Aufwand für Entwicklung und Betrieb

Kosten und Nutzen von KI im Mittelstand (Teil 3 von 4)

Teil 1 | Teil 2 

Nachdem wir Ihnen im zweiten Teil dieser Blogreihe ein Gespür für die Anwendungsfälle mit den höchsten Potenzialen verschafft haben, geht es heute um die andere Seite der Medaille: die Kosten. Schließlich lässt sich der Erfolg von KI-Projekten nur über ein Kosten-Nutzen-Verhältnis messen. Dies mag zunächst nach einer Binsenweisheit klingen, aber in der Realität können viele Unternehmen nicht abschätzen, wann sie mit ihrem KI-Projekt eigentlich den Break-Even erreichen. So kann in einer Horváth-Umfrage jedes zweite Unternehmen keine Angabe hierzu machen. Immerhin gehen 60 Prozent davon aus, dass sich der Einsatz spätestens ab 2026 für sich rechnet und bei jedem zehnten Unternehmen konnten die Effizienzvorteile voraussichtlich bereits im vergangenen Jahr die Investitionen übersteigen. 

Wie so oft, lohnt sich hier der Blick auf das „bigger Picture“. Schließlich starten KI-Projekte in der Regel zunächst lediglich in einem Bereich – am besten in einem sehr aussichtsreichen, wie wir in Teil eins dieser Reihe deutlich gemacht haben – und wird dann sukzessive auf andere Bereiche ausgeweitet. Mit diesem zeitlichen Horizont verändert sich das Verhältnis natürlich schrittweise zugunsten des Nutzens. Wir möchten Sie aber weiterhin nicht mit allzu allgemeinen Hinweisen sozusagen im Kosten-Regen stehen lassen. Deswegen versuchen wir im Folgenden eine möglichst konkrete Abschätzung, wo und wie üblicherweise Kosten für die Umsetzung und den Betrieb von KI-Lösungen entstehen.

Was kostet der PoC?

Wie im ersten Teil dieser Blogreihe empfohlen, sollten Unternehmen mit einem Proof-of-Concept starten und nicht gleich mit einem umfangreichen Transformationsprojekt. So lassen sich Kosten und Risiken minimieren. Allerdings sollten Unternehmen auch die Kosten für den PoC nicht gänzlich unterschätzen. Hier gibt es recht zuverlässige Aussagen vieler Unternehmen, die das Anfangsinvestment in Umfragen konkret beziffert haben. So heißt es beispielsweise im Deloitte KI-Report 2024: „Für einen einfachen Proof-of-Concept, um einen ersten Eindruck der technischen Machbarkeit und organisatorischen Anforderungen zu bekommen, ist allgemeinen Einschätzungen zufolge (…) mit rund 50.000 bis 250.000 Euro zu rechnen.“ 

Wie hoch sind die langfristigen Kosten?

Eine Einschätzung der langfristigen Kosten ist selbstverständlich deutlich schwieriger und unzuverlässiger. Hier nennt der oben erwähnte KI-Report folgende Faustregel in Bezug auf die Kosten des PoC: „Für eine erfolgreiche Durchführung wird es laut Deloitte Berechnungen etwa das 5- bis 20-fache der Investitionen eines Proof of Concepts benötigen, je nach Komplexität und Umfang des Vorhabens also zwischen 250.000 bis 5 Millionen Euro.“ Das ist natürlich eine enorme Bandbreite, die mittelständischen Unternehmen höchstens ein Gespür für mögliche Schwellenwerte geben kann.

Hier sollte man sicher aber auch nochmal die „Habenseite“ ins Gedächtnis rufen (siehe auch Teil zwei dieser Blogreihe). Zum ROI heißt es in der Studie demnach: „So rechnen 19 % mit einem jährlichen finanziellen Mehrwert zwischen EUR 50.000,- und EUR 250.000,- durch KI, weitere 22 % erwarten sogar über EUR 250.000.“

Vermutlich ist es hinsichtlich der Kosten hilfreicher, sich einmal deren Zusammensetzung genauer anzuschauen. So lassen sich von Unternehmen  – projektabhängig –  für die einzelnen Posten vorab erst grobe Kalkulationen abschätzen, die den erforderlichen Budgetrahmen etwas genauer eingrenzen.

Typische Kostenkomponenten von KI-Projekten

Sie haben vermutlich damit gerechnet: Vorab gibt es erstmal einen kleinen Disclaimer. Die genauen Investitionen hängen von vielen projektspezifischen Faktoren ab: der Komplexität der gewünschten Lösung, der erforderlichen Rechenleistung, der Preise für notwendige Ressourcen oder dem gebotenen Individualisierungsgrad. Das Portal „Startup Creator“ nimmt hier die folgende Differenzierung vor: „Die Kosten für eine künstliche Intelligenz sind von vielen verschiedenen Einflussfaktoren abhängig, weshalb es hier schwierig ist, eine pauschale Aussage zu treffen. Von wenigen tausend Euro bis hin zu mehreren Hunderttausend ist alles möglich. Im Durchschnitt liegen die Kosten bei etwa 50.000€. Künstliche Intelligenzen mit Anbindung an OpenAI liegen oft darunter, im niedrigen 5-stelligen Bereich. Eine maßgeschneiderte KI ‚from Scratch‘ liegt meist bei über 100.000€“.  

Generell gilt: Die anfänglichen Kosten für die Entwicklung oder den Kauf einer KI-Software sind immer nur ein Teil der Gesamtkosten. Hierbei lassen sich zunächst direkte Kosten – etwa für Lizenzen – von indirekten Kosten – wie beispielsweise Betriebsunterbrechungen bei der Implementierung – unterscheiden. Im Folgenden haben wie die Kosten in grobe Kategorien eingeteilt, die Sie im Rahmen eines Projektes berücksichtigen sollten:

1. Beratungskosten

Viele Unternehmen benötigen zunächst externe Beratung, um ihre KI-Strategie zu entwickeln. Die Kosten hierfür können stark variieren und hängen vom konkreten Bedarf und den Tagessätzen der Berater:innen ab. Hier sollten Sie Angebote unterschiedlicher Dienstleister einholen und vergleichen.  

Praxistipp: Unser Data & AI Assessment gliedert sich in zwei Tagesworkshops und kostet rund 3900 Euro. Danach kennen Sie unter anderem den KI-Reifegrad Ihres Unternehmens sowie die konkreten Optimierungspotenziale und verfügen über eine Entscheidungsgrundlage für die nächsten Schritte. 

2. Entwicklungskosten

Die Entwicklungskosten für Anwendungen auf Basis von künstlicher Intelligenz setzen sich aus mehreren Faktoren zusammen, darunter vor allem Konzeption, Programmierung und das Training der Modelle. Hier gilt: Je komplexer die Problemstellung, desto aufwendiger ist in der Regel das maschinelle Lernen. Ein zentraler Kostenfaktor sind zudem qualifizierte KI-Entwickler:innen, deren hohe Gehälter und begrenzte Verfügbarkeit die Gesamtkosten erheblich beeinflussen können. 

Unternehmen stehen zudem vor der Entscheidung, ob sie eine eigene KI-Lösung entwickeln oder auf bestehende Technologien zurückgreifen. Während eine Eigenentwicklung hohe Investitionen in Fachkräfte, Hardware, Software und Datenbeschaffung erfordert, bieten Open-Source-Modelle wie OpenAI zwar eine Alternative, benötigen aber ebenfalls  gewissen Anpassungs- und Integrationsaufwände.  

Um mal eine Hausnummer zu nennen: Die Entwicklungskosten für maßgeschneiderte KI-Lösungen bewegen sich üblicherweise in einem Kostenrahmen von etwa 50.000 bis 500.000 Euro, abhängig von der Komplexität des Projekts und den benötigten Ressourcen. 

Praxistipp: Stellen Sie sicher, dass sich das Projekt ausgehend vom PoC rasch skalieren lässt und dass dieser Schritt bereits bei der Entwicklung mitgedacht wird. Das beschleunigt den weiteren Projektverlauf und kann helfen, Kosten zu sparen.  

3. Datenmanagement

Die Verfügbarkeit hochwertiger Daten ist für das Training von KI-Modellen essenziell. Die Aufbereitung und Bereinigung von Daten kann aufwendig sein und Kosten verursachen. Zudem sind entsprechende Datenschutzthemen zu berücksichtigen. Hier empfiehlt es sich ggf., eine entsprechend Datenplattform wie Microsoft Fabric zu nutzen, die die Bereitstellung und Verarbeitung der Daten skalierbar sicherstellt. 

Praxistipp: Führen Sie eine Dateninventur durch, um zu klären, welche Lücken möglicherweise noch geschlossen werden müssen. Setzen Sie zudem von Anfang an auf skalierbare Lösungen wie Microsoft Fabric bewährt, eine flexibel skalierbare All-in-One-Lösung, die alle Daten und Analysetools innerhalb einer durchgängigen, einheitlichen Analyseplattform zusammenbringt (mehr zu den Fabric-Vorteilen für KMU finden Sie hier.  

4. Infrastrukturkosten

Stellen Sie sicher, dass das erforderliche Wissen vorhanden ist, das reicht von Datenanalysten und Data Scientists bis hin zu geeigneten KI-Projektmanager:innen. Zudem sind Mitarbeitende im Umgang mit den neuen Technologien zu schulen und Ängste abzubauen.

Praxistipp: Arbeiten Sie ggf. mit externen Dienstleistern zusammen, um Wissenslücken zu schließen, und zeigen Sie in Workshops wie KI die Arbeit erleichtert.

5. Integrationsaufwand

Die nahtlose Einbindung der KI in bestehende Systemlandschaften kann ebenfalls eine Herausforderung darstellen und Mehrkosten mit sich bringen. Zudem sind oftmals bestehende Abläufe im Unternehmen zu ändern, um das Potenzial der KI voll auszuschöpfen. Diesen Integrationsaufwand sollten Sie einplanen. 

Praxistipp: Holen Sie sich frühzeitig Unterstützung, damit es bei der Integration der Lösung nicht zu Betriebsunterbrechungen oder ungeplanten Überraschungen kommt.  

6. Schulung und Weiterbildung

Auch die Schulung der Mitarbeitenden im Umgang mit der neuen Technologie sollte im Projekt- und Budgetplan nicht fehlen. Sie sind letztlich diejenigen, die das vollständige Potenzial durch die alltäglich Nutzung realisieren. 

Praxistipp: Die Einführung von KI kann Widerstände innerhalb der Belegschaft hervorrufen. In der Regel ist ein professionelles Veränderungsmanagement ratsam, um alle Beteiligten mitzunehmen und zu motivieren. 

7. Betriebskosten (Wartung, Updates, Sicherheit)

Der Betrieb von KI-Systemen erfordert leistungsfähige Hardware und gegebenenfalls Cloud-Dienste. Diese Infrastruktur verursacht laufende Kosten für Energie, Wartung und Upgrades, um ihre Leistungsfähigkeit und Sicherheit zu gewährleisten.  

Praxistipp: Die relevanten Systeme und Herausforderungen rund um den Betrieb der erforderlichen IT-Infrastruktur lassen sich in einem Halbtageswokshop ermitteln.  

7. Regulatorischer Aufwand

Datenschutzbestimmungen und andere regulative Anforderungen wie der EU AI Act und der EU Data Act können zusätzliche Maßnahmen und damit Kosten erfordern, insbesondere beim Einsatz von KI im europäischen Raum. 

Praxistipp: Bilden Sie interdisziplinäre Teams, um Verantwortung von Anfang an zu integrieren und berücksichtigen Sie den Aufwand für eine umfassende Dokumentation sowie für unterstützende Tools, etwa zur Bias-Erkennung. 

Kosten senken durch Fördermittel

Wie Sie sehen, gilt es eine ganze Reihe an Aufwänden und Kosten für die Entwicklung und den Betrieb von KI-Lösungen zu berücksichtigen. Die gute Nachricht: vor allem für den Mittelstand gibt es Förderprogramme, die die Gesamtkosten senken können. Ein Möglichkeit hierzu ist das „Zentrale Innovationsprogramm Mittelstand“ des Bundesministeriums für Wirtschaft und Klimaschutz mit unterschiedlichen Fördermöglichkeiten.  

Im nächsten Teil dieser Blogreihe kehren wir nochmal zurück zu einer der zentralen Herausforderungen. Hier widmen wir uns Best-Practice mit konkreten Handlungsempfehlungen rund um Datenmanagement und Co.