KI-Pilotprojekt: warum der Pilot 500 Euro kostet und der Betrieb 5.000
Zwischen einem KI-Pilotprojekt und dem laufenden Betrieb liegt eine Kostenkurve, die in keinem Angebot steht. Der Pilot kostet wenig, weil er wenig tut: wenige Nutzer, kleine Datenmenge, keine Pflege. Der Betrieb kostet, weil er alles tut, was der Pilot ausgelassen hat. Wer die Kurve kennt, kann vor dem Rollout rechnen statt hinterher staunen.
KI-Piloten sind strukturell zu billig, weil sie alles weglassen, was im Betrieb Geld kostet: Sie laufen auf einem Datenausschnitt, ohne Pflege, Überwachung und Qualitätsprüfung. Die drei am häufigsten übersehenen Posten beim Rollout sind laufende Embedding- und Re-Indexierungskosten des Dokumentenbestands, der Aufbau und Betrieb einer systematischen Evaluation mit Prüffragen sowie der Betriebsaufwand aus Überwachung, Support und Modellwechseln. Seriös hochrechnen heißt: Pilotverbräuche je Anwendungsfall messen, auf die Zielgruppe mit Aufschlag skalieren, Dauerkosten addieren und das Ergebnis als Korridor mit Messpunkten ausweisen.
Warum der Pilot strukturell zu billig ist
Ein Pilot lässt systematisch weg, was Geld kostet: Er läuft auf einem Ausschnitt der Daten, bedient eine handverlesene Gruppe, wird nicht überwacht, nicht aktualisiert und nicht auf Qualität geprüft — dafür ist ja der Pilot da. Das ist kein Konstruktionsfehler, sondern der Zweck: Machbarkeit zeigen. Nur taugt der Preis eines Systems, das nichts pflegen muss, nicht als Vorschau auf eines, das es muss.
Die versteckten Posten: Embeddings, Evaluation, Betrieb
Posten eins: Wer eigene Dokumente durchsuchbar macht, lässt sie in Vektoren übersetzen — Embeddings. Die Erstübersetzung des Pilotbestands ist billig. Im Betrieb müssen neue und geänderte Dokumente laufend nachübersetzt werden, und bei Änderungen an der Aufbereitung — andere Zerlegung der Dokumente, ein neues Embedding-Modell — muss der gesamte Bestand neu durch die Übersetzung. Diese Re-Indexierung kompletter Bestände ist ein wiederkehrender Posten, den fast keine Pilotkalkulation enthält.
Posten zwei ist die Evaluation: ein Satz von Prüffragen mit bekannten Sollantworten, der bei jeder Änderung durchläuft — neues Modell, geänderte Anweisungen, neuer Datenbestand. Ohne sie bemerkt man Qualitätsverschlechterungen erst, wenn Nutzer sich beschweren oder, schlimmer, wenn sie mit falschen Antworten weiterarbeiten. Posten drei ist der Betrieb selbst: Überwachung von Verbrauch und Fehlerraten, Nutzerverwaltung und Support, Aktualisierung bei Modellabkündigungen — die bei KI-Anbietern in Monaten gemessen werden, nicht in Jahren. Zusammen ist das ein spürbarer Teil einer Stelle, kein Nebenbei, und nichts davon taucht in einer Token-Rechnung auf.
Seriös hochrechnen in vier Schritten
Erstens: Aus dem Pilot die Messwerte ziehen — Anfragen pro Nutzer und Woche, Token je Anfrage nach Anwendungsfall, Anteil der schweren Fälle. Zweitens: Auf die Zielgruppe skalieren, mit einem Aufschlag für Alltagsnutzung, die im Pilot fehlt; wer konservativ rechnen will, verdoppelt die Pilotintensität. Drittens: Die Dauerkosten dazulegen — laufende Indexierung, Evaluation, Betriebsanteil einer Stelle — und die wiederkehrende Re-Indexierung als Position einplanen. Viertens: Als Korridor ausweisen, nicht als Punktwert, mit Messpunkten nach vier und zwölf Wochen. Wenn diese Rechnung ein Vielfaches des Pilotpreises ergibt, ist das kein Alarmsignal — es ist das erste realistische Bild. Aus alldem folgt keine Warnung vor Piloten, sondern eine Anforderung an sie: Ein Pilot, der nur Machbarkeit zeigt, hat die Hälfte seiner Aufgabe erledigt. Die andere Hälfte ist, die Zahlen zu liefern, aus denen sich der Betrieb hochrechnen lässt. Wer den Pilot von Anfang an mit Verbrauchsmessung je Anwendungsfall aufsetzt, bekommt beides zum selben Preis.
Häufige Fragen
Warum sind KI-Pilotprojekte so viel günstiger als der spätere Betrieb?
Weil ein Pilot absichtlich weglässt, was Geld kostet: Er bedient wenige Nutzer auf einem Datenausschnitt, ohne laufende Indexierung, ohne systematische Qualitätsprüfung und ohne Betriebsüberwachung. Der Pilotpreis misst die Machbarkeit, nicht die Betriebskosten — beides zu verwechseln ist der häufigste Planungsfehler bei der Skalierung.
Was kostet Re-Indexierung und warum fällt sie wiederholt an?
Beim Anbinden eigener Dokumente werden diese in Vektoren übersetzt (Embeddings). Neue und geänderte Dokumente müssen laufend nachübersetzt werden; ändert sich die Aufbereitung oder das Embedding-Modell, muss der komplette Bestand neu durchlaufen. Die Kosten hängen an Bestandsgröße und Änderungsrate — als wiederkehrende Position gehört Re-Indexierung in jede Betriebskalkulation.
Was ist Evaluation bei KI-Anwendungen und warum kostet sie Geld?
Ein fester Satz von Prüffragen mit bekannten Sollantworten, der bei jeder Änderung durchläuft — neues Modell, geänderte Anweisungen, neuer Datenbestand. Sie ersetzt das beiläufige Prüfen der Pilotnutzer und ist die einzige Art, Qualitätsverschlechterungen vor den Nutzern zu bemerken. Aufbau und Pflege sind Personalaufwand, der in Token-Rechnungen nicht auftaucht.
Wie rechnet man KI-Kosten vom Pilot auf den Rollout hoch?
In vier Schritten: Pilotverbräuche messen (Anfragen pro Nutzer, Token je Anfrage, Anteil schwerer Fälle), auf die Zielnutzerzahl mit Aufschlag für Alltagsnutzung skalieren — konservativ: Pilotintensität verdoppeln —, Dauerkosten für Indexierung, Evaluation und Betrieb addieren und das Ergebnis als Korridor mit Messpunkten nach vier und zwölf Wochen ausweisen. Ein Vielfaches des Pilotpreises ist dabei der Normalfall.
Rechnen Sie Ihren Rollout durch, bevor Sie ihn beschließen.
Der LLM-Kostenrechner macht aus Ihren Pilotwerten eine Betriebshochrechnung: fünf Minuten, kein Login, läuft im Browser.
LLM-Kostenrechner starten →Die Hochrechnung vor dem Rollout. Fünf Minuten, Ihre Zahlen.
Nehmen Sie die Nutzungsdaten aus dem Pilot – Anfragen pro Kopf, typische Kontextgröße – und skalieren Sie auf die Zielgruppe: Der Kostenplaner zeigt die monatlichen API-Kosten je Modell oder den GPU-Bedarf für den Eigenbetrieb. Läuft komplett im Browser, keine Datenübertragung.
