Was kostet KI wirklich?

Die monatliche Lizenz ist nur die Spitze. Wer KI sauber einführt, rechnet sechs Kosten­blöcke — wir zeigen die Zahlen aus echten Mandaten und eine Beispiel­rechnung für 50 Mitarbeitende.

Die Frage „Was kostet KI?" bekommen wir in jedem Erst­gespräch. Die ehrliche Antwort lautet selten unter 10.000 Euro und selten über 80.000 Euro — für einen ersten ernst­zunehmenden Einsatz im Mittelstand. Die Spanne ist groß, weil sie in zwei Drittel ihrer Höhe nicht aus Lizenz­kosten besteht. Sondern aus Integration, Schulung und Governance.

Wir gehen die sechs Kosten­blöcke der Reihe nach durch — von sichtbar zu versteckt.

1. Lizenzen: Die sichtbaren Kosten

ChatGPT Team kostet 25 US-Dollar pro Sitz und Monat (jährlich gebunden), Claude Pro 18 Euro pro Sitz, Microsoft 365 Copilot 28 Euro pro Sitz. Bei 20 Nutzern landen Sie bei 400 bis 600 Euro Lizenz­kosten im Monat — ein Posten, der gut planbar ist und im B2B-Vergleich nicht teuer wirkt.

Lizenzen sind der einzige Kosten­block, den Sie vor dem Projekt­start exakt kennen. Genau darum ist die Versuchung groß, nur ihn zu kalkulieren — und am Ende beim Doppelten oder Dreifachen zu landen.

2. API- und Token-Kosten: Wo es überraschend teuer wird

Sobald Sie eigene Workflows bauen — RAG-Pipelines, Automatisierungen über n8n oder Make, eingebettete Chat-Assistenten — kommen Token-Kosten hinzu. Pro 1.000 verarbeitete Tokens zahlen Sie bei den großen Anbietern zwischen 0,15 und 15 Cent (Input/Output unterschiedlich, je nach Modell).

In der Praxis: ein internes Wissens­assistent mit 50 Nutzern und mittlerer Frequenz verbraucht 50 bis 300 Euro pro Monat an API-Kosten. Ein RAG-Bot, der täglich Hunderte E-Mails einsortiert, kann auch bei 500 Euro landen. Wer ohne Limits arbeitet, wird beim ersten Monats­abschluss überrascht.

Empfehlung: Token-Budgets pro Workflow setzen, Logging einrichten, monatlich review. So überraschen Sie die Buchhaltung nicht.

3. Cloud, Hosting und Vektor­datenbanken

RAG-Anwendungen brauchen Vektor­datenbanken (Pinecone, Weaviate, Qdrant) — typisch 25 bis 200 Euro im Monat, je nach Daten­menge. Hosting für eigene Front-Ends oder Konnektoren: 20 bis 80 Euro auf Vercel, Railway oder ähnlich. Embeddings (Vektor-Berechnungen aus Ihren Dokumenten): einmalig je nach Menge, danach inkrementell.

Für die meisten Mittelständler liegt der Cloud-Posten zwischen 50 und 250 Euro im Monat. Wenn Sie auf eine reine SaaS-Lösung setzen, entfällt der Posten — dann ist er aber Teil der höheren Lizenz­gebühr.

4. Integration und einmalige Implementierung

Hier wird es deutlich teurer. ERP-Anbindung, CRM-Konnektoren, Datei­speicher-Indexierung, Single-Sign-On, Sicherheits-Reviews — alles einmalig, alles unverzichtbar. Realistisch sind 5.000 bis 25.000 Euro für die erste produktive Anwendung.

Mehr als 70 Prozent unserer KI-Mandate haben den Großteil ihres Budgets in diesem Block. Wer hier spart, bezahlt es spätestens beim zweiten Use-Case — weil Daten doppelt geholt, Konnektoren nochmal gebaut, AVV-Verträge nochmal verhandelt werden.

5. Schulung und Change-Management

Der unter­schätzte Block. KI ohne Schulung ist wie ein neues ERP-System, das keiner kennt. Realistisch: 1 bis 3 Schulungs­tage pro Team plus laufende Q&A in den ersten drei Monaten. Eine Inhouse-Schulung kostet 1.500 bis 3.500 Euro pro Tag. Plus die Arbeits­zeit der Teilnehmenden.

Häufiger Fehler: Nur die Lizenz kalkulieren, Schulung als „machen wir selbst" einplanen. In der Praxis nutzen dann 30 Prozent das Tool produktiv — der Rest verfällt zurück in alte Routinen.

6. Versteckte Folge­kosten: Governance, AVV, Audit-Logs

Daten­bereinigung vor dem RAG-Setup (1 bis 2 Wochen Arbeit), AV-Vertrags­prüfung mit dem Datenschutz­beauftragten, Audit-Log-Setup für nachvollziehbare KI-Aktionen, Daten­schutz-Folge­abschätzung bei besonderen Kategorien. Klingt nach Bürokratie, ist aber Pflicht — und in DSGVO-Audits später teuer, wenn es fehlt.

Bei sauberer Vorbereitung: 2.000 bis 5.000 Euro einmalig, danach geringe laufende Pflege. Bei nachträglicher Behebung: gerne das Doppelte plus reputations­schaden, falls eine Beschwerde an die Aufsichts­behörde geht.

7. Beispiel­rechnung: 50 Mitarbeitende, ein Jahr

Ein typischer Mittelständler — Dienst­leister, 50 Mitarbeitende, alle nutzen ChatGPT Team plus drei interne RAG-Tools (Wissens­assistent, Angebots-Helfer, E-Mail-Triage). Erstes Jahr:

• Lizenzen (50 × 25 Euro × 12 Monate): 15.000 Euro
• API/Token (drei Tools × 150 Euro × 12 Monate): 5.400 Euro
• Cloud/Vektor­DB (100 Euro × 12 Monate): 1.200 Euro
• Integration (einmalig, drei Use-Cases): 18.000 Euro
• Schulung (2 Tage × 5 Teams + Q&A): 8.000 Euro
• Governance/AVV (einmalig + Pflege): 3.500 Euro

Summe Jahr 1: rund 51.000 Euro. Davon nur 15.000 Euro Lizenzen — also 29 Prozent. Im Jahr 2 fällt die Integration weg, Schulung reduziert sich auf Onboarding-Updates: laufende Kosten landen bei rund 24.000 Euro im Jahr.

Was bedeutet das für den ROI?

Wenn die drei Use-Cases pro Nutzer 4 Stunden pro Woche einsparen — eine konservative Annahme bei sauberer Implementation — sind das bei 50 Mitarbeitenden und 60 Euro internem Stundensatz 624.000 Euro Zeit­wert pro Jahr. Selbst bei nur 25 Prozent realer Verfügbarkeit (weil nicht alle Use-Cases gleich gut adaptiert werden): 156.000 Euro Nutzen gegen 51.000 Euro Kosten. ROI im Quartal, deutlich positiver Beitrag fürs zweite Jahr.

Häufiger Fehler: Nur die Lizenz­kosten kalkulieren — dann sieht das Projekt mit 15.000 Euro Lizenz gegen 624.000 Euro Nutzen unwiderstehlich aus. Es kommt nie zu diesem Verhältnis, weil ohne Integration und Schulung niemand das Tool produktiv nutzt.

Sie wollen für Ihr Unternehmen rechnen? Erstgespräch buchen — wir machen mit Ihnen eine konkrete TCO-Schätzung für Ihre Größenordnung.