Was kostet KI? Die meisten Unternehmen rechnen falsch

Jede Kundeninteraktion, die heute von einem Menschen bearbeitet wird, kostet ein Vielfaches dessen, was sie bei richtig eingesetzter KI kosten würde. Und dennoch unterschätzen 90 % der Unternehmen bei der Planung von KI-Projekten die tatsächlichen Betriebskosten — und wundern sich dann, warum die Rechnung nicht aufgeht.

Hier ist die Wahrheit darüber, was KI wirklich kostet. Und wo das Geld tatsächlich verloren geht.

Warum der Preis von KI auf dem Papier anders aussieht als in der Realität

KI hat kein Preisschild wie ein Notebook. Es ist ein System, dessen Kosten von drei Dingen abhängen: was es tun soll, womit es verbunden werden soll und wie stark Sie es nutzen werden. Für jede dieser drei Dinge zahlen Sie separat — und genau das berücksichtigen die meisten Unternehmen nicht.

Für jede Interaktion, die KI verarbeitet, werden Token verbraucht — Einheiten von verarbeitetem Text. Eine einfache Anfrage verbraucht 500–1.000 Token. Eine komplexe Automatisierung, die mit CRM, E-Mail und Datenbank verbunden ist, kann durchaus 5.000 Token und mehr verbrauchen.

Ein reales Beispiel: Ein mittelgroßer Online-Shop setzte einen KI-Agenten für den Kundensupport ein. Nach der Aktivierung der Bestellverfolgung stieg der Token-Verbrauch um 300 % — und die monatlichen Kosten vervierfachten sich.

Was den Preis von KI wirklich ausmacht — und was nicht im Angebot steht

Ein Angebot für ein KI-Projekt sieht ordentlich aus. Implementierung, Betrieb, fertig. Doch hinter jeder Position verbirgt sich eine Kostenschicht, über die nicht gesprochen wird.

Kostenkategorien von KI-Projekten

• Implementierung: Analyse, Entwicklung, Konfiguration - je komplexer die Integration, desto höher der Preis
• Token und API: Jede Interaktion kostet etwas - das Volumen skaliert schnell, die Kosten auch
• Integration: Anbindung an ERP, CRM, E-Mail, Datenbanken - eigene Logik = eigene Entwicklung = eigener Preis
• Agent Ops: Monitoring, Feinabstimmung, Sicherheit - ohne dies degradiert der Agent allmählich
• Versteckte Kosten: Zeit Ihres Teams, DSGVO-Audit, Testing - niemand sagt es im Voraus

Agent Ops ist dabei die Kategorie, über die am wenigsten gesprochen wird — und die dennoch darüber entscheidet, ob KI in einem Jahr genauso gut funktioniert wie am Tag der Inbetriebnahme. Nur 38 % der Unternehmen haben dafür formale Prozesse.

Drei Arten von KI-Projekten und wo das Geld liegt

Es geht nicht um Preise. Es geht um Komplexität — und Komplexität bestimmt, wo und wie viel Sie zahlen.

Basis-KI

Einfacher Agent für FAQ, E-Mail-Sortierung oder Formularverarbeitung. Niedriger Token-Verbrauch, minimale Integration, schnelle Implementierung. Der ROI kommt am schnellsten — typischerweise innerhalb von sechs Monaten.

Spezialisierte KI

Agent für B2B-Bestellungen, HR-Screening oder Preisüberwachung. Höheres Volumen verarbeiteter Daten, Anbindung an interne Systeme, komplexerer Workflow. Genau hier stoßen Unternehmen am häufigsten auf einen unerwarteten Anstieg der Token.

Enterprise-KI

Mehrstufige Automatisierung über Abteilungen hinweg, vollständige Integration mit ERP, CRM und Lagersystem. Enterprise-Implementierungen dauern typischerweise 3–6 Monate allein für die Implementierung. Komplexität des Daten-Mappings, API-Entwicklung und Sicherheitsvalidierung — das sind Positionen, die im ursprünglichen Angebot schwer genau einzuschätzen sind.

Wie ROI berechnet wird — und warum ihn die meisten Unternehmen zu spät berechnen

Der ROI von KI wird nicht nach der Implementierung berechnet. Er wird vor der Unterschrift berechnet. Sonst haben Sie keinen Maßstab dafür, ob es funktioniert.

Grundformel:

Jährlicher Nutzen = (eingesparte Stunden pro Woche × 52 × Stundenlohn) − jährliche KI-Kosten

Beispiel: KI im HR

Ein Unternehmen sortiert 200 Lebensläufe pro Monat. Jeder nimmt einem HR-Mitarbeiter durchschnittlich 15 Minuten in Anspruch — insgesamt 50 Stunden pro Monat.

• Eingesparte Stunden pro Monat: 50
• Monatliche Einsparung bei Arbeitskosten: 1.000 €
• Jährliche Einsparung: 12.000 €
• Nettonutzen ab dem 2. Jahr: 8.000+ € pro Jahr

Beispiel: KI im Kundensupport

Automatisieren Sie 30 % der Routineanfragen. Bei einem Team von zehn Personen entspricht dies drei Mitarbeitern, die zu Arbeiten wechseln, bei denen sie wirklich unersetzlich sind.

• Automatisierter Anteil der Anfragen: 30 %
• Entspricht eingesparten Mitarbeitern: ~3 FTE
• Monatliche Einsparung bei Arbeitskosten: 7.200 €
• Return on Investment: weniger als 3 Monate

KI vs. Mensch: wo ist der echte Unterschied

KI ersetzt keine Menschen. Sie übernimmt das, was Menschen ausbremst — Routine, Wiederholungen, Warten. Und macht sie frei für Arbeiten, bei denen sie wirklich unersetzlich sind.

Vergleich der Schlüsselparameter

• Verfügbarkeit: Mensch (Arbeitszeit) vs KI (24/7/365)
• Konsistenz der Ausgabe: Mensch (schwankend) vs KI (stabil)
• Skalierbarkeit: Mensch (Rekrutierung dauert Wochen) vs KI (sofort)
• Preis pro Routineinteraktion: Mensch (hoch) vs KI (Bruchteil)
• Empathie und komplexe Situationen: Mensch (unersetzlich) vs KI (begrenzt)

Häufigste Fragen zum Preis von KI

Was kostet KI für ein kleines Unternehmen?

Es hängt hauptsächlich von der Komplexität des Prozesses und dem Datenvolumen ab, nicht von der Unternehmensgröße. Ein kleines Unternehmen mit einem einfachen, gut definierten Use-Case zahlt deutlich weniger als ein großes Unternehmen mit komplexer Integration.

Nach wie langer Zeit amortisiert sich die KI-Investition?

Bei einem gut gewählten Use-Case durchschnittlich nach 3–8 Monaten. Projekte im Kundensupport und in der Dokumentenverarbeitung erreichen einen ROI von über 300 % innerhalb von sechs Monaten nach dem Start.

Was sind Token und warum sind sie wichtig?

Token ist die Grundeinheit von Text, die KI verarbeitet. Je komplexer der Workflow, je mehr Tools der Agent verwendet und je länger der Kontext aufrechterhalten wird, desto mehr Token werden verbraucht — und desto höher sind die Betriebskosten.

Was ist Agent Ops und muss ich mich damit befassen?

Agent Ops ist die laufende Pflege des KI-Agenten — Leistungsüberwachung, Prompt-Optimierung, Fehlererkennung und Sicherheits-Compliance. Ohne Agent Ops degradiert der Agent allmählich. Ja, Sie müssen sich damit befassen.

Ist es besser, eine fertige KI-Lösung zu kaufen oder eine eigene entwickeln zu lassen?

Fertige SaaS-Lösungen sind schnell, aber allgemein. Partnerschaftlich entwickelte KI wird genau an Ihr ERP, CRM oder Lagersystem angebunden. Für die meisten Unternehmen ist die Zusammenarbeit mit einem Partner am effektivsten.

85 % der Unternehmen haben bereits KI. Wo stehen Sie?

Der globale KI-Markt überschritt im Jahr 2025 einen Wert von 7 Milliarden Euro und wird bis 2032 auf geschätzte 100 Milliarden wachsen. Mehr als 85 % der Unternehmen weltweit nutzen KI bereits in mindestens einem Prozess.

Das Fenster für einen Wettbewerbsvorteil schließt sich nicht, weil KI nicht mehr funktionieren würde. Es schließt sich, weil Ihre Konkurrenz sie vielleicht gerade jetzt implementiert — und Sie immer noch rechnen, ob Sie es sich leisten können.

Wie man anfängt, damit es funktioniert

Der größte Fehler ist nicht die falsch gewählte Technologie. Es ist die Implementierung von KI, ohne zu wissen, wo Sie tatsächlich Zeit und Geld verlieren.

Deshalb ist der erste Schritt immer eine strategische Analyse. Bevor Sie sich an einen Piloten machen, müssen Sie wissen, welcher Prozess das größte ROI-Potenzial hat, wo Ihre Daten in Ordnung sind und wo sich die wirklichen Effizienz-Bremsen verbergen.

Die strategische Analyse gibt Ihnen konkrete Antworten: wo KI zuerst eingesetzt werden soll, mit welchem erwarteten Nutzen und in welchem Zeitrahmen. Erst dann macht ein Pilot Sinn — ein Prozess, eine klare Metrik, echte Zahlen nach 4–6 Wochen.

Bei Apertia.ai haben wir über 35 KI-Projekte für tschechische Unternehmen durchgeführt. Jedes erfolgreiche begann mit einer Analyse — nicht mit einem Angebot. Wir zeigen Ihnen gerne, wo KI in Ihrem Unternehmen zuerst Wert bringt.