Was kostet die KI-Einführung im Unternehmen? Kalkulation nach Projekttyp und Total Cost of Ownership

Die Einführung von KI im Unternehmen kostet 2026 zwischen 1.000–3.000 € für einen einfachen Chatbot und 6.000–30.000 € für einen produktiven KI-Agenten mit Anbindungen an CRM und ERP; unternehmensweite Systeme beginnen bei 60.000 €. Zur Einführung kommen die Betriebskosten: Tokens/API — meist 10–200 € pro Monat, Support — 30–50 % der Projektkosten pro Jahr. Im Folgenden zeigen wir, woher diese Zahlen stammen und wie Sie die Kalkulation für Ihre konkrete Aufgabe erstellen, statt eine Spanne aus der Luft zu greifen.

Dieser Artikel ist eine Rechenmethode, keine Preisliste. Wir gehen die Projekttypen durch, bauen die Kalkulation Schritt für Schritt auf, berechnen die Total Cost of Ownership und benennen ehrlich die Situationen, in denen Sie keine KI einführen sollten.

Warum die Preisspannen für KI-Einführung so widersprüchlich sind

Wer nach „Kosten KI-Einführung“ sucht, findet alles — von 300 € bis 300.000 €, und jede Zahl ist auf ihre Weise „ehrlich“. Der Grund ist simpel: Unter „KI einführen“ laufen fundamental unterschiedlich aufwendige Projekte. Einen fertigen Bot im Baukasten anzuschließen ist ein Arbeitstag. Einen Agenten zu bauen, der selbstständig Leads qualifiziert, Aufgaben im CRM anlegt und Termine vereinbart, sind Monate Arbeit eines Teams aus Analyst, Entwickler und Prompt-Engineer.

Der Preis der Einführung besteht im Kern aus Teamstunden mal Stundensatz plus Lizenzen und Infrastruktur. Vier Faktoren bewegen die Kalkulation:

• Systemklasse. Ein regelbasierter Bot antwortet nach Skript; ein KI-Bot versteht freie Formulierungen und antwortet auf Basis einer Wissensdatenbank; ein Agent führt zusätzlich Aktionen in Ihren Systemen aus. Jede Stufe bedeutet ein Vielfaches an Aufwand.
• Integrationen. Jedes System, mit dem die KI arbeiten soll (CRM, ERP, Telefonie, Lager, Zahlungen), ist ein eigener Entwicklungs- und Testblock.
• Daten. Die KI antwortet nur so gut, wie die Wissensdatenbank ist. Wenn Prozesse und Antworten nur in den Köpfen der Mitarbeiter existieren, ist ihre Erhebung und Strukturierung ein eigener Kalkulationsposten.
• Sicherheits- und Datenschutzanforderungen. Die Arbeit über ein Cloud-API ist das eine; eine Lösung, bei der keine Daten das Unternehmen verlassen, samt eigenem Server ist finanziell etwas völlig anderes. Im DACH-Raum kommen DSGVO-Pflichten und — je nach Anwendungsfall — der EU AI Act hinzu.

Kosten nach Projekttyp: vom Bot bis zur Unternehmensplattform

Die folgenden Spannen sind ein konsolidiertes Bild des DACH-Markts 2026: öffentliche Preislisten von Studios und Integratoren plus unsere Praxis. Es sind Orientierungswerte „von–bis“ für ein typisches Projekt; die konkrete Kalkulation wird immer für die Aufgabe erstellt.

Die Logik hinter den Spannen: Ein regelbasierter Bot ist 1–2 Wochen Arbeit eines einzelnen Entwicklers. Ein KI-Bot mit Wissensdatenbank ergänzt Datenarbeit und Qualitätstuning der Antworten — schon anderthalb Monate und mindestens zwei Spezialisten. Ein KI-Agent erfordert obendrein Integrationen und Fehlerbehandlung: Ein Agent, der „gelegentlich“ Datensätze im CRM verwechselt, ist schlimmer als gar keiner — deshalb steigt der Testanteil in der Kalkulation sprunghaft. Lebt der Bot im Messenger, lohnt ein Blick auf die Besonderheiten unserer Telegram-Lösungen — dieser Kanal hat eine eigene Ökonomie.

Wenn Sie mit minimalem Budget starten: Beginnen Sie mit einem Prozess und einem leichten Modell. Der Fehler ist, für 1.500 € einen „Agenten wie bei den Konzernen“ zu erwarten: Realistisch sind für dieses Geld ein guter regelbasierter Bot oder ein KI-Bot-Pilot für ein einzelnes Szenario — und das ist eine völlig normale erste Stufe.

Kalkulation in 5 Schritten

Die Kalkulation jedes KI-Projekts lässt sich vor dem ersten Anbietergespräch abschätzen. Sie nehmen die Basis aus der Tabelle oben und addieren nacheinander vier Posten.

Schritt 1. Basis nach Projekttyp. Bestimmen Sie die Klasse: Reicht es, wenn der Bot antwortet — oder muss er in Ihren Systemen handeln? Nehmen Sie die Mitte der Spanne aus der Tabelle: für einen KI-Bot etwa 6.000 €, für einen Agenten etwa 15.000 €.

Schritt 2. Integrationen. Jedes externe System bedeutet plus 1.000–3.000 €: günstiger, wenn das System ein sauberes API hat (HubSpot, Pipedrive), teurer bei individuell angepassten ERP-Systemen oder einer Telefonanlage mit unkonventioneller Gesprächsaufzeichnung.

Schritt 3. Daten. Liegt die Wissensdatenbank bereits strukturiert vor — 0. Sind die Informationen über Richtlinien, E-Mail-Verläufe und die Köpfe der Mitarbeiter verstreut — plus 10–30 % auf die Kalkulation für Erhebung, Bereinigung und Strukturierung. Dieser Punkt taucht am häufigsten „plötzlich“ mitten im Projekt auf; fixieren Sie ihn deshalb zum Start.

Schritt 4. Sicherheits- und DSGVO-Anforderungen. Cloud-API mit EU-Hosting und Auftragsverarbeitungsvertrag (AVV) — 0. Ein striktes Verbot, Daten nach außen zu geben — plus ab 10.000 €: lokales Modell, eigener oder gemieteter GPU-Server und dessen Administration.

Schritt 5. Pilot. Bewährte Praxis ist ein Pilot für ein Szenario über 2–4 Wochen für 1.500–3.000 €. Der Pilot beseitigt das größte Risiko („funktioniert das auf unseren Daten?“) und wird bei seriösen Anbietern auf das Gesamtprojekt angerechnet.

TCO: Was KI nach dem Start kostet

Der größte Budgetfehler ist, nur die Einführung zu rechnen. Eine KI-Lösung hat eine Total Cost of Ownership (TCO): Tokens, Support, Wissenspflege, Infrastruktur. Gehen wir jeden Posten durch.

Tokens und API: Was das „Denken“ des Bots kostet

Sprachmodelle werden pro Token abgerechnet — Texteinheiten von etwa 3–4 Zeichen. Orientierungswerte für 2026:

Rechnen wir das an einem lebendigen Beispiel in Geld um. Ein Bot-Dialog mit einem Kunden verbraucht inklusive Kontext 1.000–3.000 Tokens. Ein Bot mit 3.000 Dialogen pro Monat (rund 100 pro Tag) verbraucht ~6 Mio. Tokens: Auf einem leichten Modell sind das unter 10 € pro Monat, auf Mittelklasse-Modellen 20–50 €, auf Top-Modellen 100–200 €. Tokens sind selten der größte Kostenblock — mit ihnen wird gern Angst gemacht, aber das Budget frisst in Wahrheit der Support.

Eigener KI-Server: Brauchen Sie ihn?

Die kurze Antwort: sehr wahrscheinlich nicht. Die Miete eines GPU-Servers in Europa kostet 2026 ab ~100 €/Monat für eine Einstiegskarte, 350–800 €/Monat für die RTX-4090-Klasse und ab ~1.800 €/Monat für eine A100 — plus das Gehalt der Person, die das administriert, und das ist der Preis für den Betrieb „auf Kante“, ohne Leistungsreserve. Eine eigene Infrastruktur lohnt sich in zwei Fällen: Daten dürfen das Unternehmen nicht verlassen (Bankgeheimnis, Patientendaten, Verschlusssachen) oder Ihr Anfragevolumen ist dauerhaft so groß, dass gemietete Hardware günstiger wird als das API. Für alle anderen ist das Cloud-API um Größenordnungen wirtschaftlicher — für DSGVO-Konformität genügt in der Regel EU-Hosting mit AVV.

Support: 30–50 % der Einführungskosten pro Jahr

Eine KI-Lösung ohne Support degradiert innerhalb weniger Monate: Die Wissensdatenbank veraltet, neue Szenarien kommen hinzu, Modelle und APIs werden aktualisiert — und der Bot beginnt, selbstbewusst falsche Antworten zu geben. Zum Support gehören Qualitätsmonitoring der Antworten, Analyse von Fehlern und „Halluzinationen“, Aktualisierung von Wissensbasis und Prompts sowie Updates der Integrationen. Die Marktnorm liegt bei 30–50 % der Einführungskosten pro Jahr; für kleine und mittlere Unternehmen sind das je nach Last üblicherweise 150–800 € pro Monat.

Fine-Tuning: meistens überflüssig

Das klassische Nachtrainieren eines Modells (Fine-Tuning) ist eine teure Angelegenheit, die in typischen Business-Aufgaben fast nie nötig ist: Die Antwortqualität entsteht durch die Wissensdatenbank (RAG) und Prompts, deren Pflege bereits im Support enthalten ist. Wenn ein Anbieter für einen gewöhnlichen Support-Bot „Fine-Tuning des Modells“ in die Kalkulation schreibt — lassen Sie sich begründen, wozu. Meist ist das entweder ein Missverständnis der Technologie oder eine aufgeblähte Kalkulation.

Rechenbeispiel: KI-Bot für den Vertrieb

Eine Kalkulation ergibt nur neben dem Effekt Sinn. Rechnen wir einen typischen Fall durch — ein KI-Bot zur Erstqualifizierung von Leads für ein Unternehmen mit vier Vertriebsmitarbeitern.

Kosten. Einführung (KI-Bot + HubSpot-Anbindung): ~8.000 €. Support und Tokens im ersten Jahr: ~3.500–4.500 €. TCO des ersten Jahres: ~12.500 €.

Effekt. Konservativ gerechnet, über zwei Posten:

• Freigesetzte Arbeitszeit. Die Erstqualifizierung frisst 30–40 % des Arbeitstags der Vertriebsmitarbeiter. Der Bot übernimmt sie — das entspricht 1–1,5 Vollzeitstellen. Bei Vollkosten von 5.000–6.500 € pro Monat und Mitarbeiter im DACH-Raum sind das ab 60.000 € Ersparnis pro Jahr — oder dasselbe Team bearbeitet anderthalbmal mehr Leads ohne Neueinstellungen.
• Leads außerhalb der Geschäftszeiten. Der Bot antwortet nachts und am Wochenende — das bringt üblicherweise 10–20 % zusätzlich bearbeitete Anfragen, die früher bis zum Morgen „abkühlten“.

Selbst wenn man nur den ersten Posten ansetzt, kommt das Projekt im 5.–8. Monat in die Gewinnzone. Markttypisch amortisiert sich ein richtig aufgesetztes KI-Projekt in 3–9 Monaten; alles, was eine Amortisation „in zwei Wochen“ verspricht, ist Marketing. Die Methode ist dieselbe, die wir bei der Berechnung der Amortisation eines SEO-Budgets angewendet haben: nicht „eingeführt/nicht eingeführt“ zählen, sondern Geld vorher und nachher.

Wann sich KI gar nicht rechnet

Mit diesem Abschnitt verlieren wir einen Teil der Anfragen, aber besser, wir sagen es vor der Kalkulation als nach der Einführung. Es gibt Situationen, in denen KI eine schlechte Investition ist — und kein Anbieter kann daran etwas ändern.

• Geringes Anfragevolumen. Bei weniger als 300–500 Dialogen oder Anfragen pro Monat geht die Rechnung nicht auf: Eine Einführung für mehrere Tausend Euro amortisiert sich über Jahre. Günstiger sind ein Mensch, ein fertiger SaaS-Bot für ein kleines Monatsabo oder schlicht ein gut geschriebenes FAQ.
• Keine Daten — und niemand, der sie erhebt. Die KI antwortet auf Basis der Wissensdatenbank. Wenn es keine dokumentierten Prozesse gibt, jeder Mitarbeiter eigene Antworten hat und niemand für die Wissenssammlung abgestellt wird, wird der Bot halluzinieren — und das Vertrauen Ihrer Kunden schneller beschädigen, als er Geld spart.
• Der Prozess ist instabil. Automatisieren lohnt sich nur, was sich wiederholt. Wird der Prozess jeden Monat umgebaut, bezahlen Sie statt Einsparungen den permanenten Umbau des Agenten.
• Die Fehlerkosten sind zu hoch. Wo jede Antwort von einem Anwalt oder Arzt geprüft werden muss, nimmt die KI den Menschen nicht aus der Schleife — also gibt es keine Personalkostenersparnis, und dem Projekt fehlt die Amortisationsbasis. Hier taugt KI nur als Entwurfs-Assistent, und genau von dieser Rolle aus muss kalkuliert werden.
• „KI einführen, weil alle KI haben.“ Wenn das Projekt keine Kennzahl hat (Minuten pro Anfrage, Bearbeitungskosten, Conversion-Rate), lässt sich das Ergebnis weder messen noch amortisieren. Erst die Kennzahl — dann die Kalkulation.

Wie Sie die Kalkulation eines Anbieters prüfen: 7 Fragen

Eine KI-Kalkulation prüft man mit Fragen. An den Antworten erkennen Sie sofort, ob Sie einen Integrator mit Methodik oder einen Hype-Verkäufer vor sich haben.

1. Woraus besteht die Kalkulation? Eine gute Antwort ist die Aufschlüsselung nach Rollen und Phasen: Analyse, Daten, Entwicklung, Integrationen, Tests, Pilot. Eine schlechte: eine einzige Zeile „KI-Einführung“.
2. Welches Modell steckt unter der Haube, und was kosten die Tokens bei meinem Volumen? Der Anbieter muss den Tokenverbrauch für Ihr Anfragevolumen vor Vertragsunterschrift berechnen — nicht „im Nachhinein“.
3. Was passiert mit meinen Daten? Wo werden sie gespeichert, verlassen sie die EU, was geht ins Cloud-API? Für personenbezogene Daten: Wie werden DSGVO-Konformität und Auftragsverarbeitungsvertrag sichergestellt, und ist die Anwendung nach dem EU AI Act eingeordnet?
4. Was umfasst der Support, und was kostet er pro Jahr? Fehlt der Support im Angebot komplett, haben Sie in sechs Monaten einen degradierten Bot und eine neue Kalkulation.
5. An welcher Kennzahl messen wir den Effekt? Vorher/nachher: Minuten pro Anfrage, Anteil automatisch gelöster Dialoge, Kosten pro bearbeitetem Lead. Ohne Kennzahl lässt sich die Amortisation nicht belegen.
6. Was passiert, wenn das Modell oder API teurer wird oder eingestellt wird? Die richtige Antwort: Die Architektur erlaubt einen Modellwechsel, ohne das System neu zu schreiben. Eine harte Bindung an einen einzigen Anbieter ist Ihr Risiko.
7. Können wir mit einem Pilot für einen einzelnen Prozess starten? Die Ablehnung eines Piloten und das drängende „lieber gleich alles komplett“ ist das größte Warnsignal in dieser Nische.

Konkrete Antworten mit Zahlen sind ein gutes Zeichen. Versprechen wie „amortisiert sich in einem Monat“ und eine Ein-Zeilen-Kalkulation sind ein Grund weiterzusuchen. Orientierungswerte zu unseren Leistungen finden Sie auf der Seite Preise; die Kalkulation für Ihre Aufgabe erstellen wir nach einem Prozess-Audit — erst die Rechnung, dann der Preis.