Pexon Consulting | 8 Min. Lesezeit | 20.06.2026
TL;DR
KI-Engineering selbst bauen lohnt, wenn KI Ihr Produkt ist und Sie dauerhaft Volumen haben — ein Inhouse-Team aus zwei ML-Engineers und einem DevOps-Spezialisten kostet schnell 350.000 Euro pro Jahr. Für alles andere ist der Dienstleister mit Festpreis-Pilot und Skill-Transfer der schnellere Weg zum Break-even. Pexon Consulting baut beides — und übergibt.
Die ehrliche Entscheidung: nicht Kosten, sondern Strategie
Die kurze Antwort: Wenn KI Ihr Kernprodukt ist, bauen Sie ein Team. Wenn KI ein Werkzeug für Ihre Prozesse ist, kaufen Sie die Umsetzung ein und lassen sich das Wissen übergeben. Die Kostenfrage kommt erst danach — und sie fällt klarer aus, als die meisten denken.
Ein belastbares Inhouse-Team für Custom-Stacks braucht mindestens zwei ML-Engineers und einen DevOps-Spezialisten (siehe auch die Marktdaten zu KI-Entwicklungskosten 2026). Personalkosten: rund 350.000 Euro pro Jahr — und das ist die laufende Last, bevor das erste System produktiv ist. Dazu kommt der Recruiting-Vorlauf von 6 bis 12 Monaten in einem leergefegten Markt. Wer das stemmt, weil KI das Produkt ist, trifft die richtige Wahl. Wer es stemmt, um einen Knowledge-Bot zu bauen, verbrennt Geld.
Wann Inhouse die richtige Wahl ist
Drei Bedingungen, die zusammenkommen müssen — nicht einzeln:
- KI ist differenzierend — Ihr Produkt oder Ihr Kernprozess hängt am Modell, nicht an einer Integration.
- Dauerhaftes Volumen — genug Use-Cases, um drei Vollzeitstellen über Jahre auszulasten.
- Sie können halten — ein Senior-ML-Profil bleibt nur, wenn es spannende Arbeit und ein Team findet, nicht als Einzelkämpfer.
Fehlt eine der drei, kippt die Rechnung. Unsere klare Empfehlung in dem Fall: nicht aufbauen, sondern einkaufen — mit der harten Bedingung, dass der Dienstleister Wissen überträgt statt Abhängigkeit zu schaffen.
Wann der Dienstleister gewinnt
Beim Dienstleister liegt ein individueller mehrstufiger Agent typisch bei 40.000 bis 120.000 Euro, ein einfacher Workflow-Agent darunter. Klingt nach viel — ist aber ein Bruchteil eines Jahresteams, und Sie zahlen erst, wenn es einen Use-Case gibt. Der Break-even bei eingekauften Lösungen liegt oft bei 3 bis 6 Monaten, bei einem Inhouse-Custom-Stack eher bei 12 bis 18.
Der eigentliche Hebel ist aber nicht der Preis, sondern die Zeit: Wochen bis zum Piloten statt Monate bis zum ersten Hire. Wie ein KI-Engineering-Stack aufgebaut ist, ohne dass Sie ihn allein tragen müssen, beschreiben wir im AI-Engineering-Stack.
Der Mittelweg, den wir meistens empfehlen
Selten ist es ganz schwarz oder weiß. Der pragmatische Weg: Dienstleister baut den ersten produktiven Use-Case, dokumentiert und schult Ihr Team mit — danach übernehmen Sie den Betrieb und bauen schrittweise eigene Kompetenz auf. So zahlen Sie nicht 12 Monate Teamaufbau, bevor irgendetwas läuft, und sind am Ende trotzdem nicht abhängig. Welche Frameworks dabei tragen, zeigt der Vergleich der KI-Agenten-Frameworks; die Plattform-Optionen für Claude & Co. stehen im Vergleich Bedrock, Vertex und Foundry.
Häufig gestellte Fragen
Was kostet ein eigenes KI-Engineering-Team?
Ein belastbares Team aus zwei ML-Engineers und einem DevOps-Spezialisten liegt bei rund 350.000 Euro pro Jahr Personalkosten — plus 6 bis 12 Monate Recruiting-Vorlauf. Das lohnt nur, wenn KI Ihr differenzierendes Kernprodukt ist und dauerhaft Volumen da ist.
Was kostet die Alternative über einen Dienstleister?
Ein individueller mehrstufiger Agent liegt typisch bei 40.000 bis 120.000 Euro, einfache Workflow-Agenten darunter. Sie zahlen projektbezogen statt als laufende Fixkosten, der Break-even kommt meist nach 3 bis 6 Monaten.
Mache ich mich vom Dienstleister abhängig?
Nur, wenn Sie es zulassen. Bestehen Sie auf Dokumentation, Code-Übergabe und Schulung als festen Projektbestandteil. Ein guter Partner baut Ihre Kompetenz auf, statt Sie zu binden.
Build vs. Buy — gibt es eine Faustregel?
Ja: Ist KI Ihr Produkt, bauen Sie. Ist KI ein Werkzeug für Ihre Prozesse, kaufen Sie die Umsetzung und lassen sich das Wissen übergeben. Die Kostenfrage bestätigt die strategische meist nur.
Können wir klein anfangen?
Ja, das ist der empfohlene Weg: ein Festpreis-Pilot auf einem Use-Case, danach entscheiden Sie über Inhouse-Aufbau mit echten Erfahrungswerten statt auf dem Papier.
Nächster Schritt
Bevor Sie eine Stelle ausschreiben oder ein Budget freigeben, lohnt eine nüchterne Einordnung Ihres konkreten Falls — Volumen, Use-Cases, vorhandene Skills.
Verwandte Themen
