Warum KI-Budgets weniger vorhersehbar sind

Bei klassischer Unternehmenssoftware ist das Budget recht einfach aufgebaut. Sie zahlen für Lizenzen, Implementierung, Schulung und vielleicht jährliche Wartung. Sobald alles läuft, bleiben die Kosten in einer Bandbreite, die jeder der Geschäftsführung erklären kann. Bei künstlicher Intelligenz sieht das anders aus. Ein KI-Projekt, das als begrenzter Pilot startet, kann unerwartet teurer werden. Das passiert, wenn die Nutzung steigt, wenn Daten fehlen oder wenn Mitarbeitende mehr kontrollieren müssen als gedacht. Das macht KI-Budgets nicht unbeherrschbar. Es bedeutet jedoch, dass Sie sie anders aufbauen und verfolgen müssen, als Sie es von Ihrem ERP oder CRM gewohnt sind.

Kurz gesagt: Bei klassischer Software stehen Lizenzen, Implementierung und Wartung weitgehend fest. Bei KI bewegen sich fünf Posten: Nutzungskosten, die mit dem Volumen steigen, Datenvorbereitung, die enttäuscht, Modellentscheidungen, die sich ändern, Integrationen, die wachsen, sowie menschliche Kontrolle, die mehr Zeit braucht als geplant. Ein KI-Budget ist daher kein fester Betrag, sondern eine Bandbreite mit Annahmen. Wer diese Annahmen explizit macht, kann nachsteuern, bevor die Kosten entgleisen.

Warum klassische Software besser vorhersehbar wirkt

Traditionelle Software führt Regeln aus, die jemand im Voraus geschrieben hat. Dieselben Daten hinein ergeben dasselbe Ergebnis heraus. Das macht die Kostenstruktur klar: ein fester Lizenzpreis, ein abgegrenztes Implementierungsprojekt, Kosten für Konfiguration und Integration, regelmäßige Wartung, Support und Schulung. Auch klassische Softwareprojekte laufen manchmal aus dem Ruder. Sobald die Lösung stabil läuft, lassen sich die monatlichen Kosten jedoch recht gut vorhersagen.

KI-Lösungen sind grundlegend anders aufgebaut. Die endgültigen Kosten hängen nicht nur von der Zahl der Nutzer ab. Sie hängen auch davon ab, wie viele Informationen verarbeitet werden, welche Modelle Sie ansprechen und wie viel menschliche Kontrolle nötig bleibt.

Sechs Gründe, warum sich ein KI-Budget unterwegs verändert

1. Nutzungskosten wachsen mit dem Volumen. Viele KI-Dienste rechnen pro Verarbeitung ab: pro Dokument, pro Bild, pro Audiominute oder pro Textmenge. Eine Anwendung, die im Pilot hundert Dokumente pro Monat verarbeitet, sieht finanziell gut aus. Skalieren Sie auf zehntausend Dokumente, kommt plötzlich eine ganz andere Rechnung. Der Erfolg der Anwendung kann Ihre Rechnung buchstäblich wachsen lassen.

2. Nicht jedes KI-Modell kostet gleich viel. Für einfache Aufgaben reicht ein günstigeres Modell. Komplexe Analysen, größere Dokumente oder höhere Genauigkeit verlangen ein leistungsfähigeres und teureres Modell. Bei einer ersten Demonstration sehen Sie oft das beste Modell im Einsatz. Erst später merken Sie, was es kostet, dieses Qualitätsniveau in größerem Maßstab zu halten.

3. Die Daten selbst. Anbieter verpacken ein KI-Projekt gerne als Technologieprojekt. In Wirklichkeit fließt ein großer Teil des Budgets in das Sammeln, Bereinigen und Angleichen von Daten. Produktcodes, Kundendaten oder Prozessinformationen sind manchmal schlicht nicht konsistent genug, um zuverlässig darauf aufzubauen. Diese Vorarbeit wird in der Praxis immer wieder unterschätzt. Mehr dazu in unserem Artikel über Unternehmensdaten für KI vorbereiten.

4. Integrationen. Eine KI-Lösung muss meist mit bestehenden Systemen wie ERP, CRM, Dokumentenmanagement oder Buchhaltung zusammenarbeiten. Die KI-Funktion selbst ist oft schnell gebaut. Die Integration in bestehende Prozesse braucht deutlich mehr Zeit, vor allem bei älterer Software, Individualentwicklung oder verstreuten Datenquellen.

5. Menschliche Kontrolle. Ein KI-System liefert nicht automatisch ein Ergebnis, auf das Sie ohne Prüfung aufbauen können. Bei finanziellen, kommerziellen oder operativen Entscheidungen muss jemand prüfen, korrigieren oder freigeben. Diese Kontrolle ist ein echter Betriebskostenpunkt. Eine Lösung, die zwanzig Minuten automatisiert, danach aber fünfzehn Minuten Kontrolle verlangt, bringt deutlich weniger, als die erste Demonstration vermuten ließ.

6. Monitoring und Nachverfolgung. Klassische Automatisierung läuft jahrelang auf denselben Regeln. Die Leistung von KI kann sich ändern, sobald sich Eingaben, Geschäftskontext, Dokumente oder die zugrunde liegenden Modelle ändern. Sie wollen also fortlaufend wissen:

• wie viele Ergebnisse Sie korrigieren müssen;
• bei welchen Ausnahmen das System scheitert;
• wie oft Mitarbeitende eingreifen müssen;
• was jede Verarbeitung kostet;
• ob die auf dem Papier versprochene Zeitersparnis tatsächlich Bestand hat.

Berechnen Sie nicht nur die Projektkosten

Ein solides KI-Budget besteht aus mindestens vier Bestandteilen, die Sie am besten getrennt betrachten:

• Einmalige Kosten: Analyse, Implementierung, Konfiguration, Integrationen, Datenvorbereitung und Schulung.
• Wiederkehrende feste Kosten: Plattformlizenzen, Support, Sicherheit, Hosting und Wartung.
• Variable Nutzungskosten: Sie wachsen mit der Zahl der Verarbeitungen, Dokumente, Nutzer oder Modellaufrufe.
• Interne Kosten: Auch die Zeit Ihrer Mitarbeitenden zählt. Prozessanalyse, Kontrollen, Korrekturen, Abstimmungen und Change-Management sind keine kostenlosen Ressourcen.

Arbeiten Sie mit Szenarien statt mit einem einzelnen Betrag

Ein KI-Budget wird verlässlicher, wenn Sie nicht eine Zahl auf den Tisch legen, sondern mindestens drei Szenarien:

• Basisszenario: Was kostet die Lösung bei der erwarteten Nutzung?
• Wachstumsszenario: Was passiert, wenn die Nutzung drei- oder zehnmal größer wird?
• Ungünstiges Szenario: Was, wenn mehr Kontrollen, zusätzliche Anpassungen oder unerwartete Datenverbesserungen nötig sind?

So bekommt die Geschäftsführung keinen scheinbar präzisen Betrag, sondern eine realistische Bandbreite. Das macht das Gespräch sofort ehrlicher.

Welche Kennzahlen sollte ein CFO verfolgen?

Messen Sie ein KI-Projekt nicht nur an technischen Leistungen. Verfolgen Sie auch die finanziellen und operativen Kennzahlen:

• die Kosten pro Verarbeitung;
• den Zeitgewinn pro Vorgang;
• den Anteil der Ergebnisse, die Sie manuell anpassen;
• die Fehlerkosten vor und nach der Einführung;
• die Zahl der menschlichen Eingriffe;
• die gesamten monatlichen Nutzungskosten;
• die tatsächlich erreichte Amortisationszeit.

Die Kosten pro Verarbeitung sind oft aussagekräftiger als die gesamten Softwarekosten. Sie zeigen, ob das System auch bei höheren Volumen rentabel bleibt.

Bauen Sie die Kostenkontrolle schon in den Entwurf ein

Die finanzielle Kontrolle darf nicht erst beginnen, wenn die ersten Rechnungen in Ihrem Postfach landen. Sie gehört bereits während der Analyse in den Entwurf:

• einfache Aufgaben von günstigeren Modellen erledigen lassen;
• Limits pro Nutzer oder Abteilung setzen;
• nur relevante Daten an das Modell schicken;
• menschliche Kontrolle auf risikoreiche Fälle beschränken;
• Nutzung und Kosten pro Prozess berichten;
• im Voraus Abbruchkriterien festlegen, damit ein Projekt, das nicht funktioniert, auch wirklich gestoppt werden kann.

Fazit

KI-Budgets sind weniger vorhersehbar, weil die Kosten von Nutzung, Datenvolumen, Modellwahl, Integrationen und menschlicher Kontrolle abhängen. Eine klassische Schätzung mit reinen Lizenz- und Implementierungskosten reicht nicht aus. Ein gutes KI-Budget besteht aus Szenarien, berücksichtigt den internen Aufwand und koppelt die Kosten an messbare Geschäftsergebnisse.

Die richtige Frage lautet also nicht einfach „Was kostet diese KI-Lösung?“. Sie lautet: „Was kostet jede zuverlässige Verarbeitung, wie viel Arbeit spart sie und bleibt dieses Verhältnis attraktiv, wenn die Nutzung wächst?“

Häufige Fragen

Warum sind KI-Budgets weniger vorhersehbar als ERP-Budgets? KI-Kosten hängen von der Zahl der Nutzer ab, vom Verarbeitungsvolumen, vom gewählten Modell, von der Menge vorzubereitender Daten und vom Bedarf an menschlicher Kontrolle. Bei klassischer Software sind das feste Posten. Bei KI skalieren sie mit Nutzung und Kontext. Deshalb ist eine einzelne Budgetzahl unzuverlässig.

Welche Posten sollte ich mindestens in ein KI-Budget aufnehmen? Einmalige Kosten (Analyse, Implementierung, Integration, Datenvorbereitung, Schulung), wiederkehrende feste Kosten (Plattformlizenzen, Hosting, Support, Sicherheit), variable Nutzungskosten, die mit dem Volumen wachsen, sowie interne Kosten für Prozessanalyse, Kontrolle und Change-Management.

Was ist eine realistische Bandbreite für ein KI-Budget? Arbeiten Sie mit mindestens drei Szenarien: einem Basisszenario bei der erwarteten Nutzung, einem Wachstumsszenario bei drei- bis zehnmal höherer Nutzung sowie einem ungünstigen Szenario mit zusätzlichen Kontrollen und Datenverbesserungen. So geben Sie der Geschäftsführung eine realistische Bandbreite statt eines scheinbar präzisen Betrags.