KI-Kosten: Warum jedes dritte Unternehmen die Rechnung unterschätzt

Die Bitkom-Zahlen im Klartext

Bitkom hat es Anfang 2026 schwarz auf weiss belegt: 41% der deutschen Unternehmen setzen mittlerweile produktiv KI ein – eine Verdopplung gegenüber den 17% im Vorjahr. Weitere 48% planen den Einsatz oder diskutieren ihn aktiv. Die Adoption beschleunigt sich also spürbar. Doch parallel zu diesem Wachstum zeigt sich ein zweites, unbequemeres Muster: 33% der Unternehmen berichten, dass die tatsächlichen Kosten höher ausfielen als ursprünglich budgetiert.

Die gute Nachricht zuerst: 77% der Unternehmen sehen ihre Wettbewerbsposition durch KI verbessert, vor allem in Textarbeit (71%), Marketing (53%), Kundenservice (42%) und Datenanalyse (31%). Die Technologie liefert also messbaren Nutzen. Gleichzeitig meldet aber auch jedes fünfte Unternehmen (19%) einen Stellenabbau im Zusammenhang mit KI – ein Hinweis darauf, dass Automatisierung und Kostendruck enger zusammenhängen, als viele Budgetplanungen abbilden.

Warum die Kostenlücke entsteht

Der Grund für die Budgetüberraschung ist selten Inkompetenz, sondern eine strukturelle Lücke in der Planung. Wer ein KI-Projekt aufsetzt, kalkuliert meist Modell- und Lizenzkosten – also das, was auf der Rechnung des Anbieters steht. Was systematisch fehlt, sind die Betriebskosten, die erst entstehen, wenn ein System produktiv läuft und skaliert. Genau hier zeigt sich, warum KI-ROI sauber gemessen werden muss, bevor ein Projekt in die Fläche geht.

• Inference at Scale – Rechenkosten pro Anfrage, die bei wachsender Nutzung um das 3- bis 5-Fache über der ursprünglichen Schätzung liegen können
• Datenaufbereitung – Bereinigung, Strukturierung und Pflege von Daten, die oft den grössten Teil des Gesamtaufwands ausmacht
• Integration in bestehende Systeme – Schnittstellen zu ERP, CRM und Fachanwendungen, die selten trivial sind
• Human-in-the-Loop – Kontroll- und Freigabeprozesse, die bei sensiblen Anwendungsfällen dauerhaft nötig bleiben
• Nacharbeit – Piloten, die neu gebaut werden müssen, weil Guardrails oder Governance im ersten Anlauf übersprungen wurden
• Change Management – Schulung, Prozessanpassung und interne Kommunikation

Diese Lücke ist kein Schweizer oder deutsches Einzelphänomen. Eine Befragung von 300 Führungskräften durch WitnessAI zeigt, dass 68% Kostenüberschreitungen bei KI-Projekten erleben, bei einem Drittel davon geschieht das sogar «meistens» oder «immer». Nur bei 9% der Projekte lässt sich ein messbarer ROI in mehr als drei Vierteln der Fälle nachweisen. Die Mavvrik-Studie zu KI-Kostensteuerung kommt zu einem ähnlichen Bild: 62% der befragten Organisationen mussten wegen unerwarteter KI-Kosten eine geschäftskritische Entscheidung revidieren, nur 11% können ihre KI-Ausgaben auf ±10% genau prognostizieren.

Was KI-Projekte in der Schweiz tatsächlich kosten

Für Schweizer KMU lassen sich aus mehreren Marktanalysen konkrete Grössenordnungen ableiten. Sie unterscheiden sich stark nach Ambitionsniveau – aber alle zeigen dasselbe Muster: Die Erstinvestition ist nur der Anfang, nicht das Ende der Kostenrechnung.

• Individueller KI-Agent: CHF 100'000–400'000 im ersten Jahr, danach CHF 30'000–150'000 pro Jahr im Betrieb
• Einfacher Chatbot: CHF 3'000–6'000 einmalig plus CHF 100–200 monatlich
• Umfassende Prozessautomatisierung: CHF 15'000–40'000 einmalig plus CHF 500–1'000 monatlich
• Erstprojekt in drei Phasen (Analyse, Proof of Concept, Produktivsetzung): CHF 15'000–50'000 gesamt
• Umfassendes KI-Projekt für ein KMU mit 20–50 Mitarbeitenden über drei Jahre: CHF 50'000–150'000 Total Cost of Ownership

Die blinden Flecken, die Budgets sprengen

Die Sichtbarkeit der eigenen KI-Kosten ist in vielen Organisationen erstaunlich gering. Laut KPMG verfügen nur 26% der Unternehmen über eine vollständige Sicht auf ihre KI-Ausgaben – der Rest arbeitet mit Annahmen statt mit Zahlen. Flexera beziffert den Anteil an schlicht verschwendeten KI-Ausgaben auf 14%, häufig verursacht durch unvorhersehbare, nutzungsbasierte Preismodelle. Und DataRobot zeigt in einer Befragung von 413 Praktikern, dass 94% mit sogenannten Day-2-Problemen kämpfen – also mit dem laufenden Betrieb nach dem Launch. 72% haben ihr Betriebsbudget bereits überschritten, und 71% sagen offen: Der Betrieb eines KI-Agenten kostet mehr als seine Entwicklung.

Ein weiterer, oft übersehener Kostentreiber ist Sicherheit und Compliance. Eine Befragung von 152 IT-Verantwortlichen durch EMA zeigt, dass bei 82.9% Sicherheits- oder Compliance-Anforderungen KI-Projekte verzögert haben, und bei mehr als 80% mussten bereits produktive KI-Agenten wegen Sicherheitsbedenken zurückgestuft werden. Wer diese Themen erst am Ende eines Projekts adressiert, zahlt doppelt – einmal für die ursprüngliche Lösung, einmal für die Nachbesserung. Genau das ist einer der Gründe, weshalb sich die Make-or-Buy-Frage bei KI-Projekten für viele Schweizer Unternehmen früh und bewusst stellen sollte.

Wie du dein KI-Budget realistisch kalkulierst

1. Rechne über drei Jahre, nicht über ein Quartal – Total Cost of Ownership statt Anschaffungspreis
2. Trenne Pilot- und Produktionsbudget bewusst voneinander, da die Skalierung eigene Kosten erzeugt
3. Plane Datenaufbereitung als eigenen Budgetposten ein, nicht als Nebenkosten der Implementierung
4. Reserviere 15–25% des Gesamtbudgets für Change Management und Schulung
5. Berücksichtige Swiss Hosting und revDSG-Compliance von Beginn an, nicht als nachträgliche Anpassung
6. Baue ein Monitoring- und Observability-Budget ein, um Kostenentwicklung laufend sichtbar zu machen

Dass diese Realitätsprüfung nötig ist, zeigt auch der Blick auf das aktuelle Investitionsniveau: Schweizer KMU investieren im Schnitt gerade einmal 1.2% ihres Jahresumsatzes in Digitalisierung und KI. Das ist wenig Puffer für Kostenüberraschungen – und einer der Gründe, warum viele Unternehmen trotz hoher Ambition bei der eigentlichen Nutzung noch zurückhaltend bleiben, wie auch die Diskussion um Schweizer KI-Adoption zeigt.

Pilot ist nicht Produktion

Ein häufiger Denkfehler liegt darin, die Kosten eines erfolgreichen Pilotprojekts auf den produktiven Betrieb hochzurechnen. Bei individuell entwickelten KI-Agenten liegt der Break-even gegenüber einer Plattformlösung typischerweise erst zwischen Monat 22 und 26 – vorher ist eine Individuallösung meist teurer, nicht günstiger. Wer diesen Zeithorizont nicht einplant, trifft die Make-or-Buy-Entscheidung auf Basis falscher Zahlen.

Was das für Schweizer KMU bedeutet

Die Bitkom-Zahlen sind kein Grund, bei KI zurückhaltender zu werden – die 77% verbesserte Wettbewerbsposition sprechen eine klare Sprache. Sie sind ein Grund, die Budgetplanung ernster zu nehmen als bisher. Wer Betriebskosten, Datenaufbereitung, Integration und Change Management von Anfang an einrechnet, vermeidet genau die Überraschung, die ein Drittel der Unternehmen bereits erlebt hat. Wie du dabei strategisch vorgehst, ohne dich im internationalen Wettbewerb zu verzetteln, beschreibt auch dieser Beitrag zu KI-Strategie für Schweizer KMU treffend.

Am Ende ist die realistische Kostenrechnung kein Bremsklotz, sondern die Voraussetzung für nachhaltiges KI-Wachstum. Unternehmen, die ihre Total Cost of Ownership kennen, verhandeln bessere Konditionen, planen Skalierung sauberer und vermeiden die Notbremsungen, die ein gutes Drittel der Unternehmen heute noch erlebt.