Die ehrlichste Antwort auf die häufigste Frage, die wir hören: zwischen 15.000 und 60.000 Euro für die Erstentwicklung. Keine Lizenzen, keine Laufzeitverträge. In drei bis vier Monaten produktiv. Und danach? Wenige hundert Euro im Monat.
Aber das ist nur die halbe Wahrheit. Denn die entscheidende Frage ist nicht, was ein KI-Projekt kostet. Sondern was es kostet, keins zu machen.
Die drei Preisklassen, die wir in der Praxis sehen
Nicht jedes KI-Projekt ist gleich komplex. Aus unserer Erfahrung mit mittelständischen Unternehmen haben sich drei Größenordnungen herauskristallisiert:
15.000 bis 25.000 Euro: Ein klar definierter Anwendungsfall, den wir in ähnlicher Form bereits umgesetzt haben. Wenig Unsicherheit, klarer Blueprint. Ein Kundensupport-Agent, eine Dokumentenklassifizierung, eine Wissenssuche über interne Quellen.
30.000 bis 40.000 Euro: Mittlere Komplexität. Integration in ein bestehendes System, mehrere Datenquellen, fachliche Tiefe, die erarbeitet werden muss. Eine KI-gestützte Angebotsbearbeitung, die auf Ihr ERP zugreift. Ein Agent, der Prozessschritte über mehrere Systeme hinweg orchestriert.
40.000 bis 60.000 Euro: Hohe Komplexität. Das Wissen steckt in vielen Köpfen, nicht in einem. Die Infrastruktur ist gewachsen. Es gibt viele Sonderfälle. Das System muss in Legacy-Umgebungen integriert werden und das Expertenwissen aus unterschiedlichen Quellen zusammenführen.
Was macht den Unterschied? Nicht die Technologie. Die ist bei allen drei Kategorien dieselbe. Es sind drei Faktoren: Wie klar ist der Anwendungsfall? Wie komplex ist die Infrastruktur, in die integriert werden muss? Und wie verteilt ist das Fachwissen, das in die Lösung einfließen soll?
Was Sie für Ihr Geld bekommen
Wir arbeiten nicht mit Lizenzen oder Abonnements. Was wir bauen, gehört Ihnen. Der Code, die Infrastruktur, das Deployment. Sie sind nicht an uns gebunden.
Ein typisches Projekt läuft so ab:
Erste Ergebnisse nach wenigen Wochen. Nach vier bis sechs Wochen haben Sie einen funktionierenden Prototyp, den Ihre Fachleute ausprobieren und bewerten können. Nicht eine Präsentation, nicht ein Konzept. Ein System, das echte Eingaben verarbeitet und echte Ergebnisse liefert.
Produktiv in drei bis vier Monaten. Die zweite Hälfte des Projekts ist die wichtigere: Fachexperten trainieren das System, Grenzfälle werden abgefangen, die Integration in den Arbeitsalltag wird sauber umgesetzt. Hier entsteht der eigentliche Wert, denn ein System, das technisch funktioniert, aber nicht genutzt wird, ist nichts wert.
Keine Lizenzgebühren. Der Code und die Lösung gehen in Ihren Besitz über. Sie brauchen uns nicht, um das System weiterzubetreiben. Wenn Ihre IT das Hosting übernehmen kann und will, ist das möglich.
Die Kosten, die selten im Angebot stehen
Ein KI-Projekt hat laufende Kosten. Sie sind überschaubar, aber man sollte sie kennen.
Infrastruktur: Zwischen 50 und 300 Euro im Monat, abhängig von der Cloud-Plattform und der Architektur. Azure ist tendenziell teurer, Google Cloud mit modernen Serverless-Ansätzen oft günstiger. Wer intelligent plant, kommt mit unter 100 Euro im Monat aus.
API-Kosten: Jede Anfrage an ein Sprachmodell kostet Geld. Bei einem Support-Agenten, der tausende Anfragen im Monat bearbeitet, sind es wenige Cent pro Konversation. Bei einer komplexen Angebotsautomatisierung, die mehrere Modellaufrufe pro Vorgang braucht, können es ein bis zwei Euro pro Durchlauf sein. In jedem Fall: Der Wert pro Vorgang muss die Kosten übersteigen, und das tut er in aller Regel deutlich.
Wartung: Planen Sie 15 bis 20 Prozent der Entwicklungskosten pro Jahr ein. Das deckt Sicherheitsupdates, Modellwechsel, wenn ein Anbieter ein Modell aus dem Verkehr zieht, und kleinere Anpassungen. Ohne Feature-Erweiterungen, ohne neue Funktionen. Nur dafür, dass das System sauber weiterläuft.
Zusammengerechnet, als Beispiel: Ein Projekt für 40.000 Euro erzeugt laufende Kosten von vielleicht 200 Euro im Monat für Infrastruktur und API plus 6.000 bis 8.000 Euro im Jahr für Wartung. Das sind die realen Zahlen, mit denen Sie kalkulieren können.
Wann sich die Investition rechnet
Die klassische Amortisierungsrechnung greift bei KI-Projekten oft zu kurz. Natürlich kann man rechnen: Wenn ein Prozess, der bisher Stunden dauert, auf Minuten schrumpft, spart man Arbeitszeit. Aber der eigentliche Wert liegt woanders.
KI-Automatisierung schafft maschinelle Skalierbarkeit. Ein Team von drei auf zehn Leute zu bringen, kostet nicht nur Gehälter. Es kostet Rekrutierung, Einarbeitung, Führungsstrukturen, Fluktuation. Es dauert Monate, bis neue Mitarbeiter produktiv sind. Und jede Wachstumsstufe bringt organisatorische Reibung.
Wenn Sie stattdessen den gleichen Output mit dem bestehenden Team erreichen können, vermeiden Sie diese Treppenstufen. Ein eingespartes Gehalt in einem typischen Fachbereich liegt bei 70.000 bis 100.000 Euro im Jahr. Damit hat sich ein 40.000-Euro-Projekt in weniger als einem Jahr amortisiert, nicht durch Einsparung, sondern durch vermiedenes Wachstum.
Das ist keine Garantie, sondern ein Erfahrungswert aus Projekten, in denen Unternehmen schnell gewachsen sind oder einen klaren Engpass hatten. Die Realität ist: Selbst bei Unternehmen, die ihre internen Prozesse gut kennen, ist eine exakte ROI-Berechnung im Vorfeld schwierig. Was wir sicher sagen können: Sie sehen innerhalb der ersten Wochen, ob das System Wert liefert.
Warum nicht günstiger?
Unter 15.000 Euro wird es schwierig, eine maßgeschneiderte Integration zu bauen, die echten Wert liefert. Wir brauchen Zeit, um Ihren Prozess zu verstehen, die richtige Architektur zu wählen und die Lösung mit Ihren Fachexperten zu schärfen.
Für Standardprobleme, die viele Unternehmen gleich haben, gibt es zunehmend fertige Lösungen: Chatbots für den Kundensupport, Zusammenfassungstools für Meetings, Assistenten für die Texterstellung. Wenn eine solche Lösung Ihr Problem löst, empfehlen wir sie. Für 50 Euro im Monat eine SaaS-Lösung einzukaufen, ist besser als 20.000 Euro für eine Individuallösung auszugeben.
Maßgeschneiderte Entwicklung lohnt sich dort, wo Ihre Prozesse, Ihre Daten oder Ihr Fachwissen zu spezifisch für eine Standardlösung sind. Dort, wo die KI nicht nur generisches Wissen anwenden soll, sondern Ihr Branchenwissen, Ihre Preislisten, Ihre Produktkonfigurationen, Ihre Art, Angebote zu schreiben.
Drei Dinge, die über Erfolg oder Scheitern entscheiden
Wir sehen Unternehmen, die mit anderen Dienstleistern oder auf eigene Faust gescheitert sind. In der Regel nicht an der Technologie, sondern an drei fehlenden Voraussetzungen:
Jemand muss es wirklich wollen. Nicht "mal schauen, was KI kann". Sondern eine Person mit Entscheidungsbefugnis, die sagt: Wir ändern diesen Prozess, weil wir müssen. Ohne diesen Willen versandet jedes Projekt nach dem Prototyp.
Es braucht einen Fachexperten, der Zeit investiert. Wir nennen diese Rolle "Agent Operator": die Person, die den Prozess am besten kennt, die weiß, warum Dinge so laufen, wie sie laufen. Am Anfang vier Stunden die Woche, danach ein bis zwei Stunden. Ohne diese Person baut man ein System, das technisch funktioniert, aber fachlich daneben liegt.
Zugriff auf die Systeme, ohne Bürokratie. Der häufigste Zeitfresser in KI-Projekten ist nicht die Entwicklung. Es ist das Warten auf Zugänge, Freigaben, Schnittstellen. Unternehmen, die hier pragmatisch und schnell handeln, kommen in Wochen zum Ergebnis. Unternehmen, in denen jeder Zugang drei Genehmigungen braucht, in Monaten.
Was die Infrastruktur Ihres Unternehmens mit den Kosten macht
Ein Faktor, der in keiner Preisliste steht, aber die Kosten um bis zu 300 Prozent beeinflussen kann: Ihre bestehende IT-Infrastruktur.
Wenn Ihr Unternehmen bereits eine Cloud-Umgebung nutzt, Microsoft Azure, Google Cloud oder vergleichbar, und wir dort eine Resource Group oder ein Projekt bekommen, ist das Deployment schnell und günstig.
Wenn wir uns in ein fremdes Infrastrukturnetz mit Policies, VPN-Tunneln und Freigabeprozessen einhängen müssen, vervielfacht sich der Aufwand. Nicht weil die Lösung anders wäre, sondern weil der Weg dorthin länger ist.
Deshalb klären wir die Cloud-Frage früh. Sie beeinflusst den Preis mehr als die Wahl des Sprachmodells.