KI-Agent selbst bauen oder mit Partner? Die echte Rechnung
MITs Project NANDA hat 300 öffentliche KI-Deployments untersucht, 350 Mitarbeitende befragt und 150 Führungskräfte interviewt — mit dem Befund, dass nur rund 5 % der KI-Piloten in Unternehmen messbare Geschäftsergebnisse liefern. Dieselbe Forschung zeigt: Extern bezogene KI hat rund doppelt so oft Erfolg wie interne Eigenbauten. Das heißt nicht, dass Sie nie intern bauen sollten. Es heißt, dass Ihr erster Agent — der beweisen muss, dass KI in Ihrem Unternehmen überhaupt funktioniert — meist das falsche Projekt zum Lernen ist.
Was die Forschung über Erfolgsquoten sagt
Die MIT-Befunde, über die Fortune 2025 berichtete, ziehen eine scharfe Linie: KI-Lösungen von spezialisierten Anbietern erreichten in rund 67 % der Fälle erfolgreich das Deployment, rein interne Eigenbauten nur etwa ein Drittel so oft. Der Treiber des Scheiterns war nicht die Modellqualität, sondern das, was die Forscher eine Lernlücke nennen — Teams unterschätzen Evaluation, Integration und Workflow-Design, also genau die unglamouröse Arbeit, die eine Demo von einem Produktionssystem trennt. Ein Partner, der diese Lücke wiederholt überquert hat, bringt die Lektionen vom ersten Tag an in Ihr Projekt mit.
Was ein internes KI-Team wirklich kostet
In Deutschland verdient ein Machine-Learning-Engineer im Median 57.800 € brutto pro Jahr, erfahrene Profile liegen im Schnitt bei rund 74.800 € (StepStone, 2026) — vor Arbeitgeberbeiträgen, Recruiting-Kosten, Ausstattung und Cloud-Ausgaben. Ein minimal glaubwürdiges Agenten-Team — zwei Senior Engineers plus ein Teil eines Product Owners — bedeutet mehrere Hunderttausend Euro gebundene Kosten pro Jahr, und dieser Zähler startet Monate vor der ersten Zeile Code, denn Senior-KI-Engineers gehören zu den schwierigsten Einstellungen in Europa. Nichts davon ist verschwendet, wenn KI Ihre Kernkompetenz wird. Alles davon steht auf dem Spiel, wenn das erste Projekt stockt wie bei den 95 %.
Die versteckten Kosten: Zeit bis zum ersten Wert
Die Gehaltszeile unterschätzt die echte Lücke. Ein internes Team muss erst eingestellt werden, sich dann finden und dann agentenspezifisches Engineering lernen — Eval-Suiten, Guardrails für Tool-Nutzung, Human-in-the-Loop-Design, Kostenkontrolle zur Inferenzzeit — und jede dieser Lektionen wird auf Ihrer Gehaltsliste bezahlt, an Ihrem ersten Projekt. Ein spezialisierter Partner verteilt diese Lektionen über viele Builds. Der praktische Unterschied ist nicht die Codequalität, sondern ob Ihr erster Agent in einem Quartal die Produktion erreicht oder ein Jahr später immer noch ein vielversprechender Prototyp ist.
Wann der Eigenbau die richtige Entscheidung ist
Intern gewinnt, wenn KI strategischer Kern ist und nicht Mittel zum Zweck: Der Agent ist Ihr Produkt, Sie haben eine Roadmap mit vielen Agenten, Sie beschäftigen bereits Senior Engineers, die diese Kompetenz besitzen wollen, oder Ihre Governance verlangt wirklich, dass alles im eigenen Haus bleibt (wobei On-Premises-Lieferung durch einen Partner das meist ebenfalls löst). In diesen Fällen sind die höheren Kosten der Lernkurve eine Investition in eine bleibende Kompetenz — und das Geld wert.
Die dritte Option: mit Partner bauen, alles besitzen
Bauen oder kaufen ist ein falsches Entweder-oder. Das Modell, das die Erfolgsquote des Partners einfängt, ohne dauerhafte Abhängigkeit zu schaffen, ist ein Transfer-Build: Ein Partner bringt den Agenten in Produktion, und Ihnen gehört jedes Artefakt — das Repository, die Infrastruktur und Accounts, die Eval-Suite, die Dokumentation, die Runbooks. Ihre Engineers begleiten den Build, der Support läuft nach dem Launch weiter, und wenn Sie später insourcen, übernehmen Sie ein dokumentiertes, getestetes System, statt bei null anzufangen. Sie bekommen den 67-%-Pfad, ohne sich an eine Anbieterbeziehung zu binden, aus der Sie nicht mehr herauskommen.
Eine Entscheidungsregel, die trägt
Wenn dies Ihr erster Produktions-Agent ist und er dieses Jahr Wert beweisen muss: Partner. Wenn es Ihr fünfter Agent ist und Sie ein eingestelltes, eingespieltes Team haben: intern. Dazwischen: Partner-Build mit Ihren Engineers im Team, danach Übernahme des Betriebs nach der Übergabe. Und wenn ein fertiges Tool den Use Case wirklich abdeckt, kaufen Sie das Tool — die MIT-Zahlen sprechen dafür, und ein Partner, der Ihnen das im ersten Gespräch sagt, ist einer, den man behält.
Können unsere Entwickler einen individuellen Agenten nach der Übergabe pflegen?
Ja — wenn die Lieferung Eval-Suite, Dokumentation und Runbooks enthält, und genau das sollten Sie von jedem Anbieter verlangen. Ein fähiges internes Web-Team kann einen gut dokumentierten Agenten betreiben; was ihm niemand zumuten sollte, ist, einen undokumentierten per Reverse Engineering zu entschlüsseln. Das ist der Test für einen guten Build.
Ist eine Agentur nicht teurer als der Eigenbau?
Vergleichen Sie die vollen Kosten, nicht die Rechnung: ein Jahr Teamgehälter plus Monate Recruiting plus das dokumentierte Risiko, dass der erste interne Build stockt — gegen einen festen Projektpreis mit vertraglichem Liefertermin. Für einen ersten Agenten ist der Festpreis meist die günstigere Zahl und immer die berechenbarere.
Und wenn wir stattdessen einfach ein fertiges KI-Tool kaufen?
Wenn ein Tool zu Ihrem Use Case passt, kaufen Sie es — die Forschung sagt genau das. Individuelle Agenten verdienen ihren Preis dort, wo die Arbeit durch Ihre Systeme, Ihre Daten und Ihre Regeln läuft — dort, wo Tools von der Stange aufhören. Wir sagen Interessenten im ersten Gespräch, auf welcher Seite dieser Linie sie stehen.