Was kostet ein KI-Chatbot für Unternehmen?

Das Wichtigste in Kürze:

• Der Preistreiber ist selten die Chat-Oberfläche, sondern Wissen, Integrationen und Qualitätssicherung.
• Für die Budgetplanung reichen 3 Grundtypen: regelbasierte Bots, LLM-Chatbots ohne Wissensbasis und RAG-Chatbots.
• Realistische Spannen reichen von rund 1.500 € (FAQ-Bot) bis etwa 50.000 € (RAG-Bot mit CRM-Anbindung).
• Pflege und Auswertung gehören dauerhaft ins Budget, nicht nur im ersten Jahr.

„Was kostet ein KI-Chatbot?“ ist eine der häufigsten Fragen in meinen Erstgesprächen. Und eine der am schlechtesten beantworteten im Netz. Die üblichen Antworten reichen von „ab 0 €“ (Baukasten-Werbung) bis „ab 50.000 €“ (Agentur-Werbung). Beides stimmt und ist trotzdem nutzlos.

Denn der Preistreiber ist fast nie die Chat-Oberfläche. Es sind drei Dinge, die in Angeboten gern kleingedruckt bleiben: der Zustand deines Wissens, die Tiefe der Integrationen und der Aufwand für Qualitätssicherung und Eskalation.

Dieser Artikel gehört zu unserem Cluster KI-Kosten und ROI. Er richtet sich an Geschäftsführung, Operations, IT und Fachbereiche in KMU, die ein belastbares Budget aufstellen wollen; Konzerne mit eigenem Plattform-Team sind nicht die Zielgruppe. Alle Kostenangaben sind bewusst Bandbreiten mit offengelegten Annahmen. Wer dir einen Festpreis nennt, bevor er deine Wissensbasis gesehen hat, rät.

Begriffe kurz geklärt

Drei Begriffe gehen in Angeboten ständig durcheinander.

• Chatbot meint hier jedes System, das Nutzeranfragen im Dialog beantwortet. Das gilt für die Website, das Kundenportal und den internen Einsatz.

• RAG (Retrieval Augmented Generation) ist die Methode, mit der ein Chatbot dein Unternehmenswissen nutzt. Deine Dokumente werden in Abschnitte („Chunks“) zerlegt; zur Anfrage werden die passenden Abschnitte gesucht und dem Sprachmodell als Kontext mitgegeben. Die Datenschutzkonferenz beschreibt in ihrer Orientierungshilfe von Oktober 2025, dass diese Methode Richtigkeit und Nachvollziehbarkeit der Ausgaben verbessern kann. Das Sprachmodell steuert idealerweise „nur die Sprachfähigkeit“ bei, die Fakten kommen aus deinen Quellen.

• Agent ist die Ausbaustufe: ein System, das nicht nur antwortet, sondern Aktionen ausführt. Beispiele: Ticket anlegen, Termin buchen, Bestellstatus abfragen. Sobald dein Bot das können soll, bist du preislich in einer anderen Kategorie.

Welche Chatbot-Typen gibt es?

Für die Budgetplanung reichen drei Grundtypen plus eine Ausbaustufe.

1. Regelbasierte Bots führen durch vordefinierte Dialogpfade: Buttons, Entscheidungsbäume, feste Antworten. Kein Sprachmodell, keine Halluzinationen, aber auch keine freie Frage. Sinnvoll für eng umrissene Fälle wie Terminbuchung oder Formular-Vorqualifizierung. Kostenseitig der günstigste Typ: meist ein Software-Abo plus überschaubare Einrichtung.

2. LLM-Chatbots ohne eigene Wissensbasis setzen ein Sprachmodell mit einem Systemprompt auf, aber ohne Anbindung an deine Dokumente. Schnell eingerichtet, aber für die meisten Unternehmens-Anwendungsfälle ungeeignet: Das Modell kennt deine Produkte, Preise und Prozesse nicht und erfindet im Zweifel plausibel klingende Antworten. Das BSI benennt genau das als Kernrisiko von LLMs: Halluzinationen, die glaubhaft wirken, inklusive frei erfundener Referenzen.

3. RAG-Chatbots binden dein Unternehmenswissen ein. Sie sind der Standard für B2B-Anwendungsfälle mit eigenem Wissen: Support, interne Wissensauskunft, Produktberatung. Hier entsteht der Großteil der Kosten, und zwar nicht im Chat-Fenster, sondern in der Aufbereitung der Wissensbasis und in der Qualitätssicherung.

4. Agentische Chatbots (Ausbaustufe) führen zusätzlich Aktionen in deinen Systemen aus. Jede Aktion braucht Anbindung, Rechtekonzept und Absicherung. Dazu weiter unten mehr.

Meine klare Empfehlung: Wenn dein Bot frei formulierte Fragen zu deinem eigenen Wissen beantworten soll, plane von Anfang an für Typ 3. Der Umweg über Typ 2 („erstmal einfach anfangen“) produziert erfahrungsgemäß genau die falschen Antworten, die das Projekt intern diskreditieren.

Was beeinflusst die Einrichtung?

Die Einrichtungskosten hängen an vier Faktoren, grob nach Gewicht sortiert.

1. Zustand des Wissens. Der unterschätzte Posten Nummer eins. Liegen deine Informationen als gepflegte, aktuelle Hilfeseiten vor oder als zwanzig PDF-Ordner mit drei Versionsständen und Widersprüchen? Ein RAG-System kann nur so gut antworten, wie die Quellen es hergeben. Wissensbereinigung und Strukturierung sind deshalb Projektarbeit, keine Nebentätigkeit, oft sogar der größte Einzelblock. Die DSK-Orientierungshilfe weist zudem auf systembedingte Grenzen hin: Informationen, die logisch zusammengehören, aber semantisch weit auseinanderliegen, findet die Suche unter Umständen nicht gemeinsam.

2. Zahl und Tiefe der Integrationen. Ein Bot, der nur antwortet, ist deutlich günstiger als einer, der ins CRM schreibt und Tickets übergibt. Details dazu stehen im eigenen Abschnitt unten.

3. Anspruch an QA und Eskalation. Ein interner Bot für zehn Mitarbeitende braucht weniger Absicherung als ein öffentlicher Bot, der in deinem Namen mit Kunden spricht.

4. Build oder Buy. Zur Wahl stehen Baukasten-Tools (Abo, begrenzte Anpassung), Plattform-Lösungen mit Konfiguration oder Individualentwicklung. Für die meisten KMU ist die Mitte richtig: bestehende Bausteine, individuell verdrahtet.

Rechenmodell: drei Szenarien mit offenen Annahmen

Damit du nicht mit „kommt drauf an“ nach Hause gehst, hier mein Rechenmodell. Zuerst die Annahmen: Ich rechne mit einem externen Dienstleister mit Tagessätzen zwischen 800 und 1.400 €. Das ist die marktübliche Spanne für Freelancer bis kleine Agentur in Deutschland (Stand Juli 2026); dein Markt kann abweichen. Dazu kommen interne Mitarbeit durch einen fachlichen Ansprechpartner, kein Konzern-Umfeld und keine On-Premise-Pflicht. Die Personentage sind Erfahrungswerte aus meiner Projektpraxis, keine Garantien. Dein konkreter Fall kann darunter oder darüber liegen.

Szenario A: FAQ-Bot mit Baukasten

• Konzeption und Anwendungsfall schärfen: 0,5-1 Tag.
• Wissensbasis sichten und aufbereiten: intern, wenige Stunden.
• Einrichtung von Bot und Wissensanbindung: 0,5-1 Tag.
• QA mit Testkatalog und Korrekturen: 0,5 Tage.
• Externe Einrichtung gesamt: ca. 1.500-5.000 €.

Laufend kommen Software und Hosting im niedrigen zweistelligen bis niedrigen dreistelligen Euro-Bereich pro Monat dazu, plus 1-2 Stunden Pflege und Auswertung.

Szenario B: RAG-Bot für Website oder Support

• Konzeption und Anwendungsfall schärfen: 1-3 Tage.
• Wissensbasis sichten und aufbereiten: 2-6 Tage.
• Einrichtung von Bot und Wissensanbindung: 3-6 Tage.
• QA mit Testkatalog, Absicherung und Korrekturen: 2-4 Tage.
• Externe Einrichtung gesamt: ca. 6.500-27.000 €.

Laufend fallen etwa 100-500 € pro Monat für Software, API und Hosting an, dazu 0,5-1,5 Tage Pflege und Auswertung pro Monat.

Szenario C: RAG-Bot mit CRM und Ticket-Übergabe

• Konzeption und Anwendungsfall schärfen: 2-4 Tage.
• Wissensbasis sichten und aufbereiten: 3-8 Tage.
• Einrichtung von Bot und Wissensanbindung: 4-8 Tage.
• Integrationen (CRM, Ticketsystem): 4-10 Tage.
• QA mit Testkatalog, Absicherung und Korrekturen: 3-6 Tage.
• Externe Einrichtung gesamt: ca. 13.000-50.000 €.

Laufend sind es etwa 200-800 € pro Monat für Software, API und Hosting, dazu 1-2 Tage Pflege und Auswertung pro Monat.

Drei Lesehinweise dazu. Erstens ist die Spannbreite kein Weichspüler, sondern ehrlich: Zwischen „Wissen liegt sauber vor“ und „Wissen muss erst konsolidiert werden“ liegt in Szenario B schnell der Faktor drei. Zweitens sind die laufenden Kosten nutzungsabhängig: API-Kosten skalieren mit dem Gesprächsvolumen. Die Monatsbeträge oben gelten für typische KMU-Volumina, nicht für zehntausende Gespräche.

Drittens fehlt in vielen Angeboten die interne Pflegezeit komplett, dabei entscheidet gerade sie darüber, ob der Bot nach einem Jahr noch richtig antwortet.

Welche laufenden Kosten entstehen?

Nach dem Livegang bleiben vier Posten.

• Software- und API-Kosten. Entweder als Abo (Baukasten, Plattform) oder nutzungsabhängig pro verarbeitetem Text beim Modellanbieter. Nutzungsabhängige Kosten sind planbar, wenn du dein Gesprächsvolumen kennst. Lass dir vom Anbieter die Abrechnungslogik erklären und rechne dein realistisches Volumen selbst durch.

• Hosting und Betrieb. Bei Cloud-Lösungen meist im Abo enthalten. Bei individueller Umsetzung ein eigener, überschaubarer Posten.

• Pflege der Wissensbasis. Der wichtigste Posten. Preise ändern sich, Produkte kommen dazu, Prozesse werden umgebaut, und der Bot antwortet trotzdem weiter auf Basis des alten Stands, wenn niemand aktualisiert. Plane eine feste Zuständigkeit ein, keine „macht wer Zeit hat“-Regelung.

• Auswertung und Nachjustierung. Gespräche stichprobenartig prüfen, unbeantwortete Fragen sammeln, Eskalationsregeln anpassen. Das ist zugleich deine wertvollste Quelle für Prozessverbesserungen: Der Bot zeigt dir schwarz auf weiß, was Kunden wirklich fragen.

Ehrliche Grenze: Ein Chatbot ist kein „einmal einrichten, läuft für immer“-Produkt. Wenn im Budget nur die Einrichtung steht, ist das Budget unvollständig.

Wie wirken CRM und Ticketsystem auf die Kosten?

Hier trennt sich das Demo-Projekt vom Produktivsystem. Jede Integration hat zwei Kostenanteile, und der zweite wird regelmäßig vergessen.

Der technische Anteil: API-Anbindung, Authentifizierung, Abbildung der Datenfelder. Moderne Systeme mit sauberen Schnittstellen (gängige CRM- und Helpdesk-Tools) sind in wenigen Tagen angebunden; Altsysteme ohne dokumentierte API können den Aufwand vervielfachen.

Der Prozessanteil: Wann genau übergibt der Bot an Menschen? Welche Gesprächsdaten wandern ins Ticket, welche nicht (Stichwort Datenminimierung)? Wer bekommt die Übergabe, mit welcher Priorität, und was passiert außerhalb der Geschäftszeiten? Diese Fragen kosten Workshop- und Abstimmungszeit auf deiner Seite, und sie entscheiden über den Nutzen. Ein Bot, der bei Unsicherheit sauber mit Kontext eskaliert, spart deinem Team echte Arbeit; ein Bot, der Sackgassen produziert, kostet Kundenvertrauen.

Aus meiner Projektpraxis: Die saubere Ticket-Übergabe mit Gesprächskontext ist regelmäßig aufwendiger als der gesamte Antwort-Teil des Bots. Wenn ein Angebot die CRM-Integration als 1-Tages-Posten führt, frag nach, was genau darin enthalten ist.

Sobald der Bot nicht nur liest, sondern schreibt (Ticket anlegen, Kundendatensatz ändern), brauchst du zusätzlich ein Rechtekonzept mit minimal nötigen Schreibrechten. Das BSI weist auf das Risiko der Indirect Prompt Injection hin: Manipulierte Inhalte in verarbeiteten Dokumenten oder Nachrichten können das Verhalten eines LLM-Systems unbemerkt beeinflussen. Je mehr dein Bot darf, desto größer der mögliche Schaden und desto mehr Absicherungsaufwand gehört ins Budget.

Welche QA ist nötig?

Qualitätssicherung ist der Kostenblock, der in Billig-Angeboten fehlt und in Projekten den Unterschied macht. Das Minimum für einen kundenseitigen Bot umfasst fünf Punkte.

1. Testkatalog vor dem Livegang. Reale Fragen aus Support-Postfach und Vertrieb, inklusive Grenzfällen: mehrdeutige Fragen, Fragen außerhalb des Wissensgebiets, Fragen mit veralteten Produktnamen. Die erwartete Antwort wird vorher definiert, nicht hinterher zurechtinterpretiert.

2. Absicherung gegen unerwünschtes Verhalten. Gezielte Versuche, den Bot vom Thema abzubringen, zu Aussagen über Wettbewerber zu verleiten oder per Prompt Injection umzusteuern. Für KMU reicht meist ein strukturierter manueller Durchgang; kritischere Anwendungsfälle brauchen mehr.

3. Klare Auskunftsgrenzen. Der Bot muss „weiß ich nicht“ können und dann eskalieren. Eine falsche, selbstbewusste Antwort ist teurer als eine ehrliche Übergabe. Genau das ist die Konsequenz aus dem Halluzinationsrisiko, das das BSI beschreibt.

4. Laufende Stichproben. Nach dem Livegang regelmäßig echte Gespräche prüfen; Häufigkeit anfangs wöchentlich, später monatlich.

5. Transparenz. Nutzer müssen erkennen können, dass sie mit einem KI-System sprechen. Die KI-Verordnung (EU) 2024/1689 macht das in Artikel 50 zur Pflicht für Anbieter von KI-Systemen mit direkter Nutzerinteraktion. Die Transparenzpflichten gelten ab dem 2. August 2026 (Stand Juli 2026). Das ist keine Rechtsberatung; verbindlich ist der Verordnungstext, bei Unsicherheit sprich mit deiner Rechtsberatung.

Bei personenbezogenen Daten in der Wissensbasis kommt Datenschutzarbeit dazu. Die DSK-Orientierungshilfe behandelt ausführlich, worauf bei RAG-Systemen zu achten ist, von Zugriffskonzepten bis zu Betroffenenrechten; auch das ist Projektaufwand, der ins Budget gehört und nicht in die Fußnote.

Umsetzung: das Vorgehen, das Budgets schont

Die teuerste Variante ist, mit dem Tool zu starten und den Anwendungsfall hinterherzuschieben. Die günstigere Reihenfolge sieht so aus.

1. Anwendungsfall schärfen. Welche Fragen soll der Bot beantworten, welche ausdrücklich nicht? Ein enger Scope („Fragen zu Bestellung und Versand“) schlägt einen breiten („beantwortet alles zur Firma“) in Kosten und Qualität.

2. Wissen prüfen, bevor du unterschreibst. Sichte die Quellen, aus denen der Bot antworten soll. Sind sie aktuell, vollständig, widerspruchsfrei? Das Ergebnis bestimmt das halbe Budget.

3. Klein live gehen. Erst intern oder mit einer Pilotgruppe, mit Testkatalog und Eskalationspfad. Dann öffentlich.

4. Messen statt glauben. Vorher festlegen, woran Erfolg erkennbar ist: gelöste Anfragen ohne Übergabe, Antwortqualität in Stichproben, Feedback des Support-Teams. Versprich dir keine feste Automatisierungsquote; die kennt vorher niemand seriös.

Du willst vor der Beauftragung eine unabhängige Einschätzung, ob dein Fall Szenario A, B oder C ist? Genau dafür gibt es unsere KI-Beratung und das kostenlose Erstgespräch. Und wenn dein Team den Bot später selbst pflegen soll, lohnt ein Blick auf unsere Schulungen.

Risiken und Grenzen

Ein Chatbot löst nicht alles. Diese vier Punkte betreffen Budgetentscheidungen direkt.

• Ein Chatbot repariert kein schlechtes Wissen. Wenn deine Doku veraltet ist, automatisierst du veraltete Antworten, nur eben schneller.

• Restfehler bleiben. Auch ein gutes RAG-System kann falsch antworten; die DSK beschreibt die systembedingten Grenzen der Methode offen. Kalkuliere den Bot nie als Ersatz für den letzten Menschen im Prozess, sondern als Vorfilter mit Eskalation.

• Garantierte Einsparungen gibt es nicht. Jede Quote („70 % der Anfragen automatisiert“) hängt von deinem Anfragemix ab und lässt sich erst im Betrieb messen. Seriös ist: Pilot, messen, dann hochrechnen.

• Versteckte Folgekosten entstehen vor allem durch ungeklärte Zuständigkeiten. Niemand pflegt, niemand wertet aus, der Bot degradiert leise.

Checkliste: Chatbot-Budget in 10 Punkten

1. Anwendungsfall in einem Satz definiert, inklusive dessen, was der Bot nicht können soll?

2. Chatbot-Typ bestimmt (regelbasiert, LLM pur, RAG, agentisch)?

3. Zustand der Wissensbasis ehrlich bewertet (aktuell, vollständig, widerspruchsfrei)?

4. Aufwand für Wissensaufbereitung als eigener Budgetposten eingeplant?

5. Integrationen gelistet und mit technischem UND Prozessanteil kalkuliert?

6. Eskalationspfad zu Menschen definiert (wann, an wen, mit welchem Kontext)?

7. QA budgetiert: Testkatalog, Manipulationstests, laufende Stichproben?

8. Laufende Kosten für 24 Monate gerechnet, nicht nur die Einrichtung?

9. Interne Zuständigkeit für Pflege und Auswertung benannt?

10. Transparenz- und Datenschutzanforderungen geprüft (KI-Verordnung Art. 50, DSGVO bei personenbezogenen Daten)?

Wenn du alle zehn Punkte beantworten kannst, bist du verhandlungsfähig, und du erkennst sofort, welche Angebote nur die Chat-Oberfläche bepreisen und welche das ganze System.