KI-Agenten vs. Software Kosten: So rechnen Mittelständler realistisch

KI-Agenten sind nicht automatisch günstiger als klassische Software, obwohl die Preise für Sprachmodelle deutlich gefallen sind. Für eine belastbare Entscheidung müssen Mittelständler die Gesamtbetriebskosten pro Geschäftsvorgang rechnen: inklusive Integration, Betrieb, Qualitätssicherung und möglichem Anbieterwechsel.

KI-Agenten und klassische Software verursachen unterschiedliche Kosten

Klassische Software kostet am Anfang meist mehr Planung und Entwicklung, verhält sich im Betrieb aber vergleichsweise vorhersehbar. Ein ERP-Formular zur Auftragserfassung führt feste Regeln aus. Es braucht Server, Updates und Support, doch die Kosten pro zusätzlichem Vorgang steigen kaum.

Ein KI-Agent arbeitet anders. Der KI-Agent liest E-Mails, sucht Informationen in Dokumenten, ruft Schnittstellen auf und erstellt daraus einen Vorschlag. Das ist bei unstrukturierten Aufgaben wertvoll, aber jeder Arbeitsschritt erzeugt variablen Verbrauch. Ein Agent zur Angebotsvorbereitung kann etwa eine Kundenanfrage erfassen, technische Datenblätter durchsuchen, Preise im ERP-System abfragen und einen Entwurf schreiben. Bei 200 Anfragen im Monat ist das eine Rechnung. Bei 20.000 Anfragen wird aus einem scheinbar kleinen Modellpreis schnell ein relevanter Betriebsposten.

Die entscheidende Frage lautet deshalb nicht: „Was kostet das Modell?“ Sie lautet: „Was kostet ein korrekt bearbeiteter Vorgang, bis der Fachbereich ihn verwenden kann?“ Wer diese Einheit nicht definiert, vergleicht Lizenzpreise mit Verbrauchskosten und trifft Entscheidungen auf falscher Grundlage.

Die Token-Kosten sind nur der sichtbare Teil

Ein Token ist eine Abrechnungseinheit für Text, vereinfacht gesagt ein Textbaustein. Token-Preise sind 2026 niedrig, aber ein KI-Agent verbraucht weit mehr als die Antwort, die am Bildschirm erscheint. Der KI-Agent erhält Anweisungen, liest Kontext aus Dokumenten, plant Zwischenschritte, nutzt Werkzeuge und prüft Ergebnisse. Bei Fehlern startet der Ablauf teilweise erneut.

Nehmen wir eine Schadenmeldung in der Logistik: Der KI-Agent zieht Daten aus der E-Mail, gleicht Sendungsnummern ab, durchsucht Vertragsunterlagen und formuliert eine Antwort für den Sachbearbeiter. Je nach Dokumentumfang können dabei 50.000 bis 500.000 Tokens pro Vorgang entstehen. Ein einzelner Vorgang bleibt günstig. Viele Vorgänge, lange Kontexte und Wiederholungen ändern das Bild.

Zur Modellrechnung kommen Retrieval-Kosten hinzu. Retrieval bezeichnet die gezielte Suche des KI-Agenten in Unternehmensdokumenten. Dafür braucht das System Embeddings, also mathematische Repräsentationen von Texten, eine Vektordatenbank, Speicher und Suchinfrastruktur. In produktiven Umgebungen sehen wir für diese Pipeline häufig zusätzlich 40 bis 60 Prozent auf die reinen Modellkosten. Das ist keine Naturkonstante; bei großen Dokumentbeständen kann der Anteil höher liegen. Er fällt aber fast nie auf null, nur weil ein Anbieter einen günstigen Token-Preis bewirbt.

Die TCO-Rechnung für KI-Agenten beginnt beim Prozess

Die Total Cost of Ownership, kurz TCO, umfasst alle Kosten über die Nutzungsdauer. Für KI-Agenten reicht eine monatliche Cloud-Rechnung als TCO nicht aus. Rechnen Sie mindestens mit fünf Kostenblöcken.

Modell- und Pipeline-Kosten pro Vorgang

Ermitteln Sie den Verbrauch anhand echter Fälle. Zehn historische Kundenanfragen aus dem letzten Quartal sagen mehr aus als ein Demo-Prompt. Messen Sie Tokens, Dokumentabrufe, Tool-Aufrufe und Wiederholungen je Vorgang. Aus diesen Werten entsteht ein Korridor für den Monatsbetrieb.

Eine sinnvolle Formel ist: Vorgänge pro Monat mal durchschnittliche Kosten pro Vorgang plus Infrastruktur-Grundkosten. Rechnen Sie zusätzlich einen Puffer für Lastspitzen ein. Der Monatsabschluss, eine Ausschreibung oder eine Rückrufaktion erzeugen selten Durchschnittslast.

Entwicklung des Harness und der Integrationen

Das Sprachmodell ist austauschbar. Der Harness, also die technische Kontrollschicht um das Modell, entscheidet über die Betriebssicherheit. Dort liegen Zugriffsrechte, Freigabe-Gates, Fehlerbehandlung, Protokollierung und die Anbindung an ERP, CRM oder Dokumentenmanagement.

Ein Beispiel aus dem Vertrieb: Ein KI-Agent darf Angebotsdaten vorbereiten, aber keine Rabatte verbindlich freigeben. Der Harness muss daher Preislisten prüfen, Berechtigungen berücksichtigen und jeden Vorschlag einem verantwortlichen Mitarbeiter vorlegen. Diese Logik ist klassische Softwareentwicklung. Wer sie durch einen schnellen Chatbot ersetzt, spart am falschen Ende und schafft ein nicht auditierbares Nebenverfahren.

Für einen klar abgegrenzten Prozess kann der Aufbau wenige Wochen dauern. Sobald mehrere Altsysteme, Rechtekonzepte und regulatorische Anforderungen beteiligt sind, ist ein belastbares Architekturprojekt nötig. Das ist kein Argument gegen KI-Agenten. Es ist ein Argument gegen Budgets, die nur einen Prototyp finanzieren und den produktiven Betrieb ausblenden.

Qualitätssicherung und menschliche Freigaben

KI-Agenten liefern keine deterministischen Ergebnisse wie ein Taschenrechner. Selbst bei identischer Anfrage können Formulierung, Reihenfolge oder Gewichtung von Informationen abweichen. Deshalb braucht ein produktiver KI-Agent messbare Qualitätskriterien und einen Audit-Trail, also eine nachvollziehbare Protokollkette der verwendeten Daten, Entscheidungen und Freigaben.

Bei einem Agenten für Lieferantenauskünfte kann die Fachabteilung beispielsweise 50 Fälle pro Woche stichprobenartig prüfen. Werden Vertragsklauseln falsch zitiert oder Fristen übersehen, muss der Prozess angepasst werden. Diese Arbeitszeit gehört in die TCO-Rechnung. Sie entfällt nicht nach dem Go-live, sondern sie ist Teil eines verantwortbaren Betriebs.

Bei klassischen Softwarelösungen fällt Qualitätssicherung vor allem bei Releases an. Beim KI-Agenten kommt die laufende Beobachtung hinzu, weil sich Modelle, Datenquellen und Nutzerverhalten verändern. Ein Modellwechsel kann Kosten senken, aber Antworten verändern. Ohne Testfälle merken Unternehmen das oft erst, wenn ein Kunde eine falsche Aussage weiterleitet.

Betrieb, Sicherheit und Compliance

Ein KI-Agent benötigt Monitoring, Zugriffskontrollen, Backups für Konfigurationen sowie klare Regeln für Störungen. In Finanzdienstleistung und Logistik muss zudem nachvollziehbar bleiben, welche Daten das Unternehmen verarbeitet hat und wohin diese Daten geflossen sind. Personenbezogene Daten oder proprietäre Vertragsdaten gehören nicht unkontrolliert in öffentliche Dienste.

Hier trennt sich die schnelle Demonstration von einer tragfähigen Lösung. Eine europäische Cloud-Architektur, getrennte Mandanten, Verschlüsselung und offene Schnittstellen kosten Geld. Für Unternehmen mit kritischen Daten sind sie trotzdem günstiger als ein Datenschutzvorfall oder ein späterer Komplettumbau. Bei dataso planen wir diese Schicht vor der Implementierung, weil Architekturfehler unter Last und Auditdruck besonders teuer werden.

Exit-Kosten und Vendor-Lock-in

Vendor-Lock-in entsteht, wenn Prozesse, Datenformate und Logik so eng an einen Anbieter gebunden sind, dass ein Wechsel unverhältnismäßig aufwendig wird. Bei KI-Agenten passiert das schnell: proprietäre Tool-Aufrufe, spezifische Prompt-Formate und nicht exportierbare Wissensdatenbanken wirken anfangs bequem.

Ein Anbieter kann Preise ändern, ein Modell abkündigen oder Funktionsgrenzen verschieben. Hat das Unternehmen den Harness modellunabhängig gebaut und nutzt offene Standards, bleibt der Wechsel überschaubar. Sind Geschäftsregeln in einem proprietären Agentenbaukasten versteckt, wird daraus ein Migrationsprojekt. Diese Kosten tauchen in der ersten Präsentation selten auf. Sie existieren trotzdem.

Wann klassische Software die bessere Entscheidung ist

Klassische Software bleibt die bessere Wahl, wenn Regeln stabil, Inputs strukturiert und Ergebnisse eindeutig sind. Die Berechnung von Skonti, die Prüfung eines Pflichtfelds oder die Buchung eines Wareneingangs brauchen keinen KI-Agenten. Dafür sind feste Workflows schneller, günstiger zu testen und leichter zu auditieren.

KI-Agenten lohnen sich bei Vorgängen, in denen Mitarbeiter heute Informationen aus vielen unstrukturierten Quellen zusammensuchen und ein Ergebnis fachlich prüfen können. Ein gutes Beispiel ist die Vorbereitung von Antworten auf komplexe Kundenanfragen. Der KI-Agent spart Recherchezeit, während der Vertriebsmitarbeiter die finale Aussage verantwortet.

Die Wirtschaftlichkeitsformel ist nüchtern: aktuelle Bearbeitungszeit mal Vorgangsvolumen mal Personalkostensatz, abzüglich Restaufwand und vollständiger TCO des KI-Agenten. Kostet eine Anfrage heute 25 Minuten und übernimmt der KI-Agent verlässlich 15 Minuten Vorarbeit, entsteht ein messbarer Hebel. Spart der KI-Agent nur zwei Minuten, während ein Mitarbeiter jeden Text vollständig neu prüfen muss, lohnt der Aufwand meist nicht.

So erstellen Sie in vier Wochen eine belastbare Kostenentscheidung

Starten Sie nicht mit einem unternehmensweiten KI-Programm. Wählen Sie einen Prozess mit hohem Volumen, klarer fachlicher Verantwortung und einem Ergebnis, das sich schnell kontrollieren lässt. Sammeln Sie reale Fälle aus vier Wochen und messen Sie die heutige Bearbeitungszeit. Danach bauen Sie einen begrenzten Pilotbetrieb mit Kostenmessung pro Vorgang.

Definieren Sie vor dem Pilotbetrieb eine Abbruchgrenze. Zum Beispiel: Der KI-Agent muss mindestens zehn Minuten pro Vorgang sparen, eine fachliche Trefferquote von 95 Prozent erreichen und darf einen festgelegten Betrag je Vorgang nicht überschreiten. Diese Kriterien verhindern, dass ein beeindruckender Demo-Effekt ein wirtschaftlich schwaches Projekt am Leben hält.

FAQ

Was kostet ein KI-Agent pro Monat?

Die monatlichen Kosten reichen von wenigen hundert Euro für einen eng begrenzten Pilotbetrieb bis zu mehreren tausend Euro für einen produktiven KI-Agenten mit Systemintegrationen, Dokumentensuche und Überwachung. Maßgeblich sind Vorgangsvolumen, Dokumentmenge, Modellwahl und Personalaufwand für Qualitätssicherung. Der richtige Wert ist daher nicht der Monatspreis, sondern die TCO pro korrekt abgeschlossenem Vorgang.

Sind KI-Agenten günstiger als klassische Software?

KI-Agenten sind günstiger, wenn sie wiederkehrende Recherche- und Vorbereitungsarbeit in unstrukturierten Prozessen zuverlässig reduzieren. Klassische Software bleibt günstiger, wenn Geschäftsregeln eindeutig programmierbar sind. Ein KI-Agent für eine feste Wenn-dann-Prüfung ist meistens teurer und fehleranfälliger als ein normaler Workflow.

Wie hoch sind die versteckten Kosten bei KI-Agenten?

Für Retrieval, Embeddings, Vektordatenbank, Speicher, Wiederholungen und Fehlversuche sollten Unternehmen häufig 40 bis 60 Prozent zusätzlich zu den sichtbaren Modellkosten kalkulieren. Hinzu kommen Entwicklung, Monitoring, Sicherheitsmaßnahmen und Fachbereichszeit. Wer nur die Modellrechnung betrachtet, unterschätzt die reale TCO deutlich.

Wie vermeiden Unternehmen Vendor-Lock-in bei KI-Agenten?

Unternehmen vermeiden Vendor-Lock-in durch eine modellunabhängige Architektur, offene Schnittstellen und exportierbare Daten. Geschäftslogik, Rechte und Freigaben gehören in den eigenen Harness, nicht ausschließlich in einen Anbieterbaukasten. Prüfen Sie vor Vertragsabschluss, ob Prompts, Wissensdatenbanken, Protokolle und Konfigurationen vollständig exportierbar sind.

Fazit

Für B2B-Entscheider im Rhein-Main-Gebiet gilt: Bewerten Sie KI-Agenten nicht nach dem billigsten Token-Preis, sondern nach TCO pro überprüfbarem Geschäftsvorgang. Wählen Sie einen klar abgegrenzten Prozess, messen Sie vier Wochen mit echten Fällen und stoppen Sie den Pilotbetrieb, wenn Zeitersparnis, Qualität oder Kosten nicht stimmen. Wenn Sie die KI-Potenziale für Ihr Unternehmen besprechen möchten, buchen Sie ein Gespräch mit dataso in Darmstadt.