Versteckte Kosten von KI-Projekten: Was Angebote oft nicht zeigen

54,5 % der deutschen Unternehmen nutzen laut ifo-Konjunkturumfrage vom Mai 2026 bereits KI in ihren Geschäftsprozessen – ein Jahr zuvor waren es noch 40,9 %. Rund 74 % der KI-nutzenden Unternehmen setzen dabei auf kostenpflichtige externe Lösungen, nur 18,7 % betreiben eigene KI-Systeme. KI-Projekte sind also längst Alltag im Mittelstand – und genau deshalb häufen sich auch die Erfahrungsberichte über Budgets, die im laufenden Projekt aus dem Ruder laufen, obwohl das ursprüngliche Angebot sauber kalkuliert wirkte.

Dieser Artikel gehört zum Themen-Cluster KI-Kosten & ROI und richtet sich an Geschäftsführung, Operations, IT und Fachbereich in KMU, die ein KI-Projekt budgetieren oder ein vorliegendes Angebot auf Vollständigkeit prüfen wollen. Die These, die sich durch den Text zieht: Der Angebotspreis ist der sichtbare Teil der Kosten – die unsichtbaren entstehen im eigenen Haus. Wer sie nicht kennt, budgetiert an der Realität vorbei und wundert sich später über Nachforderungen, die formal korrekt, aber vorab nicht kommuniziert waren.

Begriffe und Abgrenzung

• Sichtbare Kosten sind die im Angebot bezifferten Posten: Beratungs- oder Entwicklungstage, Lizenzgebühren, ggf. Hardware. Sie sind vergleichbar und verhandelbar.
• Versteckte Kosten sind Aufwände, die entstehen, aber selten im Angebot stehen: interne Arbeitszeit, Datenaufbereitung, Testphasen, Compliance-Prüfung, Betriebs- und Pflegeaufwand nach dem Go-live sowie Kosten eines späteren Anbieterwechsels. Sie sind real, aber schwerer zu beziffern – deshalb fallen sie in der Budgetplanung häufig unter den Tisch.
• Total Cost of Ownership (TCO) meint die Summe aus sichtbaren und versteckten Kosten über die gesamte Nutzungsdauer, nicht nur die Anschaffung oder das Projektbudget. Für KI-Systeme ist der TCO-Blick besonders wichtig, weil Betrieb und Pflege – anders als bei klassischer Software – laufend Aufmerksamkeit brauchen (Modelländerungen, Prompt-Drift, neue Datenquellen).
• Abgrenzung zu Beratungskosten: Dieser Artikel behandelt die Kosten nach der Entscheidung für ein KI-Projekt, nicht die Kosten der vorgelagerten Beratung selbst – dazu gibt es einen eigenen Beitrag im Cluster.

Welche internen Kosten entstehen?

Versteckte Kosten entstehen vor allem als interne Zeit, die kein Angebot ausweist: Fachbereich für Anforderungsklärung, Testdaten und Abnahme, IT für Anbindung, Rechte und Betrieb, Führungskräfte für Entscheidungen und Change-Begleitung. Dazu kommen Datenaufbereitung, Testphasen, Compliance-Prüfungen und laufender Betrieb nach dem Go-live. Wer nur den Angebotspreis budgetiert, unterschätzt die Gesamtkosten oft deutlich – interne Zeit ist dabei meist der größte blinde Fleck.

Konkret verteilt sich diese interne Zeit typischerweise auf vier Rollen:

• Fachbereich: Prozesse beschreiben, Beispieldaten und Testfälle liefern, Zwischenergebnisse bewerten, am Ende produktiv nutzen und Feedback geben. Das ist die Rolle mit dem höchsten Zeitaufwand über die Projektlaufzeit, weil ohne fachliches Wissen kein KI-System die richtigen Fälle lernt.
• IT/Administration: Zugänge und Schnittstellen bereitstellen, Datenschutz- und Sicherheitsanforderungen prüfen, das System technisch integrieren und später betreiben.
• Führung: Scope-Entscheidungen treffen, Change-Kommunikation im Team, Budgetfreigaben bei Anpassungen.
• Projektkoordination: Abstimmung zwischen externem Anbieter und internen Rollen – bei kleineren Projekten übernimmt das oft dieselbe Person, die auch fachlich mitarbeitet.

Aus eigener Projekterfahrung: Der häufigste Kalkulationsfehler ist, interne Zeit mit null anzusetzen, weil sie „ja sowieso da ist”. Sie ist aber nicht da – sie fehlt an anderer Stelle im Tagesgeschäft, und genau das erzeugt Reibung, wenn ein Projekt mitten im Quartalsabschluss oder in der Hochsaison Fachbereichszeit einfordert. Plane interne Zeit deshalb explizit ein, auch wenn dafür kein Euro-Betrag auf einer Rechnung steht.

Was kostet Datenaufbereitung?

Es gibt keine seriöse pauschale Zahl dafür – der Aufwand hängt von Datenqualität, Anzahl der Quellsysteme und Zielformat ab. Realistisch einzuplanen sind mehrere Arbeitstage für Sichtung, Bereinigung, Strukturierung und Testläufe, bevor ein KI-System produktiv geht. Wird das übersprungen, verschiebt sich der Aufwand nicht weg, sondern nach hinten – als Nacharbeit nach dem Go-live.

Microsofts Übersicht zu Process Mining beschreibt den zugrunde liegenden Mechanismus treffend: Bevor sich Prozesse automatisieren oder mit KI unterstützen lassen, muss zunächst nachvollziehbar sein, wie sie tatsächlich ablaufen – nicht wie sie im Organigramm dokumentiert sind. Diese Diskrepanz zwischen dokumentiertem und gelebtem Prozess ist in der Praxis eine der Hauptquellen für unterschätzte Datenaufbereitung: Daten liegen in mehreren Systemen, in unterschiedlichen Formaten, mit uneinheitlicher Benennung, teils doppelt, teils veraltet.

Typische Aufwandstreiber, die selten im Angebot auftauchen:

• Konsolidierung aus mehreren Quellsystemen (CRM, ERP, Excel-Listen, E-Mail-Postfächer) in ein einheitliches Format.
• Bereinigung von Duplikaten, Tippfehlern, inkonsistenter Nomenklatur und veralteten Einträgen.
• Strukturierung unstrukturierter Daten (Freitext, Scans, PDFs) in ein maschinenlesbares Format.
• Testdatensätze mit bekannten richtigen Antworten, um die KI-Ausgabe überhaupt bewerten zu können – ohne die lässt sich Qualität nicht objektiv beurteilen.
• Iterative Nacharbeit, wenn erste Testläufe zeigen, dass die Datenbasis lückenhaft ist – das ist der Normalfall, nicht die Ausnahme.

Wenn ein Angebot Datenaufbereitung mit „ist im Projekt enthalten” abhakt, ohne den Umfang zu benennen, ist das ein Warnsignal: Entweder wurde der Aufwand nicht seriös geschätzt, oder er landet später als Change Request.

Wie wirken Anbieterwechsel?

Ein Wechsel zwischen KI- oder Cloud-Anbietern kostet Zeit und Geld für Datenexport, Neuaufbau von Integrationen und Anpassung von Prompts oder Workflows. Diese Kosten sind rechtlich und technisch zu unterscheiden.

Rechtlich hat sich hier 2026 etwas bewegt: Der EU Data Act regelt den Wechsel zwischen Anbietern von Datenverarbeitungsdiensten (Cloud- und Edge-Computing, worunter auch viele KI-SaaS-Plattformen fallen). In der Übergangsphase bis zum 12. Januar 2027 dürfen Anbieter noch Wechsel- und Datenausgangsentgelte (Egress-Gebühren) verlangen – begrenzt auf die tatsächlich entstehenden Kosten. Ab dem 12. Januar 2027 entfallen diese Entgelte laut der Kommission vollständig: Anbieter dürfen dann nichts mehr für die Vorgänge berechnen, die einen Wechsel oder den Datenexport ermöglichen. Das senkt die vertraglichen Wechselkosten in der EU spürbar – aber nicht den technischen Aufwand.

Denn unabhängig vom Vertragsrecht bleibt der technische Migrationsaufwand: Prompts, Workflows, Automatisierungen und Integrationen sind selten 1:1 auf einen anderen Anbieter übertragbar. Wer heute auf ein bestimmtes KI-Modell oder eine bestimmte Plattform optimiert, baut faktisch Abhängigkeit auf, selbst wenn keine Vertragsstrafe droht. Frag deshalb vor der Anbieterwahl aktiv: Wie exportiere ich meine Daten und Konfigurationen? Welches Format haben Prompts und Workflows – proprietär oder portabel? Wie viel müsste ich bei einem Wechsel neu bauen?

Das Data Act reduziert die vertragliche Wechselbarriere ab 2027 spürbar – ersetzt aber nicht die eigene Sorgfalt bei der technischen Architektur.

Welche Betriebskosten werden übersehen?

Laufende Lizenz- und Nutzungskosten, Pflege von Prompts und Workflows bei Modell- oder Prozessänderungen, Monitoring, Support bei Fehlverhalten und regelmäßige Qualitätskontrolle. Ein KI-System ist nach dem Go-live nicht fertig – es braucht kontinuierliche, aber meist kleinteilige Betreuung, die in Projektbudgets oft komplett fehlt.

Konkrete Posten, die in Betriebskostenrechnungen häufig fehlen:

• Lizenz- und API-Kosten, die mit Nutzungsvolumen skalieren – laut ifo-Erhebung setzen rund 74 % der KI-nutzenden Unternehmen auf kostenpflichtige externe Lösungen, deren laufende Kosten selten im ursprünglichen Projektbudget stehen, sondern erst in der Betriebsphase sichtbar werden.
• Prompt- und Workflow-Pflege, wenn sich zugrunde liegende Modelle, Schnittstellen oder Geschäftsprozesse ändern. Ein Prompt, der im Januar zuverlässig funktionierte, kann nach einem stillen Modell-Update im Juli andere Ergebnisse liefern.
• Monitoring und Qualitätskontrolle, um Fehlverhalten (falsche, veraltete oder erfundene Ausgaben) frühzeitig zu erkennen, statt es Kund:innen oder Mitarbeitenden überlassen zu müssen.
• Support und Eskalation, wenn das System an seine Grenzen stößt und ein Mensch übernehmen muss – dieser Prozess muss definiert und personell hinterlegt sein.
• Fortbildung, weil Mitarbeitende ihr Wissen über neue Funktionen und veränderte Bedienung aktuell halten müssen.

Das ist der Grund, warum Betriebskosten in eine Projektkalkulation gehören, nicht in eine separate, spätere Entscheidung: Ein System ohne eingeplante Pflege verschlechtert sich schleichend, bis es entweder ungenutzt verkümmert oder in einem Krisenmoment teuer nachgebessert werden muss.

Wie schafft man Transparenz?

Indem alle Kostenarten – nicht nur der Angebotspreis – vor Projektstart schriftlich benannt werden: interne Zeit nach Rolle, Datenaufbereitung, Lizenzen, Umsetzung, Betrieb und ein Puffer für Unvorhergesehenes. Eine einfache Kostenübersicht mit Verantwortlichkeiten pro Posten deckt die meisten versteckten Kosten schon vor der Unterschrift auf.

Das lässt sich mit vertretbarem Aufwand strukturieren. Unten findest du ein eigenes Rechenmodell, das genau diese Struktur abbildet.

Eigenes Rechenmodell: Sichtbare vs. tatsächliche Kosten

Es gibt keine amtliche Formel dafür, wie viel ein KI-Projekt „wirklich” kostet – jede pauschale Zahl wäre unseriös. Sinnvoller ist ein Modell, das zeigt, welche Kostenblöcke neben dem Angebotspreis zu erwarten sind, mit expliziten Annahmen statt erfundenen Beträgen. Das folgende Modell ist eine eigene Einordnung aus der Projektpraxis, keine externe Studienzahl:

Kostenblock	Im Angebot meist enthalten?	Typischer Umfang relativ zum Angebotspreis (Annahme)	Wer trägt ihn?
Externe Umsetzung (Beratung/Entwicklung)	Ja	Referenzwert 100 %	Externer Anbieter
Interne Zeit (Fachbereich, IT, Führung)	Selten beziffert	Bei mittelkomplexen Projekten oft in ähnlicher Größenordnung wie der externe Aufwand, verteilt auf mehrere Personen über die Projektlaufzeit	Auftraggeber
Datenaufbereitung	Teilweise, oft unterschätzt	Stark projektabhängig; bei schlechter Ausgangsdatenlage ein eigenständiger, mehrtägiger Block statt einer Randnotiz	Auftraggeber und/oder Anbieter
Lizenzen/Betrieb (laufend, pro Jahr)	Nein, meist separat	Laufende Kosten, die sich über die Nutzungsdauer aufsummieren und den einmaligen Projektpreis übersteigen können	Auftraggeber
Pflege/Weiterentwicklung (laufend)	Nein	Wiederkehrender Aufwand, sobald sich Modelle, Schnittstellen oder Prozesse ändern	Auftraggeber und/oder Anbieter
Wechselkosten (bei Anbieterwechsel)	Nein	Technischer Migrationsaufwand unabhängig von vertraglichen Entgelten; sinkt vertraglich ab 2027 in der EU (Data Act), technisch nicht automatisch	Auftraggeber

Die zentrale Lesart: Der Angebotspreis ist ein Baustein, nicht die Summe. Wer ein Budget plant, sollte für jeden dieser Blöcke mindestens „ja/nein/wer trägt es” beantworten können, bevor er unterschreibt – nicht erst, wenn die erste Nachforderung kommt.

Umsetzung: Kostentransparenz vor Projektstart herstellen

1. Kostenblöcke einzeln abfragen. Nutze die Tabelle oben als Checkliste im Angebotsgespräch: Was ist enthalten, was nicht, wer trägt was?
2. Interne Zeit realistisch einplanen. Benenne konkret, wer aus Fachbereich, IT und Führung wie viel Zeit über welchen Zeitraum einbringen muss – und trage das intern als Ressource ein, nicht als Fußnote.
3. Datenlage vorab grob einschätzen. Ein kurzer interner Check – Wie viele Quellsysteme? Wie einheitlich sind die Daten? – zeigt früh, ob Datenaufbereitung ein Randthema oder ein eigenständiger Projektblock wird.
4. Betriebsphase mitdenken. Frage nach den laufenden Kosten für Jahr eins und Jahr zwei, nicht nur nach dem Projektpreis. Wer das nicht beantworten kann oder will, hat entweder keine Erfahrung mit dem Betrieb solcher Systeme oder verschweigt es bewusst.
5. Exit-Szenario einmal durchdenken. Auch ohne konkreten Wechselplan hilft die Frage „Wie kämen wir hier wieder raus?” dabei, versteckte Abhängigkeiten sichtbar zu machen, bevor sie entstehen.
6. Puffer einplanen. Ein Puffer für Unvorhergesehenes – realistisch eher zweistellige Prozentsätze des Projektbudgets als eine feste Zahl – gehört in jede Planung, weil KI-Projekte iterativer verlaufen als klassische Softwareprojekte mit Lastenheft.

Risikomatrix: Versteckte Kostenrisiken und Gegenmaßnahmen

Das im Brief geforderte eigene Asset – eine Risikomatrix, die die häufigsten versteckten Kostentreiber mit konkreten Gegenmaßnahmen verknüpft:

Risiko	Typisches Warnsignal	Gegenmaßnahme
Interne Zeit wird mit null angesetzt	Angebot nennt nur externe Tage, keine Rolle für interne Mitwirkung	Interne Zeit pro Rolle explizit in der Projektplanung ausweisen, nicht nur im Kopf mitrechnen
Datenaufbereitung „ist enthalten” ohne Umfang	Kein Datenaudit vor Projektstart, keine Aussage zu Datenqualität	Kurzen Datencheck vor Vertragsschluss einfordern; Aufwand als eigenen Posten benennen lassen
Betriebskosten fehlen im Angebot	Nur einmaliger Projektpreis, keine Aussage zu Jahr eins/zwei	Laufende Kosten für Lizenz, Pflege und Support explizit erfragen und schriftlich festhalten
Anbieterabhängigkeit durch proprietäre Formate	Prompts/Workflows nur in der Plattform des Anbieters lauffähig	Vor Vertragsschluss nach Exportformaten und Portabilität fragen; Data-Act-Fristen (bis 12.1.2027 begrenzte, danach keine Wechselentgelte) im Blick behalten
Governance- und Datenqualitätslücken bleiben unentdeckt	Kein definierter Verantwortlicher für Datenqualität, keine Qualitätskontrolle nach Go-live	Klare Verantwortlichkeit für Datenqualität festlegen; laut Gartner-Prognose (zitiert nach Actian) verfehlen bis 2027 rund 60 % der KI-Projekte ihre Wertziele vor allem wegen Governance- und Datenproblemen – ein Prozess-Owner senkt dieses Risiko spürbar
Change Requests statt Ursprungsplan	Erste Anpassung wird sofort teuer nachberechnet, ohne dass Scope vorher klar war	Scope und Annahmen schriftlich fixieren; Puffer für iterative Anpassungen von vornherein einplanen

Risiken und Grenzen

• Keine Zahl ersetzt eine eigene Prüfung. Die Bandbreiten in diesem Artikel sind Modellannahmen aus der Projektpraxis, keine validierten Marktdurchschnitte – nutze sie als Ausgangspunkt für dein eigenes Angebot, nicht als Vergleichsmaßstab.
• Keine garantierten Einsparungen. Wer dir vorab feste Prozentsätze für eingesparte Zeit oder garantierte Amortisationszeiten nennt, ohne deine Daten und Prozesse zu kennen, überschätzt die Planbarkeit von KI-Projekten.
• Rechtliche Einordnung ist keine Rechtsberatung. Die Angaben zum EU Data Act geben den Stand Juli 2026 wieder; für die verbindliche Bewertung eines konkreten Vertrags braucht es rechtliche Prüfung im Einzelfall.
• Transparenz ist keine Einbahnstraße. Auch Auftraggeber:innen müssen ihre eigenen Annahmen (Datenqualität, Verfügbarkeit von Fachbereichszeit) offenlegen – ein Angebot kann nur so realistisch sein wie die Informationen, auf denen es beruht.
• Nicht jedes Projekt braucht jeden Kostenblock. Ein kleiner, klar abgegrenzter Prototyp hat andere Risiken als eine unternehmensweite KI-Einführung – die Matrix ist ein Werkzeug zur Einordnung, keine Pflichtliste für jeden Fall.

Checkliste: Vor der Unterschrift auf versteckte Kosten prüfen

• Interne Zeit ist nach Rolle (Fachbereich, IT, Führung) benannt und intern eingeplant
• Datenaufbereitung ist als eigener Posten mit Umfang beschrieben, nicht nur „enthalten”
• Laufende Lizenz- und Betriebskosten für Jahr eins und Jahr zwei sind schriftlich beziffert
• Pflege- und Weiterentwicklungsaufwand nach Go-live ist geklärt (wer macht was, wie oft)
• Exportformate und Portabilität von Daten, Prompts und Workflows sind bekannt
• Verantwortlichkeit für Datenqualität und laufende Qualitätskontrolle ist festgelegt
• Ein Puffer für Unvorhergesehenes ist Teil des Budgets, nicht nur des Projektplans
• Alle Annahmen hinter Aufwandsschätzungen sind nachvollziehbar erklärt

Wenn du ein konkretes Angebot auf versteckte Kosten prüfen willst: Im Erstgespräch schauen wir uns dein Projekt an und schätzen gemeinsam ehrlich ein, welche Kostenblöcke bei euch realistisch dazukommen – auch die, die im vorliegenden Angebot fehlen. Für strukturierte Vorabklärung von Prozessen und Datenlage bieten wir das im Rahmen unserer KI-Beratung an.