Was eine KI-Plattform für 1.000 Mitarbeiter im Jahr kostet

TL;DR

Für 1.000 Mitarbeiter liegen die reinen Technikkosten je nach Modell zwischen 18.000 und 312.000 Euro im Jahr — Faktor 17. Der Posten, der die Rechnung tatsächlich entscheidet, steht in keinem der drei Szenarien im Vordergrund: Personal. Ab etwa 0,5 Vollzeitstellen Betrieb kippt jeder Kostenvorteil der Eigenlösung.

Die drei Wege, und warum der Vergleich meistens schief geht

Wer heute eine KI-Plattform für die Belegschaft beschafft, hat drei Optionen. Sie werden ständig gegeneinander gerechnet, obwohl sie nicht dasselbe leisten:

Szenario A — Lizenz pro Kopf. Microsoft 365 Copilot, ChatGPT Enterprise, Gemini for Workspace. Sie kaufen Sitzplätze, der Anbieter betreibt alles.

Szenario B — EU-Cloud plus eigenes Gateway. Sie nutzen Modelle über eine API in einer europäischen Region, davor steht ein selbst betriebenes LLM-Gateway mit Nutzerverwaltung, Budgets und Logging. Bezahlt wird Verbrauch.

Szenario C — eigene Hardware. GPUs im eigenen Rechenzentrum oder bei einem deutschen Hoster, offene Modelle, keine Token-Abrechnung.

Der schiefe Vergleich entsteht dadurch, dass Szenario A etwas kann, was B und C nicht können: Es sitzt in Word, Excel, Outlook und Teams und hat Zugriff auf den Graph, also auf Ihre Mails, Kalender und SharePoint-Inhalte. Das ist der eigentliche Produktkern, nicht das Sprachmodell. Wer A durch C ersetzen will, ersetzt kein Modell, sondern eine Integration.

Rechnen wir es trotzdem durch — weil die meisten Anwendungsfälle, für die Unternehmen gerade Budget freigeben, eben nicht in Outlook stattfinden.

Szenario A: die Lizenzrechnung

Microsoft 365 Copilot kostet in der Enterprise-Variante 26,00 Euro pro Nutzer und Monat, in der Business-Variante für Unternehmen bis 300 Nutzer 18,20 Euro bei jährlicher Zahlung (Stand August 2026, nach der Preisanpassung zum 1. Juli 2026). Bei monatlicher Abrechnung liegt Business bei 21,84 Euro.

Für 1.000 Mitarbeiter in der Enterprise-Variante:

1.000 Nutzer × 26,00 € × 12 Monate = 312.000 € pro Jahr

Diese Zahl ist die Obergrenze, und sie ist ehrlicherweise selten die reale. Kaum ein Unternehmen lizenziert alle 1.000 Köpfe. Bei einer typischen Ausrollung auf 30 Prozent der Belegschaft — Vertrieb, Einkauf, Verwaltung, Projektleitung — landen Sie bei 93.600 Euro.

Was in der Lizenzrechnung nicht steht: die Basislizenz muss passen, Einführung und Schulung kosten einmalig einen fünfstelligen Betrag, und wer eigene Agenten bauen will, braucht Copilot Studio zusätzlich. Realistisch schlagen Sie auf den Lizenzpreis 30 bis 50 Prozent im ersten Jahr auf.

Der Vorteil ist real und wird von Technikern gern kleingeredet: Es gibt keinen Betrieb. Kein Update, kein GPU-Treiber, keine Rufbereitschaft.

Szenario B: Verbrauch statt Sitzplätze

Hier wird es interessant, weil die meisten Entscheider die Größenordnung falsch im Kopf haben.

Annahmen, die Sie für Ihr Haus austauschen sollten: Von 1.000 Mitarbeitern nutzen 400 die Plattform regelmäßig. Jeder stellt 20 Anfragen pro Arbeitstag. Eine Anfrage umfasst 2.000 Token Eingabe — das ist ein RAG-Kontext mit drei bis vier Dokumentabschnitten — und erzeugt 600 Token Ausgabe. 220 Arbeitstage im Jahr.

400 Nutzer × 20 Anfragen × 220 Tage = 1.760.000 Anfragen pro Jahr

Eingabe:  1.760.000 × 2.000 = 3,52 Mrd. Token
Ausgabe:  1.760.000 ×   600 = 1,06 Mrd. Token

Bei den Listenpreisen einer GPT-4o-Klasse (2,50 USD je Million Eingabe-Token, 10,00 USD je Million Ausgabe-Token):

Eingabe: 3.520 × 2,50 USD =  8.800 USD
Ausgabe: 1.056 × 10,00 USD = 10.560 USD
Summe:                       19.360 USD ≈ 17.800 €

Rund 18.000 Euro Modellkosten im Jahr. Für 400 aktive Nutzer sind das 45 Euro pro Nutzer und Jahr — gegenüber 312 Euro pro Nutzer und Jahr in Szenario A.

Bevor jemand mit dieser Zahl in die Geschäftsführung geht: Sie ist unvollständig. Dazu kommen Vektordatenbank, Gateway-Betrieb, Dokumenten-Pipeline und Monitoring. Auf einer mittleren Kubernetes-Umgebung oder ein paar VMs sind das 6.000 bis 15.000 Euro im Jahr an Infrastruktur. Und das Personal, dazu gleich.

Ein Hebel, der in dieser Rechnung fehlt und den wir bei fast jedem Kunden zuerst ziehen: Prompt-Caching und Modell-Routing. Wenn 60 Prozent der Anfragen ein kleineres Modell vertragen, halbiert sich die Modellrechnung. Wie das im Gateway konfiguriert wird, steht im LiteLLM-Fallback-Routing-Leitfaden.

Szenario C: eigene GPUs

Hier hat sich 2026 etwas verschoben, das viele Kalkulationen aus dem Vorjahr wertlos macht. NVIDIA listet die RTX PRO 6000 Blackwell mit 96 GB inzwischen bei 13.250 US-Dollar — im März 2025 startete dieselbe Karte bei 8.565 Dollar. Das sind 55 Prozent Aufschlag in gut einem Jahr. Wer 2025 eine Kaufen-oder-Mieten-Rechnung aufgestellt hat, muss sie neu rechnen.

Eine Konfiguration, die für 400 aktive Nutzer mit einem 30B-Klasse-Modell trägt:

Technikkosten: rund 19.000 bis 23.000 Euro im Jahr. Also ungefähr auf Höhe von Szenario B — und das überrascht die meisten, die eigene Hardware entweder für viel billiger oder viel teurer halten.

Der Grund für die Nähe: Bei 1,76 Millionen Anfragen im Jahr ist die API-Rechnung noch klein. Die Hardware-Rechnung ist dagegen weitgehend fix. Erst wenn das Volumen steigt, zieht die Eigenlösung davon — ab etwa dem Vierfachen des angenommenen Verbrauchs ist der Break-even klar erreicht, und danach kostet jede weitere Anfrage praktisch nichts.

Wie Sie den Punkt für Ihre Zahlen bestimmen, steht in der Rechnung zu laufenden KI-Server-Kosten.

Der Posten, der die Entscheidung tatsächlich trifft

Alle drei Szenarien haben eine Zeile, die ich bewusst herausgehalten habe. Jetzt kommt sie.

Eine selbst betriebene KI-Plattform braucht jemanden, der sie betreibt. Nicht in Vollzeit, aber verlässlich. Modell-Updates, Gateway-Konfiguration, Vektorindex neu aufbauen, wenn sich die Dokumentenstruktur ändert, Nutzeranfragen, Berechtigungsthemen, Sicherheits-Patches. In der Praxis sehen wir dafür 0,3 bis 0,8 Vollzeitäquivalente, je nachdem wie viele Anwendungsfälle draufsitzen.

Bei 90.000 Euro Vollkosten für eine erfahrene Plattform-Ingenieurin:

Personal in A: 0,1 FTE für Lizenzverwaltung und Anwenderbetreuung. In B: 0,5 FTE. In C: 0,7 FTE, weil Hardware, Treiber und Modell-Lifecycle dazukommen.

Und jetzt liegen alle drei innerhalb einer Bandbreite von 35 Prozent. Das ist das eigentliche Ergebnis dieser Rechnung, und es ist unbequem für alle Beteiligten: Die Technik-Fraktion verliert ihr Kostenargument, die Lizenz-Fraktion ihres auch.

Wann welches Szenario trotzdem gewinnt

Weil die Kosten sich weitgehend aufheben, entscheiden andere Kriterien. Unsere Position, klar formuliert:

Nehmen Sie A, wenn der Anwendungsfall in Office-Dokumenten und Mails liegt und Sie keine Plattform-Kompetenz im Haus haben oder aufbauen wollen. Die Integration in den Graph können Sie nicht nachbauen, jedenfalls nicht zu diesem Preis.

Nehmen Sie B, wenn Sie mehrere fachliche Anwendungsfälle haben — Angebotsprüfung, technische Dokumentation, Support — und die Datenlage heterogen ist. Das Gateway gibt Ihnen Kostenkontrolle pro Abteilung und die Freiheit, das Modell zu wechseln, ohne die Anwendungen anzufassen.

Nehmen Sie C, wenn mindestens eine dieser drei Bedingungen zutrifft: Die Daten dürfen die eigene Infrastruktur nicht verlassen (Verteidigung, kritische Infrastruktur, bestimmte Auftragsverarbeitungs-Konstellationen), das Anfragevolumen liegt deutlich über der hier gerechneten Annahme, oder Sie brauchen Latenzen unter 200 Millisekunden an einem Standort ohne gute Anbindung. Nicht aus Kostengründen. Die Argumente dafür haben wir in der Einordnung souveräner KI auseinandergenommen.

Der häufigste Fehler in Beschaffungsprozessen ist übrigens nicht die falsche Wahl zwischen den dreien. Es ist die Annahme, man müsse sich entscheiden. Ein Gateway vor beidem — Cloud-Modell für Standardfälle, eigenes Modell für sensible Daten — ist technisch unaufwendig und deckt in der Praxis fast jede Anforderung ab.

Häufig gestellte Fragen

Was kostet eine KI-Plattform für 1.000 Mitarbeiter im Jahr?

Zwischen 75.000 und 105.000 Euro Vollkosten, je nach Betriebsmodell. Die reinen Technikkosten schwanken viel stärker — von rund 18.000 Euro bei verbrauchsbasierter API-Nutzung bis 312.000 Euro bei Vollausrollung einer Lizenz pro Kopf. Der ausgleichende Faktor ist Personal: Je mehr Sie selbst betreiben, desto niedriger die Technik- und desto höher die Personalkosten.

Ist eine eigene KI-Plattform günstiger als Microsoft 365 Copilot?

In der Regel nur bei hohem Nutzungsvolumen oder wenn Sie ohnehin Plattform-Kompetenz im Haus haben. Bei einer Ausrollung auf 30 Prozent der Belegschaft liegen beide Wege in derselben Größenordnung. Der Unterschied liegt nicht im Preis, sondern im Leistungsumfang: Copilot ist in Office und den Microsoft Graph integriert, eine eigene Plattform ist es nicht — dafür kann sie an Systeme andocken, an die Copilot nicht herankommt.

Wie viele Mitarbeiter nutzen eine KI-Plattform tatsächlich?

Nach unserer Erfahrung aus Ausrollungen im Mittelstand liegt die aktive Nutzung nach sechs Monaten zwischen 25 und 45 Prozent der berechtigten Nutzer, nicht bei 100 Prozent. Rechnen Sie Lizenzszenarien deshalb nie auf die volle Belegschaft — und messen Sie nach drei Monaten nach, statt zu schätzen.

Wie viel GPU-Leistung brauche ich für 400 aktive Nutzer?

Für ein Modell der 30B-Klasse in Q4-Quantisierung mit RAG-Kontext reichen zwei Karten der 96-GB-Klasse für rund 400 aktive Nutzer, sofern die Anfragen sich über den Arbeitstag verteilen. Der begrenzende Faktor ist selten die Rechenleistung, sondern der KV-Cache bei parallelen Sitzungen — die Systematik dazu steht im MoE-VRAM-Leitfaden.

Was kostet der Betrieb einer eigenen KI-Plattform an Personal?

Kalkulieren Sie 0,5 bis 0,8 Vollzeitäquivalente für eine Plattform mit mehreren Anwendungsfällen, also 45.000 bis 72.000 Euro Vollkosten im Jahr. Das ist bei einer Plattform dieser Größe der größte Einzelposten — größer als GPUs, Strom und Modellkosten zusammen. Wer diese Stelle nicht besetzt, betreibt die Plattform faktisch nebenher, und das endet regelmäßig bei veralteten Modellen und ungepflegten Indizes.

Der nächste Schritt

Stellen Sie die Rechnung mit Ihren eigenen drei Zahlen auf: Wie viele Mitarbeiter nutzen die Plattform realistisch, wie viele Anfragen stellt jeder pro Tag, und wer betreibt das Ding? Die ersten beiden bestimmen die Technikkosten, die dritte entscheidet. Für eine erste Größenordnung hilft der KI-Kosten-Kalkulator — und wenn Sie die Rechnung gegengelesen haben wollen, sprechen Sie uns an.