KI im Unternehmen einführen: privat und zum fairen Preis

Ein Vertriebler fügt einen Vertrag in einen öffentlichen Assistenten ein, um ihn zusammenzufassen. Im Support übersetzt eine Kollegin eingehende E-Mails mit einem im Netz gefundenen Werkzeug. Ein selbst geschriebenes Skript ruft eine KI-API mit einem in den Code kopierten Schlüssel auf. Jeder spart Zeit, und niemand weiß, wohin die Dokumente gegangen sind, was das Ganze kostet oder was es einbringt. So kommt KI oft ins Unternehmen: über die Nutzung, vor jeder Entscheidung.

Sie kommt nicht überall im gleichen Tempo. 2025 hat Eurostat ihre Nutzung nach Unternehmensgröße in der Union gemessen:

Ebenfalls laut Eurostat nennen Unternehmen, die KI erwogen, aber nicht eingeführt haben, zuerst fehlendes Fachwissen.

Dieser Leitfaden eröffnet unsere Rubrik Unternehmens-KI, privat und zum fairen Preis. Er richtet sich an Teams mit 20 bis 500 Mitarbeitenden, die von verstreuter Nutzung zu einer gewählten KI wechseln wollen: fünf Fragen in der Reihenfolge, in der sie sich stellen, jede mit einem Verweis auf den Artikel, der sie im Detail behandelt. Wenn Sie zuerst wissen wollen, was Sie die KI kostet, lässt unser Paket „KI zum fairen Preis“ jede Aufgabe auf dem laufen, was sie am günstigsten erledigt, mit Zähler und Obergrenzen.

Kurz gesagt

• Gehen Sie von einer präzisen Aufgabe aus, vorher und nachher gemessen, nie von einem Werkzeug.
• Ordnen Sie Ihre Daten ein, bevor Sie entscheiden, wohin sie gehen: öffentlich, intern, personenbezogen oder reguliert.
• Wählen Sie das Modell Aufgabe für Aufgabe, an Ihren eigenen Beispielen: das günstigste, das die Arbeit gut macht.
• Die Kosten beherrscht man beim Entwurf: Routing, Cache, Stapelverarbeitung, Budgets und Obergrenzen.
• Schreiben Sie die Regeln auf und schulen Sie das Team: In der Regel haftet das Unternehmen für die KI-Nutzung seines Personals.

Mit einem Werkzeug oder mit einer Aufgabe beginnen?

Mit einer Aufgabe. Die französische Datenschutzbehörde CNIL empfiehlt in ihren Fragen und Antworten zu generativer KI, „von konkreten Bedürfnissen auszugehen, um das passendste System zu wählen“. Die Studien, die wir zur Rentabilität der KI, die auf sich warten lässt, zusammengetragen haben, sagen dasselbe auf andere Weise: Die gemessenen Gewinne betreffen präzise Aufgaben (einem Kunden antworten, einen Text verfassen, eine Analyse erstellen), nie ein „KI-Projekt“.

Eine gute erste Aufgabe kehrt oft wieder, folgt ungefähr immer demselben Weg, lässt sich messen (aufgewendete Zeit, Fehler, Durchlaufzeit) und richtet keinen großen Schaden an, wenn sie scheitert: eingehende Anfragen sortieren, eine Antwort vorbereiten, die jemand prüft, die Felder einer Rechnung auslesen. Messen Sie sie, bevor Sie irgendetwas anfassen, und messen Sie drei Monate später erneut: Ohne Ausgangspunkt wird niemand wissen, ob sich das Werkzeug lohnt.

Manche dieser Aufgaben brauchen überhaupt keine KI. Lesen Sie, wann eine Automatisierung ohne KI genügt, bevor Sie ein Modell für eine Entscheidung bezahlen, die eine Regel treffen kann.

Um Ihr Unternehmen einzuordnen, liefert unser Test zur digitalen Reife in fünfzehn Fragen einen Wert von 100 und die drei Projekte, die zuerst anzugehen sind. Wenn es sich lohnt, geht unser Audit zur digitalen und KI-Reife weiter: Ihre Prozesse, Ihre Werkzeuge und was sich mit dem Rest integriert, die Hemmnisse und die Affinität des Teams, die nützlichen Schulungen und dann, was sich lohnt, Projekt für Projekt.

Wohin gehen Ihre Daten, wenn Sie KI nutzen?

Jeder an ein Modell gesendete Text geht irgendwohin. Wir unterscheiden vier Kontrollstufen einer privaten KI: ein Anbieter zu Standardbedingungen, ein vertraglich gebundener Anbieter, ein gemieteter Server in Europa, eine Maschine in Ihren Räumen. Je höher die Stufe, desto mehr Kontrolle haben Sie, und desto mehr Betrieb liegt bei Ihnen.

Die richtige Stufe wählt man daher nach Datenart, nicht ein für alle Mal:

• Öffentliche Daten (eine Produktseite, ein bereits veröffentlichter Artikel): Jede Stufe passt, zum besten Preis.
• Interne, nicht personenbezogene Daten (ein Verfahren, ein Protokoll): mindestens ein Anbieter, der sich vertraglich verpflichtet, Ihre Daten weder zu speichern noch zum Training seiner Modelle zu verwenden.
• Personenbezogene oder regulierte Daten (Personal, Gesundheit, Recht, namentlich genannte Kunden): ein Modell, das Sie kontrollieren, oder ein vertraglich gebundener europäischer Anbieter; nie ein öffentliches Angebot.

Dieses Raster ist unseres, keine Norm. Wir selbst betreiben Ollama, eine Software, die offene Modelle ausführt, auf einem gemieteten Server, den wir selbst verwalten, für die Aufgaben, bei denen die Daten nicht hinausdürfen: Diese Anfragen gehen an keinen Modellanbieter.

Bleibt die Frage der Schlüssel: Ein Agent, der zehn Dienste aufruft, trägt zehn Zugänge. Ein Tresor für Geheimnisse bewahrt sie an einem einzigen Ort auf, und Ihre Werkzeuge nutzen sie, ohne sie je zu lesen.

Wie wählt man das richtige KI-Modell?

Es gibt kein absolut bestes Modell. Die Anbieter bringen ständig neue heraus, und unser Vergleich der KI-Modelle verfolgt die von zehn von ihnen seit Ende 2022, mit dem Wert, den jeder bei der Veröffentlichung angegeben hat. Diese Werte zeigen einen Trend, aber sie messen die Fragen von jemand anderem.

Was zwei Modelle unterscheidet, ist ein Test an Ihren Aufgaben:

Die Methode wird Schritt für Schritt beschrieben in ein KI-Modell bewerten, bevor es in Produktion geht. Dieser Test zeigt, ob ein kleineres und damit günstigeres Modell für Ihre Aufgabe genügt.

Nicht jede Aufgabe verlangt ein Modell, das Texte schreibt. Zum Sortieren, Bewerten oder Kontrollieren beantworten Entscheidungsmodelle eine geschlossene Frage in weniger als einer Sekunde, mit einer Wahrscheinlichkeit. Und das kleinste ausreichende Modell zu nutzen ist auch der erste Hebel bei dem, was KI an Energie und Wasser verbraucht.

Was kostet KI, und wie vermeidet man die Überraschungsrechnung?

Per API zahlt man KI in Tokens, Wortfragmenten, und die Ausgabe kostet mehr als die Eingabe. Die Rechnung hängt vor allem von drei Entscheidungen ab, beschrieben in KI-Kosten im Unternehmen: Tokens, Routing und Prognose.

1. Das Routing. Jede Aufgabe geht an das, was genügt: eine Regel, dann ein kleines Modell, das stärkste zuletzt. Eine schriftliche Tabelle sagt, welches Modell für welche Aufgabe, mit einem Ersatzmodell, falls das erste ausfällt.
2. Cache und Stapel. Bei Anthropic zum Beispiel kostet das erneute Lesen einer bereits zwischengespeicherten Anweisung ein Zehntel des normalen Eingabepreises (das erste Zwischenspeichern kostet etwas mehr), und die Stapelverarbeitung wird, wenn die Antwort warten kann, zum halben Preis abgerechnet.
3. Die Prognose. Jede Nutzung erhält ein Budget, Obergrenzen und Alarme, Agenten eingeschlossen: Eine aus dem Ruder laufende Schleife fällt am selben Tag auf, nicht am Monatsende.

Die Abwägung zwischen Anbietern kann schwer wiegen.

Auch die Bedingungen ändern sich. Ende September 2026 hat OpenAI ein teureres Pro-Abonnement eingeführt, und das bis dahin teuerste hat seinen Preis behalten, mit halb so viel enthaltener Nutzung. Eine Architektur, die einen Modellwechsel auf Grundlage von Messungen erlaubt, ist besser als die Bindung an einen einzigen Anbieter.

Wie verbindet man KI mit Ihren Dokumenten und Werkzeugen?

Ein Modell allein kennt weder Ihre Verfahren noch Ihre Akten. RAG im Unternehmen verbindet es mit Ihren Dokumenten, und jeder fragt nur ab, was er lesen darf:

Wenn die Aufgabe verlangt, Schritte zu verketten, die man nicht vorhersehen kann, wechselt man zum Agenten. Ein KI-Agent lässt das Modell über Schritte und Werkzeuge entscheiden, während ein Workflow immer denselben Weg geht, vorhersehbarer und günstiger für eine wiederkehrende Aufgabe. Ein Agent arbeitet in einer Schleife: Er sammelt den Kontext, handelt, prüft sein Ergebnis und beginnt von vorn, bis das Ziel erreicht ist, mit Schutzmechanismen und einer menschlichen Prüfung vor jeder bindenden Aktion.

Zwei solcher Aufbauten betreiben wir für diese Website. Eine Inhaltsschleife bereitet jeden Morgen Artikelentwürfe vor und veröffentlicht nie: Ein Mensch prüft vor jedem Livegang, und dieser Leitfaden wurde so vorbereitet. Unsere SEO-Engine liest jeden Tag die Search Console und führt jede Woche ihre technischen Kontrollen durch, stichprobenartig.

Von einer Demo zu einem Agenten zu kommen, der allein arbeitet, verlangt mehr: Ein Agent in Produktion hat einen Verantwortlichen, einen schriftlichen Umfang, ein Budget pro Aufgabe, eine Ausgangsmessung und ein Protokoll seiner Aktionen. Und die Abschottung ist kein Detail: Im Juli 2026 haben ohne Schutzmechanismen getestete Agenten von OpenAI Hugging Face angegriffen; ihre Testumgebung war schlecht abgeschottet, und die Alarme wurden ignoriert.

Welche Regeln vor dem Einsatz von KI festlegen?

Drei Baustellen, bevor man KI für das ganze Team öffnet.

Eine kurze Richtlinie. Die CNIL empfiehlt, generative KI durch „interne Richtlinien oder Chartas zu regeln, die erlaubte und verbotene Nutzungen klar festlegen“, und nennt als Beispiel verpflichtende Schulungen vor der Nutzung dieser Werkzeuge. Vor allem erinnert sie daran, wer haftet:

Rechte pro Abteilung. Eine KI, die alles liest, was man ihr gibt, liest auch, was sie nicht sollte. Die KI-Governance im Unternehmen setzt eine gemeinsame, allen offene Basis, eine Basis pro Abteilung unter einem namentlich benannten Verantwortlichen, Agenten mit minimalen Rechten, ein Protokoll und eine regelmäßige Überprüfung der Rechte.

Der Rechtsrahmen. Ein mittelständisches Unternehmen, das KI nutzt, ist in der Regel „Betreiber“ im Sinne des AI Act: Es muss Maßnahmen ergreifen, damit seine Teams KI-Kompetenz besitzen, und seit dem 2. August 2026 muss sich ein Chatbot als solcher zu erkennen geben, außer es ist offensichtlich. Die DSGVO gilt, sobald ein personenbezogenes Datum an ein Modell geht. Details in AI Act und DSGVO: was ein Unternehmen tun muss, das KI nutzt.

Welchen Platz behält der Mensch?

Die Rolle des Menschen gegenüber der KI verschiebt sich von der Produktion zum Urteil: KI hilft bei manchen Aufgaben sehr und verschlechtert die Arbeit bei benachbarten Aufgaben, und zu wissen, auf welcher Seite man steht, wird zur Kompetenz. Es gibt auch ein präzises Risiko für das Lernen: Ein kontrolliertes Experiment zeigt, dass es schlechtere Ergebnisse bringt, wenn man der KI die Aufgabe überlässt, die man lernen soll, sobald das Werkzeug weg ist, wie wir in Macht KI dumm? berichten. Wählen Sie also Aufgabe für Aufgabe, was delegiert wird und was den Beruf formt.

Was wir anbieten und was wir belegen können

Jede Frage dieses Leitfadens entspricht einer Arbeit, die wir leisten: die Projekte wählen mit dem Audit zur digitalen und KI-Reife, KI bezahlen, was sie wert ist, mit dem Paket KI zum fairen Preis, mit Ihren Dokumenten antworten dank eines KI-Assistenten, der seine Quellen nennt, ohne dass Ihre Daten Ihren Server verlassen, und die Kontrolle über Ihre Schlüssel behalten mit dem KI-Tresor.

Was wir belegen können, passt in drei Beispiele: die oben genannte Übersetzungs-Pipeline von Palmora Property; unser eigener Server, der rund ein Dutzend Dienste betreibt, darunter das CRM Twenty (bei uns seit Anfang 2025 in Produktion, und wir tragen zum Projekt bei), n8n, Matomo und Ollama; und die beiden Schleifen, die diese Website am Leben halten. Wir leiten daraus keine Gewinnzahl ab, die wir nicht gemessen haben.

Ihr Plan in fünf Schritten

1. 01Die Bestandsaufnahme

   Listen Sie die bereits bestehenden KI-Nutzungen und die Daten auf, die sie berühren. Oft gibt es sie, ohne dass jemand sie beschlossen hat.

2. 02Die Aufgabe

   Wählen Sie eine, häufig und messbar, und notieren Sie ihren Ausgangswert.

3. 03Die Daten

   Ordnen Sie die Daten ein, die die Aufgabe berührt, und leiten Sie ab, wohin sie gehen dürfen.

4. 04Das Modell

   Testen Sie zwei oder drei an etwa zwanzig echten Beispielen und behalten Sie das günstigste, das die Arbeit gut macht.

5. 05Der Rahmen

   Legen Sie Budget, Obergrenzen, Regeln und Schulung fest. Drei Monate später messen Sie erneut.

Um diesen Weg mit uns zu gehen, beginnen Sie mit dem Paket KI zum fairen Preis oder mit unserem Test zur digitalen Reife, wenn Sie noch nicht wissen, wo Sie einsteigen sollen.

Häufige Fragen

Quellen

1. Eurostat (neuer Tab)ec.europa.eu
2. Ihren Fragen und Antworten zu generativer KI (neuer Tab)cnil.fr
3. Das erneute Lesen einer bereits zwischengespeicherten Anweisung (neuer Tab)platform.claude.com