„Ein eigenes KI-Tool bauen lassen” klingt nach Großkonzern, Data-Science-Abteilung und sechsstelligem Budget. In der Praxis ist es das selten. Für den Mittelstand geht es fast nie um das nächste Sprachmodell, sondern um eine konkrete, wiederkehrende Arbeit, die heute zu viel Zeit, Nerven oder Geld kostet — und die ein maßgeschneidertes System mit eingebauter KI-Logik deutlich besser erledigt als Excel, WhatsApp und drei nicht verbundene Insellösungen.
Dieser Artikel gibt Entscheidern einen nüchternen Überblick: Was kostet so ein Tool wirklich — inklusive der Posten, die gerne unter den Tisch fallen —, wie läuft das Projekt ab, wie steht es um Datenschutz, und wann lohnt es sich gegenüber fertiger Standard-Software. Ohne Hype, mit Zahlen aus dem Markt 2026.
Was „eigenes KI-Tool” konkret heißt
Bevor über Preise geredet wird, lohnt eine Begriffsklärung — denn unter „KI-Tool” verstehen viele etwas anderes. Für den Mittelstand sind drei Dinge auseinanderzuhalten:
- Fertige KI-Werkzeuge von der Stange (ChatGPT, Copilot, Standard-SaaS). Günstig, sofort verfügbar — aber sie kennen Ihren Betrieb nicht und bilden Ihre Abläufe nicht ab.
- Ein eigenes, maßgeschneidertes Tool: eine Web-Applikation, die genau Ihren Prozess abbildet — und an den richtigen Stellen KI-Logik nutzt (etwa Vorschläge, Prognosen, automatische Vorbelegung), statt nur ein Chatfenster danebenzustellen.
- Ein Modell selbst trainieren: für die allermeisten Mittelständler überflüssig und unwirtschaftlich. Vortrainierte Modelle plus saubere Anbindung an Ihre Daten liefern fast immer mehr Nutzen pro Euro.
Wenn im Folgenden von „KI-Tool bauen lassen” die Rede ist, ist Variante zwei gemeint: ein System, das Ihr Tagesgeschäft kennt — und in dem KI eine eingebaute Funktion ist, kein Selbstzweck. Drei typische Beispiele aus dem operativen Mittelstand machen das greifbar:
- Eine Disposition oder Einsatzplanung, die selbst Vorschläge macht, wer wann wohin passt — statt der Excel-Tapete, die nur eine Person versteht.
- Eine Angebots- oder Kalkulationshilfe, die aus Eckdaten einen belastbaren Vorschlag vorbelegt und Fehlpreise meldet, bevor sie raus sind.
- Ein Prüf- und Dokumentationsprozess, in dem das Tool Unterlagen vorab auf Vollständigkeit checkt und das Wiederkehrende vorausfüllt.
Der ehrlichste Test, ob sich so etwas lohnt, ist eine einzige Frage: Gibt es bei Ihnen eine Arbeit, die Woche für Woche Stunden frisst und nach im Wesentlichen festen Regeln abläuft? Wenn ja, ist sie ein Kandidat.
Was kostet es, ein KI-Tool bauen zu lassen?
Die ehrliche Antwort lautet: Es hängt vom Umfang ab — aber die Spannen lassen sich klar eingrenzen. Maßgeschneiderte Software wird in Deutschland überwiegend nach Aufwand kalkuliert. Übliche Tagessätze für professionelle Entwicklung liegen 2026 grob bei 800 bis 1.400 €; spezialisierte Agenturen rechnen mit Stundensätzen von rund 120 bis 180 €. Entscheidend für Ihr Budget ist aber nicht der Tagessatz, sondern der Funktionsumfang.
Als grobe Orientierung für ein typisches Custom-Tool im Mittelstand:
| Projekttyp | Was Sie bekommen | Realistische Spanne | Dauer |
|---|---|---|---|
| Prototyp / Proof of Concept | Eine klickbare Version eines Kern-Workflows, um die Richtung zu prüfen | 2.000 – 8.000 € | 1 – 3 Wochen |
| MVP (einsatzfähige Erstversion) | Ein produktiv nutzbares Tool für genau einen Prozess, inkl. KI-Funktion | 15.000 – 35.000 € | 4 – 10 Wochen |
| Vollständiges operatives System | Mehrere verbundene Module, Rollen/Rechte, Schnittstellen, Reporting | 40.000 – 90.000 €+ | 3 – 6 Monate |
Diese Zahlen sind Richtwerte, keine Versprechen — ein belastbares Angebot entsteht erst nach der Analyse Ihres konkreten Falls. Sie decken sich aber mit dem aktuellen Marktbild für individuelle Softwareentwicklung in Deutschland: schlanke interne Tools beginnen bei rund 14.000 €, mittelgroße Anwendungen mit Schnittstellen liegen häufig im mittleren fünfstelligen Bereich. Diese Orientierung verhindert zwei typische Fehlerwartungen: Die Vorstellung, ein nützliches Tool gäbe es für 1.500 € pauschal, ist genauso unrealistisch wie die Angst, jedes Custom-Projekt koste sofort sechsstellig.
Die Kosten, die gerne vergessen werden
Der Bau ist eine Einmalinvestition. Ein eigenes Tool verursacht aber auch laufende und begleitende Kosten — wer die nicht einplant, erlebt böse Überraschungen:
- Hosting & Betrieb: oft 20 – 200 €/Monat, je nach Last und Datenmenge.
- KI-Nutzung (API): wird pro Anfrage abgerechnet. Bei aktuellen Preisen kostet eine umfangreiche Anfrage Bruchteile eines Euro; für ein internes Tool im Mittelstand summiert sich das meist auf wenige Euro bis einige zehn Euro pro Monat — kein nennenswerter Kostenfaktor, solange das Tool intern genutzt wird.
- Datenschutz & Compliance: ein realer, oft verschwiegener Posten. DSGVO-konforme Architektur, Auftragsverarbeitungs-Verträge und gegebenenfalls EU-Hosting können einmalig je nach Sensibilität der Daten im niedrigen bis mittleren vierstelligen Bereich liegen. Bei seriösen Projekten ist das Teil der Konzeptphase, nicht ein nachträgliches Pflaster.
- Einführung & Mitarbeiter: der am meisten unterschätzte Posten. Ein Tool entfaltet erst Nutzen, wenn das Team es wirklich nutzt. Einarbeitung, Begleitung in den ersten Wochen und das Anpassen eingespielter Abläufe kosten Zeit — Geld, das Sie sparen, wenn Sie es einplanen.
- Wartung & Weiterentwicklung: Faustregel sind grob 15 – 20 % der Bausumme pro Jahr für Updates, kleine Anpassungen und Support. Das ist kein Aufpreis, sondern der Unterschied zwischen einem lebenden System und einer Software, die nach zwei Jahren niemand mehr anfasst.
Wichtig zur Einordnung: Ein Custom-Tool ist Ihr Tool. Es entstehen keine Lizenzgebühren pro Mitarbeiter, die mit jedem neuen Kopf steigen — anders als bei vielen SaaS-Abos. Genau hier kippt die Rechnung ab einer gewissen Teamgröße oft zugunsten der Eigenentwicklung.
Datenschutz und KI: Was Geschäftsführer wirklich klären müssen
Kaum ein Thema bremst KI-Projekte im Mittelstand so oft wie die Sorge: „Geben wir damit unsere Daten aus der Hand?” Die kurze Antwort: nicht zwangsläufig — wenn man es von Anfang an richtig aufsetzt. Drei Punkte gehören in jedes seriöse Projekt:
- Wohin fließen welche Daten? Das wird im Konzept bewusst festgelegt — von Modellen, die in der EU betrieben werden, bis zu Architekturen, bei denen sensible Daten Ihr System gar nicht erst verlassen. Oft braucht die KI für ihren Job nur einen kleinen, anonymisierten Ausschnitt, nicht den gesamten Datenbestand.
- DSGVO und Auftragsverarbeitung: Werden externe KI-Dienste genutzt, gehören Auftragsverarbeitungs-Verträge und eine dokumentierte Rechtsgrundlage dazu. Das ist Standard und kein Showstopper — aber es muss vor dem ersten Datensatz geklärt sein, nicht danach.
- EU AI Act: Seit 2025 gelten erste Pflichten der EU-KI-Verordnung. Für typische interne Effizienz-Tools im Mittelstand (Vorschläge, Vorbelegung, Auswertungen) liegt das Risiko meist im niedrigen, unkritischen Bereich mit überschaubaren Transparenzpflichten. Heikel wird es erst bei Anwendungen, die direkt über Menschen entscheiden — etwa im Personalbereich. Ein guter Partner ordnet das früh ein, statt es auszusitzen.
Der entscheidende Unterschied zwischen einem nervösen und einem souveränen KI-Projekt ist nicht die Technik — es ist, dass diese Fragen am Anfang beantwortet und dokumentiert werden. Dann ist Datenschutz kein Risiko, sondern ein Verkaufsargument gegenüber Ihren eigenen Kunden.
Der Ablauf: Von der Idee zum laufenden System
Ein gutes Projekt baut nicht sofort drauflos. Es arbeitet sich in Phasen vor, damit Sie früh sehen, wohin die Reise geht — und gegensteuern können, bevor Budget verbrannt ist. So sieht ein realistischer Ablauf aus:
Phase 1 – Analyse (Tage bis 1–2 Wochen)
Zuerst wird verstanden, wie Ihr Betrieb wirklich tickt: Welcher Prozess kostet Zeit? Wer arbeitet womit? Wo entstehen Fehler? Das Ergebnis ist kein dickes Konzeptpapier, sondern eine klare Antwort auf die Frage, was das Tool können muss — und was bewusst nicht. Diese Phase entscheidet über Erfolg oder Scheitern mehr als jede Technologie.
Phase 2 – Konzept & Prototyp (1–3 Wochen)
Sie sehen früh einen greifbaren Prototyp des Kern-Workflows. Hier wird sichtbar, ob Bedienung und Funktionen passen — bevor voll gebaut wird. Änderungen sind in dieser Phase günstig; im fertigen System sind sie teuer. Hier fällt auch die dokumentierte Entscheidung, welche Daten die KI sieht.
Phase 3 – Entwicklung des MVP (4–10 Wochen)
Jetzt entsteht die erste produktiv nutzbare Version — bewusst auf den wichtigsten Anwendungsfall fokussiert. Lieber ein Prozess, der zu 100 % sitzt, als zehn halbfertige Funktionen. Die KI-Logik wird dort eingebaut, wo sie echten Nutzen bringt: Vorschläge, Vorbelegung, Prognosen.
Phase 4 – Pilotbetrieb (2–4 Wochen)
Ein kleines Team nutzt das Tool im echten Alltag. Was im Konzept logisch klang, wird hier am realen Betrieb getestet und nachgeschärft. Wer diese Phase überspringt, rollt Fehler an die gesamte Mannschaft aus.
Phase 5 – Rollout & laufender Betrieb
Das System geht in Vollbetrieb, Mitarbeiter werden eingearbeitet, und es wächst mit Ihren Anforderungen weiter. Gute Software entwickelt sich entlang Ihres Geschäfts — sie ist nie endgültig „fertig”.
Ein realistischer Zeithorizont von der ersten Idee bis zum produktiven MVP liegt damit bei etwa zwei bis vier Monaten — nicht bei zwei Jahren. Genau das ist der Vorteil eines fokussierten Vorgehens gegenüber einem überladenen Großprojekt.
Warum KI-Tools scheitern — und woran man das erkennt
Die meisten gescheiterten Projekte scheitern nicht an der KI, sondern an drei vermeidbaren Mustern. Wer sie kennt, erkennt früh, ob ein Vorhaben auf Kurs ist:
- Zu groß gedacht. Das Tool soll alles auf einmal können. Ergebnis: ein Jahr Bauzeit, kein Mensch hat es je benutzt. Gegenmittel: ein scharf abgegrenzter erster Prozess.
- An den Anwendern vorbei. Gebaut wurde, was die Chefetage logisch fand — nicht, was das Team im Alltag braucht. Deshalb der frühe Prototyp und der Pilotbetrieb.
- KI um der KI willen. Ein Chatbot wird drangeschraubt, weil „man jetzt KI macht”. Nutzen entsteht aber dort, wo KI eine konkrete Handgriff-Arbeit abnimmt, nicht wo sie als Feature glänzt.
Der Nutzen: Wann sich ein eigenes Tool rechnet
Eine Investition von, sagen wir, 25.000 € muss sich tragen. Das tut sie — aber selten sofort. Seriös gerechnet entsteht im Baujahr kaum Ersparnis; der Nutzen läuft mit der Einführung an und entfaltet sich ab dem Folgejahr. Eine konservative Beispielrechnung aus einem typischen, planungsintensiven Betrieb:
| Zeitraum | Was passiert | Eingesparte Zeit | Wert (45 €/Std., Vollkosten) |
|---|---|---|---|
| Jahr 0 (Bau & Einführung) | Tool entsteht, Team lernt; noch kaum Effekt | ~ 50 Std. | ~ 2.000 € |
| Ab Jahr 1 (eingespielt) | Planung 8 → 2 Std./Woche, ~6 Std. gespart | ~ 300 Std./Jahr | ~ 13.500 € / Jahr |
| Plus (durchgehend) | weniger Fehler, Ausfälle, Doppelarbeit, Wissen im System | schwer beziffert, oft größer als die reine Zeitersparnis | |
In diesem — bewusst vorsichtig gerechneten — Szenario hat sich ein Tool für rund 25.000 € inklusive laufender Kosten nach etwa zwei bis zweieinhalb Jahren amortisiert und arbeitet danach jedes Jahr für Sie. Und das ist nur der harte, zählbare Teil. Die weichen Effekte sind oft entscheidender:
- Weniger Abhängigkeit von Köpfen: Wissen steckt im System, nicht nur im Kopf der einen Person, die „das schon immer macht”.
- Weniger Fehler: Regeln (gesetzliche Vorgaben, Fristen, Zuschläge) sind eingebaut statt im Gedächtnis.
- Echtzeit-Überblick: Entscheidungen auf Basis aktueller Zahlen statt aus dem Bauch.
- Skalierbarkeit: Wachstum kostet keine proportional steigenden Lizenzgebühren.
Build vs. Buy: Wann Standard-Software die bessere Wahl ist
Seriöserweise gehört dazu: Nicht jeder braucht ein eigenes Tool. Wer ehrlich abwägt, fährt langfristig besser. Eine einfache Orientierung:
| Eigenes Tool bauen, wenn … | Standard-Software kaufen, wenn … |
|---|---|
| Ihr Prozess Ihr Wettbewerbsvorteil ist und sich von der Norm unterscheidet | der Prozess Standard ist (z. B. Buchhaltung, Lohn) |
| vorhandene SaaS-Tools nur 70 % können und der Rest schmerzt | ein fertiges Tool 95 % abdeckt |
| Sie mehrere Insellösungen und Excel verbinden wollen | der Fall klein, selten und unkritisch ist |
| Lizenzkosten mit der Teamgröße aus dem Ruder laufen | das Team klein bleibt und Lizenzen günstig sind |
Häufig ist die richtige Antwort eine Mischung: Standard-Software für Standard-Aufgaben, ein maßgeschneidertes Tool genau dort, wo Ihr Betrieb anders arbeitet als alle anderen — und beides sauber miteinander verbunden.
Worauf Sie bei der Auswahl des Partners achten sollten
Die Technologie ist selten das Problem — der Partner ist es. Vier Punkte, die in der Praxis den Unterschied machen:
- Versteht er Ihr Geschäft, nicht nur Code? Ein gutes Erstgespräch dreht sich um Ihre Abläufe, nicht um Buzzwords.
- Bekommen Sie früh etwas Greifbares? Wer erst nach Monaten liefert, baut am Bedarf vorbei. Bestehen Sie auf einem frühen Prototyp.
- Wie geht er mit Datenschutz um? Wird DSGVO und EU AI Act von sich aus angesprochen — oder erst auf Nachfrage? Ersteres ist ein gutes Zeichen.
- Was passiert nach dem Go-live? Klären Sie Wartung, Weiterentwicklung und — wichtig — wem Code und Daten gehören. Bei seriösen Custom-Projekten: Ihnen.
Genau so arbeiten wir bei Onterion AI: Wir bauen für den planungs- und personalintensiven Mittelstand maßgeschneiderte operative Systeme — vom ersten Prototyp bis zum laufenden Betrieb, mit dem Geschäftsführer als persönlichem Ansprechpartner. Im kostenlosen Erstgespräch schauen wir gemeinsam auf Ihren Prozess und zeigen Ihnen an einer Live-Demo, wie Ihr eigenes System aussehen könnte — unverbindlich und ohne Verkaufsdruck. Jetzt Erstgespräch vereinbaren →
FAQ
Was kostet ein einfaches KI-Tool für ein kleines Unternehmen?
Ein fokussierter Prototyp ist ab etwa 2.000 – 8.000 € machbar, ein produktiv nutzbares MVP für einen klar abgegrenzten Prozess liegt meist zwischen 15.000 und 35.000 €. Die Spanne hängt vor allem davon ab, wie viele Funktionen und Schnittstellen nötig sind. Ein belastbarer Preis entsteht erst nach einer kurzen Analyse Ihres konkreten Falls.
Wie lange dauert die Entwicklung?
Von der ersten Idee bis zur einsatzfähigen Erstversion sind meist zwei bis vier Monate realistisch — bei einem fokussierten Vorgehen, das einen Prozess sauber löst statt zehn halb. Einen ersten klickbaren Prototyp sehen Sie oft schon nach ein bis drei Wochen.
Müssen wir für KI unsere Daten an Dritte geben?
Nicht zwingend. Welche Daten wohin fließen, wird im Konzept bewusst festgelegt — von Modellen, die in der EU betrieben werden, bis zu Architekturen, bei denen sensible Daten Ihr System nicht verlassen. Werden externe KI-Dienste genutzt, gehören ein Auftragsverarbeitungs-Vertrag und eine klare Rechtsgrundlage dazu. Das gehört in jedes seriöse Projekt als frühe, dokumentierte Entscheidung.
Fällt unser Tool unter den EU AI Act?
Für typische interne Effizienz-Tools im Mittelstand — Vorschläge, Vorbelegung, Auswertungen — liegt das Risiko meist im niedrigen, unkritischen Bereich mit überschaubaren Transparenzpflichten. Höhere Anforderungen entstehen vor allem dort, wo eine KI direkt über Menschen entscheidet, etwa bei der Personalauswahl. Ein guter Partner ordnet Ihren Anwendungsfall früh ein, sodass es keine Überraschungen gibt.
Was passiert, wenn sich unsere Anforderungen später ändern?
Ein eigenes Tool ist genau dafür gebaut: Es gehört Ihnen und lässt sich weiterentwickeln, wenn Ihr Geschäft wächst oder sich Abläufe ändern. Planen Sie dafür ein Wartungs- und Weiterentwicklungsbudget von grob 15 – 20 % der Bausumme pro Jahr ein — so bleibt das System lebendig, statt nach zwei Jahren einzustauben.
Was, wenn die Agentur irgendwann nicht mehr verfügbar ist?
Deshalb sollten Code und Daten vertraglich Ihnen gehören und sauber dokumentiert übergeben werden. Ein Custom-Tool auf gängiger Technologie kann grundsätzlich von jedem qualifizierten Entwickler weitergeführt werden — anders als eine SaaS-Lösung, die mit dem Anbieter steht und fällt. Klären Sie Eigentum und Dokumentation vor Projektstart.