Kosten und Betrieb
Eigene KI-Agenten statt SaaS-Lizenzen: der TCO-Vergleich für Unternehmen
KI-Arbeitsplatzlizenzen wirken günstig – bis man sie mit der Mitarbeiterzahl multipliziert und auf Jahre hochrechnet. Dieser Beitrag stellt die tatsächlichen Kosten von SaaS-KI den Kosten eines eigenen KI-Agenten mit lokalem Modell gegenüber: mit Beispielrechnung, Break-even-Faktoren und den Fällen, in denen die Lizenz trotzdem die bessere Wahl bleibt.
Was SaaS-KI wirklich kostet
Die gängigen KI-Arbeitsplatzprodukte – etwa ChatGPT für Teams, Microsoft 365 Copilot oder Claude für Unternehmen – liegen als Listenpreis typischerweise zwischen 20 und 60 Euro pro Nutzer und Monat (Stand August 2026, je nach Produkt und Vertrag). Das klingt überschaubar, skaliert aber linear mit jeder Lizenz:
- 50 Mitarbeiter: 12.000 bis 36.000 Euro pro Jahr
- 200 Mitarbeiter: 48.000 bis 144.000 Euro pro Jahr
- Nach drei Jahren: das Dreifache – ohne dass ein eigener Vermögenswert entstanden ist
Dazu kommen die weniger sichtbaren Posten: Datenabfluss an den Anbieter, Abhängigkeit von dessen Preis- und Produktpolitik sowie Lizenzen, die bezahlt, aber kaum genutzt werden. In vielen Unternehmen nutzt nur ein Teil der Belegschaft die KI-Lizenz regelmäßig – bezahlt wird sie trotzdem für alle.
Was ein eigener KI-Agent kostet
Ein eigener KI-Agent besteht aus einem Sprachmodell (lokal oder per API), definierten Werkzeugen und der Anbindung an Ihre Systeme. Beim lokalen Betrieb setzen sich die Kosten anders zusammen als bei der Lizenz:
| Kostenblock | Typ | Größenordnung |
|---|---|---|
| Entwicklung des Agenten (Pilot bis produktiv) | einmalig | projektabhängig, ab ca. 5.000–15.000 € |
| GPU-Server oder Workstation | einmalig | ca. 3.000–40.000 € je nach Modellgröße |
| Open-Weight-Modell (z. B. Llama, Mistral, Qwen) | einmalig | 0 € Lizenzkosten |
| Strom und Hosting | laufend | ab ca. 50–300 €/Monat |
| Wartung, Updates, Monitoring | laufend | anteilige Personalkosten oder Servicevertrag |
Beispielhafte Größenordnungen aus Projekterfahrung, Stand August 2026. Die tatsächlichen Werte hängen von Use Case, Modellwahl und Infrastruktur ab.
Der entscheidende Unterschied: Diese Kosten skalieren mit der Aufgabe, nicht mit der Mitarbeiterzahl. Ob 20 oder 200 Personen das Ergebnis des Agenten nutzen, ändert an den Betriebskosten wenig. Und die Investition schafft einen eigenen, wiederverwendbaren Baustein – Wissen, Infrastruktur und Integrationen bleiben im Unternehmen.
Beispielrechnung: 50 Arbeitsplätze über drei Jahre
Ein mittelständisches Unternehmen mit 50 KI-Arbeitsplätzen vergleicht beide Wege für einen dokumentenlastigen Prozess (Wissenssuche, Extraktion, Entwurfstexte):
| Position | SaaS (30 €/Nutzer/Monat) | Eigener Agent, lokal |
|---|---|---|
| Jahr 1 | 18.000 € | ca. 35.000 € (Entwicklung + Hardware + Betrieb) |
| Jahr 2 | 18.000 € | ca. 8.000 € (Betrieb + Pflege) |
| Jahr 3 | 18.000 € | ca. 8.000 € (Betrieb + Pflege) |
| Summe nach 3 Jahren | 54.000 € | ca. 51.000 € |
In dieser konservativen Rechnung liegen beide Wege nach drei Jahren nahe beieinander – der eigene Agent gewinnt danach mit jedem weiteren Jahr deutlich. Zwei Faktoren verschieben den Break-even weiter nach vorn: steigende Nutzerzahlen (die SaaS-Spalte wächst mit, die lokale nicht) und die Wiederverwendung der Infrastruktur für den zweiten und dritten Use Case, der dann nur noch Entwicklungskosten verursacht.
Ehrlicherweise gilt auch die Gegenrichtung: Bei 10 Gelegenheitsnutzern ohne sensible Daten schlägt die Lizenz den Eigenbetrieb klar. Und wer die Spitzenqualität der großen API-Modelle für komplexe Aufgaben braucht, kombiniert besser beide Welten, statt sie gegeneinander auszuspielen.
Die fünf Faktoren, die über den Break-even entscheiden
- 1.Nutzerzahl und Intensität: Viele aktive Nutzer oder hohe Verarbeitungsvolumen sprechen für den eigenen Betrieb; wenige Gelegenheitsnutzer für die Lizenz.
- 2.Schutzbedarf der Daten: Je sensibler die Daten (Personal, Verträge, Gesundheit, Konstruktion), desto stärker zählt der lokale Betrieb – unabhängig vom reinen Preisvergleich.
- 3.Aufgabenprofil: Wiederkehrende, klar abgegrenzte Aufgaben laufen mit Open-Weight-Modellen sehr gut. Offene Kreativ- und Spitzenaufgaben bleiben Domäne der großen API-Modelle.
- 4.Vorhandenes Know-how: Ein Team, das Server betreiben kann, senkt die laufenden Kosten deutlich. Fehlt es, muss Betreuung eingekauft und eingerechnet werden.
- 5.Wiederverwendung: Der zweite Use Case auf derselben Infrastruktur ist deutlich günstiger als der erste. Wer eine KI-Roadmap hat, rechnet anders als wer ein Einzelprojekt plant.
Häufige Fragen
Ab wann lohnt sich ein eigener KI-Agent statt SaaS-Lizenzen?
Als Faustregel: je mehr Nutzer, je höher die Nutzungsintensität und je sensibler die Daten, desto eher lohnt der eigene Betrieb. Ein Team mit 50 und mehr aktiven KI-Arbeitsplätzen, das vor allem wiederkehrende, klar abgegrenzte Aufgaben automatisiert, erreicht den Break-even häufig innerhalb von ein bis zwei Jahren. Bei wenigen Gelegenheitsnutzern bleibt die SaaS-Lizenz meist günstiger.
Was kostet der Betrieb eines lokalen LLM-Servers?
Ein GPU-Server für gute Open-Weight-Modelle liegt je nach Ausstattung grob zwischen 10.000 und 40.000 Euro einmalig; kleinere Setups auf Workstations oder Apple Silicon deutlich darunter. Dazu kommen Strom, Wartung, Modell-Updates und anteilige Personalkosten. Die genaue Größenordnung hängt von Modellwahl, Quantisierung und Zahl gleichzeitiger Nutzer ab.
Verliert man mit lokalen Modellen an Qualität?
Für klar abgegrenzte Aufgaben wie Klassifikation, Extraktion, Wissenssuche über eigene Dokumente oder Entwurfstexte erreichen aktuelle Open-Weight-Modelle sehr gute Ergebnisse. Bei hochkomplexen Aufgaben liegen große API-Modelle weiterhin vorn. Deshalb ist die Antwort oft hybrid: sensible und häufige Aufgaben lokal, Spitzenaufgaben per API.
Ist eine Eigenentwicklung nicht riskanter als ein fertiges Produkt?
Das Risiko liegt weniger in der Technik als im Vorgehen. Ein Pilot mit realen Testfällen auf vorhandener Hardware klärt Qualität und Aufwand, bevor investiert wird. Umgekehrt trägt auch das SaaS-Modell Risiken: Preiserhöhungen, geänderte Limits, Datenabfluss und Abhängigkeit von einem Anbieter.
Von der Rechnung zur Entscheidung
Wir rechnen Ihren Fall konkret durch
Bringen Sie Nutzerzahlen, einen konkreten Prozess und Ihre Datenschutzanforderungen mit. Sie erhalten eine TCO-Gegenüberstellung für Ihren Fall – inklusive einer ehrlichen Empfehlung, wenn die SaaS-Lizenz für Sie die bessere Wahl ist.