← Zurück zum Blog
Künstliche Intelligenz

Was kostet ein individueller KI-Agent? Entwicklung, Modellnutzung und Betrieb kalkulieren

Steven Weißheimer17. November 202612 Min. Lesezeit
Was kostet ein individueller KI-Agent? Entwicklung, Modellnutzung und Betrieb kalkulieren

Was kostet ein individueller KI-Agent wirklich? Kostenbestandteile, Einflussfaktoren und Beispiele für Entwicklung, Modellnutzung und Betrieb.

Was kostet ein individueller KI-Agent? Entwicklung, Modellnutzung und Betrieb kalkulieren

Die Anfragen landen im Posteingang, werden manuell gelesen, in ein System übertragen, mit einem Vorgang verknüpft, einer Kollegin weitergeleitet — und das bis zu Dutzende Male täglich. Wer in einem Unternehmen mit zehn bis fünfzig Mitarbeitenden schaut, wie viel Arbeitszeit allein durch diese Art von Vorbereitung und Übertragung gebunden ist, kommt meistens auf eine ernüchternde Summe.

Genau hier setzen individuelle KI-Agenten an. Kein Standardprodukt, das generisch Texte zusammenfasst — sondern ein System, das die E-Mail liest, das Anliegen klassifiziert, einen Vorgang im vorhandenen System anlegt, fehlende Informationen als Rückfrage vorbereitet und das Ergebnis zur menschlichen Freigabe bereitstellt. Die Fachkraft entscheidet. Der Agent bereitet vor.

Was das kostet, lässt sich nicht mit einer Zahl beantworten. Die Kosten eines KI-Agenten hängen von Aufgabe, Komplexität, Integration und Betrieb ab — und diese Faktoren unterscheiden sich je nach Betrieb erheblich. Dieser Artikel erklärt, aus welchen Bestandteilen sich der Gesamtaufwand zusammensetzt, welche Faktoren ihn treiben, und wie man ihn frühzeitig eingrenzt.


Warum Routinearbeit teurer ist, als sie aussieht

Fachkräfte, die Daten zwischen E-Mail, Tabellen und Fachsystemen von Hand übertragen, erledigen keine Fehler — meistens. Aber sie verbringen Zeit mit Arbeit, für die sie nicht ausgebildet wurden. Rückstände entstehen, wenn das Volumen steigt. Fehler entstehen, wenn die Konzentration nachlässt. Und wer morgen wächst, ohne neue Stellen zu besetzen, kommt mit dem gleichen manuellen Prozess nicht weiter.

Ein KI-Agent ist in diesem Kontext kein Ersatz für Fachurteil. Er übernimmt klar abgegrenzte Aufgaben: Dokumente auslesen und strukturieren, Vorgänge anlegen, Daten zwischen Systemen übertragen, Entwürfe erstellen, Rückfragen vorbereiten. Dort, wo Entscheidungen, Haftung oder Fachkompetenz gefragt sind, bleibt der Mensch zuständig — und das ist auch rechtlich die einzig vertretbare Aufteilung.

Der erreichbare Zustand: Ein individuell entwickelter KI-Agent übernimmt klar abgegrenzte Vorbereitungsarbeiten, liefert strukturierte Ergebnisse und legt sie zur Freigabe vor. Die Fachkraft prüft, entscheidet und gibt frei — statt copy-paste.


Die Kostenbestandteile im Überblick

Wer die Kosten eines KI-Agenten realistisch kalkulieren will, muss alle Phasen berücksichtigen. Einmalige Aufwände in der Entwicklung und laufende Aufwände im Betrieb fallen strukturell unterschiedlich an — und werden im Vergleich von Angeboten oft unterschiedlich dargestellt.

Analyse und Konzeption

Bevor eine einzige Zeile Code entsteht, muss klar sein, welche Aufgabe der Agent übernehmen soll, welche Datenquellen er liest, welche Systeme er beschreibt, wo menschliche Freigaben erforderlich sind und wie Fehlerbehandlung aussieht. Diese Phase — manchmal als Discovery, Anforderungsanalyse oder Konzept bezeichnet — ist kein Luxus, sondern Voraussetzung für alles Folgende.

Der Aufwand dieser Phase hängt davon ab, wie gut die vorhandenen Prozesse dokumentiert sind, ob Systemzugänge und API-Dokumentation verfügbar sind, und wie klar die Abgrenzung zwischen Agent und Mensch formuliert werden kann. Vage Anforderungen verlängern diese Phase erheblich — und erhöhen die Kosten in allen späteren Phasen, weil Nachbesserungen teurer sind als Klarheit zu Beginn.

Entwicklung des Agenten

Die eigentliche Entwicklung umfasst mehrere Ebenen: die Logik des Agenten selbst (welche Schritte führt er aus, wie reagiert er auf unerwartete Eingaben), die Anbindung an Sprachmodelle oder andere KI-Komponenten, die Gestaltung der Prompts und Arbeitsanweisungen, die Fehlerbehandlung und — wichtig — die Testabdeckung.

Komplexitätstreiber in der Entwicklung:

  • Zahl der Aufgaben und Entscheidungspfade: Ein Agent, der nur eine klar definierte Aufgabe erledigt, ist schneller entwickelt als einer, der zwischen mehreren Anliegentypen unterscheidet und jeweils anders reagiert.
  • Qualität und Verlässlichkeit der Eingabedaten: Saubere, strukturierte Daten (z. B. ein definiertes JSON-Format) sind einfacher zu verarbeiten als heterogene E-Mail-Texte, eingescannte Dokumente oder freitext-lastige Formulare.
  • Fehlertoleranz und Fallbacks: Wie verhält sich der Agent, wenn das Sprachmodell keine klare Antwort liefert, wenn ein Systemzugriff fehlschlägt, wenn die Eingabe außerhalb des erwarteten Rahmens liegt? Jede dieser Fragen kostet Entwicklungszeit.
  • Freigabe-Workflows: Wenn ein Agent nicht nur vorbereitet, sondern ein Ergebnis zur menschlichen Freigabe in einer Oberfläche bereitstellt, muss diese Oberfläche gebaut werden.

Integration in bestehende Systeme

Ein KI-Agent, der isoliert läuft, hat selten einen praktischen Wert. Der Aufwand für die Integration hängt davon ab, wie gut die vorhandenen Systeme über Schnittstellen erreichbar sind.

Systeme mit dokumentierten REST APIs lassen sich in der Regel deutlich schneller anbinden als Systeme, die nur über Datenbankzugriff, Dateiimport oder Screen-Scraping erreichbar sind. Branchensoftware — ob ERP, Praxisverwaltungssystem oder Kanzleisoftware — ist in ihrer API-Zugänglichkeit sehr unterschiedlich aufgestellt. Wer vor dem Projektstart prüft, welche Schnittstellen tatsächlich verfügbar sind, vermeidet unangenehme Überraschungen nach dem ersten Angebot.

Einen strukturierten Überblick über typische Integrationsansätze und deren Aufwand bietet der Artikel zur API-Integration im Mittelstand.

Modell- und Nutzungskosten

KI-Agenten basieren in der Regel auf großen Sprachmodellen (LLMs), die entweder über externe Anbieter per API genutzt oder auf eigener Infrastruktur betrieben werden. Beide Ansätze haben unterschiedliche Kostenstrukturen.

Externe Modell-APIs (z. B. OpenAI API, Claude) werden typischerweise nutzungsbasiert abgerechnet — nach der Menge der verarbeiteten Tokens (vereinfacht: Textstücke, die das Modell liest und schreibt). Die Kosten pro Anfrage sind bei moderaten Volumina gering; bei hohem Durchsatz oder langen Kontexten summieren sie sich.

Selbst gehostete Modelle verursachen Infrastrukturkosten für Hardware, Strom und Betrieb, haben dafür keine direkten Nutzungsgebühren. Für die meisten KMU ist dieser Weg nur sinnvoll, wenn Datenschutzanforderungen eine externe Verarbeitung ausschließen oder das Nutzungsvolumen so hoch ist, dass eigene Infrastruktur wirtschaftlicher wird.

Die Nutzungskosten lassen sich gut schätzen, wenn bekannt ist: Wie viele Anfragen verarbeitet der Agent täglich? Wie lang sind typische Eingaben und Ausgaben? Welches Modell ist für die Aufgabe angemessen? Kleine, spezialisierte Modelle sind oft deutlich günstiger als die leistungsstärksten Flaggschiff-Modelle — und für viele Aufgaben ausreichend.

🤖Kostenlos

KI-Readiness-Check

Sind Sie bereit für Künstliche Intelligenz? Score + persönlicher Fahrplan.

  • KI-Readiness-Score 0–100
  • Ihre Stärken und Lücken
  • Konkrete KI-Use-Cases für Sie
  • Bericht per E-Mail in Minuten
Schritt 1 von 310%

Wenige Fragen, persönlicher Bericht direkt per E-Mail.

Kostenlos · PDF-Bericht per E-Mail · Kein Spam

Hosting und Infrastruktur

Der Agent selbst muss irgendwo laufen. Auch wenn die KI-Logik über eine externe API bezogen wird, braucht der Agent eine Laufzeitumgebung: ein Backend, das Anfragen entgegennimmt, Modellaufrufe koordiniert, mit anderen Systemen kommuniziert und Ergebnisse zurückschreibt.

Einfache Agenten laufen auf kostengünstiger Cloud-Infrastruktur. Agenten mit hohen Verfügbarkeitsanforderungen, strengen Datenschutzvorgaben oder komplexen Integrationen erfordern aufwändigere Setups — Ausfallsicherheit, Monitoring, verschlüsselte Datenhaltung, klare Backup-Konzepte.

Hosting auf deutschen oder EU-Servern ist für viele Unternehmen nicht nur eine Präferenz, sondern eine datenschutzrechtliche Anforderung (dazu mehr im Abschnitt zu DSGVO und EU-KI-Verordnung).

Betrieb, Pflege und Weiterentwicklung

Ein KI-Agent ist kein Einmalprodukt. Nach dem Go-live entstehen laufende Aufwände, die im ersten Angebot oft unterschätzt werden:

AufwandsbereichTypische Auslöser
Modell-UpdatesAnbieterwechsel, neue Modellversionen, veränderte API-Schnittstellen
Prompt-PflegeVeränderte Eingaben, neue Anliegentypen, Qualitätsverschlechterungen
SystemanpassungenUpdates in angebundenen Systemen, neue Felder, geänderte Workflows
MonitoringFehlererkennung, Qualitätssicherung, Nachverfolgung von Freigaben
ErweiterungenNeue Aufgaben, zusätzliche Sprachen, weitere Integrationen

Wer einen KI-Agenten ohne Betriebskonzept einführt, stellt schnell fest, dass das System ohne aktive Pflege über Zeit schlechter wird — nicht weil es sich verändert, sondern weil sich die Umgebung verändert. Ein Wartungsvertrag oder ein definierter Pflegerahmen ist deshalb kein Zusatz, sondern Teil der Investitionsrechnung.

Schulung und Change Management

Mitarbeitende, die mit einem KI-Agenten zusammenarbeiten, müssen verstehen, was der Agent kann und — wichtiger — was er nicht kann. Wo liegen seine Grenzen? Wann muss ich als Mensch eingreifen? Wie erkenne ich, dass ein Ergebnis geprüft werden muss?

Diese Schulung ist kein einmaliger Workshop. Wenn sich der Agent weiterentwickelt oder neue Aufgaben übernimmt, braucht es erneute Einweisungen. Unternehmen, die Change Management unterschätzen, erleben, dass ein technisch guter Agent im Betrieb trotzdem kaum genutzt wird — weil Vertrauen und Verständnis fehlen.


Welche Faktoren den Gesamtaufwand am stärksten beeinflussen

Die Spanne zwischen einem einfachen und einem komplexen KI-Agenten kann erheblich sein — nicht wegen unterschiedlicher Stundensätze, sondern wegen fundamental unterschiedlicher Anforderungen.

Faktor 1: Aufgabenklarheit. Ein Agent mit einer einzigen, klar definierten Aufgabe (z. B. eingehende Rechnungs-PDFs auslesen und strukturiert in ein System übertragen) ist deutlich schneller zu entwickeln als ein Agent, der zwischen verschiedenen Anliegentypen unterscheidet, unterschiedlich reagiert und mehrere Systeme anspricht.

Faktor 2: Qualität der Eingaben. Strukturierte, maschinenlesbare Eingaben (Formulardaten, strukturierte E-Mails, definierte Dateiformate) sind einfacher zu verarbeiten als handschriftliche Dokumente, frei formulierte Anfragen oder Scans mit schlechter Qualität.

Faktor 3: Systemlandschaft. Moderne Systeme mit dokumentierten APIs lassen sich schnell anbinden. Alte Systeme ohne Schnittstelle erfordern Workarounds, die oft aufwändiger und weniger zuverlässig sind.

Faktor 4: Datenschutz- und Sicherheitsanforderungen. Wenn personenbezogene oder besonders sensible Daten verarbeitet werden, steigen Anforderungen an Datenhaltung, Zugriffskontrolle, Verschlüsselung und Dokumentation — und damit der Aufwand.

Faktor 5: Freigabe- und Eskalationslogik. Je differenzierter die Anforderungen daran sind, wann ein Agent selbständig handelt und wann er einen Menschen einbezieht, desto mehr Entwicklungsarbeit steckt in der Steuerungslogik.


Ein hypothetisches Beispiel: Eingangsrechnungen vorbereiten

Um die Kostenstruktur greifbarer zu machen, ein ausdrücklich hypothetisches Beispiel — keine reale Referenz, sondern eine illustrierte Kalkulationsgrundlage.

Ausgangssituation (hypothetisch): Ein mittelständisches Unternehmen mit zwanzig Mitarbeitenden erhält täglich eine zweistellige Anzahl von Eingangsrechnungen per E-Mail und PDF. Eine Mitarbeiterin öffnet jede Rechnung, prüft Lieferant, Betrag und Bestellbezug, trägt die Daten manuell ins ERP ein und legt die Datei ab. Bei unklaren Fällen fragt sie nach.

Agent-Aufgabe: Der KI-Agent liest eingehende E-Mail-Anhänge, extrahiert relevante Felder (Lieferant, Betrag, Datum, Rechnungsnummer, Bestellbezug), gleicht sie gegen vorhandene Bestelldaten im ERP ab, legt einen strukturierten Vorgang an und kennzeichnet unklare Fälle zur menschlichen Prüfung. Die Mitarbeiterin prüft die vorbereiteten Vorgänge, korrigiert bei Bedarf und gibt frei.

Kostenbestandteile in diesem Beispiel:

  • Analyse und Konzept: Prozessaufnahme, Systemprüfung (ERP-Schnittstelle, E-Mail-Zugang), Definition der Freigabelogik
  • Entwicklung: PDF-Extraktion, Modellanbindung, ERP-Integration, Freigabe-Oberfläche, Fehlerbehandlung für unleserliche oder unvollständige Dokumente
  • Modellkosten: Abhängig vom Volumen und gewähltem Modell — bei strukturierten Dokumenten oft geringer als erwartet
  • Hosting: Einfache Cloud-Umgebung, da keine Echtzeit-Anforderung
  • Betrieb: Monitoring, Prompt-Anpassungen, Reaktion auf ERP-Updates

Schon in diesem einfach klingenden Szenario liegen mehrere Komplexitätsfallen: Wie gut ist die ERP-API dokumentiert? Wie unterschiedlich sind die Rechnungsformate der Lieferanten? Was passiert, wenn ein PDF nicht maschinell lesbar ist? Jede Antwort verändert den Aufwand.


Wo der Aufwand eingegrenzt werden kann

Individuelle Entwicklung verursacht einmaligen und laufenden Aufwand — das ist kein Nachteil, den man verschweigen sollte, sondern ein Fakt, den man kennen muss, um richtig zu entscheiden.

Folgende Maßnahmen helfen, den Aufwand realistisch zu halten:

Einstieg mit einer klar abgegrenzten Aufgabe. Wer mit einem Piloten startet — einer einzigen, gut definierten Aufgabe mit messbarem Ergebnis — geht weniger Risiko ein und gewinnt schneller Erkenntnisse darüber, was funktioniert und was angepasst werden muss. Mehr zu diesem Ansatz findet sich im Artikel KI im Unternehmen einführen: Schritt für Schritt.

Systemzugänge klären, bevor das Projekt beginnt. API-Dokumentation beschaffen, testen, ob Schreibzugriffe möglich sind — diese Vorarbeit spart Entwicklungszeit.

Realistische Anforderungen an KI formulieren. Ein KI-Agent trifft keine besseren Entscheidungen als die Menschen, die ihn trainiert und beauftragt haben. Er erkennt keine Nuancen, die in keiner Eingabe stehen. Er übernimmt keine Haftung. Wer das von Anfang an klar kommuniziert, vermeidet überhöhte Erwartungen und die damit verbundenen Enttäuschungen.

Betrieb von Anfang an mitdenken. Wer den Betriebsaufwand in der Planung weglässt, rechnet sich das Projekt schön — und trifft die Budgetüberraschung später.


Datenschutz, DSGVO und EU-KI-Verordnung

Wer einen KI-Agenten in betriebliche Prozesse integriert, muss Datenschutzanforderungen frühzeitig berücksichtigen — nicht als Nachklapp, sondern als Teil der Konzeptionsphase.

Aus Sicht der DSGVO sind insbesondere folgende Punkte zu prüfen: Auf welcher Rechtsgrundlage werden Daten verarbeitet? Ist ein Auftragsverarbeitungsvertrag mit dem Modell- oder Cloud-Anbieter erforderlich? Werden personenbezogene Daten an externe Server übertragen — und wenn ja, in welches Land? Wie ist die Datenspeicherung, Löschung und Informationspflicht gegenüber Betroffenen geregelt? Diese Fragen sind im Einzelfall zu klären; eine pauschale Aussage zur DSGVO-Konformität ist nicht möglich. Bei Rechtsfragen empfiehlt sich die Einbindung des zuständigen Datenschutzbeauftragten.

Die EU-KI-Verordnung (Verordnung (EU) 2024/1689) definiert Pflichten für Anbieter und Betreiber von KI-Systemen, die von der Risikoklasse und dem Einsatzzweck abhängen. Welche Pflichten im konkreten Fall gelten, ist im Einzelfall zu prüfen. SWBS berücksichtigt diesen Rahmen bei der Konzeption individueller KI-Agenten, kann aber keine Rechtsberatung ersetzen.

Klar ist: Ein KI-Agent, der in einem regulierten Umfeld eingesetzt wird — etwa in der Buchhaltung, im Personalwesen oder im Gesundheitsbereich — hat andere Anforderungen als einer, der interne Wissensdatenbanken durchsucht. Diese Anforderungen bestimmen den Aufwand mit.


Grenzen der KI — was ein Agent nicht leistet

Die Grenzen eines KI-Agenten sind nicht technischer Natur allein, sondern konzeptioneller. Ein Agent arbeitet auf Basis der Daten und Anweisungen, die er erhält. Er erkennt keine Absichten, die nicht ausgedrückt sind. Er trifft keine ethischen Abwägungen. Er übernimmt keine Verantwortung für sein Ergebnis.

Das bedeutet konkret:

  • Entscheidungen mit rechtlicher Wirkung bleiben beim Menschen. Ein Agent kann einen Vertragsentwurf vorbereiten, aber nicht unterzeichnen oder freigeben.
  • Fachurteil ersetzt der Agent nicht. Er kann relevante Informationen zusammenstellen, aber die Diagnose, das Gutachten oder die Beratungsleistung bleibt Aufgabe der Fachkraft.
  • Haftung liegt beim Unternehmen, nicht beim Modell. Das gilt auch dann, wenn der Agent die Vorlage erstellt hat.

Wer diese Grenzen akzeptiert und den Agenten dort einsetzt, wo er tatsächlich helfen kann — Vorbereitung, Übertragung, Strukturierung, Entwurf — bekommt ein Werkzeug, das Fachkräfte entlastet, ohne sie zu ersetzen.


Was SWBS anders macht: Keine Standardprodukte

SW Business Solutions entwickelt keine Standardlösung, die Sie kaufen und in Betrieb nehmen. Der Ausgangspunkt ist immer der konkrete Betrieb: Welche Aufgaben sind geeignet? Welche Systeme sind vorhanden? Welche Freigaben sind erforderlich? Welche Datenschutzanforderungen gelten?

Auf dieser Basis entstehen individuelle KI-Agenten, die an die vorhandenen Systeme angebunden sind — nicht über den kleinsten gemeinsamen Nenner, sondern über eine Architektur, die zur konkreten Situation passt. Beratung, Entwicklung, API-Entwicklung, Betrieb und Weiterentwicklung kommen aus einer Hand.

Die KI-Integration & LLM-Leistungsseite gibt einen Überblick über den Leistungsumfang; den Einstieg in die Zusammenarbeit bildet in der Regel ein Erstgespräch, in dem wir gemeinsam prüfen, welche Aufgaben sich für einen Agenten eignen und welche nicht.

Einen breiteren Rahmen — wie individuelle KI-Agenten in unterschiedlichen Betriebssituationen eingesetzt werden können — bietet der Artikel KI-Beratung für Unternehmen: Wie individuelle KI-Agenten Arbeit abnehmen.

Wer erst prüfen möchte, ob der eigene Betrieb überhaupt bereit für einen KI-Agenten ist, findet im Artikel Ist unser Prozess bereit für KI? Der Go-/No-Go-Check eine strukturierte Entscheidungshilfe.


Der nächste Schritt: Potenziale konkret prüfen

Die Kosten eines individuellen KI-Agenten lassen sich nicht pauschal nennen — aber sie lassen sich kalkulieren, sobald die Aufgabe klar ist. Der erste Schritt ist deshalb keine Budgetanfrage, sondern eine Prozessanalyse: Welche wiederkehrenden Aufgaben binden heute die meiste Zeit? Wo entstehen durch manuelle Übertragung die meisten Fehler? Welche Systeme sind beteiligt, und wie zugänglich sind sie?

Wenn diese Fragen beantwortet sind, kann ein realistisches Konzept entstehen — mit einem Aufwand, der zum tatsächlichen Nutzen passt.

Sprechen Sie mit uns: SWBS analysiert Ihre Abläufe, identifiziert geeignete Aufgaben und zeigt auf, welcher Einstieg wirtschaftlich sinnvoll ist — ohne Versprechen, die kein seriöser Anbieter halten kann, und ohne Standardprodukte, die an Ihrem Prozess vorbeigehen.

→ Jetzt ein unverbindliches Erstgespräch vereinbaren und KI-Potenziale im eigenen Betrieb konkret prüfen lassen.

KI-Agent
Künstliche Intelligenz
Digitalisierung
Mittelstand
Prozessautomatisierung

Häufige Fragen

Was kostet ein individueller KI-Agent im Überblick?
Die Kosten eines individuellen KI-Agenten setzen sich aus mehreren Bestandteilen zusammen: Analyse und Konzeption, Entwicklung, Integration in bestehende Systeme, Modell- und Nutzungskosten, Hosting, Betrieb und Schulung. Eine pauschale Zahl lässt sich nicht nennen, weil Aufgabenumfang, Systemlandschaft und Datenschutzanforderungen den Aufwand je nach Betrieb erheblich unterschiedlich gestalten. Entscheidend ist, alle Phasen — einmalig und laufend — in die Kalkulation einzubeziehen.
Welche laufenden Kosten entstehen nach der Entwicklung eines KI-Agenten?
Nach dem Go-live entstehen laufende Aufwände für Betrieb, Pflege und Weiterentwicklung: Modell-Updates, Anpassungen an Prompts und Arbeitsanweisungen, Reaktionen auf Änderungen in angebundenen Systemen, Monitoring zur Qualitätssicherung sowie Erweiterungen, wenn neue Aufgaben hinzukommen. Diese Betriebskosten sollten von Anfang an eingeplant werden, da ein KI-Agent ohne aktive Pflege mit der Zeit schlechter wird.
Was sind Nutzungskosten bei KI-Agenten und wie entstehen sie?
Wenn ein KI-Agent auf ein Sprachmodell über eine externe API zugreift (z. B. von einem LLM-Anbieter), fallen nutzungsbasierte Kosten an — typischerweise abhängig von der Menge der verarbeiteten Textstücke (Token). Bei moderatem Volumen sind diese Kosten überschaubar; bei hohem Durchsatz oder sehr langen Eingaben steigen sie. Alternativ können Modelle auf eigener Infrastruktur betrieben werden, was Nutzungsgebühren entfallen lässt, dafür aber Infrastrukturkosten verursacht.
Für welche Aufgaben eignet sich ein KI-Agent im Unternehmen?
KI-Agenten eignen sich für klar abgegrenzte, wiederkehrende Aufgaben: Dokumente auslesen und strukturieren, Vorgänge in Systemen anlegen, Daten zwischen Systemen übertragen, Entwürfe erstellen oder Rückfragen vorbereiten. Nicht geeignet sind Aufgaben, die rechtliche Entscheidungen, Haftung oder Fachurteil erfordern — dort bleibt der Mensch zuständig. Entscheidungen mit rechtlicher Wirkung, Diagnosen oder Fachgutachten kann und soll ein KI-Agent nicht ersetzen.
Was treibt die Entwicklungskosten eines KI-Agenten am stärksten?
Die größten Kostentreiber sind: die Zahl und Komplexität der Aufgaben und Entscheidungspfade, die Qualität und Strukturiertheit der Eingabedaten, die Zugänglichkeit der anzubindenden Systeme über APIs, die Anforderungen an Freigabe- und Eskalationslogik sowie Datenschutz- und Sicherheitsanforderungen. Ein klar definierter Einstiegs-Pilot mit einer einzigen Aufgabe ist deutlich günstiger als ein breit angelegtes System.
Muss ein KI-Agent DSGVO-konform entwickelt werden?
Ja, Datenschutzanforderungen müssen von Beginn an Teil der Konzeption sein. Zu prüfen sind: Rechtsgrundlage für die Datenverarbeitung, Auftragsverarbeitungsverträge mit Modell- oder Cloud-Anbietern, Speicherort der Daten, Löschkonzepte und Informationspflichten gegenüber Betroffenen. Eine pauschale Aussage zur DSGVO-Konformität ist nicht möglich — das ist im Einzelfall zu klären, bei Rechtsfragen mit dem zuständigen Datenschutzbeauftragten.
Was gilt bei KI-Agenten im Hinblick auf die EU-KI-Verordnung?
Die EU-KI-Verordnung (Verordnung (EU) 2024/1689) definiert Pflichten für Anbieter und Betreiber von KI-Systemen. Welche Pflichten im konkreten Fall gelten, hängt von der Rolle des Unternehmens (Anbieter oder Betreiber) sowie vom Einsatzzweck und der Risikoklasse ab. Das ist im Einzelfall zu prüfen — eine Rechtsberatung kann durch den Dienstleister nicht ersetzt werden.
Was ist der Unterschied zwischen einem individuellen KI-Agenten und einem Standard-KI-Tool?
Ein Standard-KI-Tool ist ein fertiges Produkt mit festen Funktionen, das Sie kaufen oder mieten und in vorhandene Prozesse einpassen müssen. Ein individueller KI-Agent wird auf Basis Ihrer konkreten Aufgaben, Systeme und Anforderungen entwickelt — er passt sich an Ihre Prozesse an, nicht umgekehrt. Das bedeutet höheren Einmalaufwand in der Entwicklung, aber auch passgenaue Integration und die Möglichkeit zur gezielten Weiterentwicklung.
Wie lange dauert die Entwicklung eines KI-Agenten?
Die Entwicklungsdauer hängt von Aufgabenumfang, Systemzugänglichkeit und Anforderungsklarheit ab. Ein einfacher, klar definierter Agent mit gut zugänglichen Systemschnittstellen kann in wenigen Wochen einsatzbereit sein. Komplexere Systeme mit mehreren Integrationspunkten, differenzierter Freigabelogik oder aufwändigen Datenschutzanforderungen benötigen entsprechend mehr Zeit. Eine realistische Einschätzung ist erst nach der Analysephase möglich.
Wie kann ich den Aufwand für einen KI-Agenten frühzeitig eingrenzen?
Die wirksamsten Maßnahmen: Mit einem klar abgegrenzten Piloten starten (eine Aufgabe, messbares Ergebnis), Systemzugänge und API-Dokumentation vor Projektbeginn prüfen, realistische Anforderungen formulieren (was der Agent vorbereitet, nicht entscheidet), und Betriebskosten von Anfang an in die Kalkulation einbeziehen. Eine Prozessanalyse vor dem Angebot spart meistens mehr, als sie kostet.

Artikel teilen

LinkedInWhatsApp