Kosten & ROI

Build oder Buy: Was eine KI-Plattform im Mittelstand kostet

Build oder Buy bei KI: selbst entwickeln, eine Plattform einführen oder beides kombinieren? Der Beitrag vergleicht Kosten, Zeit bis zum Ergebnis und Risiken und zeigt, wann individuelle Lösungen auf einer Plattform wirtschaftlich sind.

Niklas Coors
Niklas Coors Geschäftsführer, Plotdesk
Veröffentlicht
Lesezeit
8 Min.
Build oder Buy: Was eine KI-Plattform im Mittelstand kostet

Das Wichtigste in Kürze

  • Build heißt: Sie bauen und betreiben eine KI-Lösung selbst. Buy heißt: Sie nutzen eine fertige Plattform und passen sie an. Der dritte Weg kombiniert beides.
  • Der größte Kostenblock bei Eigenentwicklung ist nicht die Technik, sondern das Team. Schon drei Vollzeitstellen binden im Mittelstand jährlich einen sechsstelligen Betrag, dauerhaft.
  • Der Preis je Token sinkt seit Jahren deutlich, die Gesamtkosten steigen trotzdem, weil Nutzung, Kontextlängen und Agentenschleifen zunehmen (a16z, LLMflation).
  • Rund 95 Prozent der untersuchten Piloten mit generativer KI hatten keinen messbaren Effekt in der Gewinn- und Verlustrechnung (MIT NANDA, August 2025). Das Risiko liegt in der Umsetzung, nicht in der Beschaffungsform.
  • Für die meisten Mittelständler trägt der kombinierte Weg: Plattform für das, was viele brauchen, individuelle Lösungen für das, was Sie unterscheidet.

Build oder Buy bei KI ist eine andere Frage als bei klassischer Software. Die Modelle kommen ohnehin von außen, der Markt verändert sich im Quartalsrhythmus, und die Arbeit steckt in der Anbindung an Ihre Daten und Prozesse. Wer trotzdem alles selbst baut, baut vor allem Wartung auf.

Dieser Beitrag rechnet die Entscheidung für den Mittelstand durch: was Eigenentwicklung realistisch bindet, welche Posten beim Kauf dazukommen, welche Kosten regelmäßig übersehen werden und wann welcher Weg trägt. Alle Zahlenbeispiele sind als Annahmen gekennzeichnet; rechnen Sie sie mit Ihren eigenen Werten nach.

Was heißt Build, was heißt Buy bei KI?

Build bedeutet, dass Sie die Anwendungsschicht über den Modellen selbst entwickeln und betreiben: Oberfläche, Rechteverwaltung, Anbindung an Ihre Systeme, Wissensspeicher, Protokollierung, Kostenkontrolle. Die Modelle mieten Sie auch dann bei einem Anbieter oder betreiben offene Modelle selbst.

Buy bedeutet, dass Sie eine bestehende KI-Plattform nutzen, die diese Schichten bereits mitbringt, und Ihre Anwendungsfälle darauf konfigurieren. Der dritte Weg, der in der Praxis am häufigsten trägt, kombiniert beides: Standardfunktionen aus der Plattform, eigene Lösungen dort, wo Ihr Prozess einzigartig ist.

Wichtig für die Rechnung: Build und Buy unterscheiden sich weniger im ersten Jahr als in den Folgejahren. Eigenentwicklung bindet dauerhaft Personal, eine Plattform bindet dauerhaft Entgelt. Wer nur Jahr eins vergleicht, vergleicht das Falsche.

Was kostet Eigenentwicklung im Mittelstand?

Seriös rechnen lässt sich das nur mit offengelegten Annahmen. Für einen Mittelständler mit einigen hundert Beschäftigten, der eine eigene KI-Anwendung für zwei bis drei Anwendungsfälle bauen und betreiben will, sieht eine nüchterne Schätzung so aus.

Annahmen: drei Vollzeitstellen (Entwicklung, Datenanbindung, Betrieb) mit Arbeitgeber-Vollkosten von 100.000 bis 130.000 Euro je Stelle und Jahr, dazu Infrastruktur und Modellnutzung sowie Aufwand für Sicherheit, Protokollierung und Prüfungen. Prüfen Sie die Personalkosten mit Ihrer Personalabteilung, sie sind der größte Hebel in dieser Rechnung.

  • Personal: 300.000 bis 390.000 Euro pro Jahr
  • Infrastruktur und Modellnutzung: 30.000 bis 80.000 Euro pro Jahr, abhängig von Nutzung und Kontextlängen
  • Sicherheit, Protokollierung, Prüfungen, Werkzeuge: 20.000 bis 50.000 Euro pro Jahr
  • Zeit bis zum ersten produktiven Anwendungsfall: sechs bis zwölf Monate

Das ergibt für das erste Jahr eine Größenordnung von rund 350.000 bis 520.000 Euro, und der Betrag wiederholt sich, solange die Lösung läuft. Dazu kommt ein Personalrisiko: Wenn die eine Person geht, die alles gebaut hat, steht die Lösung still. Wer offene Modelle selbst betreiben will, findet die zusätzlichen Anforderungen im Beitrag zum Self-Hosting offener Modelle.

Welche Posten entstehen beim Kauf einer Plattform?

Beim Kauf verschiebt sich der Aufwand von der Entwicklung zur Einführung. Die Posten sind übersichtlich, werden aber oft unvollständig verglichen.

  • Plattformentgelt, abhängig von Nutzerzahl, Umfang und Betriebsform
  • Modellverbrauch, abhängig von tatsächlicher Nutzung
  • Einführung: Anbindung der Systeme, Aufbau der Anwendungsfälle, Rechte und Rollen
  • Interne Betreuung: eine verantwortliche Person, oft als Teilzeitrolle
  • Schulung und Begleitung der Fachbereiche

Was eine Plattform für Ihr Haus kostet, hängt so stark von Nutzerzahl, Modellnutzung und Umsetzungsumfang ab, dass jede pauschale Zahl in die Irre führt. Belastbar wird die Rechnung mit einem Angebot für Ihre Größenordnung. Die vollständige Struktur aller Posten über drei Jahre steht in der TCO-Rechnung für KI-Plattformen.

Welche Kosten werden regelmäßig übersehen?

Sechs Posten fehlen in fast jeder ersten Kalkulation, unabhängig davon, ob gebaut oder gekauft wird.

  • Betrieb nach dem Start. Modelle werden abgelöst, Schnittstellen ändern sich, Sicherheitsaktualisierungen kommen laufend. Das endet nicht mit dem Produktivgang.
  • Datenaufbereitung. Quellen zusammenführen, Dubletten bereinigen, Zuständigkeiten klären. Die Schritte beschreibt der Beitrag Daten KI-fähig machen.
  • Wechselkosten. Export von Inhalten, Vorlagen und Protokollen, Nachbau von Anbindungen, erneute Schulung. Offene Schnittstellen und Exportwege halten sie klein.
  • Sicherheit. Ein Datenleck kostet weltweit im Durchschnitt 4,44 Millionen US-Dollar; umfassender Einsatz von KI und Automatisierung in der Sicherheit senkt die Kosten im Mittel um 1,9 Millionen US-Dollar (IBM, Cost of a Data Breach Report 2025).
  • Begleitung der Menschen. Ohne Schulung und Ansprechpersonen bleibt die Nutzung niedrig, und die Investition wirkt nicht.
  • Skalierung. Der Preis je Token für eine gleichbleibende Leistungsstufe sinkt seit Jahren deutlich (a16z, LLMflation). Die Gesamtkosten steigen trotzdem, weil mehr Menschen mehr nutzen, Kontexte länger werden und Agenten mehrere Schritte je Anfrage brauchen. Planen Sie Budgets und Grenzen je Team, wie im Beitrag zu FinOps für KI beschrieben.

Build oder Buy bei KI: Wann lohnt sich was?

Eigenentwicklung lohnt sich, wenn KI Ihr Produkt ist und nicht Ihr Werkzeug: wenn Sie einzigartige Daten haben, aus denen ein Wettbewerbsvorteil entsteht, wenn Sie das Team dafür dauerhaft halten können und wenn die Anforderungen über Jahre stabil bleiben.

Der Kauf lohnt sich, wenn KI Ihre bestehenden Prozesse verbessern soll, wenn Zeit bis zum ersten Ergebnis zählt, wenn Ihre IT bereits ausgelastet ist und wenn sich die Anwendungsfälle noch verschieben werden. Das trifft auf die große Mehrheit der Mittelständler zu.

Build, Buy und der kombinierte Weg im Vergleich

Kriterium Build Buy Plattform plus individuelle Lösung
Zeit bis zum ersten Ergebnis Sechs bis zwölf Monate Wochen Wochen für den Standardteil, danach schrittweise
Größter Kostenblock Eigenes Team, dauerhaft Entgelt und Modellverbrauch Entgelt plus Aufwand für die individuellen Teile
Abhängigkeit Von einzelnen Personen im Haus Vom Anbieter Vom Anbieter, begrenzt durch Export und offene Schnittstellen
Flexibilität bei Modellen Frei, aber selbst zu pflegen Abhängig vom Funktionsumfang Frei, wenn die Plattform mehrere Anbieter unterstützt
Risiko Hoch: Technik und Personal Niedrig für den Standardteil Mittel, weil nur der individuelle Teil neu ist
Passt, wenn KI Ihr Produkt ist KI Ihre Prozesse verbessern soll Standardbedarf und Differenzierung nebeneinander bestehen

Der kombinierte Weg: Plattform plus eigene Lösung

Die Entscheidung ist selten binär. Chat, Dokumentensuche, Protokolle, Vorlagen und Wissensspeicher brauchen fast alle Unternehmen in ähnlicher Form; dafür etwas Eigenes zu bauen, bindet Geld ohne Unterschied im Markt. Eigene Lösungen lohnen sich dort, wo Ihr Prozess anders ist als der Ihrer Wettbewerber.

Wie weit das gehen kann, zeigt Padello aus dem Sportstättenbau: Gemeinsam mit Plotdesk hat das Unternehmen vier Standardsysteme für ERP, CRM, Baustellenplanung und E-Commerce durch eine individuell gebaute Lösung ersetzt. Aus vier Systemen wurde eines.

Für die Abgrenzung hilft eine einfache Frage je Anwendungsfall: Würde ein Wettbewerber mit derselben Standardfunktion dasselbe Ergebnis erreichen? Wenn ja, gehört der Fall auf die Plattform. Wenn nein, lohnt sich eine eigene Lösung, die auf derselben Plattform aufsetzt.

Die Unternehmen, die am schnellsten Ergebnisse erzielen, bauen nicht alles selbst. Sie nutzen eine Plattform für das, was viele brauchen, und investieren ihre Kraft dort, wo sie sich wirklich unterscheiden.
Niklas Coors
Niklas Coors Geschäftsführer, Plotdesk

Wie Plotdesk beide Seiten zusammenbringt

Plotdesk verbindet eine KI-Plattform mit einem Umsetzungsteam für den Mittelstand und deckt damit genau die Lücke ab, die sonst zur Eigenentwicklung zwingt. Standardbedarf läuft auf der Plattform. Für individuelle Anforderungen gibt es drei Stufen, ohne dass Sie ein eigenes Entwicklungsteam aufbauen: Canvas für Anwendungen direkt auf Ihren Daten, Studio für agentische Workflows im Node-Editor und Plugins für vollständige Prozessoberflächen.

Betrieben wird das als dedizierte Instanz in der EU oder im eigenen Tenant, mit DSGVO-konformem Auftragsverarbeitungsvertrag. Der Model Garden stellt mehr als 100 Modellvarianten aus zehn Provider-Typen bereit, pro Team freigebbar und budgetierbar, sodass die Modellwahl eine Entscheidung bleibt und keine Festlegung wird. Ältere Systeme ohne moderne Schnittstelle kommen über Plotdesk Connect dazu.

Der Weg folgt vier Schritten: KI-Potenzialanalyse, Proof of Value, produktive Lösung, systematischer Ausbau. Aus 1.200+ Use Cases in 15 Branchen lässt sich meist schnell ableiten, welcher Teil Standard ist und welcher Teil bei Ihnen eigen sein muss.

Ist Eigenentwicklung bei KI günstiger als eine Plattform?

In der Regel nicht, weil der größte Posten das dauerhafte Team ist. Schon drei Vollzeitstellen binden im Mittelstand jährlich einen sechsstelligen Betrag, und dieser Betrag fällt jedes Jahr neu an. Günstiger wird Build vor allem dann, wenn KI Ihr Produkt ist und sehr hohe Nutzungsvolumen die Fixkosten tragen.

Wie lange dauert es bis zum ersten produktiven Ergebnis?

Bei Eigenentwicklung sind sechs bis zwölf Monate realistisch, bis ein Anwendungsfall im Betrieb steht. Mit einer Plattform beginnt die Nutzung in Wochen, weil Oberfläche, Rechte und Anbindungen bereits vorhanden sind und nur konfiguriert werden.

Steigen die Modellkosten jedes Jahr?

Der Preis je Token für eine gleichbleibende Leistungsstufe sinkt seit Jahren deutlich. Steigen können trotzdem die Gesamtkosten, weil mehr Menschen mehr nutzen, Kontexte länger werden und agentische Abläufe mehrere Modellaufrufe je Anfrage auslösen. Budgets und Grenzen je Team halten das steuerbar.

Wie vermeide ich Abhängigkeit, wenn ich kaufe?

Klären Sie vor der Unterschrift drei Punkte: Lassen sich Inhalte, Vorlagen und Protokolle exportieren, und in welchem Format? Gibt es offene Schnittstellen wie REST oder MCP? Sind mehrere Modellanbieter nutzbar und je Team steuerbar? Damit bleiben Wechselkosten überschaubar.

Wann ist ein hybrider Ansatz sinnvoll?

Immer dann, wenn ein Teil Ihrer Anwendungsfälle Standard ist und ein anderer Teil Ihren Wettbewerbsvorteil ausmacht. Der Standardteil läuft auf der Plattform, der individuelle Teil wird darauf gebaut. So entstehen schnelle Ergebnisse, ohne die Differenzierung aufzugeben.

Fazit und nächster Schritt

Build oder Buy ist im Kern keine Kostenfrage, sondern eine Frage nach Ihrem Geschäft. Ist KI Ihr Produkt, bauen Sie. Ist KI Ihr Werkzeug, kaufen Sie die Grundlage und investieren Sie Ihre Kraft in die Anwendungsfälle.

Praktisch heißt das: Listen Sie Ihre fünf wichtigsten Anwendungsfälle auf und markieren Sie, welche davon ein Wettbewerber mit derselben Standardfunktion ebenso lösen könnte. Was übrig bleibt, ist Ihr Fall für eine eigene Lösung. Alles andere gehört auf eine Plattform, und die Entscheidung darüber trifft die Checkliste zur Plattformauswahl strukturiert.

Zuletzt redaktionell überarbeitet am

Nächster Schritt

Finden wir den Prozess, der sich für Sie rechnet.

In der persönlichen KI-Potenzialanalyse prüfen wir Ihre Ausgangslage und entwickeln eine konkrete Hypothese für den schnellsten wirtschaftlichen Hebel. Von der ersten Idee bis zur Lösung im Betrieb.

Persönlich sprechen
  • 1.200+Use Cases in 15 Branchen
  • 4 Wochenbis zum ersten Ergebnis im Betrieb
  • DediziertIhre Instanz in der EU oder in Ihrem eigenen Tenant

Die Expertise und Kreativität haben zu einer Lösung geführt, die unternehmensweit großen Anklang findet. Paul Töws, AI Hub Lead, Melitta

Persönliche Einschätzung

Wo liegt Ihr größter KI-Hebel?

Vier kurze Fragen zu Ihrem Unternehmen. Wir prüfen Ihre Angaben persönlich und melden uns mit einer ersten Einschätzung.

Persönliche Analyse

Wo liegt Ihr größter KI-Hebel?

Vier kurze Fragen zu Ihrem Unternehmen. Wir prüfen Ihre Angaben persönlich und bereiten eine erste Einschätzung vor.

Niklas CoorsGeschäftsführer · Strategie

Schritt 1 von 5
In welcher Branche arbeitet Ihr Unternehmen?

Damit ordnen wir passende Referenzen und Use Cases zu.

Wie groß ist Ihr Unternehmen?

So können wir einschätzen, was zu Ihrem Unternehmen und Ihren Teams passt.

Wo stehen Sie heute mit KI?

Welche Aussage beschreibt Ihren Arbeitsalltag am besten?

Welcher Hebel hat gerade höchste Priorität?

Wählen Sie den Bereich, in dem ein Ergebnis am meisten bewegen würde.

Wie dürfen wir Sie erreichen?

Wir prüfen, wo KI in Ihrem Unternehmen konkret helfen kann, und melden uns persönlich mit einer ersten Einschätzung.