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 meiner 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.
| Bedingung | Trifft zu | Trifft nicht zu | Empfehlung |
|---|---|---|---|
| Der Prozess läuft oft genug | täglich dutzendfach | zweimal im Monat | Ohne Wiederholung amortisiert sich keine Eigenentwicklung |
| Jemand kann den Prozess vollständig beschreiben | eine Person schreibt ihn auf | drei Abteilungen, drei Antworten | Erst klären, dann bauen — das ist der teuerste Teil |
| Der Prozess braucht Daten, die kein Standardprodukt kennt | das Wissen steckt in Ihren Systemen | die Aufgabe ist allgemein | Trifft es nicht zu: Abo kaufen und Geld sparen |
Drei Mal ja heißt: Eigenentwicklung lohnt sich vermutlich. Zwei Mal ja heißt: erst den fehlenden Punkt klären. Ein Mal ja heißt: lassen Sie es.
Bei vier von zehn Anfragen, die mich erreichen, lautet meine Empfehlung am Ende: Abo kaufen, nicht entwickeln lassen.
Die Dauer hängt an den Schnittstellen, nicht an der Nutzerzahl
Maßgeblich für den Aufwand ist nicht, wie viele Menschen mit einem System arbeiten, sondern wie viele Schnittstellen es hat und wie es um die Dokumentation steht. Beides multipliziert sich durch alle Phasen.
| Merkmal | Klein | Mittel | Groß | Sehr groß |
|---|---|---|---|---|
| Systemtyp | Insellösung | Abteilungssystem | Kernsystem eines Bereichs | Zentrales Kernsystem des Betriebs |
| Schnittstellen | 0–1 | 2–3 | 3–5 | 5–10 |
| Nutzer | unter 15 | 15–50 | 50–150 | 150–500 |
| Dokumentation | vorhanden oder System trivial | lückenhaft | überwiegend fehlend | fehlend, Entwickler nicht mehr im Haus |
| Beispiel | Access-Datenbank, Excel-Konstrukt, Terminplaner | CRM-Eigenbau, Lagerverwaltung, Zeiterfassung | Warenwirtschaft, Auftragsabwicklung, Filialsystem | Gewachsenes ERP mit Produktion, Delphi- oder VB-Altanwendung als Firmenrückgrat |
Daraus ergeben sich die folgenden Zeiträume bis zum produktiven Testbetrieb in Wochen — Richtwerte aus meinen Projekten, keine Branchenstatistik:
| Phase | Klein | Mittel | Groß | Sehr groß |
|---|---|---|---|---|
| Analyse und Assessment | 2–4 (inkl. Konzept) | 2–4 | 4–7 | 6–10 |
| Konzept und Zielarchitektur | — | 2–4 | 4–8 | 8–14 |
| Umsetzung und Datenmigration | 2–6 | 6–12 | 12–22 | 22–42 |
| Test bis produktiver Testbetrieb | 1–2 | 2–4 | 4–8 | 9–14 |
| Gesamt | 5–12 | 12–24 | 24–45 | 45–80 |
| Anteil der Analyse an der Gesamtdauer | ca. 25 % | ca. 17 % | ca. 16 % | ca. 14 % |
Bei kleinen Systemen sind Assessment und Zielarchitektur derselbe Arbeitsschritt: Bei einer Insellösung ohne Schnittstellen fällt die Entscheidung über das Zielbild meist in derselben Sitzung, in der das Altsystem aufgenommen wird. Ein eigener Konzeptzyklus mit Freigabeschleife würde hier mehr Termine kosten, als er an Klarheit bringt.
Der ausgewiesene Analyseanteil steigt dadurch in der kleinsten Klasse rechnerisch auf rund ein Viertel. Das ist kein Widerspruch zu den 14 bis 17 Prozent der größeren Klassen, sondern eine Folge der Zusammenlegung: Dort sind Assessment und Konzept getrennt ausgewiesen und ergeben zusammen ebenfalls etwa 25 bis 30 Prozent der Gesamtdauer.
Ein Teil dieser Zeit ist übrigens keine Arbeit, sondern Warten: Entscheidungszyklen auf Kundenseite, in denen die Analyse ruht.
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. Die Pflichten treten gestaffelt in Kraft — der folgende Abschnitt gibt den Stand von August 2026 wieder.
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
Ich fange deshalb nicht mit Technik an, sondern mit einem Fit-Check, der 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. Der Fit-Check ist kostenpflichtig und wird bei einem Auftrag auf den Projektpreis angerechnet.
Ein Beispiel aus der Praxis: Ein Veranstalter verwaltete Adressen und Buchungen in einer Access-Anwendung, Frontend und Backend beides Access, zehn Benutzer. Neue Funktionen einzubauen war kaum noch vertretbar — jede Änderung barg das Risiko, dass die Anwendung anschließend nicht mehr läuft, und Entwickler-Wissen über das System gab es nicht mehr im Haus. Ich habe die Anwendung auf eine Web-Oberfläche mit MS-SQL-Server-Backend umgestellt, gehostet im eigenen Haus. Vom Workshop-Tag vor Ort bis zum Ausrollen vergingen rund zehn Wochen: eine Woche Intensivanalyse, vier Wochen Umstellung samt Datenmigration, drei Wochen Testphase beim Kunden mit zwei Mitarbeitenden, eine Woche Nachbesserung, eine Woche Retest, ein Tag Schulung für alle Anwender.
Das Ergebnis des Fit-Checks ist ein Dokument, mit dem sich das Vorhaben umsetzen lässt, auch von jemand anderem. Mir ist ein abgesagtes Projekt lieber als eines, das nach acht Monaten in einer Schublade endet. Was ich übernehme und was ausdrücklich nicht, steht auf der Seite Über uns.
Weitere Beiträge dazu, wann sich eigene Software gegenüber Standardprodukten rechnet, sammle ich 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. Fehlt dem Zielsystem eine dokumentierte Schnittstelle, kostet derselbe Prozess das 1,5- bis 3-Fache.
Die Posten, an denen Budgets regelmäßig reißen, sind absehbar. Die folgenden Anteile sind Richtwerte aus meinen Projekten, keine Branchenstatistik: Datenmigration 20 bis 40 Prozent des Gesamtaufwands, weil Altdaten inkonsistent sind — wer hier mit 5 Prozent kalkuliert, liegt fast immer falsch. Testing und Parallelbetrieb 20 bis 30 Prozent, oft mit drei bis sechs Monaten Doppelbetrieb samt doppelter Datenpflege. Schulung und Hypercare 5 bis 10 Prozent nach dem Go-Live. Fehlt die Dokumentation, kommt Reverse Engineering davor.
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?
Von der Bestandsaufnahme bis zum produktiven Testbetrieb vergehen bei einer Insellösung 5 bis 12 Wochen, bei einem Abteilungssystem 12 bis 24 Wochen, beim Kernsystem eines Bereichs 24 bis 45 Wochen und beim zentralen Kernsystem eines Betriebs 45 bis 80 Wochen. Bei einer Insellösung teilt sich das auf in 2 bis 4 Wochen Analyse einschließlich Zielarchitektur, 2 bis 6 Wochen Umsetzung samt Datenmigration und 1 bis 2 Wochen bis zum produktiven Testbetrieb.
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 vorab eine Analyse ein, die 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.