KI-Kosten realistisch kalkulieren: Was Mittelständler einplanen sollten

Warum die Frage nach KI-Kosten so schwer zu beantworten ist

Wenn mittelständische Unternehmen über KI-Kosten sprechen, erwarten sie eine klare Zahl. 10.000 Euro? 100.000? Die ehrliche Antwort: Es kommt darauf an. Nicht weil wir uns drücken wollen, sondern weil die Bandbreite enorm ist - von einem einfachen Chatbot für den Kundenservice bis zur vollständigen Automatisierung einer Lieferkette.

Trotzdem gibt es verlässliche Orientierungswerte. Und genau die brauchen Entscheider, um eine fundierte Investitionsentscheidung zu treffen.

Die vier Kostenblöcke einer KI-Einführung

Jedes KI-Projekt im Unternehmen lässt sich in vier Kostenblöcke aufteilen. Wer diese kennt, vermeidet böse Überraschungen.

1. Beratung und Konzeption

Bevor eine einzige Zeile Code geschrieben wird, muss klar sein: Welches Problem soll KI lösen? Welche Daten sind vorhanden? Welche Prozesse eignen sich überhaupt für Automatisierung? Diese Analysephase dauert typischerweise zwei bis vier Wochen und kostet zwischen 5.000 und 15.000 Euro. Das klingt nach viel für etwas, das noch kein sichtbares Ergebnis liefert. Aber genau diese Phase entscheidet darüber, ob die restlichen 80 Prozent des Budgets sinnvoll investiert werden - oder verschwendet.

Viele Unternehmen überspringen diese Phase, weil sie schnell Ergebnisse sehen wollen. Das ist nachvollziehbar, führt aber regelmäßig dazu, dass Projekte in die falsche Richtung laufen und am Ende deutlich teurer werden als nötig.

2. Datenaufbereitung

Der unterschätzteste Kostenblock. KI braucht Daten - und die liegen im Mittelstand selten sauber, strukturiert und vollständig vor. CRM-Einträge sind lückenhaft, Excel-Listen haben unterschiedliche Formate, historische Daten existieren nur als PDF. Die Aufbereitung dieser Daten macht in vielen Projekten 30 bis 50 Prozent des Gesamtbudgets aus. Bei einem typischen Mittelstandsprojekt sind das 10.000 bis 40.000 Euro. Wer hier spart, bekommt ein KI-System das auf schlechten Daten trainiert wurde - und entsprechend schlechte Ergebnisse liefert.

Ein konkretes Beispiel: Ein Maschinenbauer wollte die Wartungsplanung per KI optimieren. Die Maschinendaten lagen aber in drei verschiedenen Systemen, teilweise handschriftlich dokumentiert. Allein die Zusammenführung und Bereinigung der Daten dauerte sechs Wochen - doppelt so lang wie die eigentliche KI-Entwicklung.

3. Entwicklung und Integration

Die eigentliche technische Umsetzung: Modellauswahl, Training oder Fine-Tuning, Integration in bestehende Systeme, Schnittstellenentwicklung. Je nach Komplexität liegen die Kosten für KI-Entwicklung zwischen 15.000 Euro für ein standardisiertes Tool mit API-Anbindung und 80.000 Euro oder mehr für eine maßgeschneiderte Lösung. Viele Unternehmen unterschätzen dabei die Integrationskosten. Ein KI-Modell das isoliert funktioniert, aber nicht in den bestehenden Workflow passt, bringt keinen Mehrwert.

Besonders kostenintensiv wird es, wenn Legacy-Systeme angebunden werden müssen. ERP-Systeme aus den 2000er-Jahren haben selten moderne APIs. Hier können Adapter und Middleware schnell einen fünfstelligen Betrag ausmachen.

4. Laufende Kosten

KI ist kein Projekt mit Enddatum. Cloud-Computing, API-Gebühren, Modell-Updates, Monitoring - das summiert sich auf 500 bis 5.000 Euro monatlich, abhängig von Nutzungsintensität und Infrastruktur. Dazu kommt interner Aufwand: Mindestens eine Person im Unternehmen muss das System verstehen, überwachen und bei Bedarf nachjustieren. Dieser Posten wird bei der KI-Budgetplanung am häufigsten vergessen.

Unterschätzt wird auch der Schulungsaufwand. Wenn das Vertriebsteam ein neues KI-Tool nutzen soll, braucht es Einführungsworkshops, Dokumentation und eine Übergangsphase. Das kostet keine Lizenzen, aber es kostet Zeit - und Zeit ist im Mittelstand die knappste Ressource.

Typische Projektgrößen im Mittelstand

Aus unserer Erfahrung mit mittelständischen Unternehmen ergeben sich drei typische Projektgrößen:

Einstiegsprojekt (15.000 - 30.000 Euro): Ein klar abgegrenzter Use Case wird mit bestehenden KI-Tools umgesetzt. Beispiel: Automatisierte Angebotserstellung, intelligente E-Mail-Klassifizierung oder ein interner Wissensassistent. Laufende Kosten: 500 bis 1.500 Euro monatlich.

Mittleres Projekt (30.000 - 80.000 Euro): Mehrere Prozesse werden durch KI unterstützt, mit individueller Anpassung und Systemintegration. Beispiel: KI-gestützte Qualitätskontrolle in der Produktion oder automatisierte Kundenanalyse im Vertrieb. Laufende Kosten: 1.500 bis 3.000 Euro monatlich.

Transformationsprojekt (80.000 - 200.000 Euro): KI wird zum strategischen Wettbewerbsvorteil. Mehrere Abteilungen werden eingebunden, Dateninfrastruktur wird aufgebaut, Change Management ist Teil des Projekts. Laufende Kosten: 3.000 bis 5.000 Euro monatlich.

Wo Unternehmen bei KI-Kosten falsch kalkulieren

Die drei häufigsten Kalkulationsfehler, die wir in der Praxis sehen:

Fehler 1: Nur die Technologie einpreisen. Die Lizenz für ein KI-Tool kostet vielleicht 200 Euro im Monat. Aber die Anpassung an interne Prozesse, die Schulung der Mitarbeitenden und die Datenanbindung kosten ein Vielfaches davon. Wer nur die Toolkosten budgetiert, plant am Bedarf vorbei.

Fehler 2: Kein Budget für Iteration. Das erste KI-Modell trifft selten ins Schwarze. Jedes Projekt braucht Zyklen der Verbesserung - Feedback sammeln, Modell anpassen, erneut testen. Wer das gesamte Budget für die Erstentwicklung verplant, hat keinen Spielraum für die entscheidende Optimierungsphase.

Fehler 3: Den ROI zu früh erwarten. KI-Investitionen amortisieren sich typischerweise nach 6 bis 18 Monaten. Wer nach drei Monaten Ergebnisse sehen will, wird enttäuscht - nicht weil die Technologie versagt, sondern weil Prozessveränderungen Zeit brauchen.

So kalkulieren wir KI-Projekte

Unser Ansatz bei der KI-Kostenplanung für mittelständische Unternehmen: Wir starten immer mit einem begrenzten Pilotprojekt. Das kostet zwischen 15.000 und 25.000 Euro und liefert innerhalb von sechs bis acht Wochen ein messbares Ergebnis. Auf dieser Basis lässt sich fundiert entscheiden, ob und wie skaliert wird.

Das Pilotprojekt hat noch einen zweiten Vorteil: Es zeigt allen Beteiligten im Unternehmen, was KI konkret leisten kann. Das schafft Akzeptanz und macht die Budgetfreigabe für Folgeprojekte deutlich einfacher. Denn nichts überzeugt einen Geschäftsführer mehr als ein funktionierender Prototyp mit messbarem Nutzen.

Kein Unternehmen muss mit einem sechsstelligen Budget starten. Aber jedes Unternehmen sollte wissen, was die einzelnen Phasen kosten - bevor der erste Euro fließt.

KI-Kosten im Unternehmen sind planbar. Vorausgesetzt, man plant ehrlich.