PIPELINERatgeber
Was kostet eine KI-Automatisierung? Preise, Faktoren und Fördermöglichkeiten
Beim Thema KI-Automatisierung liegen die Preisspannen weit auseinander — und das hat Gründe. Was den Preis tatsächlich treibt, welcher Rahmen realistisch ist und welche Förderungen in Österreich in Frage kommen.
01 — Preisrahmen
Was es kostet
- Richtwert ab
- 3.200 €
- Typische Laufzeit
- 4 bis 8 Wochen
Je nach Anwendungsfall und Datenlage. Alle Angaben sind Richtwerte für die Einordnung — das verbindliche Angebot entsteht nach dem Erstgespräch und nennt Umfang, Fixpreis und Termine.
02 — Faktoren
Was den Preis treibt
- Umfang und Zahl der Anbindungen. Jedes zusätzliche System, das mitspielen muss, kostet Aufwand — unabhängig davon, wie einfach der Kern ist.
- Zustand eurer Ausgangslage. Saubere Daten, vorhandene Inhalte und dokumentierte Abläufe senken den Aufwand erheblich. Chaos ist der teuerste Kostenfaktor.
- Wie viel Neues entstehen muss. Was ihr beisteuern könnt, muss niemand erfinden. Das ist der größte Hebel, den ihr selbst in der Hand habt.
- Anspruch an Gestaltung und Individualität. Ein solides Standardsystem kostet einen Bruchteil einer maßgeschneiderten Lösung — und reicht häufiger, als Anbieter zugeben.
- Betriebsmodell. Einmalige Projektkosten oder laufende Betreuung: Über drei Jahre gerechnet ergibt das oft ein anderes Bild als der Angebotsvergleich.
03 — Förderung
Förderungen in Österreich
Für österreichische KMU kommt KMU.DIGITAL in Frage, für größere Vorhaben die aws-Digitalisierungsförderung. Entscheidend: Der Antrag muss bewilligt sein, bevor der Auftrag vergeben wird.
KMU.DIGITAL fördert Beratung und Umsetzung für kleine und mittlere Unternehmen anteilig, mit gedeckelter Fördersumme. Die aws-Digitalisierungsförderung greift bei größeren Projektvolumina mit niedrigerem Zuschussanteil, aber höherer absoluter Summe. Dazu kommen Landesförderungen, die je nach Bundesland unterschiedlich ausgestaltet sind.
Der häufigste Fehler ist immer derselbe: zuerst beauftragen, dann fördern wollen. Das funktioniert nicht. Planen Sie mehrere Wochen Vorlaufzeit für Antrag und Bewilligung ein.
04 — Umfang
Was dazugehört
- Klassifikation eingehender Nachrichten nach Thema, Dringlichkeit und Zuständigkeit
- Extraktion strukturierter Daten aus E-Mails, PDFs und Formularen
- Vorformulierte Antwortentwürfe, die eine Person nur noch freigibt
- Zusammenfassungen langer Vorgänge für die Übergabe
- Klare Schwelle, ab der ein Mensch entscheidet — nichts läuft ungeprüft durch
- Protokoll jeder Entscheidung, damit nachvollziehbar bleibt, warum etwas passiert ist
05 — Fragen
Häufige Fragen
Was ist der Unterschied zu normaler Automatisierung?
Normale Automatisierung folgt festen Regeln: Wenn Feld A gefüllt ist, mach B. KI-Automatisierung kommt dort ins Spiel, wo es keine festen Felder gibt — freier Text, Bilder, wechselnde Dokumentformate. Beides zusammen ist meist die richtige Antwort, nicht eines von beiden.
Was sagt der EU AI Act dazu?
Die meisten betrieblichen Anwendungsfälle fallen in die Kategorie mit geringem Risiko und lösen vor allem Transparenzpflichten aus. Wo Kunden direkt mit dem System sprechen oder KI-generierte Inhalte veröffentlicht werden, kennzeichnen wir das. Bei Anwendungen im Personalbereich schauen wir genauer hin, dort gelten strengere Regeln.
Brauchen wir dafür große Datenmengen?
Nein. Anders als beim klassischen maschinellen Lernen reichen für die meisten Anwendungsfälle ein paar Dutzend gute Beispiele, weil das Sprachmodell die Sprachkompetenz schon mitbringt.
Können wir klein anfangen?
Das ist der einzige sinnvolle Weg. Ein Anwendungsfall, acht Wochen, messbares Ergebnis. Was danach kommt, entscheidet ihr auf Basis dessen, was ihr gesehen habt.
Landen unsere Daten im Training eines Sprachmodells?
Nein. Wir nutzen ausschließlich Zugänge, bei denen Training mit Kundendaten vertraglich ausgeschlossen ist, und verarbeiten in der EU. Bei besonders sensiblen Daten setzen wir Modelle ein, die auf eurer eigenen Infrastruktur laufen.
Wie zuverlässig ist das?
Das hängt vom Anwendungsfall ab, und wir messen es, bevor etwas live geht. Bei Klassifikation eingehender Nachrichten liegen gut gebaute Systeme regelmäßig über neunzig Prozent. Entscheidend ist nicht die Quote allein, sondern was bei einem Fehler passiert — deshalb bauen wir immer eine Prüfschwelle ein.
06 — Fehler
Die häufigsten Fehler
- Zu groß anfangen. Projekte, bei denen monatelang niemand etwas benutzen kann, scheitern überdurchschnittlich oft. Ein kleiner, nutzbarer erster Schritt ist fast immer der bessere Weg.
- Die Leute nicht einbeziehen, die damit arbeiten. Anforderungen, die nur aus der Geschäftsführung kommen, treffen die tatsächliche Arbeit selten.
- Kein Erfolgsmaß definieren. Ohne vorher festgelegte Kennzahl lässt sich hinterher nicht sagen, ob es etwas gebracht hat — und die nächste Entscheidung wird wieder aus dem Bauch getroffen.
- Betriebskosten übersehen. Der Projektpreis ist nur ein Teil. Was der Betrieb über drei Jahre kostet, gehört in dieselbe Rechnung.
- Abhängigkeit aufbauen. Wer Zugänge, Dokumentation und Quellcode nicht bekommt, ist gebunden. Das gehört vor der Beauftragung geklärt, nicht danach.
99 — Weiter
Passende Seiten
- KI-Automatisierung — Übersicht
- KI-Automatisierung — Dauer
- KI-Automatisierung — Typische Fehler
- KI-Automatisierung — Wirtschaftlichkeit
- KI-Automatisierung — Ablauf
- KI-Automatisierung — Förderung
- Prozessautomatisierung
- Dokumentenverarbeitung mit KI
- KI-Wissensdatenbank
- Alle Ratgeber
KI-Automatisierung nach Region
Nächster Schritt
Reden wir kurz darüber, ob sich das bei euch rechnet.
Ein Gespräch von zwanzig Minuten reicht meistens, um zu klären, ob ein Projekt Sinn hat. Wenn nicht, sagen wir das — das ist billiger für beide Seiten als ein Angebot, das niemand braucht.