Make or Buy bei KI: selbst bauen, kaufen oder bauen lassen?
Fast jedes Unternehmen, das KI über einzelne Chat-Lizenzen hinaus einsetzen will, steht vor derselben Frage: eine fertige Software kaufen, auf einer Plattform selbst etwas zusammenstellen, einen Agenten von Grund auf entwickeln oder ihn entwickeln lassen. Die Antwort ist selten für das ganze Unternehmen gleich. Sie hängt am einzelnen Prozess, an den Daten und daran, wer das Ergebnis in zwei Jahren noch betreibt. Dieser Überblick ordnet die Optionen, zeigt die Entscheidungslogik und nennt die Fallstricke jeder Variante.
Was bedeutet Make or Buy bei KI?
Make or Buy bei KI ist die Entscheidung, ob ein KI-Anwendungsfall mit gekaufter Standardsoftware, mit einer konfigurierbaren Plattform oder mit einem individuell entwickelten Agenten umgesetzt wird, und ob die Entwicklung intern oder bei einem Dienstleister liegt. Es geht also nicht um zwei, sondern um vier Wege.
In der Praxis sehen die vier Wege so aus:
- Kaufen (Buy): eine fertige Anwendung mit KI-Funktionen, etwa ein Meeting-Assistent, ein Übersetzungsdienst oder die KI-Funktion Ihres CRM. Sie konfigurieren, entwickeln aber nicht.
- Plattform (Configure): ein Baukasten wie Microsoft Copilot Studio, den Microsoft als grafisches Low-Code-Werkzeug zum Bauen und Verwalten von Agenten und Workflows beschreibt. Sie stellen Agenten aus Bausteinen zusammen.
- Selbst bauen (Make): Ihr eigenes Team entwickelt einen Agenten direkt auf einer Modell-API, mit Code, Tests und eigener Infrastruktur.
- Bauen lassen (Commission): ein Dienstleister entwickelt einen Agenten für Ihren Prozess, Sie betreiben ihn selbst oder lassen ihn betreiben.
Zwischen diesen Wegen gibt es Mischformen. Ein häufiger Fall: Ein Dienstleister baut den Kern, Ihr Team übernimmt nach einer Übergabe Betrieb und kleine Anpassungen.
Warum ist die Frage bei KI schwieriger als bei klassischer Software?
Bei klassischer Software ist Make or Buy eine Kosten- und Passungsfrage. Bei KI kommen drei Dinge hinzu: Die Qualität hängt stark an Ihren eigenen Daten, die Modelle darunter ändern sich in Monaten statt Jahren, und ein Agent handelt in Ihren Systemen statt nur Daten anzuzeigen. Damit verschieben sich Risiko und Aufwand in den Betrieb.
Drei Unterschiede tragen die Entscheidung:
- Der Wert steckt im Kontext. Ein Sprachmodell kann jeder kaufen. Ein Angebotsagent ist nur so gut wie der Zugriff auf Ihre Preislisten, Stücklisten und alten Angebote. Standardsoftware kennt diese Daten nicht, außer Sie bringen sie über Schnittstellen hinein.
- Die Technik darunter bewegt sich schnell. Anthropic weist in Building effective agents selbst darauf hin, dass sich die Werkzeuglandschaft seit Erscheinen des Textes im Dezember 2024 stark verändert hat. Wer selbst baut, muss diesen Wandel mittragen.
- Ein Agent handelt. Er schreibt E-Mails, legt Tickets an oder ändert Datensätze. Berechtigungen, Protokollierung und Freigaben werden damit Teil des Produkts, egal ob gekauft oder gebaut.
Welche Option passt zu welchem Anwendungsfall?
Die wichtigste Frage ist, ob Ihr Prozess Standard ist oder Sie von anderen unterscheidet. Standardprozesse (Protokolle, Übersetzung, allgemeine Recherche) kaufen Sie. Prozesse, die an Ihren Produkten, Daten und Systemen hängen (Angebot, Service, technische Dokumentation), sind Kandidaten für Plattform oder individuellen Agenten.
Eine grobe Zuordnung, die sich als Startpunkt bewährt:
| Anwendungsfall | Typischer Weg | Warum |
|---|---|---|
| Meeting-Protokolle, Übersetzung, Textentwürfe | Kaufen | Prozess ist überall gleich, Produkte sind ausgereift |
| Interne Wissenssuche in SharePoint oder Teams | Plattform | Daten liegen bereits in der Plattform, Konnektoren existieren |
| Angebotserstellung mit Stücklisten und Preislogik | Bauen oder bauen lassen | Logik ist firmenspezifisch, mehrere Systeme beteiligt |
| Technischer Service mit Gerätehistorie | Bauen oder bauen lassen | Wissen aus Tickets, Handbüchern und Maschinendaten |
| Vertriebsrecherche und Gesprächsvorbereitung | Plattform oder bauen lassen | Hängt davon ab, wie tief das CRM angebunden werden muss |
Für prozessspezifische Fälle finden Sie konkrete Beschreibungen in den Übersichten zu KI-Agenten für die Angebotserstellung, KI-Agenten im technischen Service, Wissensmanagement und Vertrieb.
Zwei vertiefende Artikel sind in Vorbereitung: ein Entscheidungsbaum, der Standard-Tool, Plattform und individuellen Agenten Schritt für Schritt gegeneinander abwägt, und ein Leitfaden zur Auswahl von Agenturen, Beratern und Integratoren. Dieser Überblick gibt die Logik vor, die beiden Artikel gehen in die Einzelentscheidung.
Was spricht für Kaufen, was dagegen?
Kaufen ist der schnellste und risikoärmste Weg, solange der Prozess zum Produkt passt. Sie bekommen Wartung, Modell-Updates und Support mit. Dagegen spricht, dass Sie sich an Datenmodell, Preislogik und Roadmap des Herstellers binden und dass gekaufte Software Ihre Spezialfälle selten abdeckt.
Für Kaufen spricht:
- Zeit bis zum Nutzen: Einrichten statt entwickeln.
- Betrieb inklusive: Sicherheitsupdates und Modellwechsel macht der Hersteller.
- Belege von außen: Der Bericht „The GenAI Divide“ der MIT-Initiative NANDA kommt laut Fortune zu dem Ergebnis, dass gekaufte Lösungen spezialisierter Anbieter und Partnerschaften in etwa 67 % der Fälle erfolgreich sind, interne Eigenentwicklungen nur etwa ein Drittel so oft. Grundlage sind laut demselben Bericht 150 Interviews, eine Befragung von 350 Beschäftigten und die Analyse von 300 öffentlichen KI-Projekten.
Gegen Kaufen spricht:
- Passung: Sonderfälle, Variantenlogik oder alte Systeme ohne Standard-Schnittstelle deckt ein Produkt selten ab.
- Abhängigkeit: Exportformate, Kündigungsfristen und das Recht an Ihren Konfigurationen sind oft schwächer, als man beim Kauf annimmt.
- Datenfluss: Bei Cloud-Software verarbeitet der Hersteller in der Regel personenbezogene Daten in Ihrem Auftrag. Nach Art. 28 DSGVO brauchen Sie dafür einen Vertrag zur Auftragsverarbeitung und dürfen nur Anbieter mit hinreichenden Garantien einsetzen.
Wichtig bei der MIT-Zahl: Sie trennt nicht zwischen „Software kaufen“ und „mit einem Partner entwickeln“. Partnerschaften zählen dort zur erfolgreicheren Gruppe, gescheitert sind vor allem reine Eigenentwicklungen.
Was spricht für eine Plattform?
Eine Plattform passt, wenn Ihre Daten bereits in einem Ökosystem liegen und der Agent vor allem Wissen findet, zusammenfasst und einfache Schritte auslöst. Sie bauen schneller als mit Code und bleiben näher am eigenen Prozess als mit Standardsoftware. Die Grenze erreichen Sie bei komplexer Logik, bei Systemen außerhalb des Ökosystems und bei der Abrechnung nach Verbrauch.
Worauf Sie achten sollten:
- Konnektoren: Gibt es fertige Anbindungen an Ihre Systeme, oder müssen Sie eigene schreiben? Microsoft nennt für Copilot Studio vorgefertigte und eigene Konnektoren.
- Abrechnung: Viele Plattformen rechnen nach Nachrichten, Aufrufen oder Guthaben ab. Prüfen Sie, wie sich die Kosten bei zehnfacher Nutzung entwickeln.
- Testbarkeit: Lassen sich Antworten gegen feste Testfälle prüfen, bevor eine Änderung live geht? Copilot Studio etwa bietet laut Hersteller Evaluierungen mit Testsätzen an.
- Ausstieg: Agenten aus Low-Code-Plattformen lassen sich meist nicht in eine andere Plattform mitnehmen. Was Sie mitnehmen, sind Prompts, Wissen und Testfälle — wenn Sie sie außerhalb der Plattform pflegen.
Wann lohnt sich ein individueller Agent?
Ein individueller Agent lohnt sich, wenn der Prozess Sie vom Wettbewerb unterscheidet, mehrere Systeme beteiligt sind und der Agent auch in einigen Jahren noch Ihren Regeln folgen soll statt denen eines Herstellers. Er ist teurer im Aufbau und im Betrieb, gibt Ihnen aber Kontrolle über Logik, Daten, Modellwahl und Hosting.
Typische Signale für einen individuellen Agenten:
- Der Agent muss Daten aus ERP, PLM, CRM und Dateiablage kombinieren.
- Ergebnisse müssen nachvollziehbar sein: Welche Quelle, welche Regel, welcher Freigeber?
- Sie wollen das Sprachmodell wechseln oder lokal betreiben können, siehe souveräne KI.
- Der Prozess enthält Firmenwissen, das nicht in einer Cloud-Software liegen soll.
Offene Standards senken die Bindung. Das Model Context Protocol etwa ist ein quelloffener Standard, um KI-Anwendungen an externe Systeme anzubinden. Wer seine Systeme über solche Schnittstellen bereitstellt, kann sie von verschiedenen Agenten und Modellen aus nutzen.
Anthropic empfiehlt in Building effective agents, die einfachste mögliche Lösung zu suchen und Komplexität nur zu ergänzen, wenn sie das Ergebnis nachweisbar verbessert. Das gilt für Make or Buy genauso: Ein individueller Agent ist kein Selbstzweck.
Selbst bauen oder bauen lassen?
Selbst bauen lohnt, wenn Sie Entwickler haben, die den Agenten dauerhaft betreiben, testen und an neue Modelle anpassen können. Bauen lassen lohnt, wenn Ihnen diese Kapazität fehlt oder Sie schneller zu einem belastbaren ersten Stand kommen wollen. Entscheidend ist in beiden Fällen, wer nach dem Start Verantwortung und Rechte hat.
Beim Selbstbauen unterschätzen Unternehmen häufig:
- Betrieb: Überwachung, Fehleranalyse, Kostenkontrolle der Modellaufrufe, Updates der Bibliotheken.
- Qualitätssicherung: Ohne einen festen Satz von Testfällen merken Sie nicht, wenn ein Modellwechsel die Antworten verschlechtert.
- Personenabhängigkeit: Ein Agent, den eine einzelne Person gebaut hat, ist ein Betriebsrisiko.
Beim Bauenlassen sollten Sie vertraglich klären:
- Rechte: Nutzungs- und Bearbeitungsrechte an Code, Prompts, Konfiguration, Testfällen und Dokumentation.
- Übergabe: Ob und wie Ihr Team den Agenten übernehmen kann, inklusive Einweisung.
- Betrieb: Wer reagiert bei Störungen, wer zahlt die Modellkosten, wer hält die Zugangsdaten?
- Daten: Auftragsverarbeitung nach Art. 28 DSGVO, wenn der Dienstleister personenbezogene Daten verarbeitet.
Woran Sie einen passenden Dienstleister erkennen und welche Fragen Sie im Auswahlgespräch stellen, vertieft der geplante Leitfaden zur Anbieterauswahl.
Was ändert der EU AI Act an der Entscheidung?
Der AI Act unterscheidet Anbieter und Betreiber. Wer kauft und nutzt, ist meist Betreiber. Wer ein KI-System entwickelt oder entwickeln lässt und unter eigenem Namen in Betrieb nimmt, kann Anbieter sein. Wie schwer die Pflichten wiegen, hängt vor allem von der Risikoklasse ab. Die folgenden Punkte sind eine Orientierung und keine Rechtsberatung.
- Anbieter ist nach Art. 3 Nr. 3 AI Act unter anderem, wer ein KI-System entwickelt oder entwickeln lässt und es unter eigenem Namen oder eigener Marke in Verkehr bringt oder in Betrieb nimmt. Bauen lassen schützt also nicht automatisch vor der Anbieterrolle.
- Betreiber ist nach Art. 3 Nr. 4, wer ein KI-System in eigener Verantwortung verwendet.
- Rollenwechsel: Nach Art. 25 AI Act kann ein Betreiber unter anderem dann zum Anbieter eines Hochrisiko-Systems werden, wenn er seinen Namen darauf setzt, es wesentlich verändert oder die Zweckbestimmung eines Systems so ändert, dass es zum Hochrisiko-System wird.
- KI-Kompetenz: Art. 4 AI Act richtet sich an Anbieter und Betreiber gleichermaßen. Die Pflicht, KI-Kompetenz der Beschäftigten zu fördern, betrifft Sie also auch, wenn Sie nur kaufen.
Die meisten Agenten für Angebot, Service oder Wissenssuche dürften nicht unter die Hochrisiko-Kategorien fallen. Prüfen Sie das trotzdem je Anwendungsfall, besonders bei Personalthemen oder Entscheidungen über Personen.
Welche Voraussetzungen brauchen Sie für jede Option?
Unabhängig vom Weg brauchen Sie drei Dinge: zugängliche Daten, eine verantwortliche Person im Fachbereich und ein klares Kriterium, woran Sie Erfolg messen. Je weiter Sie Richtung Eigenbau gehen, desto mehr technische Voraussetzungen kommen hinzu.
| Voraussetzung | Kaufen | Plattform | Bauen / bauen lassen |
|---|---|---|---|
| Daten digital und auffindbar | gering | mittel | hoch |
| Schnittstellen zu Kernsystemen | gering | mittel | hoch |
| Fachliche Verantwortung im Prozess | ja | ja | ja |
| Technischer Betrieb im Haus | nein | teilweise | ja oder vertraglich geregelt |
| Testfälle mit erwarteten Ergebnissen | hilfreich | wichtig | Pflicht |
Wie gehen Sie bei der Entscheidung vor?
Gehen Sie vom Prozess aus, nicht vom Produkt. Beschreiben Sie den Anwendungsfall, prüfen Sie zuerst, ob Standardsoftware ihn abdeckt, dann ob eine vorhandene Plattform reicht, und erst danach, ob ein individueller Agent nötig ist. Diese Reihenfolge verhindert, dass Sie Dinge bauen, die es zu kaufen gibt.
- Prozess beschreiben: Eingaben, Ausgaben, beteiligte Systeme, wer heute wie lange daran arbeitet, wo Fehler entstehen.
- Testfälle sammeln: 20 bis 50 echte Beispiele mit dem Ergebnis, das ein guter Mitarbeiter liefern würde. Das ist die Messlatte für jede Option.
- Markt prüfen: Gibt es Software, die diese Testfälle ohne Umbau löst? Probieren Sie es mit Ihren Beispielen, nicht mit der Demo des Herstellers.
- Plattform prüfen: Lässt sich der Fall mit vorhandenen Lizenzen und Konnektoren abbilden?
- Individuell bewerten: Wenn beides nicht reicht: Aufwand, Betrieb und Rechte für Selbstbau und Bauenlassen gegenüberstellen.
- Klein starten: Einen Prototyp gegen die Testfälle laufen lassen, bevor Sie sich auf einen Weg festlegen.
- Wiedervorlage planen: Nach sechs bis zwölf Monaten prüfen, ob der Markt inzwischen aufgeholt hat.
Wo liegen die Grenzen und Risiken?
Jede Option hat ein typisches Scheitermuster. Gekaufte Software wird nicht genutzt, weil sie nicht zum Prozess passt. Plattform-Agenten wachsen unkontrolliert, weil jede Abteilung eigene baut. Individuelle Agenten bleiben Prototypen, weil niemand den Betrieb übernimmt. Wer das Muster kennt, kann gegensteuern.
- Kaufen ohne Prozessprüfung: Lizenzen für alle, aber kein Anwendungsfall, an dem Nutzen gemessen wird.
- Plattform ohne Governance: Viele Agenten mit unklaren Berechtigungen und ohne Verantwortliche. Wie schlanke Regeln dafür aussehen, beschreibt der Überblick zur KI-Governance im Mittelstand.
- Eigenbau ohne Betriebsplan: Der Prototyp funktioniert in der Demo, aber niemand kümmert sich um Fehler, Kosten und Modellwechsel.
- Bauen lassen ohne Rechte: Sie zahlen für die Entwicklung, besitzen aber weder Code noch Prompts.
- Pauschale Unternehmensentscheidung: „Wir bauen alles selbst“ oder „Wir kaufen nur“ ignoriert, dass Anwendungsfälle verschieden sind.
Auch die MIT-Zahlen sind kein Argument gegen individuelle Lösungen an sich. Sie zeigen vor allem, dass reine Eigenentwicklungen ohne erfahrene Partner seltener zum Erfolg führen.
Wie fangen Sie an?
Wählen Sie einen Prozess mit spürbarem Aufwand und klar messbarem Ergebnis, sammeln Sie Testfälle und prüfen Sie die Optionen in der oben beschriebenen Reihenfolge. Treffen Sie die Entscheidung je Anwendungsfall, dokumentieren Sie die Gründe und legen Sie einen Termin zur Überprüfung fest.
Gehört die Frage in eine größere Planung, ordnen Sie sie in Ihre KI-Strategie für den Mittelstand ein: Dort entsteht die Liste der Anwendungsfälle, für die Sie Make or Buy jeweils entscheiden.
Ein pragmatischer Einstieg:
- Für Standardaufgaben vorhandene Lizenzen nutzen und Mitarbeitende schulen; das unterstützt zugleich die Förderung der KI-Kompetenz nach Art. 4 AI Act.
- Für einen prozessspezifischen Fall einen Prototyp gegen echte Testfälle bauen oder bauen lassen.
- Rechte, Betrieb und Datenflüsse schriftlich festhalten, bevor der Prototyp in den Alltag geht.
Wie individuelle Agenten für Angebot, Service, Wissen und Vertrieb konkret aussehen, zeigt die Übersicht zu KI-Agenten. Wenn Sie zuerst eine Linie für das ganze Unternehmen brauchen, ist der KI-Aufbau mit klaren Zuständigkeiten der nächste Schritt; für den gemeinsamen Einstieg im Team gibt es den Workshop.
Häufige Fragen
Ist Make or Buy bei KI eine einmalige Entscheidung?
Nein. Sie fällt je Anwendungsfall und sollte regelmäßig überprüft werden, weil Standardprodukte schnell Funktionen ergänzen. Was heute nur individuell lösbar ist, kann in einem Jahr ein Haken in einer gekauften Software sein.
Gehört uns der Code, wenn wir einen KI-Agenten bauen lassen?
Das regelt allein Ihr Vertrag. Halten Sie Nutzungs- und Bearbeitungsrechte am Code, an Prompts, Konfiguration und Testdaten ausdrücklich fest, sonst können Sie den Dienstleister später kaum wechseln.
Werden wir durch einen selbst gebauten Agenten zum Anbieter nach dem AI Act?
Unter Umständen ja: Anbieter ist nach Art. 3 AI Act auch, wer ein KI-System entwickeln lässt und unter eigenem Namen in Betrieb nimmt. Welche Pflichten daraus folgen, hängt von der Risikoklasse ab; das ist eine Orientierung, keine Rechtsberatung.
Kann ein Mittelständler ohne eigene Entwickler überhaupt bauen?
Mit Low-Code-Plattformen lassen sich einfache Agenten ohne Programmierkenntnisse erstellen. Für Anbindungen an ERP oder CRM und für den Dauerbetrieb braucht es aber jemanden, der Schnittstellen, Tests und Berechtigungen versteht, intern oder extern.
Quellen
- Fortune: MIT report – 95% of generative AI pilots at companies are failing (18.08.2025) fortune.com
- Anthropic: Building effective agents (19.12.2024) anthropic.com
- Microsoft Learn: Overview – Microsoft Copilot Studio learn.microsoft.com
- Model Context Protocol: What is MCP? modelcontextprotocol.io
- EU AI Act, Artikel 3: Begriffsbestimmungen artificialintelligenceact.eu
- EU AI Act, Artikel 4: KI-Kompetenz artificialintelligenceact.eu
- EU AI Act, Artikel 25: Verantwortlichkeiten entlang der KI-Wertschöpfungskette artificialintelligenceact.eu
- DSGVO Art. 28: Auftragsverarbeiter gdpr-info.eu