Was kostet ein KI-Agent? Entwicklung, Betrieb und Wartung

Das Wichtigste in Kürze:

• Die Kosten verteilen sich auf 5 Blöcke, von Konzeption bis Wartung.
• Im Rechenmodell liegt die Erstellung bei rund 10.000-30.000 €, der externe Betrieb bei 550-1.400 €/Monat.
• Die Modell-API ist bei moderatem Volumen oft der kleinste Posten.
• Betriebskosten über 3 Jahre erreichen oft die Größenordnung der Erstellung.

„Was kostet ein KI-Agent?“ ist eine der häufigsten Fragen in meinen Erstgesprächen. Und eine der am schlechtesten beantworteten im Netz. Die typische Antwort ist entweder ein verdächtig niedriger Projektpreis („Agent ab 2.500 €“) oder ein nichtssagendes „kommt drauf an”. Beides hilft dir bei der Budgetplanung nicht.

Die ehrliche Antwort: Ein KI-Agent ist kein Produkt mit Listenpreis, sondern ein kleines Softwareprojekt mit laufenden Kosten, und wer nur den Entwicklungspreis vergleicht, rechnet an der Realität vorbei. Integration, Evaluation und Monitoring machen über die Lebensdauer oft mehr aus als der erste Aufbau. Dieser Artikel zerlegt die Kosten in klare Blöcke, benennt die Preistreiber und gibt dir ein Rechenmodell mit offen gelegten Annahmen. Er gehört zu unserem Cluster KI-Kosten und ROI und richtet sich an Geschäftsführung, Operations und IT in KMU.

Wichtig vorab: Alle Kostenangaben sind Bandbreiten mit genannten Annahmen, keine Angebote. Dein Fall kann darunter oder darüber liegen. Wovon das abhängt, ist genau das Thema.

Begriffe: Was ist hier mit „KI-Agent“ gemeint?

Unter „KI-Agent“ werden im Markt 3 verschiedene Dinge verkauft, mit sehr unterschiedlichen Kostenprofilen:

• Ein konfigurierter Chatbot auf einer fertigen Plattform, der Fragen aus einer Wissensbasis beantwortet. Die günstigste Variante, aber streng genommen kein Agent, denn er handelt nicht.

• Ein Workflow-Agent. Ein LLM trifft in einem definierten Prozess Entscheidungen, ruft Werkzeuge auf (E-Mail lesen, CRM abfragen, Entwurf erstellen) und arbeitet Schritte ab. Gebaut wird so ein Agent typischerweise auf einer Plattform wie n8n, die Workflow-Automatisierung mit KI-Funktionen und AI-Agent-Workflows verbindet. Um diesen Fall geht es hier primär, weil er für KMU das beste Verhältnis aus Nutzen und Kontrolle bietet.

• Ein autonomer Agent, der eigenständig mehrstufige Aufgaben plant und in mehrere Systeme schreibt. Die teuerste Variante. Teuer ist nicht das Modell, sondern die Absicherung, damit er keinen Schaden anrichtet.

Wenn dir jemand einen „KI-Agenten“ für ein paar hundert Euro anbietet, bekommst du fast sicher Variante 1. Das kann in Ordnung sein. Du solltest nur wissen, was du kaufst.

Welche Kostenblöcke gibt es?

Über die Lebensdauer eines Agenten fallen 5 Kostenblöcke an. Die ersten 3 sind einmalig (Projekt), die letzten 2 laufend (Betrieb):

• 1. Konzeption: Use-Case-Abgrenzung, Prozessaufnahme, Datenlage, Erfolgskriterien, Risikobewertung. Typischer Anteil am Projekt: 10-20 %. Wird im Angebot oft verkürzt („machen wir im Kickoff“).

• 2. Entwicklung und Integration: Agent-Logik, Prompts, Tool-Anbindungen (CRM, E-Mail, ERP), Fehlerbehandlung, Freigabe-UI. Typischer Anteil: 40-60 %. Wird meist als Gesamtpreis ausgewiesen.

• 3. Evaluation und Tests: Testfälle, Qualitätsmessung an echten Daten, Korrekturschleifen vor dem Go-live. Typischer Anteil: 15-30 %. Wird oft weggelassen, der teuerste Fehler.

• 4. Betrieb (laufend): Modell-API nach Verbrauch, Hosting oder SaaS der Plattform, Lizenzen angebundener Dienste. Fällt monatlich an und wird oft nur grob geschätzt.

• 5. Wartung und Monitoring (laufend): Stichprobenkontrolle, Prompt-Anpassungen, Updates bei API- oder Prozessänderungen, Modellwechsel. Fällt monatlich an und wird gern ganz vergessen.

Die Prozentangaben sind Erfahrungswerte aus meiner Projektpraxis, keine Norm. Die Richtung ist aber belastbar: Wenn ein Angebot Block 3 und 5 nicht ausweist, ist es nicht günstiger, sondern unvollständig. Genau deshalb wirken manche Projektpreise so niedrig. Mehr Details liefert unser Artikel zu versteckten Kosten in KI-Projekten (im selben Cluster).

Was beeinflusst den Entwicklungsaufwand?

Der Entwicklungsaufwand hängt weniger vom „KI-Teil“ ab, als die meisten erwarten. Prompts und Modellauswahl sind selten der Engpass. Teuer oder günstig machen ein Projekt 4 Faktoren.

1. Zahl und Qualität der Integrationen. Jedes System, das der Agent lesen oder beschreiben soll, bedeutet Schnittstellenarbeit: Authentifizierung, Datenformate, Sonderfälle, Fehlerbehandlung. Eine saubere REST-API mit Doku ist ein halber Tag; ein gewachsenes ERP ohne API kann Wochen kosten. Faustregel aus meinen Projekten: Ab der dritten Integration dominiert die Integrationsarbeit den Gesamtaufwand.

2. Fehlertoleranz des Prozesses. Ein Agent, der interne Rechercheentwürfe erstellt, darf sich irren, denn ein Mensch liest drüber. Ein Agent, der Kundenkommunikation verschickt oder Bestellungen auslöst, darf das praktisch nicht. Je geringer die Fehlertoleranz, desto mehr Aufwand fließt in Guardrails, Validierung und Tests.

Das BSI weist in seiner Publikation zu generativen KI-Modellen darauf hin, dass deren Einsatz neuartige IT-Sicherheitsrisiken schafft und bestehende Bedrohungen verstärken kann. Es empfiehlt eine systematische Risikoanalyse vor der Integration. Diese Analyse ist Aufwand, der in seriösen Angeboten drinsteckt.

3. Lese- oder Schreibrechte. Ein nur lesender Agent (Zusammenfassen, Klassifizieren, Entwürfe) ist die günstige Klasse. Sobald der Agent in Systeme schreibt, brauchst du Transaktionssicherheit, Rollback-Überlegungen und meist Freigabeschritte. Der Aufwand springt dann spürbar.

4. Datenlage. Liegen die nötigen Informationen strukturiert und zugänglich vor, oder stecken sie in PDFs, Postfächern und Köpfen? Datenaufbereitung ist unglamourös und wird in Budgets chronisch unterschätzt.

Welche laufenden Kosten entstehen?

Hier lohnt Präzision, weil die Größenordnungen oft falsch eingeschätzt werden. Meist wird die Modell-API über- und die Personalzeit unterschätzt.

Modell-API (nach Verbrauch). Abgerechnet wird pro Token. Zur Einordnung die aktuellen OpenAI-Listenpreise (Stand Juli 2026): Das Mittelklassemodell GPT-5.4 kostet 2,50 USD pro 1 Million Input-Token und 15,00 USD pro 1 Million Output-Token.

Das Sparmodell GPT-5.4-nano liegt bei 0,20/1,25 USD, das Topmodell GPT-5.5 bei 5,00/30,00 USD. Andere Anbieter liegen in ähnlichen Größenordnungen. Was das praktisch heißt, zeigt das Rechenmodell weiter unten. Bei moderatem Volumen sind die API-Kosten oft der kleinste Posten der Gesamtrechnung.

Plattform und Hosting. Läuft der Agent auf einer Automatisierungsplattform, zahlst du deren Gebühren. n8n Cloud etwa startet bei 20 €/Monat (Starter, 2.500 Workflow-Ausführungen). Der Pro-Plan mit 10.000 Ausführungen kostet 50 €/Monat, der Business-Plan mit SSO und Self-Hosting-Features 667 €/Monat.

Die Standard-Self-Hosted-Version von n8n ist kostenlos, verlagert die Kosten aber auf eigenen Server- und Adminaufwand. Eigenentwicklungen brauchen stattdessen Cloud-Hosting. Für KMU-Volumen heißt das typischerweise einen niedrigen zwei- bis dreistelligen Euro-Betrag pro Monat (Annahme: kein GPU-Hosting, Modelle per API).

Lizenzen angebundener Dienste. Vektor-Datenbank, Transkriptionsdienst, Anreicherungs-APIs: je nach Use Case 0 bis mehrere hundert Euro monatlich.

Personalzeit. Der unterschätzte Block: Jemand muss Stichproben prüfen, Sonderfälle nachpflegen und entscheiden, wenn der Agent eskaliert. Realistisch sind anfangs mehrere Stunden pro Woche, eingeschwungen oft 1 bis 2 Stunden, aber nicht null. Ein Agent ohne benannten fachlichen Owner verwahrlost.

Wie wirken Freigaben und Integrationen auf die Kosten?

Diese beiden Faktoren erklären, warum sich zwei „gleich klingende“ Agenten im Preis um den Faktor 3 bis 5 unterscheiden können.

Freigaben (Human-in-the-Loop) kosten doppelt: einmalig in der Entwicklung (Freigabe-Oberfläche oder -Kanal, Benachrichtigungen, Timeout- und Eskalationslogik) und laufend in Personalzeit. Trotzdem rate ich in fast jedem KMU-Projekt dazu, mit Freigaben zu starten, denn die Asymmetrie ist einfach: Der Freigabeklick kostet Sekunden, ein falsch verschicktes Kundenangebot kostet Vertrauen. Freigaben sind außerdem dein bestes Evaluationswerkzeug, denn jede Korrektur zeigt dir, wo der Agent noch schwach ist.

Erst wenn die Korrekturquote über Wochen niedrig und stabil bleibt, lohnt der nächste Schritt. Dann kannst du einzelne Schritte auf automatische Durchführung mit nachgelagerter Stichprobe umstellen.

Integrationen skalieren die Kosten nicht linear, sondern überproportional. Jedes zusätzliche System bringt eigene Fehlerfälle mit, und die Kombinationen wollen getestet sein. Die wirksamste Kostenbremse ist deshalb Scope-Disziplin: Version 1 mit ein bis zwei Integrationen und einem klaren Teilprozess, Ausbau erst nach bewährtem Betrieb.

Rechenmodell: Ein Agent für die E-Mail-Vorqualifizierung

Damit die Blöcke greifbar werden, hier ein Beispiel mit offenen Annahmen. Alle Zahlen sind Modellannahmen zur Illustration, kein Angebot. Ersetze sie durch deine Werte.

Szenario: Ein Agent liest eingehende Anfragen im Sammelpostfach eines KMU, klassifiziert sie, zieht Kontext aus dem CRM und legt einen Antwortentwurf zur Freigabe vor.

Annahmen: 1.500 Anfragen pro Monat; pro Anfrage rund 20.000 Input- und 1.500 Output-Token (E-Mail plus CRM-Kontext plus Anweisungen); Mittelklassemodell zu 2,50/15,00 USD pro 1 Million Token (OpenAI-Listenpreis GPT-5.4, Stand Juli 2026); Plattform n8n Cloud Pro zu 50 €/Monat; externer Dienstleister-Tagessatz als Annahme 800-1.200 €; interne Mitarbeit nicht eingepreist.

Die Rechnung mit diesen Annahmen sieht so aus:

• Konzeption und Prozessaufnahme: 2-4 Tage mal 800-1.200 €, also 1.600-4.800 €.

• Entwicklung und Integration (Postfach, CRM, Freigabe): 8-15 Tage mal 800-1.200 €, also 6.400-18.000 €.

• Evaluation und Tests an echten Daten: 3-6 Tage mal 800-1.200 €, also 2.400-7.200 €.

• Einmalig gesamt: rund 10.000-30.000 €.

• Modell-API: 1.500 Anfragen mal (20.000 mal 2,50 plus 1.500 mal 15,00 USD je 1 Million Token) sind rund 109 USD, also etwa 100-150 €/Monat.

• Plattform (n8n Cloud Pro): Listenpreis 50 €/Monat.

• Wartung und Monitoring extern: 0,5-1 Tag pro Monat mal 800-1.200 €, also 400-1.200 €/Monat.

• Interne Freigabezeit: rund 1 Minute pro Anfrage, also etwa 25 Stunden pro Monat Personalzeit, nicht extern bezahlt.

• Laufend gesamt (extern): rund 550-1.400 €/Monat.

Zwei Beobachtungen wiederholen sich in fast jedem realen Projekt. Erstens: Die reinen Modellkosten von rund 100-150 € pro Monat sind fast vernachlässigbar gegenüber Entwicklungs- und Wartungsaufwand. „Die KI“ ist nicht der Kostentreiber, die Softwarearbeit drumherum ist es.

Zweitens: Die Betriebskosten über 3 Jahre (grob 20.000-50.000 € in diesem Modell) liegen in derselben Größenordnung wie die Erstellung. Ein Angebot, das nur den Projektpreis nennt, zeigt dir also etwa die Hälfte des Bildes.

Wann lohnt ein Pilot?

Fast immer, und zwar aus Kostensicht, nicht aus Vorsicht. Die teuerste Variante eines KI-Agenten ist der, der gebaut wird und dann nicht die Qualität erreicht, bei der sich sein Betrieb trägt. Ein Pilot beantwortet genau diese Frage, bevor das große Budget fließt:

• Zuschnitt: ein Teilprozess, 1 bis 2 Integrationen, 4 bis 8 Wochen Laufzeit.
• Budgetrahmen: typischerweise ein Drittel bis die Hälfte des Vollausbaus, im Beispielmodell oben also grob im mittleren vierstelligen bis niedrigen fünfstelligen Bereich.
• Erfolgskriterien vorher festlegen: etwa der Anteil der Entwürfe, die ohne Änderung freigegeben werden, die Bearbeitungszeit pro Vorgang oder die Eskalationsquote. Ohne Messkriterien ist ein Pilot nur ein teures Spielzeug.
• Ausstieg einpreisen: Ein Pilot darf ergebnisoffen sein. „Wir bauen das nicht aus“ ist ein legitimes, günstiges Ergebnis.

Überspringen kannst du den Pilot, wenn der Use Case eng, die Fehlertoleranz hoch und die Datenlage geklärt ist, etwa bei rein internen Entwurfs- und Rechercheagenten.

Risiken und Grenzen der Kalkulation

Auch mit sauberem Modell bleiben Unsicherheiten, die du kennen solltest:

• Token-Preise und Modelle ändern sich. Die genannten API-Preise sind Listenpreise mit Stand Juli 2026; Anbieter ändern Preise und stellen Modelle ein. Plane einen Modellwechsel über die Laufzeit ein, als Wartungsfall, nicht als Katastrophe.

• Volumenschwankungen. Verbrauchsbasierte Kosten steigen mit dem Erfolg. Setze Budgetalarme, bevor du sie brauchst.

• Qualität ist nicht garantierbar. Niemand kann dir seriös eine bestimmte Automatisierungsquote oder Einsparung zusichern, bevor der Agent an deinen echten Daten evaluiert wurde. Solche Versprechen im Angebot sind ein Warnsignal, kein Verkaufsargument.

• Sicherheits- und Compliance-Aufwand. Je nach Daten und Branche kommen Aufwände für Datenschutzprüfung und Absicherung hinzu (Stand Juli 2026; dieser Artikel ist keine Rechtsberatung). Die BSI-Publikation zu generativen KI-Modellen ist ein guter, kostenloser Startpunkt für die Risikoanalyse.

• Der Prozess ändert sich. Agenten sind an Prozesse gekoppelt; ändert sich das CRM, die Zuständigkeit oder das E-Mail-Routing, braucht der Agent ein Update. Deshalb gehört Wartung ins Budget, nicht in die Hoffnung.

Wenn dein Team Agenten künftig selbst pflegen oder weiterentwickeln soll, ist eine Schulung oft die günstigere Alternative zu dauerhafter externer Wartung.

Checkliste: Bevor du ein Angebot unterschreibst

1. Sind alle 5 Kostenblöcke ausgewiesen, auch Evaluation und laufende Wartung?

2. Ist der Use Case so eng abgegrenzt, dass Erfolg messbar ist?

3. Steht im Angebot, welche Systeme integriert werden und wer die API-Zugänge liefert?

4. Gibt es Freigabeschritte für alles, was das Unternehmen verlässt oder in Systeme schreibt?

5. Sind Erfolgskriterien und ein Abbruchpunkt für den Piloten definiert?

6. Sind laufende Kosten als Bandbreite mit Annahmen kalkuliert (Volumen, Modell, Plattform)?

7. Ist ein interner Owner benannt, der Stichproben prüft und Eskalationen entscheidet?

8. Ist geregelt, wem Workflows, Prompts und Zugänge gehören, falls ihr den Dienstleister wechselt?

9. Gibt es Budgetalarme für verbrauchsbasierte Kosten?

10. Fehlt jedes Versprechen garantierter Einsparungen oder Quoten? (Gut so.)

Wenn du unsicher bist, ob dein Use Case die Investition trägt: In der KI-Beratung prüfe ich genau das. Also Prozess, Datenlage und eine ehrliche Kostenschätzung mit Annahmen, bevor irgendetwas gebaut wird. Ein Erstgespräch kostet nichts und klärt meist schon, in welcher der 3 Agenten-Klassen dein Vorhaben überhaupt liegt.