TCO von KI-Projekten ehrlich rechnen.

Total Cost of Ownership ist ein Konzept aus der klassischen IT-Beschaffung: Man zählt nicht nur den Kaufpreis, sondern alle Kosten über die Nutzungsdauer — Betrieb, Wartung, Schulung, Ausstattung, am Ende auch die Außerbetriebnahme. Was bei ERP-Systemen und Hardware seit Jahrzehnten Standard ist, fehlt bei KI-Projekten erstaunlich oft. Anbieter werben mit Lizenzpreisen, Kunden vergleichen Lizenzpreise, und am Ende staunen alle, warum das Projekt das Dreifache des ursprünglich Geplanten kostet. Dabei ist die Lizenz bei KI-Projekten meist der kleinste Posten. Die wirklichen Kosten entstehen in Integration, Datenaufbereitung, laufendem Betrieb, Schulung und kontinuierlicher Qualitätskontrolle. Wer TCO ehrlich rechnet, kommt zu anderen Make-or-Buy-Entscheidungen, anderen Anbieterwahlen und einem realistischeren Planungshorizont. Dieser Artikel zeigt die typischen TCO-Komponenten eines mittelständischen KI-Projekts mit Bandbreiten — und woran die meisten Kalkulationen scheitern.

Warum die Lizenzgebühr nur der Türöffner ist.

Wenn ein KI-Anbieter eine Lizenzgebühr von 30.000 Euro pro Jahr ausweist, denkt der Einkauf reflexhaft an die Skala vergleichbarer Software. Dort sind 30.000 Euro Lizenzkosten typischerweise mit einer Implementierung von 20.000 bis 40.000 Euro verbunden — überschaubarer Rahmen. Bei KI ist das Verhältnis ein anderes.

In der Beratungspraxis liegt der Multiplikator zwischen jährlicher Lizenzgebühr und einmaliger Implementierung selten unter dem Faktor 1,5. Häufiger liegt er bei 2 bis 3. Bei komplexen Custom-Anwendungen kann er auf 5 bis 8 steigen. Die Lizenz ist also nicht das Investitionsvolumen, sondern der Türöffner zu einem Projekt, das mehrere Komponenten umfasst.

Das ist nicht zwingend ein Problem — wenn man es weiß. Problematisch wird es, wenn der Anbietervergleich auf Lizenzkostenebene endet. Anbieter A mit 25.000 Euro Lizenz und 80.000 Euro Integrationsaufwand ist teurer als Anbieter B mit 40.000 Euro Lizenz und 35.000 Euro Integration — obwohl B auf den ersten Blick teurer wirkt. Wer die TCO über drei Jahre rechnet, sieht das. Wer auf den Lizenzpreis schaut, sieht es nicht.

Die acht typischen TCO-Komponenten.

Eine vollständige TCO-Rechnung für ein KI-Projekt sollte mindestens acht Komponenten enthalten. Sie alle fallen real an, manche werden in den Anbieterunterlagen erwähnt, andere nicht.

Die Anteile streuen, aber ein Muster wiederholt sich: Die laufenden Posten (Lizenz, Betrieb, Qualitätssicherung, Anpassungen) machen über drei Jahre kumuliert mehr aus als die einmaligen. Bei längerer Nutzung verschiebt sich das Verhältnis weiter zugunsten der laufenden Kosten.

Wichtig: Bei Cloud-basierten KI-Lösungen mit nutzungsabhängiger Vergütung können die laufenden Kosten signifikant skalieren. Was im Pilot mit 50 Nutzern preiswert wirkt, kann beim Rollout auf 500 Nutzer das Dreifache kosten — wenn das Pricing-Modell volumenabhängig ist.

Datenaufbereitung: der unterschätzte Brocken.

Die Datenaufbereitung ist in vielen Anbieterangeboten ein einzeiliger Posten — oder fehlt ganz, weil der Kunde sie „selbst“ macht. In der Praxis ist sie häufig der größte Einzelposten der Implementierung, besonders bei Unternehmen mit historisch gewachsener Systemlandschaft.

Konkretes Beispiel: Ein mittelständischer Maschinenbauer will Servicedaten für ein KI-gestütztes Empfehlungssystem nutzen. Die Daten liegen in drei Systemen — CRM, ERP, Servicemanagement — in unterschiedlichen Formaten, mit teils widersprüchlichen Kundennummern, fehlenden Zeitstempeln und unstrukturierten Servicekommentaren. Bevor das KI-System überhaupt trainiert werden kann, müssen diese Daten konsolidiert, bereinigt und in ein gemeinsames Schema überführt werden. Aufwand: vier Monate, drei Personen, intern oder extern.

Wer diesen Posten unterschätzt, sieht die TCO-Rechnung explodieren. Wer ihn realistisch ansetzt, kommt häufig auf 20 bis 30 Prozent der Gesamtprojektkosten — bei manchen Anwendungen sogar mehr. Diese Vorarbeit ist zudem keine reine Kostenposition: Saubere Daten sind ein Asset, das auch für andere Projekte nutzbar bleibt. Aber sie muss in der ersten Rechnung sichtbar sein, sonst kippt das Budget im ersten Quartal.

Laufender Betrieb und Qualitätskontrolle.

Was viele unterschätzen: KI-Systeme brauchen Pflege. Nicht in dem Sinn, wie eine Maschine geölt wird, sondern in einem fortlaufenden Prozess aus Beobachtung, Feinjustierung und Qualitätsmessung. Diese Aufgabe kostet Personalressourcen, die in der Erstkalkulation häufig fehlen.

Konkret fallen drei Tätigkeiten regelmäßig an. Erstens das Monitoring der KI-Ausgaben: Bleibt die Qualität konstant, oder driftet das System? Solche Drifts treten auf, wenn sich Eingabedaten verändern — etwa weil Kundenkommunikation digitaler wird oder weil neue Produkte aufgenommen werden. Zweitens die Stichprobenkontrolle: 5 bis 15 Prozent der bearbeiteten Vorgänge werden manuell überprüft, um Qualität sicherzustellen. Drittens das Feedback-Management: Wenn Mitarbeitende oder Kunden Probleme melden, müssen sie systematisch erfasst und in Modellanpassungen überführt werden.

Diese drei Tätigkeiten summieren sich auf 0,2 bis 0,8 Vollzeitäquivalente pro produktivem KI-System. Bei mehreren Anwendungen im Unternehmen entsteht schnell eine Rolle, die sich ausschließlich um KI-Betrieb kümmert. Wer diesen Personalaufwand in der TCO-Rechnung vergisst, kalkuliert das Projekt strukturell zu billig — und steht später vor der Frage, wer eigentlich das Tagesgeschäft macht.

Schulung und Lernkurve.

Mitarbeitende müssen das KI-System nicht nur einmal lernen, sondern in einer veränderten Arbeitsweise neu Routine entwickeln. Diese Lernphase ist ein realer Kostenpunkt, der in den meisten Kalkulationen fehlt oder mit einem pauschalen Schulungsbudget abgehandelt wird.

Realistische Aufwände: vier bis acht Stunden initiale Schulung pro Mitarbeiter, zwei bis drei Wochen mit verringerter Produktivität in der Lernphase, fortlaufende Mikroschulungen über das erste Jahr. Bei einem Team von 30 Personen entspricht das einem Aufwand von rund 300 Stunden Schulung plus etwa 1.500 Stunden Produktivitätsverlust — also dem Gegenwert eines knappen halben Jahresgehalts.

Hinzu kommt: Wer KI nur einmal einführt und nie wieder schult, verliert die kontinuierliche Verbesserung. Erfahrene Power-User entdecken nach einem Jahr Anwendungsfälle, an die im Roll-out niemand gedacht hat. Diese Lernkurve ist ein Asset — aber sie verlangt periodische Workshops, Erfahrungsaustausch und einen internen Ansprechpartner. Auch das ist Personalaufwand, der in die TCO gehört.

In der Praxis zeigt sich: Unternehmen, die ihre Schulungsbudgets ehrlich kalkulieren, kommen schneller zum Nutzen als solche, die am Schulungsetat sparen. Die billigste Schulung ist häufig die teuerste, weil das System nicht genutzt wird.

Compliance, Dokumentation und Audit-Fähigkeit.

Mit dem EU AI Act, der DSGVO und branchenspezifischen Vorgaben sind KI-Projekte nicht mehr nur eine technische Frage. Ein Mittelständler braucht Dokumentation darüber, welche Daten verarbeitet werden, welche Modelle eingesetzt werden, wie Ergebnisse geprüft werden und wie auf Beanstandungen reagiert wird.

Konkret fallen folgende Aufwände an: Datenschutz-Folgenabschätzung, falls personenbezogene Daten verarbeitet werden. Modelldokumentation für AI-Act-Pflichten. Auftragsverarbeitungsverträge mit Anbietern. Interne Richtlinien für den Umgang mit KI-Ergebnissen. Regelmäßige Auditierung.

Diese Pflichten verursachen einmalige Kosten in der Größenordnung 5.000 bis 25.000 Euro für ein mittelgroßes Projekt — abhängig davon, wie viel intern geleistet werden kann und wie viel extern eingekauft wird. Hinzu kommen laufende Kosten von 2.000 bis 8.000 Euro jährlich für Aktualisierung und Audit.

Wichtig ist, diese Posten von Anfang an einzuplanen. Wer sie ignoriert und sechs Monate nach Roll-out feststellt, dass ein neuer Anbieter ausgewählt werden muss, weil der ursprüngliche keine AVV unterzeichnen will, verliert Zeit und Budget. Die Compliance-Posten sind nicht groß im Verhältnis zur Gesamtsumme — aber sie sind real, und sie zu vergessen kostet mehr, als sie kosten würden.

Make-or-Buy: Wie TCO die Entscheidung verschiebt.

Eine seriöse TCO-Rechnung verändert die typische Make-or-Buy-Entscheidung deutlich. Wer nur Lizenzpreise vergleicht, neigt zur „Buy“-Entscheidung, weil eine SaaS-Lizenz zunächst preiswerter wirkt als der Aufbau eigener Kompetenz. Wer TCO ehrlich rechnet, bekommt ein differenzierteres Bild.

Beispiel: Ein mittelständischer Versicherungsmakler erwägt, sein Antragsmanagement entweder mit einer SaaS-Lösung zu automatisieren (60.000 Euro Lizenz pro Jahr) oder mit einer Custom-Lösung intern aufzubauen (150.000 Euro einmalig, 30.000 Euro Betriebskosten pro Jahr). Im ersten Jahr ist SaaS deutlich günstiger. Über drei Jahre liegen beide Optionen bei rund 220.000 Euro — aber die Custom-Lösung gehört dem Unternehmen, lässt sich erweitern und schafft interne Kompetenz.

Über fünf Jahre kippt die Rechnung zugunsten der Custom-Lösung — und gleichzeitig steigt die Abhängigkeit von der SaaS-Lösung, die ihre Preise jedes Jahr anpassen kann. Solche Überlegungen sind in dem Beitrag Make-or-Buy bei KI-Projekten ausführlich behandelt — der entscheidende Punkt ist, dass die TCO-Brille die Entscheidung anders ausfallen lässt als die reine Lizenzkostenbrille.

Eine TCO-Rechnung, die in der Praxis trägt.

Praktisch lässt sich eine belastbare TCO-Rechnung in fünf Schritten aufsetzen, die in einem mittelständischen Unternehmen ohne Spezialisten machbar sind.

1. Drei-Jahres-Horizont festlegen: Kürzere Zeiträume verfälschen das Verhältnis zwischen einmaligen und laufenden Kosten. Länger als fünf Jahre wird die Prognose unsicher.
2. Alle acht Komponenten einzeln benennen: Wer nur eine Sammelposition „Sonstiges“ anlegt, verschiebt die Diskussion in den späten Projektphasen — wenn das Budget längst gebunden ist.
3. Bandbreiten statt Punktwerte: Jede Position bekommt einen Best-Case- und Worst-Case-Wert. Die Summe der Worst-Case-Werte ist die Reserve, die intern bereitgehalten werden sollte.
4. Externe und interne Kosten getrennt ausweisen: Externe Kosten fließen ins Budget, interne Kosten in die Personalplanung. Beide sind real, aber sie haben unterschiedliche Genehmigungsprozesse.
5. Quartalsweise nachjustieren: Die TCO-Rechnung ist kein Einmal-Dokument, sondern ein lebendes Planungsinstrument. Nach jedem Quartal werden tatsächliche Werte den Planwerten gegenübergestellt — und die Prognose für die verbleibenden Quartale angepasst.

Wer diese Disziplin durchhält, bekommt ein TCO-Bild, das im Beirat trägt und über Jahre belastbar bleibt. Die Aufwendung für diese Disziplin ist überschaubar — und sie verhindert die unangenehmen Überraschungen, die KI-Programme häufig politisch belasten.

Sie wollen für ein KI-Vorhaben eine ehrliche TCO-Rechnung über drei Jahre aufstellen? Unverbindlich anfragen — wir schauen gemeinsam auf alle relevanten Komponenten — Lizenz, Integration, Betrieb, Schulung, Compliance — und bauen einen belastbaren Business Case.