren tatsächlichen Projekten und Anwendungen zu verbinden?

Denn bei KI endet Vendor Management nicht mit der Vertragsunterschrift.

Dort beginnt es erst.