Eine ehrliche Kostenaufstellung für KI-Integrationen in bestehender Software

Jedes Angebot für eine KI-Integration enthält eine Zahl für die Modell-API, und diese Zahl stimmt fast immer. Sie ist zugleich fast immer die unbrauchbarste Zahl im Dokument — denn sie ist der eine Posten, der beim Modellwechsel kleiner wird, und der eine, mit dem niemand überrascht worden wäre.

Dies ist der Versuch, den Rest der Rechnung aufzuschreiben. Die Preise unten sind veröffentlichte Listenpreise samt Prüfdatum; Bandbreiten sind als Bandbreiten gekennzeichnet; und wo eine Zahl von einem Anbieter oder einer Beratung statt aus einer Studie stammt, steht das dabei.

Der Posten, den alle zitieren

Die Form oben ist das gesamte Argument dieses Artikels, deshalb lohnt die Klarstellung, was sie ist und was nicht. Die Breiten sind illustrativ — Ihr Projekt hat eigene Proportionen. Die Reihenfolge ist nicht illustrativ. In jeder Integration in ein bestehendes Produkt ist die Token-Rechnung das letzte Segment, und es ist ein Splitter.

Der Grund ist struktureller Natur. Tokens sind der einzige Teil des Systems, den ein Anbieter bereits gebaut, bepreist und von jemand anderem betreiben lässt. Alles links davon ist Arbeit, die genau deshalb existiert, weil Ihre Software bereits existiert — und diese Arbeit wird nicht billiger, wenn die Modelle billiger werden.

Wie die Token-Rechnung wirklich aussieht

Zuerst die Zahlen, damit der Rest des Artikels etwas hat, woran er sich messen lässt. Stand Juli 2026 liegen die veröffentlichten Listenpreise der Claude-API bei $1 / $5 je Million Input-/Output-Tokens für Haiku 4.5, $2 / $10 für Sonnet 5 bis zum 31. August 2026 (danach $3 / $15) und $5 / $25 für Opus. Die Batch-API nimmt auf beiden Seiten 50 % weg, und ein Prompt-Cache-Read kostet 10 % des Basis-Input-Tarifs. Vollständige Preistabelle.

Abstrakte Token-Preise sind schwer greifbar, nehmen Sie deshalb das Rechenbeispiel direkt aus der Anbieterdokumentation: zehntausend Support-Konversationen mit im Schnitt rund 3.700 Tokens auf Haiku 4.5.

Siebenunddreißig Dollar. Für zehntausend Konversationen.

Rechnen Sie das auf zehntausend Konversationen pro Tag hoch, landen Sie bei rund 1.125 $ im Monat — dieser Teil ist unsere Rechnung, nicht die des Anbieters. Stellen Sie das neben einen vollkostengerechneten Senior-Entwicklermonat im DACH-Raum, den wir durchgehend mit 10.000 bis 14.000 € ansetzen. Diese Zahl ist eine Annahme, keine Quelle; setzen Sie Ihre eigene ein, und die Schlussfolgerung verschiebt sich nicht. Die Tokens kosten etwa ein Zehntel einer Person.

Zwei Einschränkungen sind zu nennen, weil sie die Wege sind, auf denen diese Zahl in der Praxis kippt. Retrieval-lastige Systeme packen weit mehr Kontext in jeden Aufruf als eine Support-Antwort, und agentische Schleifen machen mehrere Modellaufrufe pro Nutzeraktion statt einen. Beides kann Sie eine Größenordnung verschieben. Keines von beiden ändert die Rangfolge der Segmente.

Die Arbeit vor dem ersten Prompt

Die teuerste Erkenntnis ist die, die am Ende kommt. Die MIT-Studie The GenAI Divide: State of AI in Business 2025 — 52 Interviews mit Führungskräften, 153 befragte Verantwortliche und eine Analyse von 300 öffentlichen Deployments — kam zu dem Ergebnis, dass 95 % der Pilotprojekte keinen messbaren Ergebnisbeitrag lieferten, bei 30 bis 40 Mrd. $ an Unternehmensinvestitionen. Berichterstattung zur Studie.

Diese Zahl wird meist als Warnung vor KI verwendet. Als Budgetposten gelesen sagt sie etwas Nützlicheres: Die günstigste Woche im gesamten Projekt ist die, in der Sie schriftlich festhalten, wie eine gute Antwort aussieht und woran Sie erkennen würden, dass Sie eine haben. Ein zweiwöchiger Machbarkeits-Spike, der eine schlechte Idee beendet, ist kein Overhead — er ist die rentabelste Zeile im Budget.

• Schreiben Sie zuerst die Abnahmeschwelle auf. „In 9 von 10 dieser 50 realen Fälle korrekt und beim Rest sichtbar unsicher“ ist eine Spezifikation. „Besser als das, was wir haben“ ist keine.
• Rechnen Sie auch den langweiligen Weg durch. Ein Suchfeld, eine Nachschlagetabelle oder eine Regel-Engine erreicht dieselbe Schwelle manchmal für ein Zehntel des Geldes. Das in Woche zwei herauszufinden ist ein Erfolg, kein Scheitern.

Datenanbindung ist die eigentliche Integration

Das ist das Segment, das überrascht, und es ist das größte. Branchenschätzungen — von Beratungen, nicht aus Studien, also als Richtwert zu behandeln — beziffern allein die Datenaufbereitung häufig auf 20 bis 40 % des Projektbudgets.

Es ist groß, weil die Integration in bestehende Software bedeutet, jede Entscheidung zu erben, die diese Software bereits getroffen hat. Das Modell braucht die Daten, und die Daten liegen hinter einer 2016 geschriebenen API, in einem Schema, das niemand ändern darf, mit Zugriffsregeln in einer Berechtigungstabelle, die das KI-Feature nun exakt einhalten muss — denn eine Zusammenfassung, die eine Zeile über eine Mandantengrenze hinweg preisgibt, ist ein Datenschutzvorfall, kein Bug.

• Berechtigungen sind der schwierige Teil. Retrieval muss nach denselben Regeln gefiltert werden wie der Rest des Produkts — zur Abfragezeit, pro Nutzer. Das nachträglich in einen ohne diese Anforderung gebauten Index einzuziehen ist ein Neubau.
• Aktualität ist eine Pipeline, kein Schalter. Irgendetwas muss bemerken, dass sich ein Datensatz geändert hat, und ihn neu einbetten. Dieses Etwas braucht Monitoring, Back-Pressure und einen Replay-Pfad.
• Löschen muss wirklich löschen. Nach DSGVO muss ein gelöschter Datensatz auch Ihren Vector Store, Ihre Caches und Ihre Eval-Fixtures verlassen. Jedes davon ist ein eigenes Stück Arbeit.

Nichts davon ist KI-Arbeit. Alles davon liegt auf dem kritischen Pfad, und nichts davon lässt sich kaufen.

Evaluierung: die Kosten, die niemand einplant

Klassische Software hat eine Eigenschaft, die Änderungen billig macht: Man kann feststellen, ob man sie kaputt gemacht hat. Eine Testsuite ist ein Entscheidungsverfahren. Prompt-getriebene Software hat standardmäßig kein Äquivalent — Sie müssen also eines bauen und es anschließend am Leben halten.

Der Aufbau ist ein Golden Set: reale Eingaben mit menschlich vereinbarten korrekten Ausgaben, die die gewöhnlichen Fälle abdecken und, wichtiger, jene, in denen die richtige Antwort „Ich weiß es nicht“ lautet. Fünfzig Fälle sind ein brauchbarer Anfang, einige hundert eine echte Suite, und der Aufwand ist die Zeit einer Fachexpertin, nicht die einer Entwicklerin — was oft schwerer zu bekommen ist.

Die Pflege ist der Teil, der in keinem Angebot auftaucht. Das Eval-Set verfällt bei jeder Produktänderung, bei jeder Korpusänderung und jedes Mal, wenn ein Modell abgekündigt wird und Sie den Nachfolger neu qualifizieren müssen. Planen Sie das als festen Prozentsatz des Teams ein, nicht als Projektphase.

Guardrails und der Mensch dazwischen

Jedes KI-Feature mit Kundenkontakt braucht eine Antwort auf die Frage „Was passiert, wenn es falsch liegt?“ — und diese Antwort hat laufende Kosten mit einem Namen und einem Dienstplan.

• Vorschlagen statt handeln. Der günstigste Guardrail ist eine Designentscheidung: Ein Entwurf, den ein Mensch abschickt, schlägt eine E-Mail, die das System verschickt hat. Er kostet einen Klick und eliminiert eine ganze Klasse von Vorfällen.
• Stichprobenprüfung, dauerhaft. Jemand liest wöchentlich einen Prozentsatz der Ausgaben. Das ist keine Launch-Aktivität, sondern die Art, wie Sie merken, dass sich die Qualität verschoben hat.
• Ein funktionierender Verweigerungspfad. Das System muss sagen können, dass es etwas nicht weiß, und sauber übergeben. Diese Übergabe zu entwerfen und zu besetzen ist echte Produktarbeit.

In einem regulierten Umfeld kommt ein Audit-Trail hinzu: welche Modellversion, welche abgerufenen Dokumente, welcher Prompt — für jede Ausgabe, aufbewahrt so lange, wie es die Aufsicht verlangt. Das ist ein Schema, eine Speicherrechnung und eine Aufbewahrungsrichtlinie.

Der Betrieb: Observability und Drift

Ein normaler Produktionsvorfall liefert Ihnen einen Stacktrace. Ein KI-Vorfall liefert Ihnen einen Screenshot von einer Kundin und ein Schulterzucken. Diese Lücke zu schließen bedeutet Tracing-Werkzeuge, die Prompt, abgerufenen Kontext, Tool-Aufrufe, Completion, Latenz und Token-Verbrauch jeder Anfrage erfassen — denn ohne den abgerufenen Kontext können Sie eine schlechte Antwort nicht von einem schlechten Retrieval unterscheiden, und beide haben völlig verschiedene Lösungen.

Beratungsschätzungen setzen dedizierte Monitoring- und Observability-Werkzeuge bei etwa 30.000 bis 100.000 $ pro Jahr an. Auch hier: anbieternahe Zahlen, brauchbar als Größenordnung, nicht als Angebot. Der Speicher ist der stille Teil — vollständige Traces jeder Anfrage sind groß, und die Aufbewahrung ist eine Kostenentscheidung, die Sie zweimal treffen: beim Launch und wenn die Rechnung kommt.

Dazu kommt Drift, wofür es in gewöhnlicher Software keine Entsprechung gibt. Ihre Eingaben ändern sich mit dem Geschäft, Ihr Korpus ändert sich, weil Menschen Dokumente schreiben, und Ihr Modell wird nach dem Zeitplan des Anbieters abgekündigt, nicht nach Ihrem. Jedes davon bedeutet eine erneute Qualifizierung gegen das Eval-Set aus Abschnitt fünf — das stärkste Argument dafür, es gebaut zu haben.

Drei Szenarien, drei Budgets

Der Begriff „KI-Integration“ umfasst Arbeit, die sich um eine Größenordnung unterscheidet — deshalb sind pauschale Benchmarks nutzlos. Die folgenden Formen dienen dazu, Ihr eigenes Projekt einzuordnen.

Lesen Sie quer über die Zeilen statt die Spalten hinunter. Der Weg von der ersten zur dritten Spalte multipliziert die Bauzeit etwa mit fünf und die Teamgröße etwa mit fünf — und die Token-Rechnung mit deutlich weniger. Die teure Achse ist nicht die Nutzung. Sie ist die Konsequenz: was passiert, wenn die Ausgabe falsch ist, und wie viel Maschinerie Sie brauchen, damit die Antwort „nicht viel“ lautet.

Einmalig gegen laufend

Die linke Spalte wird geschätzt. Die rechte Spalte wird entdeckt — meist im zweiten Quartal nach dem Launch, meist von jemandem, der fragt, warum das Team, das das Feature ausgeliefert hat, noch immer vollständig darauf gebunden ist.

Drei der sieben Arbeitsstränge überqueren die Launch-Linie und kommen nie zurück. Wenn Ihr Plan ein Datum hat, an dem das Projekt endet, beschreibt er nur die erste Spalte.

Beratungsschätzungen gehen davon aus, dass die häufig übersehenen Posten — Datenbereinigung, Zeit der Stakeholder, Arbeit an Zugriffsrechten, Fallback-Design, juristische Prüfung, vier bis acht Wochen Nachjustierung nach dem Launch, Observability — 30 bis 60 % auf die genannten Implementierungskosten aufschlagen, und dass 85 % der Organisationen die Kosten von KI-Projekten um mehr als 10 % falsch einschätzen. Richtungsweisende Zahlen von Anbietern, keine Studie. Aber sie sind richtungskonsistent mit der Form des ersten Diagramms — und genau darum geht es.

Was Sie prüfen sollten, bevor Sie unterschreiben

• Fragen Sie nach der Abnahmeschwelle. Kann niemand sie als Zahl auf einer benannten Menge realer Fälle nennen, hat das Angebot keine Definition of Done und keinen Weg, Ihnen mitzuteilen, dass es fertig ist.
• Fragen Sie, wer das Eval-Set pflegt. Namentlich, und für wie lange. Das ist die eine Frage, die ein Angebot von jemandem, der so etwas schon betrieben hat, von einem unterscheidet, der darüber gelesen hat.
• Fordern Sie die laufende Spalte ein. Tokens, Infrastruktur, Prüfzeit, Eval-Pflege, Monat zwölf. Ist das Angebot eine einzelne Zahl ohne monatliche Zeile, kalkuliert es einen Prototyp.
• Fragen Sie, was bei der Abkündigung des Modells passiert. Sie wird kommen, nach einem Zeitplan, den Sie nicht kontrollieren. Die Antwort sollte ein Requalifizierungslauf sein, kein Schweigen.
• Fragen Sie, was die Variante ohne KI kostet. Manchmal kostet sie ein Zehntel und erreicht dieselbe Schwelle. Ein Partner, der diese Option durchgerechnet hat, ist mehr wert als einer, der es nicht getan hat.

Die Token-Rechnung ist die eine Zahl im Angebot, die Sie getrost ignorieren können. Sie ist zugleich fast immer die einzige, über die überhaupt jemand gestritten hat.