Was kostet ein KI-Agent? Was du für Aufbau und Betrieb einplanen solltest
Was ein KI-Agent realistisch kostet: was die Einmalkosten treibt, was im Betrieb pro Monat anfällt und wann sich Eigenbau gegen Dienstleister rechnet. Mit einer Beispielrechnung.
Was kostet ein KI-Agent? Was du für Aufbau und Betrieb einplanen solltest
"Was kostet uns so ein KI-Agent denn?" ist meistens die zweite Frage im Erstgespräch. Die erste ist, ob sich das für den eigenen Prozess überhaupt lohnt. Und meine ehrliche Antwort auf die Kostenfrage ist erstmal unbefriedigend: Es gibt kein Preisschild. Ein Agent, der eingehende Anfragen vorsortiert, kostet etwas anderes als einer, der Aufträge aus einem ERP nach HubSpot überträgt und dabei rechnet und prüft.
Trotzdem lässt sich die Frage beantworten, wenn man sie auseinandernimmt. Denn die meisten denken bei "Kosten" an eine einzige Zahl, und genau das führt in die Irre. Bei einem KI-Agenten gibt es zwei sehr verschiedene Kostenblöcke, und der eine wird im Erstgespräch fast immer übersehen.
Einmal bauen, dann monatlich betreiben
Der erste Block ist der Aufbau: die Arbeit, bis der Agent steht und seinen Job zuverlässig macht. Das ist eine einmalige Investition. Der zweite Block sind die laufenden Kosten, also das, was jeden Monat anfällt, solange der Agent arbeitet. Software, die rund um die Uhr Anfragen verarbeitet, hat einen Betrieb, und der kostet Geld.
Wer nur den Aufbau betrachtet, erlebt nach drei Monaten eine Überraschung. Wer nur auf die monatlichen Cent-Beträge für das Sprachmodell schaut, unterschätzt den Aufwand, der davor liegt. Ich gehe beide Blöcke einzeln durch, weil sie von völlig unterschiedlichen Dingen getrieben werden.
Was den Aufbau teuer oder günstig macht
Beim Aufbau zahlst du im Kern für Zeit. Wie viel Zeit, hängt an ein paar Faktoren, die ich schon im Erstgespräch ziemlich gut einschätzen kann.
Der größte Hebel ist die Komplexität der Aufgabe. Ein Agent, der eine Anfrage liest, sie einer Kategorie zuordnet und einen Antwortentwurf schreibt, ist überschaubar. Ein Agent, der über mehrere Schritte plant, je nach Zwischenergebnis unterschiedliche Wege geht und am Ende eine Aktion auslöst, die Geld kostet oder einen Kunden erreicht, ist eine andere Liga. Nicht wegen des Modells, sondern wegen der Leitplanken, die so etwas braucht, und wegen der Fälle, die man durchdenken und testen muss.
Der zweite Hebel sind die Anbindungen. Ein Agent ist nur so gut wie sein Zugriff auf die richtigen Daten. Hängt er an einem System mit sauberer, dokumentierter API, ist die Anbindung schnell erledigt. Hängt er an einem Altsystem ohne Doku, an einer Datenbank, die jemand vor zehn Jahren gebaut hat, oder an einem Tool, das eigentlich keine Schnittstelle vorsieht, dann steckt die Arbeit genau dort. Welche Anbindungen wirklich nötig sind und wo es knifflig wird, ist oft der größte Unterschied zwischen zwei Angeboten, die auf dem Papier dasselbe versprechen. Ähnlich ist es bei klassischen Schnittstellen auch, das habe ich im Artikel zu Custom APIs und Middleware für HubSpot ausführlicher beschrieben.
Der dritte Punkt ist weniger offensichtlich: wie gut der Prozess schon definiert ist. Wenn klar ist, was bei welcher Anfrage passieren soll, baut man den Agenten entlang dieser Regeln. Wenn das aber im Kopf von drei Leuten steckt und sich widerspricht, gehört die Hälfte des Projekts dazu, den Prozess überhaupt erst sauber zu beschreiben. Das ist gut investierte Zeit, aber es ist Zeit.
Was im Betrieb jeden Monat anfällt
Jetzt zum Block, der gern vergessen wird. Ein Agent, der läuft, verursacht laufende Kosten an drei Stellen.
Da sind zuerst die Modellkosten. Jedes Mal, wenn der Agent ein Sprachmodell aufruft, um etwas zu verstehen oder zu entscheiden, kostet das ein paar Bruchteile eines Cents bis einige Cent, je nach Modell und Textmenge. Bei wenigen hundert Vorgängen im Monat bewegt sich das im einstelligen oder niedrigen zweistelligen Eurobereich. Bei zehntausenden Vorgängen wird es zu einem Posten, den man im Blick behalten und durch die Wahl des Modells steuern muss. Ein einfacher Sortier-Schritt braucht kein teures Spitzenmodell.
Dann ist da das Hosting. Die Logik orchestriere ich über n8n, und das läuft auf einem Server. Eine kleine Instanz für überschaubare Mengen liegt im niedrigen zweistelligen Eurobereich pro Monat. Wer ohnehin schon einen n8n-Server für andere Automatisierungen betreibt, hat diese Kosten meist schon und setzt den Agenten einfach obendrauf. Wie ich n8n als Grundlage einsetze, steht auf der Seite zur n8n-Agentur.
Der dritte Posten ist der, über den selten gesprochen wird, und der über die Zeit am meisten ausmacht: Wartung und Beobachtung. Ein Agent ist kein Gerät, das man einschaltet und vergisst. Quellsysteme ändern sich, eine API bekommt ein Update, ein neuer Sonderfall taucht auf, den vorher niemand kannte. Das ist kein Dauerprojekt, aber es ist auch nicht null. Je nachdem, wie kritisch der Agent arbeitet, plant man dafür ein paar Stunden im Quartal oder einen festen kleinen Posten pro Monat ein.
Eine Beispielrechnung
Konkrete Zahlen sind ehrlicher als Spannen, deshalb hier ein durchgerechnetes Beispiel. Wichtig: Das ist eine konstruierte Rechnung zur Veranschaulichung, kein Angebot. Deine Zahlen sehen anders aus.
Angenommen, ein Vertriebsteam bekommt im Monat rund 400 Anfragen über Formular und Mail. Ein Agent soll jede Anfrage lesen, die Firma kurz recherchieren, die Anfrage einer Kategorie zuordnen, den passenden Kontakt in HubSpot anlegen oder ergänzen und einen Antwortentwurf vorbereiten. Die Freigabe der Antwort bleibt beim Menschen.
Im Betrieb fällt für diese 400 Vorgänge je nach Modellwahl grob ein niedriger zweistelliger Eurobetrag an Modellkosten an. Dazu kommt das n8n-Hosting, ebenfalls niedrig zweistellig, sofern nicht ohnehin vorhanden. Die Wartung schlägt mit ein paar Stunden im Quartal zu Buche. Die laufenden Kosten bleiben hier also überschaubar, der spürbare Aufwand liegt einmalig im Aufbau, vor allem in der HubSpot-Anbindung und im sauberen Definieren der Kategorien und Antwortbausteine.
Genau das ist das typische Muster: Bei einem klar umrissenen Agenten sind die monatlichen Kosten klein gegenüber dem, was die manuelle Bearbeitung an Zeit kostet. Der Aufwand steckt im Aufbau, und der ist einmalig.
Eigenbau oder Dienstleister?
Eine berechtigte Frage ist, ob man das nicht selbst bauen kann. Kann man. Die Werkzeuge sind verfügbar, n8n ist offen, und Modelle sind über eine API für jeden zugänglich. Ich habe mir meinen eigenen Assistenten genau so selbst gebaut, per WhatsApp angebunden an CRM, Mails und Tasks.
Die Kosten beim Eigenbau verschieben sich nur. Statt eines Honorars zahlst du mit der Zeit deiner Leute und mit einer Lernkurve. Den ersten Agenten zu bauen heißt, sich in das Zusammenspiel von Auslöser, Modell, Werkzeugen und Grenzen einzuarbeiten. Für ein technisches Team mit Zeit ist das ein guter Weg, gerade bei einem unkritischen Prozess, an dem man lernen kann. Sobald der Agent aber an wichtigen Stellen mitarbeitet, kommen die Themen dazu, die man nicht aus einem Tutorial lernt: Was passiert bei einem Abbruch mitten im Lauf, wie verhindert man Doppelanlagen, wie hält man die Zugriffe eng und nachvollziehbar.
Mein Rat ist undramatisch: Bei einem kleinen, ungefährlichen Use Case zum Lernen ist Eigenbau eine vernünftige Option. Wenn der Agent in einem Prozess sitzt, bei dem Fehler Kunden erreichen oder Geld kosten, lohnt sich jemand, der solche Agenten schon abgesichert in Betrieb gebracht hat. Nicht, weil das Bauen so schwer wäre, sondern weil das Absichern den Unterschied macht.
Wann sich die Investition rechnet
Die Kostenfrage lässt sich am Ende nur gegen den Nutzen beantworten. Ein Agent rechnet sich, wenn er eine Aufgabe übernimmt, die oft genug anfällt, klar genug für Regeln ist und heute spürbar Zeit frisst. Bei einer Aufgabe, die zweimal im Monat auftaucht, steht der Aufbau in keinem Verhältnis. Bei einer, die hundertmal am Tag von Hand erledigt wird, ist die Frage eher, warum noch nicht. Welche Aufgaben sich in Vertrieb, Service und Backoffice konkret eignen, zeigt die Übersicht KI-Agenten Beispiele.
Wenn du eine konkrete Zahl für deinen Fall willst, brauche ich nur eine grobe Beschreibung: Welcher Prozess, wie oft, welche Systeme hängen dran. Daraus kann ich abschätzen, wo der Aufwand liegt und was der Betrieb kosten würde. Schau dir an, wie ich KI-Agenten baue, oder schreib mir kurz über das Kontaktformular, was bei dir am meisten von Hand läuft. Du bekommst eine ehrliche Einschätzung, auch wenn die manchmal lautet, dass sich ein Agent hier noch nicht lohnt.
Geschrieben von Joshua Kresse. Ich baue bei Pipewave KI-Agenten und Automatisierungen auf Basis von HubSpot und n8n.