Lektion 4 von 6
Budget, Scope und Zeitplan — realistische Rahmen setzen
Die Budget-Frage kommt zu früh
Modellrechnung, keine Preisangabe: Alle Euro-, Prozent-, Mengen- und Zeitwerte dieser Lektion sind frei konstruiert. Sie sind weder Marktpreise noch Angebote oder Kundenergebnisse. Ersetzen Sie sie durch aktuelle Anbieterpreise, eine technische Aufwandsschätzung und Ihre internen Vollkosten.
Viele KI-Gespräche beginnen mit der Budget-Frage: "Was kostet das?" Die ehrliche Antwort ist: Es kommt darauf an — und wer vor der Use-Case-Klärung eine verbindliche Zahl nennt, rät.
In dieser Lektion lernen Sie, wie Sie Budget, Umfang und Zeitplan als prüfbare Annahmen aufsetzen. Die Zahlen zeigen eine mögliche Rechenstruktur.
Konstruierte Budgetrahmen
Der Pilot (8 bis 12 Wochen)
Modell A: 15.000 bis 30.000 Euro. Passend für klar abgegrenzte Use-Cases mit guter Datenlage, zum Beispiel E-Mail-Klassifikation, FAQ-Bot, einfache Dokumentenverarbeitung ohne tiefgreifende Integration.
Modell B: 30.000 bis 60.000 Euro. Integration in bestehende Systeme (CRM, ERP), RAG-Anbindung an eigene Dokumentenbasis, moderate Custom-Logik.
Modell C: 60.000 Euro aufwärts. Mehrere Datenquellen, eigene Integrationen, Fine-Tuning oder komplexe Entscheidungsprozesse, besondere Compliance-Anforderungen.
Diese Werte sind Rechenannahmen für eine externe Umsetzung. Bei Eigenentwicklung müssen interne Personal-, Infrastruktur- und Betriebskosten vollständig angesetzt werden.
Die Ausweitung nach dem Piloten
Der Sprung vom Piloten zur produktiven Lösung ist oft der teurere Schritt:
- Produktiver Betrieb mit Service-Level und Monitoring: Im Modell werden jährlich 30 bis 60 Prozent des Pilotbudgets angesetzt.
- Weitere Abteilungen oder Anwendungsfälle: Im Modell werden 40 bis 70 Prozent des ersten Piloten angesetzt, sofern Bausteine wiederverwendet werden können.
Laufende Kosten
Im Rechenmodell werden für 500 bis 5.000 Anfragen pro Tag API-Kosten von 30 bis 600 Euro im Monat angenommen. Das ist keine aktuelle Preisauskunft. Berechnen Sie den konkreten Eingabe- und Ausgabeumfang mit den jeweils gültigen Preislisten der infrage kommenden Anbieter.
Wesentlich relevanter sind:
- Lizenzkosten für Software-Schichten (Vektor-Datenbank, RAG-Plattform, Monitoring)
- Wartung, Weiterentwicklung, Prompt-Pflege
- Weiterbildung der Mitarbeitenden
- Governance, Compliance-Dokumentation, Audits
Für den laufenden Betrieb setzt das Modell 15 bis 40 Prozent der Aufbaukosten pro Jahr an. Prüfen Sie den Wert anhand von Nutzung, Support, Monitoring, Datenschutz und Weiterentwicklung.
Scope richtig schneiden
Der Scope eines Piloten sollte eng sein, aber nicht beliebig. Vier Grenzen helfen, den Rahmen sinnvoll zu setzen:
Geografische oder organisatorische Grenze. Nur eine Abteilung, eine Niederlassung, ein Team. Kein unternehmensweites Ausrollen im Piloten.
Funktionale Grenze. Eine Aufgabe, nicht drei. Wenn der Use-Case lautet "Angebote erstellen", dann nicht zusätzlich auch Vertragsprüfung und Rechnungsstellung.
Datengrenze. Welche Datenquellen werden im Piloten eingebunden? Begrenzen Sie die Zahl so, dass jede Quelle fachlich und technisch geprüft werden kann.
Integrations-Grenze. In welche bestehenden Systeme wird geschrieben oder gelesen? Eine einzelne Integration (z. B. CRM-Anbindung) im Piloten ist oft ausreichend.
Wo Mittelständler am häufigsten übersehen
Drei Kostenblöcke sollten in keiner Kalkulation fehlen:
1. Datenqualität und -aufbereitung
Das Modell reserviert 20 bis 50 Prozent der Pilotzeit für Aufbereitung, Strukturierung und Bereinigung. Ermitteln Sie den tatsächlichen Anteil mit einem Datencheck vor der Budgetfreigabe.
2. Change Management
Eine KI-Lösung, die Abläufe verändert, braucht Kommunikation, Schulung und Begleitung. Das Modell setzt dafür 5 bis 15 Prozent des Pilotbudgets an. Der notwendige Umfang hängt von Nutzerzahl, Risiko und Prozessänderung ab.
3. Compliance und Datenschutz
Welche Prüfungen nach EU AI Act und DSGVO notwendig sind, hängt vom konkreten Einsatz ab. Planen Sie Kapazität für die projektspezifische Einordnung ein und arbeiten Sie mit dem EU-AI-Act-Verordnungstext sowie der DSGVO.
Das "Schubladen-Projekt" vermeiden
Das häufigste Scheitern in KI-Projekten sieht so aus: Der Pilot läuft, die Ergebnisse sind ordentlich — aber danach passiert nichts. Monate später verstauben die Zugangsdaten, niemand nutzt die Lösung, die Erkenntnisse gehen verloren.
Die Ursache ist fast immer organisatorisch, nicht technisch. Was hilft:
- Ein operativer Owner. Nicht die IT, sondern jemand aus dem Fachbereich, der die Lösung im Alltag verantwortet und weiterentwickelt.
- Ein klarer Rollout-Plan nach dem Piloten. Wer nutzt wann? Welche Trainings? Welche Entscheidungswege?
- Messpunkte nach Go-Live. Ohne regelmäßige Messung verschwindet jedes Projekt aus dem Blickfeld.
Was Sie aus dieser Lektion mitnehmen
Ein belastbares Budget entsteht aus fachlichem Umfang, Datenlage, Integrationsaufwand, laufendem Betrieb und klar gekennzeichneten Reserven. Die Beispielwerte dieser Lektion ersetzen keine Aufwandsschätzung. Im nächsten Kapitel geht es um Kennzahlen und Erfolgsmessung.
Wissenscheck
Wie sollten die Budgetwerte dieser Lektion verwendet werden?
Warum scheitern KI-Projekte überproportional oft am zu engen Scope statt am zu weiten?