Was kostet die Einführung von KI im Unternehmen?
Unsere Preisrahmen für Automatisierungen, Agenten, RAG und LLM-Integrationen sowie laufende Kosten, die in die Kalkulation gehören. Stand: August 2026.

In unserem Angebot kostet die Einführung von KI von 2.000 PLN netto für eine einzelne Automatisierung bis zu mehr als 100.000 PLN netto für ein produktives Agenten- oder RAG-System mit Integrationen. Diese Spanne ergibt sich aus Umfang des Prozesses, Daten, Integrationen, Anforderungen an den Produktivbetrieb und Fehlerrisiko.
Wir nennen eigene Richtpreise vom August 2026, keine Marktdurchschnitte. Die endgültige Kalkulation entsteht, nachdem der Umfang festgelegt wurde.
Preisrahmen nach Art der Einführung
| Was wir bauen | Preisrahmen netto | Ungefähre Dauer |
|---|---|---|
| Einzelne Prozessautomatisierung | 2.000–8.000 PLN | 1–3 Wochen |
| Automatisierungspaket / Dokumentenworkflow | 8.000–25.000 PLN | 3–8 Wochen |
| Einfacher KI-Assistent auf einer Website | 3.000–8.000 PLN | 1–3 Wochen |
| Agent für einen realen Prozess | 8.000–30.000 PLN | 3–8 Wochen |
| Fortgeschrittener einzelner Agent | 30.000–120.000 PLN | ab 2 Monaten |
| Pilot eines Multi-Agenten-Systems für einen Prozess | 15.000–40.000 PLN | Termin nach Prozessanalyse |
| Produktives Multi-Agenten-System mit Integrationen | 40.000–150.000 PLN | Termin nach dem Pilotprojekt |
| RAG-Pilot für einen abgegrenzten Wissensbereich | 12.000–30.000 PLN | 3–5 Wochen |
| Produktives RAG mit Integrationen | 30.000–120.000 PLN | ab 2 Monaten |
| Einzelne LLM-Integration in einen Prozess | 5.000–20.000 PLN | 2–6 Wochen |
| KI-Audit mit Chancenkarte | 2.000–6.000 PLN | 1–2 Wochen |
Hinzu kommen gegebenenfalls Betriebskosten: 1.500–8.000 PLN netto/Monat, abhängig von Umfang, Volumen, Verantwortung und der vereinbarten Reaktionszeit.
Acht Faktoren, die den Preis verschieben
Der Einfluss jedes Faktors hängt vom Projekt ab. Betrachte diese Liste deshalb als Checkliste, nicht als allgemeingültige Rangfolge:
- Der Zustand Ihrer Daten. Aufgeräumte, verfügbare Daten verkürzen Analyse und Tests. Widersprüchliche Versionen, fehlende Datenverantwortliche oder unklare Berechtigungen verursachen Aufwand, noch bevor ein Modell gebaut wird.
- Anzahl und Qualität der Integrationen. Jedes anzubindende System bedeutet Authentifizierung, API-Limits, Datenmapping und Fehlerbehandlung. Die Kosten hängen stärker von der Qualität der Schnittstelle und den Randfällen ab als von der reinen Anzahl der Integrationen.
- Sicherheits- und Compliance-Anforderungen. Personenbezogene Daten, die Vorgabe einer bestimmten Verarbeitungsregion und Auditierbarkeit erfordern Architekturarbeit, Tests und Dokumentation. Der Umfang muss feststehen, bevor Produktivdaten zugelassen werden.
- Erforderliche Qualität und Kosten eines Fehlers. Je höher die Akzeptanzschwelle und je größer die Folgen einer Fehlentscheidung, desto mehr Tests, Schutzmechanismen und menschliche Kontrolle sind nötig. Zuerst definieren wir ein messbares, für den Prozess ausreichendes Qualitätsniveau.
- Anzahl der Ausnahmen im Prozess. Jeder relevante Fall von „es kommt darauf an“ braucht eine Regel, Testdaten und eine Entscheidung für Situationen, in denen das System unsicher ist.
- Pilot oder Produktivbetrieb. Ein Demonstrator kann Observability, Backups, Kostenlimits, Zugriffsverwaltung und Störungsbehandlung auslassen. Ein Produktivsystem muss sie enthalten. Verglichene Angebote sollten daher denselben Umfang haben.
- Wer auf Ihrer Seite verfügbar ist. Ein Projekt, dessen Entscheidungen jeweils zwei Wochen warten, dauert länger und kostet mehr.
- Migration von einer alten Lösung. Arbeit, an die in der Ideenphase oft niemand denkt.
Laufende Kosten, die in Angeboten oft fehlen
Dieser Teil geht beim Vergleich von Angeboten leicht verloren. Deshalb benennen wir ihn ausdrücklich:
- Modellkosten. Anbieter rechnen die Nutzung nach eigenen Preislisten ab, meist nach Zahl der Tokens oder ausgeführten Vorgänge. Die Rechnung hängt von Volumen, Länge von Eingabe und Ausgabe, gewähltem Modell, Caching und Zahl der Wiederholungen ab. Gute Suche in einem RAG kann unnötigen Kontext reduzieren.
- Server und Infrastruktur. Datenbank, Queues, Backups, Monitoring und Umgebungen. Die Kosten richten sich nach Verfügbarkeit, Volumen und Sicherheitsanforderungen.
- Betrieb und Feinjustierung. Modelle, Daten, Integrationen und der Prozess selbst ändern sich. Ohne Observability und regelmäßige Bewertung kann ein Qualitätsverlust unbemerkt bleiben.
- Qualitätsevaluierung. Eine Beispielsammlung, die nach Änderungen ausgeführt wird. Ihre Kosten müssen eingeplant werden, denn ohne einen vergleichbaren Test lässt sich das System nur schwer sicher aktualisieren.
So kaufen Sie, ohne Budget zu verbrennen
Mit Entscheidungstoren. Statt gleich zu Beginn 150.000 PLN freizugeben, teilen wir den Weg in Etappen. Jede hat einen eigenen Nutzen und eine eigene Entscheidung: weiter oder stoppen.
Audit (2–6 Tsd. PLN netto) → Pilot oder MVP (12–35 Tsd. PLN netto) → vollständige Einführung (nach Umfang) → Betrieb.
Nach dem Audit können Sie das erhaltene Dokument mit jedem beliebigen Auftragnehmer umsetzen. Ein gut konzipiertes Pilotprojekt ermöglicht es, die Qualität der Antworten an Ihren Daten zu messen – das kann ein Angebot allein nicht entscheiden. Wenn wir weitermachen, rechnen wir den Auditbetrag auf die Projektkalkulation an.
Wann sich Ausgaben für KI nicht lohnen
- Wenn der Prozess selten ausgeführt wird. Rechnen Sie die jährliche Einsparung, bevor Sie die Kosten rechnen.
- Wenn eine gewöhnliche Automatisierung genügt. Die Modellebene fügt Kosten, Ergebnisvariabilität und Evaluierungsbedarf hinzu. Wenn eine Regel das gewünschte Ergebnis erreicht, ist sie meist einfacher zu kontrollieren – mehr dazu in Prozessautomatisierung im Unternehmen: Wo anfangen?.
- Wenn der Prozess selbst das Problem ist. KI auf einen ungeordneten Prozess zu setzen kann Fehler verfestigen, statt ihre Ursache zu beseitigen.
- Wenn niemand ihn betreuen kann. Ein Produktivsystem braucht einen Verantwortlichen.
Die Empfehlung „vorerst ohne Modell – verbessern Sie zuerst den Prozess“ ist ein korrektes Ergebnis eines KI-Audits, wenn die Rechnung aus Nutzen und Risiko die Einführung nicht rechtfertigt.
Zwei Punkte, die Sie vor der Wahl eines Anbieters prüfen sollten
- Ob das Angebot den Produktivbetrieb umfasst. Fragen Sie direkt nach Monitoring, Backups, Kostenlimits und Störungsbehandlung. Falls diese Elemente nicht Teil der Kalkulation sind, klären Sie, wer sie liefert und ob das Angebot nur den Pilot abdeckt.
- Ob der Anbieter etwas betreibt. Fragen Sie nicht „Hat er es gebaut?“, sondern „Verantwortet er heute einen überwachten Produktivdienst, einschließlich Ausfällen und Wiederherstellung?“. Ein Beispiel für unser System mit kontinuierlich arbeitenden Kollektoren ist die auf TimescaleDB basierende Analyseplattform.
Häufige Fragen
Kann das durch Fördermittel finanziert werden?
Die Verfügbarkeit von Programmen, Kriterien und Bewerbungsfristen ändern sich. Prüfen Sie aktuelle Informationen bei der Stelle, die das jeweilige Programm durchführt, oder bei einer Förderberatung. Wir beschaffen keine Fördermittel; wir können eine technische Beschreibung und Kalkulation vorbereiten. Die Übereinstimmung mit den Anforderungen einer konkreten Ausschreibung muss jedoch vor Einreichung geprüft werden.
Warum unterscheiden sich Marktangebote um den Faktor zehn?
Prüfen Sie zunächst, ob die Angebote dasselbe Ergebnis umfassen: Pilot oder Produktivbetrieb, Datenaufbereitung, Integrationen, Tests, Monitoring, Rechteübertragung und Betrieb. Das Etikett „KI-Agent“ beschreibt den Umfang nicht. Ein Vergleich nur über den Preis kann daher irreführend sein.
Was kosten allein das Gespräch und die Kalkulation?
Nichts. Das erste Gespräch und die Kalkulation sind kostenlos. Kostenpflichtig ist erst das Audit: analytische Arbeit mit einem konkreten Dokument als Ergebnis.
Wenn Sie diese Preisrahmen für Ihren Fall in eine konkrete Zahl übersetzen möchten, schreiben Sie uns oder sehen Sie sich Angebote mit niedriger Einstiegsschwelle an: KI-Audit und erster automatisierter Prozess.

Autor
Maciej Szukalski
Gründer von Condictor · Systemarchitekt · Forschung und Entwicklung
Seit 2014 entwickelt er digitale Produkte. Seine Schwerpunkte sind Architektur, Forschung und Anwendungen mit Automatisierungs- und Intelligenzschichten.
Erfahrung und Arbeitsweise kennenlernenEin Problem zu lösen?
Finden wir den richtigen ersten Schritt
Beschreiben Sie Ihre Situation in wenigen Sätzen. Wir melden uns mit Fragen oder einem konkreten Vorschlag für den nächsten Schritt.
