Die häufigste Frage in AI-Budgetrunden ist die falsche: Was kosten die Lizenzen? Die ehrliche Antwort auf die AI-Kosten eines Unternehmens beginnt woanders. Gartner prognostiziert, dass über 40 Prozent aller Agentic-AI-Projekte bis Ende 2027 eingestellt werden – wegen unkontrollierter Kosten, unklarem Business-Value oder fehlender Datengrundlage. Keiner dieser drei Abbruchgründe hat mit dem Lizenzpreis zu tun. Alle drei haben mit dem zu tun, was im Business Case fehlte.
AI-Kosten ehrlich gerechnet: vier Blöcke statt einer Zahl
Ein belastbarer AI-Business-Case besteht aus vier Kostenblöcken, und sie verhalten sich sehr unterschiedlich.
Block eins: Modell und Lizenz – Tokens, Seats, Plattformgebühren. Der sichtbarste Posten, in fast jedem realen Projekt der kleinste, und der einzige mit fallender Tendenz: Der Preis pro Leistungseinheit sinkt mit jeder Modellgeneration. Block zwei: Integration – die Anbindung an Kernsysteme, Datenhaushalte und Berechtigungen. Hier liegt der größte Einmalaufwand, und hier entscheidet sich, ob der Pilot je produktiv wird; es ist derselbe Engpass, an dem die meisten Agentic-Projekte scheitern. Block drei: Betrieb – Monitoring, Qualitätssicherung, Prompt- und Skill-Pflege, Modellwechsel, Incident-Prozesse. Der am häufigsten vergessene Block, dabei der einzige, der dauerhaft anfällt. Block vier: Compliance – Dokumentation, Governance, Prüfungsfähigkeit; in regulierten Häusern kein Aufschlag, sondern Teil der Definition von fertig.
Die Faustregel aus dieser Struktur: Wer nur Block eins budgetiert, hat rund ein Viertel der Wahrheit – und genau die Kostenkontrolle verloren, an der Gartner die Projektabbrüche festmacht. Der zweite Denkfehler ist subtiler: Modellwechsel als Sonderfall zu behandeln. Modellgenerationen wechseln im Rhythmus von Monaten. Eine Architektur, die pro Wechsel ein neues Integrationsprojekt braucht, multipliziert Block zwei – eine modell-agnostische Architektur macht daraus einen Betriebsvorgang in Block drei. Das ist der finanzielle Kern des Arguments, das wir sonst architektonisch führen.
Der Business Case dreht sich beim Übergang vom Projekt zum Betrieb
Auf der Nutzenseite gilt das Spiegelbild. Ein Pilot erzeugt Erkenntnis, aber keinen Wert – Wert entsteht ab dem Tag, an dem der Prozess dauerhaft und beherrscht läuft. Deshalb gehört in jeden Business Case eine Kennzahl, die fast immer fehlt: Kosten pro erledigtem Vorgang im Regelbetrieb, verglichen mit dem manuellen Prozess – inklusive aller vier Blöcke. Diese eine Zahl beendet die meisten Grundsatzdebatten, in beide Richtungen: Manche Use Cases rechnen sich glänzend, andere nie, und man will beides vor der Investition wissen. Für Systeme, die bereits laufen, liefert ein AI Cost Audit genau diese Transparenz.
Damit wird auch die Make-or-Operate-Frage zur Rechenaufgabe. Ein internes Team, das Blöcke zwei bis vier für ein einzelnes Haus aufbaut, trägt die vollen Fixkosten allein – Spezialisten, Rufbereitschaft, Compliance-Handwerk, Weiterbildung im Monatstakt. Das Operator-Modell verteilt genau diese Fixkosten über mehrere Mandate und macht aus dem Investitionsrisiko eine planbare Betriebsposition mit SLA auf Ergebnisse. Für Konzerne mit eigenem Plattformteam kann Selbstbetrieb die richtige Antwort sein. Für den Mittelbau ist er fast immer die teuerste.
Drei Zahlen, bevor Sie unterschreiben
Erstens: Vollkosten pro Jahr über alle vier Blöcke, nicht nur die Lizenzzeile – inklusive der internen Personentage für Betrieb und Dokumentation. Zweitens: Kosten pro erledigtem Vorgang im Zielbetrieb, gegen den heutigen Prozess gerechnet. Drittens: Kosten eines Modellwechsels in der angebotenen Architektur – die Antwort verrät mehr über die Qualität des Angebots als jede Referenzliste.
AI ist keine Lizenzentscheidung. Sie ist eine Betriebsentscheidung mit Lizenzanteil. Wenn Sie Ihren Business Case gegen diese vier Blöcke rechnen wollen: Sprechen Sie uns an.
Häufige Fragen zu AI-Kosten
Was kostet AI im Unternehmen wirklich?
Die Vollkosten bestehen aus vier Blöcken: Modell und Lizenz, Integration in die Systemlandschaft, laufender Betrieb (Monitoring, Qualitätssicherung, Modellwechsel) und Compliance-Dokumentation. Die Lizenz ist dabei in fast jedem realen Projekt der kleinste Posten – Integration und Betrieb dominieren die Rechnung.
Warum scheitern so viele AI-Projekte am Business Case?
Gartner erwartet, dass über 40 Prozent aller Agentic-AI-Projekte bis Ende 2027 eingestellt werden – wegen unkontrollierter Kosten, unklarem Business-Value oder fehlender Datengrundlage. Der häufigste Rechenfehler: Nur die Lizenzkosten werden budgetiert, während Integration, Betrieb und Compliance drei Viertel der tatsächlichen Kosten ausmachen.
Wann lohnt sich Managed AI gegenüber dem Eigenbetrieb?
Wenn die Fixkosten für Spezialisten, Monitoring, Compliance-Handwerk und laufende Modellwechsel für ein einzelnes Haus nicht auslastbar sind – das trifft auf die meisten Banken, Versicherer und Finanzdienstleister unterhalb der Konzernklasse zu. Das Operator-Modell verteilt diese Fixkosten über mehrere Mandate und liefert ein SLA auf Ergebnisse statt eines Werkzeugs.
