Die wahren Kosten eines KI-Projekts — Ein ehrlicher Breakdown 2026

Niemand publiziert die echten Zahlen. Die Big-4-Beratungen verkaufen €250k-Programme als "Pilot", die KI-Influencer auf LinkedIn behaupten, ein Agent kostet "im Grunde nichts". Beides ist gelogen. Wer 2026 ein KI-Projekt plant, braucht belastbare Bandbreiten — was es im Audit kostet, was die Implementation, was das Hosting, was die laufenden Operations. Wir machen seit 2024 Audits in Österreich, sehen damit die Eckdaten von 80+ Projekten, und legen die Zahlen offen. Mit allem Drum und Dran.

1. Phase 1: Audit — der ehrlichste Posten

Das Audit ist der einzige Teil eines KI-Projekts, den man wirklich präzise pricen kann. Drei Größen, klar abgegrenzt:

• Audit S — KMU/Einzelunternehmer. €3.500, Dauer 1–2 Wochen. 1 Tag vor Ort, 2 Mitarbeiter-Interviews, 1 Abteilung im Fokus. Deliverable: 15–25 Seiten Audit-Dokument, Top-3 Quick-Wins, ROI-Schätzung pro Use Case. Sinnvoll für Unternehmen bis 50 MA, die genau einen Bereich digitalisieren wollen.
• Audit M — Mittelstand. €9.500–18.000, Dauer 2–3 Wochen. 2–3 Tage vor Ort, 5–10 Interviews, 2–3 Abteilungen. Deliverable: priorisierte Use-Case-Liste (15–25 Cases), DSGVO/AI-Act-Risikoanalyse, 12-Monats-Roadmap, Half-Day-Workshop. Sweet Spot für Mittelstand 50–300 MA.
• Audit L — Konzern. €25.000–45.000, Dauer 4–6 Wochen. Multi-Site möglich, 15+ Interviews, KI-Reifegrad-Assessment über alle fünf Dimensionen (Daten, Tech, Governance, Skills, Kultur). Deliverable: AI Operating Model, kompletter Business-Case pro Use Case, 12-Monats-Investment-Plan.

Versprechen: Wenn wir nach dem Audit keinen Use Case mit positivem ROI finden, gibt's das Geld zurück. In 80 Audits ist das noch nie passiert — was aber nicht heißt, dass es nicht passieren könnte. Trust-Signal first class, nicht Marketing-Floskel.

Versteckte Kosten in Phase 1: keine. Audit-Preise sind Festpreise. Wenn ein Anbieter euch ein Audit als "Stundensatz, vermutlich 80 Stunden" pricet, lasst ihn ziehen — das wird teuer.

2. Phase 2: Implementation — wo die Zahlen wirklich auseinandergehen

Drei klare Stufen, basierend auf dem, was wir 2024–2026 in 12 Production-Sprints gesehen haben:

Quick-Win-Sprint — €8.000–20.000

4–6 Wochen, ein klarer Use Case, Production-ready. Typische Projekte:

• Internes KI-Tool zur Angebots-Generierung
• RAG-Chatbot über interne Wissensdatenbank
• Document-Extraction-Pipeline (Rechnungen, Verträge)
• Meeting-Protokoll-Automation

Was inkludiert: Anforderungsklärung, Architektur, Implementation, Testing, Production-Deployment, 2-Stunden-Schulung. Was nicht: Operations, Iteration-2-Features, Custom-UI über das Nötigste hinaus.

Mid-Complexity-Sprint — €25.000–75.000

8–14 Wochen, mehrere integrierte Workflows. Typische Projekte:

• Multi-Step Customer-Service-Agent mit CRM-Anbindung
• Lead-Qualifier mit Email- und Calendar-Integration
• Sales-Operations-Agent mit Pricing- und Angebotslogik
• Onboarding-Automation HR mit Dokumenten-Generierung

Was inkludiert: alles aus Quick-Win plus Multi-System-Integration, ausführlichere Eval-Suite, mehr Stakeholder-Reviews, breitere Schulung.

Enterprise-Build — €75.000–250.000+

4–9 Monate, regulierte Branchen oder Multi-Agent-Systeme. Typische Projekte:

• Multi-Agent-System mit eigenständigen Reasoning-Workflows
• Custom Fine-Tuning auf branchenspezifische Daten
• Production-Grade ML-Stack mit MLOps
• KI in regulierten Branchen (Healthcare, Finance) inklusive Konformitätsbewertung nach AI Act

Hier sind Festpreise schwierig, aber Bandbreiten realistisch. Aufschläge: +25–40 Prozent für regulierte Branchen wegen Compliance-Overhead. +30 Prozent für Rush-Delivery unter 2 Monaten.

Versteckte Kosten in Phase 2

• Trainings für betroffene Mitarbeiter. 2-Stunden-Onboarding ist im Sprint inkludiert, aber wenn 80 Mitarbeiter dauerhaft umgeschult werden müssen, kostet das nochmal €5k–15k extra.
• Change-Management. Wer denkt, das System verbreitet sich von alleine, irrt. Realistische Adoption-Programme kosten €8k–25k zusätzlich (intern oder extern).
• Daten-Bereinigung. Wenn die RAG-Quelldaten chaotisch sind (siehe SharePoint mit 17 Versionen jedes Dokuments), kommen 1–3 Wochen Daten-Vorarbeit dazu — €4k–15k.
• Komplexitäts-Migration nach 6 Monaten. In 60 Prozent der Sprints kommt in Monat 6–9 eine Erweiterung dazu (neue Datenquelle, neuer Use Case, Skalierung). Plant €10k–30k im Jahr 2 für diese Anpassungen ein.

3. Phase 3: Hosting und Infrastruktur

Hier sind die Zahlen kleinteilig, aber wichtig. Vier Komponenten:

• LLM-API-Kosten. Anthropic API: €3–25 pro 1 Mio Input-Tokens je nach Modell. Bei 50 aktiven Power-Usern: typisch €200–800 pro Monat. Bei 500 Usern: €1.500–4.500. Lässt sich gut bremsen mit Caching, smarter Modell-Auswahl, Prompt-Optimierung.
• Vector-Database. Qdrant Cloud, Pinecone, Weaviate: €30–500 pro Monat je nach Index-Größe. Self-hosted auf Hetzner: €15–150 pro Monat.
• Hosting. Frontend und Backend auf Vercel oder Hetzner: €25–400 pro Monat. Bei eigenen LLMs auf GPU-Hosting (Llama selfhosted): €400–3.500 pro Monat.
• Monitoring und Logging. Datadog, Sentry, Braintrust: €50–500 pro Monat.

Summa für typischen Mittelstand-Use-Case: €150–€1.500 pro Monat Infrastruktur. Bei sehr großen Volumina oder Self-Hosted-Open-Source: bis €3.500.

4. Phase 4: Operations und Care — der unterschätzteste Posten

Wer denkt, ein KI-System "läuft halt", hat noch keines betrieben. Modelle ändern sich, Prompts driften, neue User stoßen auf neue Failure-Modes, Daten verändern sich. Care ist nicht optional, sondern die Differenz zwischen Production und Verfall.

Unsere vier Care-Tiers:

• Essential — €490/Monat. Monitoring, monatlicher Health-Check-Report, 2 Stunden Sprechstunde. Für Mini-Setups oder Solo-Use-Cases.
• Standard — €1.500/Monat. Plus aktive Optimierungen, 8 Stunden Arbeit pro Monat, Slack/Teams-Zugang. Der Sweet Spot für Mittelstand-Setups.
• Pro — €3.500/Monat. Plus neue Features, 25 Stunden Arbeit, Priority Support, Quartals-Workshop. Für Unternehmen mit mehreren produktiven Use Cases.
• Enterprise — ab €8.000/Monat. Dedicated Engineer, SLA, 24h-Response, kontinuierliche Compliance-Updates.

Faustregel-Verifikation aus der Praxis: Operations im Jahr 1 plus 2 kostet typisch das Gleiche wie die ursprüngliche Implementation. Wer das nicht einplant, hat in Monat 9 ein "System, das halt nicht mehr so gut funktioniert" — und niemanden, der es repariert.

5. Was ein realistisches Projekt im Mittelstand kostet — Beispielrechnung

Ein anonymisiertes, aber realistisches Beispiel aus 2025/2026:

Setup: Mittelständischer B2B-Versicherungsmakler, 80 MA, ein Customer-Service-Bot plus interne Wissensdatenbank mit RAG.

• Audit M: €12.500 (2,5 Wochen)
• Implementation Mid-Complexity-Sprint: €42.000 (10 Wochen)
• Daten-Bereinigung der internen Dokumente: €6.500
• Schulung für 40 Mitarbeiter: €4.500 (extern, 1 Tag)
• Hosting Jahr 1 (Anthropic API + Vector-DB + Hosting): €8.400 (€700/Monat)
• AI Care Standard Jahr 1: €18.000 (€1.500/Monat × 12)

Total Cost of Ownership Jahr 1: €91.900

Wer den Care-Posten weglässt: €73.900 — aber dann ist das System im Monat 14 verlassen, und das ist eine teurere Variante.

Median über alle 80 Audits 2024–2026: ein etwas kleinerer Scope, weniger Schulungs-Aufwand, oft Quick-Win statt Mid-Sprint. Daher der Median bei €45k Total Cost Year 1. Wer mehr als 100 Mitarbeiter im Scope hat oder mehrere Use Cases parallel, landet eher bei €70k–120k.

6. Förderungen, Steuerersparnis, Hebel

Drei Optionen, um die Zahlen zu drücken — keine ist trivial, aber alle sind real:

• AWS-Förderung (Austria Wirtschaftsservice) — KMU Digital. Bis zu €30k Förderung für Digitalisierungs-Projekte, oft 50 Prozent Co-Finanzierung. KI fällt unter Digitalisierung. Anwendung dauert 4–8 Wochen, aber lohnt sich ab Projekt-Volumen €25k aufwärts.
• FFG — Basisprogramm. Bis zu 50 Prozent Förderung für Forschungs-nahe Projekte. Wenn euer KI-Projekt einen R&D-Charakter hat (eigenes Fine-Tuning, neue Anwendungs-Domäne), ernsthaft prüfen.
• Forschungsprämie (Steuer). 14 Prozent steuerliche Gutschrift auf qualifizierte F&E-Aufwände. Wenn euer KI-Projekt als experimentelle Entwicklung klassifiziert wird, läuft das nahezu automatisch.

In Summe: ein 50k-Projekt kann mit der richtigen Förderlandschaft auf eine effektive Netto-Belastung von €25k–35k sinken. Lohnt sich, mit dem Steuerberater zu schauen.

7. Wann sich KI nicht rechnet — die ehrliche Antwort

Drei Konstellationen, bei denen wir vom Projekt abraten:

1. Unter 5 Stunden gesparte Arbeitszeit pro Woche im Use Case. Bei einer Investition von €25k braucht ihr realistisch 15–25 Stunden/Woche an Einsparung, um in 12 Monaten ROI zu sehen. Weniger heißt: nettes Pilot-Projekt, aber kein Business-Case.
2. Use Case betrifft <5 Personen. Wenn nur 3 Mitarbeiter das System nutzen, ist die Adoption-Wahrscheinlichkeit gering. Ausnahme: extrem hochwertige Use Cases (€500k+ Deals beeinflussen).
3. Daten sind in unstrukturierter Hölle. Wenn die Daten-Vorbereitung mehr als 3 Monate braucht, ist das oft ein Zeichen, dass der Use Case zu früh kommt — erst Daten ordnen, dann KI bauen.

Was als Nächstes?

Wer ehrliche Zahlen sucht, bekommt sie bei uns ohne Verkaufsgespräch. Ein Audit S kostet €3.500 und liefert in zwei Wochen eine konkrete Projekt-Bandbreite für euren Use Case — inklusive ROI-Schätzung, Implementations-Bandbreite und Operations-Plan. Wer noch nicht so weit ist: 30-Minuten-Discovery-Call, gratis, danach wisst ihr, ob euer Use Case in den €8k-Quick-Win, den €40k-Mid-Sprint oder ehrlicher Weise gar nicht in ein Projekt passt. Lieber wir sagen euch, dass es sich nicht rechnet, als wir verkaufen euch einen Sprint, der scheitert.