Kosten einer KI-Plattform: Die Gesamtkosten (TCO) realistisch planen

Was kostet eine KI-Plattform? Die ehrliche Antwort beginnt nicht beim Lizenzpreis. Die Kosten einer KI-Plattform entstehen zum größeren Teil dort, wo KI auf das Unternehmen trifft: bei Daten, Schnittstellen, Betrieb und den Menschen, die damit arbeiten.

Die Bitkom-KI-Studie vom 14. September 2026 zeigt, wie drängend die Frage ist. Erstmals setzt mit 57 % die Mehrheit der Unternehmen ab 20 Beschäftigten KI ein, 45 % wenden 2026 mehr Geld dafür auf. Gleichzeitig gehören schwer kalkulierbare Kosten zu den häufigsten Gründen, warum Vorhaben stocken.

Dieser Leitfaden zeigt, welche Kostenarten in eine vollständige Rechnung gehören, welche Kosten in keinem Angebot stehen, was verstreute Einzeltools im Vergleich zu einer Plattform kosten und wie Sie Kosten und Nutzen in einem nachvollziehbaren Rechenbeispiel gegenüberstellen.

Die Total Cost of Ownership (TCO) einer KI-Plattform ist die Summe aller einmaligen und laufenden Kosten, die über die geplante Nutzungsdauer entstehen, üblicherweise drei bis fünf Jahre. Sie umfasst neben Lizenzen auch Einführung, Integration, Datenaufbereitung, Modellnutzung, Betrieb, Schulung und Governance.

Die TCO beantwortet eine andere Frage als ein Angebotsvergleich. Ein Angebot sagt, was ein Anbieter berechnet. Die TCO sagt, was das Unternehmen insgesamt aufwendet, bis ein Anwendungsfall im Betrieb läuft und dort bleibt. Drei Abgrenzungen helfen bei der Einordnung:

• TCO und ROI: Die TCO bildet die Kostenseite ab. Ob sich die Investition lohnt, zeigt erst der Vergleich mit dem gemessenen Nutzen. Wie Sie den messen, erklärt der Leitfaden KI-ROI berechnen.
• TCO und FinOps: Die TCO ist eine Planungsrechnung vor der Entscheidung. FinOps für KI steuert die laufenden Kosten danach, Monat für Monat.
• TCO und Build vs. Buy: Ob Sie selbst entwickeln oder eine Plattform einsetzen, ist eine eigene Entscheidung. Die Abwägung steht im Beitrag Build vs. Buy im Mittelstand.

Eine KI-Plattform kostet mehr als ihren Lizenzpreis: Als große Kostenpunkte nennen KI-Anwender vor allem Infrastruktur, Datenaufbereitung und Integration, Lizenzen deutlich seltener. Das zeigt die Bitkom-KI-Studie 2026, für die 603 Unternehmen ab 20 Beschäftigten befragt wurden.

Für die Budgetplanung folgen daraus zwei Punkte. Erstens: Wer nur Lizenzpreise vergleicht, vergleicht den kleineren Teil der Rechnung. Zweitens: Token sind heute für wenige Anwender ein großer Posten. Das ändert sich, sobald Anwendungen mit KI-Agenten in den Betrieb gehen. Anthropic beobachtet bei eigenen Systemen, dass Agenten rund viermal so viele Tokens verbrauchen wie ein Chat und Systeme mit mehreren Agenten rund 15-mal so viele (Anthropic, Juni 2025).

Auch international sind Überraschungen häufig. Im Bericht von Mavvrik und Benchmarkit (396 Organisationen, befragt im April und Mai 2026) waren Mehrkosten bei Datenplattformen mit 47 % die häufigste Quelle unerwarteter KI-Kosten, vor den Token-Kosten der Sprachmodelle mit 43 %.

Eine vollständige Rechnung enthält acht Kostenarten, einmalige und laufende. Die Tabelle zeigt, was jeweils dazugehört und wovon die Höhe abhängt.

Zwei Posten fehlen in fast jeder ersten Rechnung: die interne Arbeitszeit von IT, Projektleitung und Fachbereichen sowie ein Risikopuffer. Führen Sie beides als eigene Zeilen. Wie Sie die Datenaufbereitung planen, die in der Bitkom-Studie jeder zweite Anwender als großen Kostenpunkt nennt, zeigt der Beitrag zur KI-Datenstrategie.

Versteckte Kosten entstehen durch Veränderungen nach dem Vertragsabschluss: neue Preise, neue Modelle, wachsende Nutzung und Projekte, die nie in den Betrieb kommen. Fünf davon sollten Sie vorab bewerten.

• Preisänderungen der Modellanbieter. Google weist für Gemini 3.8 Flash aus, dass sich der Preis zum 1. Januar 2027 verdoppelt, von 0,75 auf 1,50 US-Dollar je Million Eingabe-Tokens (Gemini API, Stand September 2026). Wer fest mit einem Modell kalkuliert hat, rechnet dann neu.
• Modellwechsel und Abkündigungen. Modelle werden in kurzen Abständen abgelöst. Vorlagen, Anweisungen und Tests müssen dann erneut geprüft werden. Wie aufwendig das ist, hängt davon ab, ob Modelle zentral austauschbar sind.
• Wachsende Nutzung. Erfolgreiche Anwendungsfälle ziehen mehr Anfragen, längere Dokumente und Automatisierungen nach sich. Planen Sie Modellkosten mit Wachstum, nicht mit dem Stand im Pilotmonat.
• Anbieterwechsel. Klären Sie vor Vertragsabschluss Datenexport, Kündigungsfristen und Preisbindung. Teuer wird ein Wechsel weniger durch den Vertrag als durch Integrationen und Vorlagen, die neu gebaut werden müssen.
• Piloten ohne Betrieb. Laut der Studie „The GenAI Divide“ der MIT-Initiative NANDA erzielen nur rund 5 % der untersuchten GenAI-Piloten einen schnellen Umsatzeffekt, die große Mehrheit bleibt ohne messbare Wirkung auf die Gewinn- und Verlustrechnung (Fortune, 18.08.2025). Jeder Pilot, der nicht in den Betrieb kommt, ist TCO ohne Nutzen.

Einzelne KI-Tools sind im Einkauf oft günstiger, eine zentrale Plattform ist es im Betrieb, sobald mehrere Teams und Anwendungsfälle zusammenkommen. Der Unterschied steckt in Kosten, die bei Einzeltools über viele Stellen verteilt sind und deshalb in keiner Rechnung auftauchen.

Der typische Verlauf: Das Marketing bucht ein Schreibwerkzeug, der Vertrieb einen E-Mail-Assistenten, die Entwicklung einen Coding-Assistenten, und einzelne Beschäftigte nutzen private Konten. Jede Entscheidung ist für sich vernünftig. In der Summe entstehen diese Kosten:

• je Werkzeug ein eigener Vertrag, eine eigene Datenschutzprüfung und ein eigener Auftragsverarbeitungsvertrag (AVV),
• je Werkzeug eine eigene Nutzerverwaltung, eigene Schulung und eigener Support,
• keine gemeinsame Auswertung, wer was nutzt und was es kostet: Nur 42 % der Organisationen beziehen KI-Werkzeuge für Entwickler in ihr Kostenreporting ein, 39 % melden Kosten über den erwarteten Lizenz- oder Nutzungskosten (Mavvrik und Benchmarkit, 2026),
• Unternehmenswissen, das als Kopie in vielen Werkzeugen landet, statt einmal angebunden zu werden,
• Nutzung außerhalb freigegebener Werkzeuge, ein Kosten- und ein Sicherheitsthema. Mehr dazu im Beitrag zu Schatten-KI im Unternehmen.

Spezialwerkzeuge bleiben sinnvoll, wenn wenige Fachleute sie intensiv nutzen, etwa in der Softwareentwicklung oder im Design. Die Plattform deckt dann die Breite ab, das Spezialwerkzeug die Spitze. Wichtig ist, dass beide in derselben Kosten- und Rechteübersicht auftauchen.

Beim Datenschutz gilt: Eine zentrale Plattform reduziert die Zahl der Anbieter und Verträge, die geprüft werden müssen. Die Verantwortung für einen rechtmäßigen Einsatz bleibt beim Unternehmen.

Im folgenden Beispiel kostet eine KI-Plattform mit 200 Zugängen über drei Jahre rund 613.000 € einschließlich Risikopuffer, also gut 1.000 € je Zugang und Jahr. Lizenzen machen davon rund 40 % aus. Alle Werte sind Annahmen zur Veranschaulichung, keine Angebotspreise.

Annahmen des Beispiels:

• Unternehmen mit 400 Beschäftigten, 200 erhalten einen Zugang, 60 % davon (120 Personen) nutzen die Plattform regelmäßig.
• Lizenzen: 30 € je Zugang und Monat. Das entspricht der Größenordnung verbreiteter Listenpreise, etwa Microsoft 365 Copilot mit 30 US-Dollar je Nutzer und Monat bei jährlicher Zahlung (Microsoft, Stand September 2026).
• Modellnutzung: 10 € je aktiver Person und Monat.
• Betrieb und interne Betreuung: 0,2 Stellen bei 90.000 € Vollkosten pro Jahr.
• Risikopuffer: 15 % auf die Zwischensumme.

Lizenzen machen rund 40 % der Zwischensumme aus, Einführung, Daten, Schulung und Governance zusammen ebenfalls rund 40 %. Der Betrieb liegt bei rund 10 %, die Modellnutzung bei rund 8 %. Das passt zum Bild der Bitkom-Studie: Der Lizenzpreis ist ein wichtiger, aber nicht der bestimmende Posten.

Für eine erste Einordnung reicht die gesparte Arbeitszeit, bewertet mit vorsichtigen Annahmen:

• 44 Arbeitswochen pro Jahr und ein Vollkostensatz von 60 € je Stunde.
• Nur die Hälfte der gesparten Zeit fließt in zusätzliche Wertschöpfung. Gesparte Zeit ist nicht automatisch gespartes Geld.
• Im ersten Jahr wirkt wegen der Einführung nur die Hälfte des Nutzens. Über drei Jahre zählen damit 2,5 Nutzenjahre.

Rechenweg: aktive Personen × gesparte Stunden je Woche × 44 Wochen × 60 € × 50 % × 2,5 Jahre. Je aktiver Person und gesparter Wochenstunde ergibt das 3.300 € über drei Jahre. Mit 120 aktiven Personen ist die TCO von 613.180 € bei rund 1,55 Stunden je Woche gedeckt (613.180 € ÷ 120 ÷ 3.300 €).

Die 2,2 Stunden entsprechen dem Mittelwert, den Nutzer generativer KI in einer US-Befragung angeben: 5,4 % ihrer Arbeitszeit (St. Louis Fed, Befragungen im August und November 2024). Ein Drittel der Befragten spart allerdings eine Stunde oder weniger.

Die Lehre aus dem Beispiel: Breiter Zugang allein trägt sich nur, wenn viele Beschäftigte regelmäßig nutzen und spürbar Zeit sparen. Belastbarer ist der Weg über Anwendungsfälle mit messbarem Prozessnutzen, etwa kürzere Angebotszeiten oder schnellere Antworten im Service. Sie erhöhen den Nutzen, ohne die Kosten im gleichen Maß zu steigern. Welche Fälle sich für den Anfang eignen, zeigen die 10 KI-Anwendungsfälle mit schnellem Nutzen.

Die meisten Budgetüberschreitungen gehen auf wenige, vermeidbare Planungsfehler zurück. Diese sieben sind die häufigsten:

1. Nur Lizenzpreise vergleichen. Infrastruktur, Daten und Integration nennen deutlich mehr Anwender als großen Kostenpunkt.
2. Datenaufbereitung und Integration unterschätzen. Beide entscheiden, ob KI mit Unternehmenswissen arbeitet oder nur mit allgemeinem Modellwissen.
3. Interne Arbeitszeit weglassen. Projektleitung, IT und Fachbereiche arbeiten mit, auch wenn keine Rechnung kommt.
4. Modellkosten pauschal ansetzen. Agenten und lange Dokumente verändern den Verbrauch deutlich. Planen Sie Szenarien statt einer Zahl.
5. Preisänderungen und Abkündigungen ignorieren. Modellpreise und Modelle ändern sich innerhalb eines Vertragsjahres.
6. Ohne Nutzungsauswertung starten. Agentische Anwendungen laufen im Mavvrik-Bericht fast überall, doch nur 36 % der Organisationen erfassen sie im Kostenreporting.
7. Keinen Risikopuffer einplanen. Wenn nur jede neunte Organisation ihre KI-Ausgaben auf ±10 % genau vorhersagt, ist ein Puffer keine Vorsicht, sondern Realismus.

Planen Sie vollständig, vorsichtig und mit Risikopuffer. Fünf Regeln haben sich in der Praxis bewährt:

1. Drei bis fünf Jahre rechnen, mit allen acht Kostenarten, der internen Arbeitszeit und einem Puffer. Als Faustregel dienen 10 bis 20 % der Zwischensumme.
2. In Spannen planen, mit einem vorsichtigen, einem mittleren und einem guten Szenario.
3. Budget an Messpunkte binden. Starten Sie mit wenigen Anwendungsfällen, messen Sie den Ausgangswert und geben Sie das nächste Budget nach dem Nachweis frei.
4. Plan und Ist regelmäßig vergleichen, die Modellkosten monatlich und die Gesamtrechnung quartalsweise.
5. Förderung prüfen. Welche Programme für KI-Projekte in Frage kommen, zeigt der Überblick zu Fördermitteln für KI-Projekte.

Plotdesk verbindet eine KI-Plattform mit einem Umsetzungsteam für den Mittelstand. Für die Gesamtkosten zählt dabei weniger der Lizenzpreis als die Posten, die in der Bitkom-Studie am häufigsten als teuer gelten: Integration, Daten und Betrieb. Genau dort setzt die Kombination aus Plattform und Team an.

• Eine Plattform statt verteilter Werkzeuge. Jedes Unternehmen erhält eine dedizierte Instanz in der EU oder im eigenen Tenant, mit DSGVO-konformem AVV, Single Sign-On, Rollen, mehr als 40 Berechtigungen und Audit-Logs. Verträge, Rechte und Prüfungen fallen einmal an statt je Werkzeug.
• Integration ohne Einzelprojekt je Tool. Plotdesk Connect bindet ERP, Fileserver, Ticket-Systeme und ältere Datenbanken an, Apps verbinden unter anderem SharePoint, Confluence und HubSpot. Einmal angebundenes Wissen steht allen freigegebenen Teams zur Verfügung.
• Modellfreiheit gegen Preisrisiken. Mehr als 100 Modellvarianten aus zehn Provider-Typen stehen zur Wahl. Ändert ein Anbieter Preise oder kündigt ein Modell ab, ändern Sie eine Freigabe, nicht die Anwendung.
• Kostensteuerung je Team. Modelle und Kosten lassen sich pro Team und Bereich steuern, Nutzungs- und Kostenanalysen zeigen, wo welche Kosten anfallen.
• Umsetzung aus einer Hand. Das Umsetzungsteam arbeitet in vier Schritten: KI-Potenzialanalyse, Proof of Value, produktive Lösung und systematischer Ausbau. Ausgangspunkt sind 1.200+ Use Cases in 15 Branchen, bis zum ersten Ergebnis im Betrieb vergehen typischerweise rund vier Wochen.

Dass dieser Ansatz auch in der Breite trägt, zeigen Melitta mit mehr als 2.000 aktiven Nutzern und die MöllerGroup mit mehr als 1.000 Nutzern.

Die Kosten einer KI-Plattform entscheiden sich bei Daten, Integration, Betrieb und Einführung. Wer diese Posten vollständig plant, in Spannen rechnet und einen Risikopuffer ansetzt, erlebt weniger Überraschungen als Unternehmen, die nur Angebotspreise vergleichen.

Genauso wichtig ist die Nutzenseite. Das Rechenbeispiel zeigt, dass breiter Zugang allein knapp kalkuliert ist. Anwendungsfälle mit messbarem Prozessnutzen machen den Unterschied. Beginnen Sie deshalb mit wenigen, gut gemessenen Fällen und bauen Sie aus, wenn die Zahlen tragen.