KI-Budget planen: Kosten für erste 12 Monate

TL;DR

Das KI-Budget für die ersten 12 Monate im Mittelstand liegt zwischen €15.000 (ein Use Case mit externem Partner) und €120.000 (internes Team mit drei Use Cases). Die Kosten verteilen sich ungleichmäßig: 60 % fallen in den Monaten 1–4 an (Setup, Entwicklung), 40 % in den Monaten 5–12 (Betrieb, Optimierung). Entscheidend ist, dass 70 % des Budgets in Personal fließen – nicht in Technologie.

Der größte Irrtum bei der KI-Budgetplanung

Die meisten Mittelständler überschätzen die Technologiekosten und unterschätzen die Personalkosten. Eine GPU für €8.000 ist eindrucksvoll, aber der Data Scientist, der sie bedient, kostet €65.000 pro Jahr. Die Software-Lizenzen liegen bei €2.000 – die Datenaufbereitung durch Fachkräfte bei €15.000.

Die reale Kostenverteilung eines typischen KI-Erstjahres im Mittelstand:

Szenario A: Einstieg mit externem Partner (€15.000–€35.000)

Für Mittelständler, die KI erstmals ausprobieren, ist der Einstieg mit einem externen Dienstleister die risikoärmste Variante. Ein Use Case, ein Partner, drei Monate.

# Budget Szenario A: KI-Einstieg mit externem Partner
monat_1_2:
  name: "Discovery und Datenaudit"
  kosten_extern_eur: 6000
  kosten_intern_eur: 2000  # Mitarbeiter-Zeit für Datenbereitstellung
  gesamt_eur: 8000
monat_3_4:
  name: "Entwicklung und Prototyp"
  kosten_extern_eur: 8000
  kosten_cloud_eur: 500
  gesamt_eur: 8500
monat_5_6:
  name: "Testbetrieb und Go-Live"
  kosten_extern_eur: 4000
  kosten_cloud_eur: 300
  gesamt_eur: 4300
monat_7_12:
  name: "Betrieb und Support"
  kosten_extern_eur: 6000  # Wartungsvertrag 6 Monate
  kosten_cloud_eur: 1800
  gesamt_eur: 7800
gesamt_12_monate:
  betrag_eur: 28600
  erwarteter_roi_eur: 30000_bis_50000

Dieses Szenario eignet sich für einen klar definierten Use Case: Dokumentenklassifikation, Angebotserkennung, Chatbot für interne Wissensdatenbank. Der Pilotprojekt-Guide beschreibt die Auswahl des ersten Use Case.

Szenario B: Interner Lead + externer Support (€45.000–€75.000)

Ab dem zweiten Use Case lohnt sich ein interner KI-Verantwortlicher. Diese Person koordiniert externe Partner, baut internes Wissen auf und stellt sicher, dass KI-Projekte zur Unternehmensstrategie passen.

Monat 1–3: Interner KI-Lead einarbeiten (€18.000 Gehalt anteilig), erster Use Case mit externem Partner starten (€12.000)

Monat 4–6: Zweiter Use Case parallel starten, Cloud-Infrastruktur aufbauen (€8.000 Infrastruktur, €15.000 externer Support)

Monat 7–12: Zwei Use Cases im Betrieb, dritter in der Pipeline (€22.000 Betriebskosten)

Gesamtbudget: €45.000–€75.000. Erwarteter ROI nach 12 Monaten: €60.000–€100.000.

Szenario C: Internes KI-Team (€90.000–€120.000)

Für Unternehmen, die KI als strategische Kernkompetenz aufbauen. Drei Personen, drei Use Cases, eigene Infrastruktur.

Personalkosten: ML Engineer (€65.000) + Data Engineer (€58.000) + anteiliger KI-Projektleiter (€24.000) = €147.000/Jahr. In den ersten 12 Monaten anteilig: €98.000–€110.000, da das Team nicht ab Tag 1 vollständig ist.

Infrastruktur: GPU-Server On-Premise (€12.000 einmalig) oder Cloud-GPU (€800/Monat = €9.600/Jahr)

Weitere Kosten: Software €3.000, Weiterbildung €4.500, Recruiting €15.000

Gesamtbudget: €120.000–€145.000. Erwarteter ROI nach 12 Monaten: €80.000–€150.000. Der volle ROI zeigt sich ab Jahr 2, wenn die Anlaufkosten (Recruiting, Einarbeitung) wegfallen.

Details zu Rollen und Gehältern im KI-Team-Aufbau-Guide.

Versteckte Kosten: Was oft vergessen wird

Datenbereinigung (€5.000–€15.000): Die Daten im ERP sind selten ML-ready. Fehlende Werte, inkonsistente Kategorien, Duplikate – die Bereinigung dauert länger als das Modelltraining.

Change Management (€3.000–€8.000): Workshops mit Fachabteilungen, Schulungen für Endanwender, Kommunikation an die Belegschaft. Ohne Change Management nutzt niemand das KI-System.

Opportunity Cost (schwer bezifferbar): Fachexperten, die Zeit für Datenlabeling und Testing aufwenden, fehlen im Tagesgeschäft. Planen Sie 10–15 % der Arbeitszeit der beteiligten Fachabteilung ein.

Monatsweise Cashflow-Planung

Die ungleiche Verteilung der Kosten überrascht viele Controller. Szenario B als Beispiel:

Die Monate 1–4 sind die teuersten. Ab Monat 7 sinken die monatlichen Kosten, weil der Hauptentwicklungsaufwand abgeschlossen ist. Der ROI-Rechner berücksichtigt diese zeitliche Verteilung.

Fördermittel: Bis zu 50 % Zuschuss

Bund und Länder fördern KI-Projekte im Mittelstand:

• go-digital (BMWK): Bis zu 50 % Zuschuss für Beratung und Implementierung, max. €16.500
• Digital Jetzt (BMWK): Investitionszuschuss für digitale Technologien, max. €50.000
• Innovationsgutscheine (Länder): €5.000–€25.000 je nach Bundesland
• ZIM (BMWK): Für F&E-Projekte, bis zu €190.000 für Einzelprojekte

Wichtig: Fördermittel immer vor Projektbeginn beantragen. Nachträgliche Förderung ist ausgeschlossen. Die KI-Einführung im Überblick listet alle relevanten Programme.

Häufige Fragen

Kann ich KI unter €10.000 starten?

Ja, aber nur mit vorgefertigten Tools. ChatGPT Enterprise (€25/User/Monat) oder Microsoft Copilot (€30/User/Monat) für 10 Nutzer kosten €3.000–€3.600/Jahr. Plus Schulung und Einrichtung: €5.000–€8.000 im ersten Jahr. Eigene Modelle oder individuelle Lösungen starten ab €15.000.

Wann rechnet sich die KI-Investition?

Bei richtig gewähltem Use Case nach 6–12 Monaten. Dokumentenautomatisierung spart ab Tag 1 (weniger manuelle Arbeit). Prognosemodelle brauchen 3–6 Monate Lernphase, bevor der ROI sichtbar wird.

Wie verteile ich das Budget zwischen Hardware und Software?

Maximal 20 % für Hardware und Cloud, mindestens 70 % für Personal. Ein häufiger Fehler: Teure GPU kaufen, aber niemanden einstellen, der sie nutzen kann.

Soll ich Cloud oder On-Premise wählen?

Cloud für den Start (niedrige Anfangsinvestition, flexibel skalierbar). On-Premise ab €5.000 monatlichen Cloud-Kosten (Break-even nach 12–18 Monaten). Details im KI-Kosten-Guide.

Wie plane ich das Budget für Jahr 2?

Jahr 2 kostet typischerweise 60–80 % von Jahr 1, weil die Anlaufkosten (Recruiting, Setup, Datenbereinigung) wegfallen. Der laufende Betrieb plus ein bis zwei neue Use Cases ergeben das Budget für Jahr 2.