AI-Washing bedeutet, den Einsatz von künstlicher Intelligenz zu übertreiben oder zu erfinden, um Kunden oder Anleger zu gewinnen — etwa Formulierungen wie „KI-gestützt“ ohne echte, wesentliche KI im Produkt. Der Begriff ist das Gegenstück zum „Greenwashing“.

Wie prüfe ich, ob ein Unternehmen wirklich KI einsetzt?

Nutze Primärquellen statt Pressemitteilungen: den Geschäftsbericht (bei US-Firmen den 10-K), die Risikofaktoren, die F&E-Ausgaben und die Art der Umsatzberichterstattung. Frage, welche konkreten Modelle genutzt werden, woher die Trainingsdaten stammen, wie die Leistung gemessen wird und ob das Team nachprüfbare Erfahrung hat.

Ist es rechtlich riskant, ein Unternehmen als „AI-Washing“ zu bezeichnen?

Eine Firma als Tatsachenbehauptung des Betrugs oder „AI-Washings“ zu bezeichnen, kann zu Verleumdungs- und auf regulierten Märkten zu Marktmanipulationsvorwürfen führen. Sicherer ist es, überprüfbare Daten mit Quelle zu nennen und die Schlussfolgerung als Fragen zu formulieren, die ein Anleger stellen sollte.

AI-Washing: wie man prüft, ob ein Unternehmen wirklich KI nutzt

„KI-gestützt.“ „Powered by Machine Learning.“ „KI-First-Plattform.“ 2026 stehen diese Sätze auf der Startseite fast jedes Softwareunternehmens — und vieler Firmen, die Matratzen, Saft oder Beratung verkaufen. Manches davon ist echt. Vieles ist Marketing.

Die Lücke dazwischen hat einen Namen: AI-Washing. Es ist das Gegenstück zum „Greenwashing“ — eine Fähigkeit übertreiben oder erfinden, weil das Etikett verkauft. Für Kunden heißt das, einen Aufpreis für eine Funktion zu zahlen, die manchmal ein paar if-Anweisungen hinter einer Chat-Oberfläche ist. Für Anleger kann es bedeuten, eine Story statt eines Geschäfts zu kaufen.

Dieser Leitfaden schließt diese Lücke mit Belegen. Er dient nicht dazu, ein bestimmtes Unternehmen als Betrug abzustempeln — das wäre unfair und, wie wir am Ende erklären, rechtlich riskant. Er hilft, bessere Fragen zu stellen und die Dokumente zu lesen, die sie wirklich beantworten.

Warum AI-Washing ernst zu nehmen ist

Institutionen behandeln das nicht mehr als Bauchgefühl. Im Juni 2025 veröffentlichte das CFA Institute — die Organisation hinter dem CFA-Titel — einen Bericht über AI-Washing im Investmentmanagement. Er definiert es als das falsche oder übermäßige Aufblähen von KI-Behauptungen und bietet einen strukturierten Due-Diligence-Fragebogen, um Substanz von Schein zu trennen. (CFA Institute)

Auch Aufsichtsbehörden sind aktiv geworden. Die US-Börsenaufsicht SEC hat Verfahren wegen überzogener KI-Angaben gegenüber Anlegern geführt — „wir nutzen KI“ ist damit eine Aussage mit rechtlichem Gewicht, kein bloßer Slogan.

Die praktische Lehre: Ist eine KI-Behauptung für deine Entscheidung wesentlich, behandle sie wie jede andere wesentliche Behauptung. Prüfe sie.

Dasselbe Muster breitet sich gerade auf ein neueres, engeres Wort aus: „agentic“. Unsere Analyse Agentic Engineering gegen Agentic-Washing wendet genau dieses Prüfschema auf diese konkrete Behauptung an.

Der zweischichtige Test: Technik und Organisation

Der CFA-Rahmen teilt die Due Diligence in zwei Ebenen — ein nützliches Gerüst für jeden und gut auf lesbare Dokumente übertragbar.

Ebene 1 — technische Substanz

Benannte Modelle, keine Adjektive. Echte KI-Arbeit kommt meist mit Details: welche Modelle, welche Benchmarks, welche Daten. „Fortschrittliche KI“ ohne ein einziges Substantiv ist ein Warnsignal, kein Beweis.
Herkunft der Trainingsdaten. Woher kommen die Daten, und hat das Unternehmen die Rechte daran? Vage Antworten sind ein Qualitäts- und ein Rechtsrisiko.
Gemessene Leistung. Wird die Modellleistung gemessen und offengelegt — oder nur behauptet? Echte Teams haben Fehlerquoten; Marketing hat Superlative.
Kern oder Fassade. Macht KI im Produkt etwas Tragendes, oder ist sie eine Hülle um eine fremde API, angeklebt für die Pressemitteilung?

Ebene 2 — organisatorische Substanz

Menschen. Haben Führung und KI-Team nachprüfbare, einschlägige Erfahrung — nicht nur frische „Chief AI Officer“-Titel?
Ausgaben. Wie viel investiert das Unternehmen tatsächlich in F&E im Vergleich zu Marketing? Das Verhältnis steht im Abschluss.
Ehrliche Offenlegung. Beschreibt der Geschäftsbericht KI in den Risikofaktoren als echte Abhängigkeit oder nur als Chancen-Sprache im Hochglanzteil? Firmen sind dort ehrlicher, wo das Gesetz sie zur Warnung zwingt.

Die Dokumente, die die Wahrheit sagen

Marketing wohnt auf der Startseite. Substanz wohnt in den Berichten. Für ein US-gelistetes Unternehmen erledigen drei kostenlose Quellen die meiste Arbeit.

Quelle	Was sie verrät	Wo
Geschäftsbericht (10-K)	Wie das Geschäft wirklich Geld verdient; ob „KI“ in der Strategie oder nur im Marketing steht	SEC EDGAR
Risikofaktoren (im 10-K)	Was das Unternehmen selbst als Risiko einräumt — oft der ehrlichste Abschnitt	SEC EDGAR
F&E vs. Umsatz (Abschluss)	Ob echtes Ingenieurgeld fließt oder vor allem Vertriebsbudget	SEC EDGAR (us-gaap)

Unser kostenloser KI-Unternehmens-Prüfer verlinkt direkt zu den SEC-Berichten ausgewählter KI-Firmen, neben der Checkliste unten — zwei Klicks von der Behauptung zur Primärquelle. Er zeigt bewusst Fakten und Fragen, nie ein Urteil.

Für Privatunternehmen gibt es keinen 10-K und keine günstige Datenbank liefert die Wahrheit — genau dort zählt die Prüfung am meisten, und die Fragen oben leisten die Hauptarbeit.

Zehn Warnsignale für AI-Washing

Keines ist für sich ein Beweis. Mehrere zusammen rechtfertigen einen sehr genauen Blick.

KI überall auf der Startseite, abwesend in der Produktdokumentation.
„KI“ ohne benanntes Modell, Verfahren oder Datensatz.
Ein „Chief AI Officer“, eingestellt im selben Quartal wie die KI-Botschaft.
F&E-Ausgaben winzig im Vergleich zum Marketing.
KI-Umsatz in vage „KI-getriebene“ Summen vermischt, nie ausgewiesen.
Demos stets vorab aufgezeichnet oder „vorerst“ mit Mensch in der Schleife.
Die Risikofaktoren erwähnen KI kaum, die Pressemitteilungen hören nicht auf.
Behauptungen eigener Modelle, die sich als dünne Hülle über fremder API entpuppen.
Genauigkeitsangaben ohne Fehlerquote, Testdatensatz und Methode.
Die Bewertung sprang nach einem KI-Rebranding, ohne Änderung im Geschäft.

Werkzeuge, die helfen (und was sie nicht tun)

Zwei Kategorien kostenpflichtiger Tools sind hier wirklich nützlich; wir verlinken sie als Affiliate-Partner — meldest du dich an, erhalten wir ggf. eine Provision, ohne Mehrkosten, und es ändert nichts an dem, was wir schreiben (siehe Hinweis).

Fundamentaldaten & Bewertung. Zum Lesen der Zahlen eines börsennotierten Unternehmens — F&E, Margen, wie gedehnt die Bewertung ist — verwandelt ein Tool wie Simply Wall St Berichte in übersichtliche Bilder. Kontext, kein Urteil.
Inhaltsechtheit. Ist die Frage enger — „wurde dieser angeblich KI-geschriebene Bericht wirklich von einem Modell erzeugt?“ — beantworten das KI-Detektoren wie Originality.ai oder GPTZero.

Kein Tool prüft das Unternehmen für dich. Sie liefern Belege schneller; das Urteil bleibt bei dir.

Ein Wort zu Fairness und Recht

Hat man die Signale erkannt, ist es verlockend, eine Firma zum „AI-Washing-Betrug“ zu erklären. Tu das nicht — jedenfalls nicht als Tatsachenbehauptung über ein benanntes Unternehmen. Das kann Verleumdungsklagen auslösen, auf regulierten Märkten auch Vorwürfe der Marktmanipulation. Und es ist oft schlicht falsch: eine schwache Startseite ist kein schwaches Unternehmen.

Die vertretbare Haltung folgt aus dem CFA-Rahmen: überprüfbare Daten sammeln, sie mit Quelle nennen und die Schlussfolgerung als die Fragen formulieren, die ein vernünftiger Anleger stellen sollte. „Der 10-K widmet zwei Seiten der KI-Chance und eine Zeile dem KI-Risiko; F&E sind 4% des Umsatzes; kein Modell ist benannt“ ist Berichterstattung. „Diese Firma ist Betrug“ ist eine Klage in Wartestellung.

Diese Disziplin ist auch die bessere Analyse. Es ging nie darum, ein Logo bloßzustellen — sondern zu wissen, was man besitzt.

Bildungsinhalt, keine Anlageberatung. Daten und Rahmen galten im Juni 2026; prüfe Primärquellen, bevor du dich darauf verlässt.

Wir nennen Fakten mit Quellen und Datum. Wir bezeichnen ein konkretes Unternehmen niemals als Betrug oder „AI-Washing“ als Tatsachenbehauptung — wir zeigen überprüfbare Daten und die Fragen, die ein Anleger stellen sollte.