Die Kosten einer KI-Integration hängen weniger vom Sprachmodell ab als von Datenquellen, Schnittstellen und Anforderungen an Datenschutz und Nachvollziehbarkeit. Dieser Ratgeber zeigt, welche Projekttypen es gibt, was sie teurer macht, welche laufenden Kosten entstehen und wie Sie mit einem Prototyp das Risiko klein halten.
KURZ GESAGT
Eine klar abgegrenzte KI-Integration, etwa ein Chatbot auf Ihren eigenen Dokumenten oder die automatische Vorsortierung von Anfragen, beginnt bei AixLaDev bei 1.490 € zzgl. MwSt. Hinzu kommen nutzungsabhängige API-Kosten, die im Rechenbeispiel mit 1.000 Anfragen pro Monat bei rund 11 US-Dollar liegen.
Die kurze Antwort: Was eine KI-Integration kostet
Eine KI-Integration ist kein Produkt von der Stange, sondern die Verbindung eines Sprachmodells mit Ihren Daten und Abläufen. Deshalb gibt es keinen Pauschalpreis. Es gibt aber einen belastbaren Einstieg: Eine klar abgegrenzte Integration mit einer Datenquelle und einem Anwendungsfall setzt AixLaDev ab 1.490 € zzgl. MwSt. um. Typische Beispiele sind ein Assistent, der Fragen auf Basis Ihrer eigenen Dokumente beantwortet, oder eine Vorsortierung eingehender Anfragen nach Thema und Dringlichkeit.
Größere Integrationen kosten entsprechend mehr. Der Aufwand steigt, sobald mehrere Datenquellen zusammengeführt, Nutzerrechte berücksichtigt, Ergebnisse in CRM oder ERP zurückgeschrieben oder Entscheidungen protokolliert werden müssen. Diese Punkte bestimmen den Preis stärker als die Frage, welches Sprachmodell eingesetzt wird.
Neben den einmaligen Entwicklungskosten fallen laufende Kosten an: Gebühren für die Nutzung des Sprachmodells, meist pro verarbeitetem Text abgerechnet, sowie Hosting und Wartung. Bei den Mengen, die in kleinen und mittleren Unternehmen üblich sind, bleiben die Modellkosten oft überschaubar. Wie man sie konkret abschätzt, zeigt ein Rechenbeispiel weiter unten.
- Einstieg für eine abgegrenzte Integration: ab 1.490 € zzgl. MwSt.
- Ein erster Prototyp ist in wenigen Wochen umsetzbar
- Größere Integrationen mit mehreren Systemen: Preis nach Umfang
- Laufend: nutzungsabhängige API-Kosten, Hosting, Wartung
Typische Projekttypen und ihre Kostentreiber
Die meisten KI-Vorhaben in Unternehmen lassen sich einer von vier Kategorien zuordnen. Sie unterscheiden sich weniger in der eingesetzten Technik als darin, wie tief die KI in bestehende Systeme eingreift. Je mehr die KI selbst handelt statt nur Vorschläge zu machen, desto mehr Aufwand entsteht für Absicherung, Tests und Protokollierung.
Die Tabelle nennt einen Preis nur dort, wo es einen festen Einstiegspreis gibt. Für die übrigen Projekttypen hängt der Aufwand so stark von Ihren Systemen ab, dass eine seriöse Zahl erst nach einer kurzen Bestandsaufnahme möglich ist.
| Projekttyp | Typischer Umfang | Kosten | Was den Preis erhöht |
|---|---|---|---|
| Chatbot auf eigenen Dokumenten | Assistent beantwortet Fragen auf Basis von Handbüchern, FAQ oder Richtlinien und nennt die Fundstelle | ab 1.490 € | Viele oder häufig wechselnde Dokumente, Zugriffsrechte je Nutzergruppe, Einbindung in Website oder Intranet |
| Anfragen-Vorsortierung | E-Mails oder Formularanfragen werden nach Thema, Dringlichkeit und Zuständigkeit klassifiziert | ab 1.490 € | Anbindung an Ticketsystem oder CRM, viele Kategorien, automatische Weiterleitung statt Vorschlag |
| Datenextraktion aus PDFs | Rechnungen, Lieferscheine oder Formulare werden ausgelesen und strukturiert übergeben | auf Anfrage, abhängig von Dokumentvielfalt und Zielsystem | Uneinheitliche Layouts, gescannte Dokumente, Plausibilitätsprüfungen, Rückschreiben in ERP oder Buchhaltung |
| KI-Agent mit Systemanbindung | Agent führt mehrstufige Aufgaben aus, liest und schreibt in angebundenen Systemen | auf Anfrage, abhängig von Zahl der Systeme und Freigabestufen | Mehrere Schnittstellen, Freigabe-Workflows, Protokollierung, Fehlerbehandlung bei Teilschritten |
Was die Entwicklungskosten wirklich bestimmt
Das Sprachmodell selbst ist heute ein austauschbarer Baustein, der per Schnittstelle angesprochen wird. Die eigentliche Arbeit liegt darum herum: Daten müssen vorbereitet, Antworten geprüft und Ergebnisse an der richtigen Stelle im Ablauf ankommen. Wer diese Faktoren vor Projektstart klärt, bekommt eine deutlich genauere Kalkulation.
Besonders unterschätzt wird die Datenqualität. Wenn Informationen in veralteten Dokumenten, widersprüchlichen Versionen oder nur in den Köpfen einzelner Mitarbeitender stecken, liefert auch das beste Modell keine verlässlichen Antworten. Ein Teil des Budgets fließt dann in das Aufräumen der Quellen, was sich aber auch unabhängig von der KI auszahlt.
- Anzahl und Qualität der Datenquellen (Dokumente, Datenbanken, Postfächer)
- Schnittstellen zu CRM, ERP, Ticketsystem oder Buchhaltung
- Zugriffsrechte: Darf jeder Nutzer jede Information sehen?
- Automatisierungsgrad: Vorschlag mit menschlicher Freigabe oder selbstständige Aktion
- Anforderungen an Protokollierung und Nachvollziehbarkeit
- Qualitätssicherung: Testfälle, Bewertung der Antworten, Umgang mit Fehlern
Laufende Kosten: API-Nutzung, Hosting und Wartung
Die meisten Sprachmodelle werden über eine Programmierschnittstelle (API) genutzt und nach verarbeiteten Tokens abgerechnet. Ein Token entspricht grob einem Wortteil; ein deutscher Text mit 1.000 Wörtern umfasst je nach Modell grob einige tausend Tokens. Abgerechnet werden Eingabe (Ihre Frage plus mitgeschickte Dokumentausschnitte) und Ausgabe (die Antwort) getrennt, die Ausgabe ist pro Token teurer.
Zur Einordnung die Listenpreise von Anthropic für zwei aktuelle Claude-Modelle, Stand: September 2026: Claude Haiku 4.5 kostet 1 US-Dollar pro Million Eingabe-Tokens und 5 US-Dollar pro Million Ausgabe-Tokens, Claude Sonnet 5.5 kostet 2 US-Dollar für Eingabe und 10 US-Dollar für Ausgabe pro Million Tokens. Andere Anbieter wie OpenAI oder Mistral rechnen nach demselben Prinzip ab; die Preise ändern sich regelmäßig und sollten vor Projektstart aktuell geprüft werden.
Ein Rechenbeispiel: Ein interner Dokumenten-Assistent beantwortet 1.000 Fragen im Monat. Pro Frage werden rund 3.000 Tokens Kontext mitgeschickt und 500 Tokens Antwort erzeugt. Das ergibt 3 Millionen Eingabe- und 0,5 Millionen Ausgabe-Tokens. Mit Sonnet 5.5 sind das etwa 6 plus 5, also rund 11 US-Dollar im Monat, mit Haiku 4.5 etwa 5,50 US-Dollar. Das ist eine vereinfachte Rechnung ohne Zwischenspeicherung, zeigt aber die Größenordnung.
Hinzu kommen Hosting für die Anwendung und gegebenenfalls eine Vektordatenbank für die Dokumentensuche sowie Wartung: Modelle werden weiterentwickelt oder abgekündigt, Schnittstellen ändern sich, Dokumente kommen hinzu. Planen Sie dafür einen festen Wartungsrahmen ein, statt erst im Fehlerfall zu reagieren.
| Position | Abrechnung | Einflussfaktoren |
|---|---|---|
| Modellnutzung (API) | Pro Million Tokens, getrennt nach Eingabe und Ausgabe | Anzahl Anfragen, Länge des Kontexts, gewähltes Modell |
| Hosting | Monatlich, je nach Anbieter und Leistung | Nutzerzahl, Dokumentenmenge, Serverstandort |
| Wartung und Pflege | Vereinbarter Rahmen oder nach Aufwand | Modellwechsel, neue Datenquellen, Anpassungen am Ablauf |
DSGVO und EU-Hosting: Was das für die Kosten bedeutet
Sobald personenbezogene Daten verarbeitet werden, etwa Namen in Kundenanfragen oder Mitarbeiterdaten in Dokumenten, gelten die Anforderungen der DSGVO. Das betrifft nicht nur den Modellanbieter, sondern die gesamte Kette: Wo läuft die Anwendung, wo liegen die Dokumente, welche Daten werden an das Modell übergeben und wie lange gespeichert?
In der Praxis bedeutet das: Mit jedem eingesetzten Dienst ist ein Auftragsverarbeitungsvertrag nötig, Datenflüsse in Drittländer müssen geprüft und dokumentiert werden, und die Datenschutzerklärung sowie gegebenenfalls das Verzeichnis der Verarbeitungstätigkeiten sind anzupassen. Diese Schritte kosten vor allem Zeit auf Ihrer Seite, sollten aber im Projektplan stehen.
Technisch lässt sich viel über die Architektur steuern: Hosting der Anwendung in einem EU-Rechenzentrum, Auswahl von Modellanbietern mit EU-Verarbeitung oder europäischem Sitz, Entfernen oder Maskieren personenbezogener Daten vor der Übergabe an das Modell und kurze Speicherfristen. Ein selbst betriebenes Open-Source-Modell ist ebenfalls möglich, verursacht aber deutlich höhere Betriebs- und Hardwarekosten und lohnt sich nur in besonderen Fällen. Eine Rechtsberatung ersetzt diese Planung nicht; bei sensiblen Daten sollte Ihr Datenschutzbeauftragter früh eingebunden werden.
Kosten kontrollieren: erst Prototyp, dann Ausbau
Der sicherste Weg zu einem planbaren Budget ist ein kleiner Prototyp mit echten Daten. Innerhalb weniger Wochen zeigt sich, ob die Antworten gut genug sind, wo die Datenqualität nachgebessert werden muss und wie Mitarbeitende das Werkzeug tatsächlich nutzen. Erst danach wird entschieden, ob und in welche Richtung ausgebaut wird.
Wichtig ist ein messbares Ziel für den Prototyp: zum Beispiel, dass 80 Prozent der Testfragen korrekt mit Fundstelle beantwortet werden oder dass die Vorsortierung bei einer Stichprobe von 200 Anfragen die richtige Zuständigkeit trifft. Ohne ein solches Kriterium wird ein Prototyp leicht zum Dauerprojekt.
- Einen einzelnen, häufigen Anwendungsfall auswählen
- Mit echten, aber begrenzten Daten testen
- Erfolgskriterium vorab festlegen
- Zunächst Vorschläge mit menschlicher Freigabe statt vollautomatischer Aktionen
- API-Nutzung mit Budgetgrenzen und Monitoring absichern
- Ausbau erst nach Auswertung des Prototyps planen
Wann sich eine KI-Integration nicht lohnt
Nicht jedes Problem braucht ein Sprachmodell. Wenn ein Ablauf aus festen Regeln besteht, etwa „Rechnung über 5.000 Euro geht an die Geschäftsführung“, ist eine klassische Automatisierung günstiger, schneller und vollständig vorhersagbar. Werkzeuge wie n8n eignen sich dafür oft besser als KI; KI-Bausteine lassen sich dort bei Bedarf gezielt ergänzen.
Ebenso wenig lohnt sich KI bei sehr seltenen Vorgängen. Wenn eine Aufgabe zehnmal im Jahr anfällt, amortisieren sich Entwicklung und Pflege kaum. Und wo eine falsche Antwort ernste Folgen hat, etwa bei rechtlich verbindlichen Auskünften, muss immer ein Mensch prüfen, was den Zeitgewinn schmälert.
- Feste Regeln ohne Interpretationsspielraum: klassische Automatisierung genügt
- Sehr geringe Fallzahl: Aufwand übersteigt den Nutzen
- Unvollständige oder veraltete Datengrundlage: erst Daten aufräumen
- Null Fehlertoleranz ohne Möglichkeit menschlicher Prüfung
Wie Sie zu einer belastbaren Kalkulation kommen
Für ein seriöses Angebot braucht es wenige, aber konkrete Informationen: Welcher Ablauf soll verbessert werden, wie oft kommt er vor, wo liegen die Daten und in welches System soll das Ergebnis? Mit diesen Angaben lässt sich einschätzen, ob der Einstiegsumfang ab 1.490 € passt oder ob eine größere Integration nötig ist.
AixLaDev ist das Softwarebüro von Ismet Arslan in Aachen, der seit über zwölf Jahren Web-, App- und Softwareprojekte umsetzt. Nach einem Erstgespräch erhalten Sie entweder einen Festpreis für einen klar umrissenen Prototyp oder einen Aufwandsrahmen mit Meilensteinen. Mehr zu Einsatzmöglichkeiten finden Sie auf der Seite zur KI-Integration für Unternehmen und, für mehrstufige Abläufe, zu KI-Agenten.
Quellen
Anthropic: Preisübersicht der Claude-API (claude.com/pricing), abgerufen am 25. September 2026 – Preise pro Million Eingabe- und Ausgabe-Tokens für Claude Haiku 4.5 und Claude Sonnet 5.5.
Beispielpreise: Einstiegspreise von AixLaDev, Stand September 2026, jeweils zuzüglich Mehrwertsteuer.
Häufige Fragen
- Was kostet eine KI-Integration für ein kleines Unternehmen?
- Eine abgegrenzte Integration mit einem Anwendungsfall, etwa ein Chatbot auf eigenen Dokumenten oder die Vorsortierung von Anfragen, beginnt bei AixLaDev bei 1.490 Euro zuzüglich Mehrwertsteuer. Mehrere Datenquellen, Schnittstellen zu CRM oder ERP und Rechtekonzepte erhöhen den Aufwand.
- Wie hoch sind die laufenden Kosten für die KI-Nutzung?
- Die Modellnutzung wird pro Token abgerechnet. Bei 1.000 Anfragen im Monat mit je rund 3.000 Tokens Kontext und 500 Tokens Antwort liegen die API-Kosten mit Claude Sonnet 5.5 bei etwa 11 US-Dollar im Monat (Listenpreise, Stand: September 2026). Hinzu kommen Hosting und Wartung.
- Wie lange dauert eine KI-Integration?
- Ein erster Prototyp mit echten Daten ist in wenigen Wochen umsetzbar. Größere Integrationen mit mehreren Systemen und Freigabeprozessen dauern entsprechend länger und werden in Meilensteinen geplant.
- Ist eine KI-Integration DSGVO-konform möglich?
- Ja, wenn Architektur und Verträge passen: Auftragsverarbeitungsverträge mit allen Diensten, Hosting in der EU, Prüfung von Datenflüssen in Drittländer, Minimierung personenbezogener Daten vor der Übergabe an das Modell und kurze Speicherfristen. Bei sensiblen Daten sollte der Datenschutzbeauftragte früh eingebunden werden.
- Brauche ich ein eigenes KI-Modell?
- In den meisten Fällen nicht. Etablierte Sprachmodelle werden per Schnittstelle genutzt und mit Ihren Dokumenten als Kontext versorgt. Ein eigenes Training oder selbst betriebenes Modell ist deutlich teurer und nur bei besonderen Anforderungen sinnvoll.
- Wann ist klassische Automatisierung besser als KI?
- Wenn ein Ablauf aus festen Regeln besteht und keine Interpretation von Freitext nötig ist. Dann ist eine regelbasierte Automatisierung, zum Beispiel mit n8n, günstiger, schneller und vollständig vorhersagbar.
Weiterführende Seiten
Über den Autor
Freelance-Softwareentwickler · Aachen
Ich entwickle seit über 12 Jahren individuelle Software, KI-Lösungen und Webanwendungen für Unternehmen aus Aachen und der Region. Als Freelancer Softwareentwickler übernehme ich vollständige Projekte oder unterstütze bestehende Teams direkt in der Umsetzung.