Was kostet KI im Unternehmen wirklich?
„Was kostet uns das?“ ist die berechtigte erste Frage jeder Geschäftsführung, sobald KI ins Spiel kommt. Die ehrliche Antwort ist unbequem: Es kommt darauf an — aber nicht auf das, worauf die meisten zuerst schauen. Die viel diskutierten Token- und API-Preise sind in den allermeisten Unternehmensprojekten der kleinste Posten. Die eigentlichen Kosten liegen woanders, und genau dort entscheidet sich, ob sich ein KI-Projekt rechnet.
Die vier Kostenblöcke.
Um die Kosten eines KI-Projekts realistisch einzuschätzen, hilft es, sie in vier Blöcke zu zerlegen. Jeder Block hat seine eigene Logik, und der Fehler liegt fast immer darin, nur den ersten zu betrachten:
- Modell- bzw. API-Kosten — die laufenden Gebühren für die Nutzung des Sprachmodells, meist nach verarbeiteter Textmenge (Tokens) abgerechnet.
- Einmalige Umsetzungskosten — Konzeption, Entwicklung, Integration in bestehende Systeme, Tests.
- Laufende Betriebskosten — Überwachung, Wartung, Pflege der Datenbasis, Anpassung an Änderungen.
- Indirekte Kosten — Schulung, Change-Management, Zeit der eigenen Mitarbeiter, Lizenzkosten umliegender Tools.
Warum der Token-Preis selten entscheidend ist.
Die meisten Anbieter rechnen Sprachmodelle nach verarbeiteter Textmenge ab, getrennt nach Eingabe (das, was man dem Modell schickt) und Ausgabe (das, was es zurückgibt). Diese Preise sind in den letzten Jahren deutlich gefallen und werden in der Regel pro Million Tokens angegeben — eine Größenordnung, bei der ein einzelner typischer Vorgang oft nur Bruchteile eines Cents bis wenige Cent kostet.
Für viele Anwendungsfälle bleibt der monatliche API-Aufwand damit erstaunlich überschaubar. Das verändert sich erst bei sehr großen Volumina, sehr langen Eingaben (etwa wenn jedes Mal umfangreiche Dokumente mitgeschickt werden) oder bei Modellen am oberen Ende der Leistungsskala. Wer einen Massenprozess mit Millionen Vorgängen automatisiert, sollte die Token-Kosten ernsthaft durchrechnen. Wer einen Assistenten für ein Team baut, wird sie meist als Nebenposten verbuchen.
Eine grobe Faustformel macht die Rechnung greifbar: Kosten pro Vorgang ≈ (Eingabe-Tokens × Eingabepreis + Ausgabe-Tokens × Ausgabepreis). Wer die typische Token-Menge eines Vorgangs kennt und mit dem aktuellen Preis seines Anbieters multipliziert, hat eine belastbare Schätzung — wichtiger als jede Pauschalaussage.
Wo das Geld wirklich hingeht: Integration.
Der mit Abstand größte und am häufigsten unterschätzte Posten ist die Integration. Ein Sprachmodell, das isoliert Texte verarbeitet, bringt einem Unternehmen wenig. Wert entsteht erst, wenn es an die echten Systeme angebunden ist: an das ERP, das CRM, das Dokumentenmanagement, die Datenbanken, die Berechtigungsstrukturen.
Diese Anbindung ist klassische Softwareentwicklung mit allen bekannten Herausforderungen: Schnittstellen, die nicht dokumentiert sind, Datenformate, die nicht zusammenpassen, Berechtigungen, die geklärt werden müssen, Sonderfälle, die niemand vorhergesehen hat. Hier entstehen die Tage und Wochen Arbeit, die ein Projekt teuer machen — nicht im Modell. Wer ein KI-Budget plant, sollte den größten Teil auf Integration und nicht auf API-Gebühren ansetzen.
Eine ehrliche Kostenübersicht.
Konkrete Zahlen hängen stark von Unternehmensgröße, vorhandener IT, Use-Case und Anbieter ab — pauschale Eurobeträge wären unseriös. Was sich aber verlässlich sagen lässt, ist die relative Gewichtung der Posten und ihr Kostentreiber:
| Kostenblock | Typische Gewichtung | Haupttreiber |
|---|---|---|
| Modell- / API-Kosten | Oft klein | Volumen, Eingabelänge, Modellklasse |
| Umsetzung & Integration | Meist größter Posten | Komplexität der Systemlandschaft |
| Betrieb & Wartung | Dauerhaft, oft unterschätzt | Zuverlässigkeitsanspruch, Änderungstempo |
| Schulung & Change | Variabel, gern vergessen | Zahl der Nutzer, Tiefe der Prozessänderung |
Die Botschaft dieser Tabelle ist nicht die exakte Zahl, sondern die Verschiebung des Blicks: Wer nur auf den Token-Preis schaut, plant am eigentlichen Kostenrisiko vorbei.
Die laufenden Kosten, die niemand einplant.
Ein KI-System ist nach dem Go-Live nicht fertig. Es braucht Pflege. Modelle werden von den Anbietern weiterentwickelt und gelegentlich abgelöst, Schnittstellen ändern sich, die zugrundeliegenden Daten veralten, neue Sonderfälle tauchen auf. Ohne jemanden, der das System beobachtet und nachjustiert, sinkt die Qualität schleichend — bis das Vertrauen weg ist.
Dazu kommt das Monitoring: Wie viele Vorgänge laufen sauber durch, wo häufen sich Fehler, wie verändert sich die Qualität über die Zeit? Diese Beobachtung kostet Aufmerksamkeit und damit Geld — ist aber die Voraussetzung dafür, dass aus dem schicken Start kein langsam verrottendes System wird. Wer den Betrieb nicht von Anfang an einplant, zahlt ihn später doppelt.
Cloud-API oder eigenes Modell?
Eine häufige Kostenfrage ist die Wahl zwischen einer Cloud-API und einem selbst betriebenen Modell. Beide haben ein völlig anderes Kostenprofil:
- Cloud-API: keine eigene Infrastruktur, sofort startklar, Bezahlung nach Nutzung. Geringe Einstiegshürde, aber laufende Kosten skalieren mit dem Volumen, und Daten verlassen das eigene Haus — was vertraglich (Auftragsverarbeitung, Datenstandort) sauber geregelt sein muss.
- Eigenes Modell: volle Kontrolle, Daten bleiben im Haus, keine Pro-Vorgang-Gebühr. Dafür erhebliche Kosten für Hardware oder gemietete Rechenkapazität, Aufwand für Betrieb und Aktualisierung und in der Regel eine geringere Modellqualität als bei den führenden Cloud-Anbietern.
Für die meisten Unternehmen ist der Einstieg über eine Cloud-API der wirtschaftlichere und schnellere Weg. Ein eigenes Modell lohnt sich vor allem dann, wenn besondere Datenschutzanforderungen, sehr hohe Volumina oder strikte Souveränitätsvorgaben es erzwingen. Diese Entscheidung sollte gerechnet und nicht aus dem Bauch getroffen werden.
Den Nutzen ehrlich gegenrechnen.
Kosten ergeben nur Sinn im Verhältnis zum Nutzen. Der Fehler vieler Wirtschaftlichkeitsrechnungen ist, den Nutzen zu optimistisch anzusetzen — etwa indem man annimmt, ein Prozess laufe nach der Einführung zu hundert Prozent automatisch und fehlerfrei. Realistisch bleibt fast immer ein Rest manueller Arbeit, und genau den muss man in die Rechnung aufnehmen.
Eine seriöse Nutzenrechnung fragt: Wie viel Zeit spart der Prozess wirklich, nachdem man die verbleibende Prüf- und Korrekturarbeit abgezogen hat? Welche Fehlerkosten entfallen? Welcher qualitative Nutzen — schnellere Antworten, zufriedenere Kunden — kommt hinzu, auch wenn er schwer zu beziffern ist? Erst wenn dieser ehrlich geschätzte Nutzen die Summe aus allen vier Kostenblöcken übersteigt, ist das Projekt wirtschaftlich.
Wie man Kostenüberraschungen vermeidet.
Die wirksamste Methode gegen böse Kostenüberraschungen ist ein kleiner, realer Pilot mit echtem Datenmaterial. Er liefert belastbare Zahlen statt Schätzungen: Wie viele Tokens verbraucht ein Vorgang tatsächlich? Wie aufwendig ist die Anbindung an das konkrete System? Wie viel manuelle Nacharbeit bleibt? Aus diesen Messwerten lässt sich auf das volle Volumen hochrechnen — sauberer als jede Vorab-Pauschale.
Ergänzend gehört in jede Cloud-Nutzung ein Kostenlimit oder zumindest eine Überwachung des Verbrauchs, damit ein Fehler in der Anwendung nicht unbemerkt hohe Gebühren produziert. Und der Betrieb gehört von Beginn an ins Budget — nicht als nachträglicher Posten, sondern als fester Bestandteil der Wirtschaftlichkeitsrechnung.
Was ich aus der Praxis mitgebe.
- Der Token-Preis ist selten das Problem. Integration, Betrieb und Change kosten in der Regel ein Vielfaches der API-Gebühren.
- Betrieb von Anfang an einplanen. Ein KI-System will gepflegt werden; wer das vergisst, zahlt es später mit Qualitätsverlust.
- Nutzen ehrlich, nicht optimistisch rechnen. Die verbleibende manuelle Arbeit gehört in jede Wirtschaftlichkeitsrechnung.
- Pilot statt Pauschale. Echte Messwerte aus einem kleinen Bereich schlagen jede Vorab-Schätzung — und schützen vor Fehlinvestitionen.
Sie wollen wissen, was ein konkreter KI-Anwendungsfall in Ihrem Unternehmen kosten würde? Unverbindlich anfragen — wir rechnen anhand eines realen Pilot-Bereichs statt mit Pauschalversprechen.