Die Kosten einer KI-Integration entstehen selten hauptsächlich durch das Sprachmodell. Entscheidend sind Datenzugriff, Schnittstellen, Qualitätsprüfung, Berechtigungen und Betrieb. Ein günstiger Prototyp kann deshalb teuer werden, wenn er zwar gute Antworten zeigt, aber nicht sicher in den Arbeitsalltag passt.
Für eine belastbare Budgetplanung sollte ein Unternehmen drei Phasen getrennt kalkulieren: die fachliche Klärung, einen begrenzten Pilot und den späteren Produktivbetrieb. Erst diese Trennung macht Angebote vergleichbar.
Welche Kostenblöcke zu einer KI-Integration gehören
Ein vollständiges Budget umfasst mehr als Entwicklung. Mindestens sieben Kostenblöcke sollten sichtbar sein:
| Kostenblock | Typische Arbeit | Warum er wichtig ist |
|---|---|---|
| Discovery | Prozess, Ziel, Nutzer und Grenzen klären | Verhindert einen technisch guten, aber nutzlosen Build |
| Daten | Quellen sichten, bereinigen und berechtigen | Bestimmt, worauf sich Antworten stützen dürfen |
| Integration | APIs, CRM, DMS oder Ticketsystem anbinden | Bringt die KI in den tatsächlichen Ablauf |
| Anwendung | Oberfläche, Rollen und Freigaben entwickeln | Macht den Prozess bedienbar und kontrollierbar |
| Evaluation | Testfälle, Messgrößen und Fehlerschwellen bauen | Macht Qualität nachvollziehbar |
| Sicherheit | Rechte, Protokollierung und Missbrauchsfälle prüfen | Begrenzt Daten- und Handlungsrisiken |
| Betrieb | Monitoring, Support, Modell- und Datenpflege | Hält die Lösung nach dem Pilot verlässlich |
Fehlt einer dieser Blöcke im Angebot, ist er nicht automatisch kostenlos. Häufig wird die Arbeit später intern übernommen oder taucht erst kurz vor dem Launch als ungeplanter Zusatzaufwand auf.
Kostenfaktor 1: Der Use Case
„Wir wollen KI einsetzen“ ist kein kalkulierbarer Auftrag. Die Kosten werden abschätzbar, sobald eine konkrete Aufgabe mit Eingang, Ergebnis und Verantwortung beschrieben ist.
Ein überschaubarer Use Case ist beispielsweise:
- eingehende Serviceanfragen nach definierten Kategorien vorsortieren;
- aus freigegebenen Dokumenten einen Antwortentwurf mit Quellen erzeugen;
- Informationen aus Angeboten in strukturierte CRM-Felder übertragen;
- einen internen Wissensassistenten für eine abgegrenzte Nutzergruppe bauen.
Deutlich aufwendiger wird es, wenn die Anwendung mehrere Aufgaben gleichzeitig übernimmt, eigenständig externe Nachrichten versendet oder Daten in Geschäftssystemen verändert. Dann steigen Testumfang, Berechtigungskonzept und Fehlerfolgen gemeinsam.
Die wichtigste Kalkulationsfrage
Formuliere vor jeder Schätzung diesen Satz vollständig:
Das System verarbeitet welche Eingabe, erzeugt welches prüfbare Ergebnis und darf danach welche Aktion ausführen?
Bleibt einer der drei Teile unklar, enthält auch die Kostenschätzung große Reserven oder gefährliche Lücken.
Kostenfaktor 2: Daten und Wissensquellen
Bei vielen KI-Projekten ist nicht das Modell der Engpass, sondern die Informationslage. Dokumente liegen in mehreren Systemen, Versionen widersprechen sich oder Zugriffsrechte sind nur informell bekannt.
Für die Kalkulation sollten Unternehmen prüfen:
- Welche Quellen werden tatsächlich benötigt?
- In welchem Format und welcher Qualität liegen sie vor?
- Wer darf welche Inhalte sehen?
- Wie werden Änderungen und Löschungen übernommen?
- Welche Quelle ist bei Widersprüchen verbindlich?
- Dürfen Inhalte an den gewählten Modellanbieter übertragen werden?
Ein RAG-System für Unternehmen braucht beispielsweise nicht nur eine Suche über Dokumente. Es braucht Regeln für Aktualität, Rechte, Quellenbelege und den Fall, dass keine belastbare Antwort vorliegt.
Kostenfaktor 3: Schnittstellen und bestehende Systeme
Ein isolierter Demonstrator ist schnell gebaut. Eine produktive Integration muss dagegen mit vorhandenen Systemen zusammenarbeiten. Der Aufwand hängt unter anderem davon ab, ob verlässliche APIs existieren, wie Authentifizierung gelöst ist und ob Schreibzugriffe nötig sind.
| Integrationsstufe | Beispiel | Zusätzlicher Aufwand |
|---|---|---|
| Ohne Anbindung | Eingabe und Antwort in einer separaten Oberfläche | begrenzter Daten- und Rollenrahmen |
| Lesender Zugriff | CRM-Daten oder Dokumente abrufen | Rechte, Aktualität und Fehlerbehandlung |
| Kontrolliertes Schreiben | Entwurf nach Freigabe im CRM speichern | Validierung, Protokollierung und Rückfallweg |
| Automatische Aktion | Nachricht senden oder Status verändern | strenge Tests, Grenzen, Monitoring und Not-Aus |
Je näher die KI an eine geschäftliche Aktion rückt, desto weniger darf das Budget nur auf die sichtbare Oberfläche schauen.
Kostenfaktor 4: Qualität messbar machen
Ein KI-System kann überzeugend formulieren und trotzdem falsch liegen. Deshalb gehört ein repräsentativer Testsatz in den Projektumfang. Er enthält nicht nur ideale Standardfälle, sondern auch unvollständige, widersprüchliche und unzulässige Eingaben.
Abhängig vom Use Case können folgende Kriterien bewertet werden:
- fachliche Richtigkeit;
- Vollständigkeit;
- korrekter Quellenbezug;
- Einhaltung von Rollen und Grenzen;
- richtige Rückfrage bei fehlenden Informationen;
- verwertbares Ausgabeformat;
- Laufzeit und Kosten pro Vorgang.
Die Roadmap für KI-Integration im Unternehmen zeigt, wie Use Case, Daten, Architektur und Evaluation vor dem Betrieb zusammengeführt werden.
Kostenfaktor 5: Sicherheit, Datenschutz und Regulierung
Nicht jede KI-Anwendung trägt dasselbe Risiko. Ein interner Formulierungsvorschlag ist anders zu behandeln als ein System, das Personalentscheidungen vorbereitet, Verträge bewertet oder selbstständig Kunden kontaktiert.
Die Budgetplanung sollte deshalb früh klären:
- welche personenbezogenen oder vertraulichen Daten verarbeitet werden;
- welche Anbieter und Speicherorte beteiligt sind;
- wie Rollen und Zugriffe technisch durchgesetzt werden;
- welche Eingaben und Ergebnisse protokolliert werden dürfen;
- wann menschliche Freigabe zwingend ist;
- wie ein Fehler erkannt, gestoppt und aufgearbeitet wird;
- welche rechtliche oder fachliche Prüfung außerhalb des Entwicklungsprojekts nötig ist.
Der EU AI Act wird stufenweise angewendet. Die konkrete Einordnung sollte deshalb für den jeweiligen Anwendungsfall fachkundig geprüft werden. Eine pauschale „AI-Act-konform“-Position im Angebot ersetzt diese Prüfung nicht.
Kostenfaktor 6: Laufender Betrieb
Der Launch beendet die Kosten nicht. Ein produktives System braucht einen benannten Eigentümer und einen technischen Betriebsweg.
Zu den laufenden Kosten gehören je nach Lösung:
- Modell- und Infrastrukturverbrauch;
- Überwachung von Fehlern, Laufzeit und Kosten;
- Pflege der Datenquellen und Berechtigungen;
- regelmäßige Qualitätsstichproben;
- Anpassungen bei Modell- oder API-Änderungen;
- Support für Nutzer und fehlerhafte Vorgänge;
- Sicherheitsupdates, Backups und Incident-Prozess;
- Weiterentwicklung nach gemessener Nutzung.
Ein Modellpreis pro Million Tokens beantwortet nur einen kleinen Teil dieser Fragen. Für die wirtschaftliche Bewertung ist die Kennzahl „Kosten pro erfolgreich abgeschlossenem Vorgang“ meist aussagekräftiger.
Drei Budgetphasen statt einer großen Schätzung
Phase 1: Discovery und Machbarkeit
Ziel ist eine belastbare Entscheidung. Der Prozess, die Datenlage, Risiken und Erfolgskriterien werden geklärt. Das Ergebnis sollte einen abgegrenzten Use Case, einen Architekturentwurf, offene Abhängigkeiten und einen Pilotumfang enthalten.
Phase 2: Begrenzter Pilot
Der Pilot bildet einen echten Vorgang ab, hält die Folgen aber kontrollierbar. Die KI erstellt beispielsweise einen Entwurf, den ein Mensch prüft. Gemessen werden Qualität, Bearbeitungszeit, Nacharbeit, Fehlerklassen und Nutzungskosten.
Phase 3: Produktivbetrieb
Erst nach dem Pilot werden Automatisierungsgrad, Nutzerkreis und Integrationen erweitert. Nun gehören Monitoring, Support, Dokumentation und klare Verantwortung verbindlich zum Budget.
Diese Aufteilung verhindert, dass Unternehmen sofort ein großes System beauftragen, bevor Nutzen und Datenlage belegt sind.
So werden Angebote vergleichbar
Bitte Anbieter nicht nur um einen Gesamtpreis. Fordere eine Aufteilung nach Ergebnissen und Annahmen.
Eine brauchbare Angebotsstruktur beantwortet:
- Welcher Use Case und welche Nutzergruppe sind enthalten?
- Welche Datenquellen und Schnittstellen werden angebunden?
- Wer bereitet Daten und Testfälle vor?
- Welche Qualitätskriterien werden vor dem Pilot festgelegt?
- Welche Rollen, Freigaben und Protokolle werden umgesetzt?
- Welche Leistungen sind nach dem Launch enthalten?
- Welche Abhängigkeiten können Aufwand oder Zeitplan verändern?
- Wem gehören Code, Konfiguration, Dokumentation und Testdaten?
Vorsicht ist angebracht, wenn ein Angebot hauptsächlich Modellnamen und Funktionen beschreibt, aber Daten, Evaluation und Betrieb offenlässt.
Wo Unternehmen unnötig Geld verlieren
Zu groß starten
Mehrere Abteilungen und Prozesse gleichzeitig zu integrieren, vergrößert die Unklarheit. Ein kleiner vollständiger Ablauf liefert bessere Lernwerte als eine breite Demo.
Einen Chatbot mit einer Integration verwechseln
Eine Chatoberfläche ist kein Beleg dafür, dass Rechte, Daten und Fehlerwege funktionieren. Die teure Arbeit beginnt häufig hinter der Oberfläche.
Testdaten erst am Ende sammeln
Ohne reale, freigegebene Beispiele bleibt Qualität subjektiv. Testfälle sollten bereits während der Discovery entstehen.
Betrieb nicht zuordnen
Wenn nach dem Launch niemand für Quellen, Kosten und Fehlermeldungen zuständig ist, verliert die Anwendung schnell an Vertrauen.
Die kompakte Budget-Checkliste
- Eine konkrete Aufgabe ist vollständig beschrieben.
- Nutzen und Erfolgskriterium sind messbar.
- Datenquellen, Rechte und Datenqualität sind bekannt.
- Lese- und Schreibzugriffe sind getrennt bewertet.
- Testfälle und Abnahmeschwellen gehören zum Projektumfang.
- Menschliche Freigaben und Fehlerwege sind definiert.
- Datenschutz, Sicherheit und Regulierung werden passend geprüft.
- Pilot und Produktivbetrieb sind getrennt kalkuliert.
- Laufende Modell-, Infrastruktur- und Betreuungskosten sind sichtbar.
- Code, Dokumentation und Betriebsverantwortung sind zugeordnet.
Eine belastbare Kostenschätzung entsteht nicht durch eine pauschale Zahl, sondern durch einen klaren Use Case und sichtbare Annahmen. Wer Discovery, Pilot und Betrieb trennt, kann früh stoppen, wenn der Nutzen nicht trägt – oder gezielt investieren, wenn die Messwerte überzeugen.
Häufige Fragen zu Kosten einer KI-Integration
Was kostet eine KI-Integration für ein Unternehmen?
Ohne abgegrenzten Use Case ist keine seriöse Zahl möglich. Ein interner Assistent mit einer Datenquelle ist deutlich einfacher als ein Agent mit mehreren Systemen und Schreibzugriff. Für eine erste Schätzung müssen Aufgabe, Daten, Nutzer, Integrationen, Fehlerrisiko und Betriebsmodell feststehen.
Ist ein KI-Pilot günstiger als eine fertige Integration?
Ja, wenn er bewusst begrenzt wird. Ein guter Pilot spart aber nicht an Testfällen und Messung. Er reduziert Nutzerkreis, Datenquellen und erlaubte Aktionen, damit Nutzen und Risiken mit echtem Material geprüft werden können.
Welche laufenden Kosten werden häufig vergessen?
Neben Modell- und Infrastrukturverbrauch entstehen Aufwand für Monitoring, Qualitätsprüfungen, Datenpflege, Support, Berechtigungen und Anpassungen an APIs oder Modelle. Diese Positionen sollten bereits vor dem Pilot einen verantwortlichen Eigentümer haben.
Die Seite zur KI-Integration für Unternehmen zeigt, wie atondix Use Case, Daten, Evaluation und Betrieb in einen realistischen Projektumfang übersetzt.
