Individuelle KI-Lösungen sind meistens die falsche Antwort — und manchmal die einzige
Individuelle KI-Lösungen lohnen sich, wenn ein Prozess oft genug läuft, klare Entscheidungsregeln hat und auf Daten zugreift, die kein Standardprodukt kennt. Fehlt eine dieser drei Bedingungen, ist ein fertiges Werkzeug fast immer schneller und billiger.
- Der teuerste Teil eines KI-Projekts ist die Anbindung an ERP, Warenwirtschaft und Dokumentenablage, nicht das Sprachmodell.
- Ein Prozess, den niemand beschreiben kann, lässt sich auch nicht automatisieren — die Klärung davor ist die eigentliche Arbeit.
- Seit dem EU AI Act hängt der Aufwand auch daran, in welche Risikoklasse Ihr Anwendungsfall fällt.
Wer sich heute nach KI für den eigenen Betrieb umsieht, bekommt zwei Antworten, und beide können falsch sein. Die eine lautet: Nehmen Sie ein fertiges Werkzeug, alles andere ist Geldverbrennung. Die andere lautet: Nur individuelle KI-Lösungen bringen einen echten Vorsprung. Welche der beiden für Sie gilt, hängt an drei Eigenschaften Ihres Prozesses — und die lassen sich in einer halben Stunde prüfen, lange bevor jemand ein Angebot schreibt.
Standardsoftware scheitert dort, wo Ihre Daten unstrukturiert liegen
Fertige KI-Werkzeuge sind gut in allem, was allgemein ist. Ein Text soll kürzer werden, eine E-Mail höflicher, eine Tabelle erklärt: dafür braucht niemand eine Eigenentwicklung. Das Modell kennt die Aufgabe aus Millionen ähnlicher Fälle.
Schwierig wird es an der Stelle, an der die Aufgabe Wissen verlangt, das nur bei Ihnen liegt. Welche Zuschläge gelten für welchen Kunden. Wie ein Bauteil in Ihrem Nummernkreis heißt. Was in der Preisliste von 2019 stand, auf die sich ein Rahmenvertrag noch bezieht. Dieses Wissen steht selten in einer Datenbank. Es steht in PDF-Anhängen, in gescannten Lieferscheinen, in E-Mail-Verläufen und in den Köpfen von drei Leuten, die seit zwanzig Jahren da sind.
Ein Standardwerkzeug kommt an diese Daten nicht heran. Sie können ihm die Information bei jeder einzelnen Anfrage von Hand mitgeben — genau das tun viele Betriebe gerade, und es ist der Punkt, an dem die Begeisterung nach ein paar Wochen kippt. Sobald Sie merken, dass Sie dem Werkzeug ständig dieselben Firmendaten nachreichen, ist die Grenze erreicht.
Der teuerste Teil eines KI-Projekts ist die Anbindung, nicht das Modell
Es hält sich hartnäckig die Vorstellung, ein KI-Projekt bestehe im Wesentlichen darin, ein Modell auszuwählen. Tatsächlich ist das der kleinste Posten. Der Aufwand entsteht davor und danach.
Davor: Die Daten müssen erreichbar sein. Ein ERP mit dokumentierter Schnittstelle ist ein anderer Fall als eine Branchensoftware, deren Hersteller seit Jahren nicht mehr erreichbar ist. Dokumente müssen lesbar sein — ein gescanntes Fax ist kein Text, sondern ein Bild, aus dem erst einer werden muss.
Danach: Das Ergebnis muss irgendwo landen, wo damit weitergearbeitet wird. Eine KI, die ein Angebot entwirft, das dann jemand aus einem Chatfenster kopiert, hat den Prozess nicht verkürzt, sondern verlängert. Nützlich wird sie erst, wenn der Entwurf im richtigen System als Entwurf steht, mit der richtigen Nummer, im richtigen Status.
Wenn Sie Angebote vergleichen, achten Sie deshalb weniger darauf, welches Modell jemand vorschlägt, und mehr darauf, ob im Angebot steht, welche Systeme angebunden werden und ob es dafür Schnittstellen gibt. Fehlt dieser Teil, ist die Zahl darunter geraten.
Drei Fragen entscheiden, ob sich Eigenentwicklung rechnet
Bevor über Technik gesprochen wird, lässt sich die Frage fast immer an drei Punkten klären.
Läuft der Prozess oft genug? Automatisierung amortisiert sich über Wiederholung. Ein Vorgang, der zweimal im Monat vorkommt, lohnt keine Eigenentwicklung, egal wie lästig er ist. Ein Vorgang, der täglich dutzendfach läuft, lohnt sie fast immer — auch dann, wenn er einzeln betrachtet nur Minuten kostet.
Kann jemand den Prozess vollständig beschreiben? Das ist die Hürde, an der nach unserer Erfahrung die meisten Vorhaben hängenbleiben. Nicht an der Technik, sondern daran, dass drei Abteilungen drei verschiedene Antworten darauf geben, was eigentlich passieren soll. Ein Prozess, den niemand aufschreiben kann, lässt sich auch nicht automatisieren. Diese Klärung ist keine Vorarbeit zum Projekt, sie ist der teuerste und wertvollste Teil davon — und sie zahlt sich selbst dann aus, wenn am Ende gar keine Software gebaut wird.
Braucht der Prozess Daten, die kein Standardprodukt kennt? Wenn die Antwort nein ist, kaufen Sie ein Abo und sparen sich den Rest. Wenn sie ja ist, geht es weiter — dann allerdings mit der Frage, wie diese Daten erreichbar werden.
Drei Mal ja heißt: Eigenentwicklung lohnt sich vermutlich. Zwei Mal ja heißt: erst den fehlenden Punkt klären. Ein Mal ja heißt: lassen Sie es.
Der EU AI Act verschiebt die Rechnung bei einigen Anwendungsfällen
Seit 2024 gilt in der EU ein einheitlicher Rechtsrahmen für KI-Systeme. Er sortiert Anwendungen nach Risiko, und diese Einstufung wirkt sich unmittelbar auf den Aufwand aus.
Der Großteil dessen, was im Mittelstand gebaut wird, fällt in die niedrigste Stufe: Angebote entwerfen, Dokumente einordnen, Anfragen vorsortieren. Hier geht es im Wesentlichen um Transparenz — Menschen müssen wissen, dass sie es mit einem KI-System zu tun haben, und Mitarbeitende, die damit arbeiten, brauchen eine Einweisung.
Anders liegt der Fall, sobald ein System über Menschen entscheidet oder Entscheidungen vorbereitet: Bewerbungen vorsortieren, Kreditwürdigkeit bewerten, Leistung von Beschäftigten beurteilen. Solche Anwendungen gelten als hochriskant und bringen Dokumentations-, Protokollierungs- und Aufsichtspflichten mit sich, die den Aufwand deutlich erhöhen.
Für die Entscheidung heißt das: Klären Sie die Einstufung, bevor Sie entwickeln lassen. Ein Anwendungsfall, der sich bei niedrigem Risiko klar rechnet, kann sich als hochriskantes System nicht mehr rechnen. Das ist keine juristische Feinheit, sondern ein Posten in der Kalkulation.
Ein Projekt beginnt mit einem Prozess, nicht mit einem Modell
Wir fangen deshalb nicht mit Technik an, sondern mit einem Vorprojekt, das nur zwei Dinge tut: den Prozess so aufschreiben, dass alle Beteiligten dasselbe darunter verstehen, und prüfen, ob die nötigen Daten überhaupt erreichbar sind. Am Ende steht eine Empfehlung — auch dann, wenn sie lautet, dass sich das Vorhaben nicht lohnt.
Das Ergebnis dieses Vorprojekts gehört Ihnen, unabhängig davon, wer danach entwickelt. Uns ist ein abgesagtes Projekt lieber als eines, das nach acht Monaten in einer Schublade endet. Was wir übernehmen und was ausdrücklich nicht, steht auf der Seite Über uns.
Weitere Beiträge dazu, wann sich eigene Software gegenüber Standardprodukten rechnet, sammeln wir unter Individualentwicklung; einen Überblick über alle Themen gibt die Blogübersicht.
Häufige Fragen
Was kostet eine individuelle KI-Lösung?
Der Preis hängt fast vollständig an den Schnittstellen, nicht am Modell. Ein Prozess, der auf ein System mit dokumentierter API zugreift, ist ein Bruchteil dessen wert, was derselbe Prozess kostet, wenn die Daten in einer Altanwendung ohne Schnittstelle liegen.
Lassen Sie deshalb vor jedem Angebot klären, welche Systeme angebunden werden müssen und ob es dafür Schnittstellen gibt. Ohne diese Antwort ist jede Kostenschätzung geraten.
Reicht nicht ein fertiges KI-Werkzeug aus dem Abo?
In den meisten Fällen ja. Fertige Werkzeuge sind stark, solange die Aufgabe allgemein ist — Texte zusammenfassen, übersetzen, entwerfen. Sie werden schwach, sobald die Aufgabe Wissen braucht, das nur in Ihren Systemen steht.
Prüfen Sie also zuerst mit einem Abo, ob das Problem damit gelöst ist. Erst wenn Sie merken, dass Sie dem Werkzeug bei jeder Anfrage dieselben Firmendaten von Hand nachreichen, lohnt das Gespräch über eine eigene Lösung.
Wie lange dauert es bis zum produktiven Einsatz?
Der Modellteil ist meist in Tagen erledigt. Was Zeit kostet, ist alles davor und danach: die Klärung des Prozesses, die Anbindung der Systeme, die Freigabe durch den Datenschutz und der Testbetrieb mit echten Vorgängen.
Planen Sie ein Vorprojekt ein, das nur den Prozess beschreibt und die Datenlage prüft. Wer diesen Schritt überspringt, verlagert ihn nur in die Entwicklung, wo er teurer wird.
Was ändert der EU AI Act für mittelständische Betriebe?
Der AI Act stuft Anwendungen nach Risiko ein. Die meisten Anwendungen im Mittelstand — Angebote entwerfen, Dokumente einordnen, Anfragen vorsortieren — fallen in die niedrigste Stufe und bringen vor allem Transparenzpflichten mit sich. Sobald Software aber über Menschen entscheidet, etwa bei Bewerbungen oder Kreditwürdigkeit, gelten deutlich schärfere Regeln.
Klären Sie die Einstufung, bevor Sie entwickeln lassen, nicht danach. Die Einordnung entscheidet mit darüber, ob ein Anwendungsfall wirtschaftlich überhaupt sinnvoll ist.