Wir werden in fast jedem Erstgespräch gefragt: "Brauchen wir eine eigene KI – oder reichen ChatGPT-Lizenzen?" Die ehrliche Antwort lautet: Es kommt darauf an. Was sich aber präzise eingrenzen lässt: woran es ankommt. Diese Tabelle nutzen wir selbst in jedem Beratungsgespräch.
Entscheidungstabelle
| Kriterium | Standard-Tool reicht | Custom AI lohnt |
|---|---|---|
| Sensibilität der Daten | Niedrig bis mittel | Hoch (Pflege, Recht, Verteidigung) |
| Datenhoheit | EU-Cloud OK | On-prem oder DE zwingend |
| Wettbewerbs-Differenzierung | Nein | Ja, Wertschöpfung über KI |
| Branchen-Spezifika | Allgemeine Aufgaben | Eigene Sprache, Layouts, Workflows |
| Volumen / Skalierung | Klein bis mittel | Groß, mit API-Kostenrisiko |
| Time-to-Value | 1-4 Wochen ausreichend | 3-9 Monate akzeptabel |
| Budget | Pro User/Monat-Modell | Investition + laufender Betrieb |
| Auditierbarkeit | Standard genügt | Vollständige Nachvollziehbarkeit nötig |
Drei typische Szenarien
Szenario A: Microsoft 365 Copilot reicht
Sie wollen, dass Mitarbeitende in Word und Excel schneller werden, Mails zusammenfassen, Notizen aufbereiten. Daten bleiben in M365, Lizenz und Vertragsstandards passen. Empfehlung: Copilot oder vergleichbar. Kein Custom-Build nötig.
Szenario B: Custom Wrapper auf Foundation Model
Sie wollen einen Kundenservice-Bot, der Ihre Produkte kennt. Foundation Model (z. B. GPT-4o) bleibt die Engine, drumherum bauen wir RAG, Guardrails, Auditing, eigene Logik. Empfehlung: Custom AI auf Foundation-Basis. Beste Mischung aus Aufwand und Ergebnis – das ist das, was wir am häufigsten bauen.
Szenario C: Eigenes Modell on-premise
Sie verarbeiten Patientendaten in einer Klinik. Daten dürfen die Einrichtung nicht verlassen. Empfehlung: Open-Source-Modell (Llama 3, Mistral, Qwen) on-premise, evtl. mit feingetuner Variante. Aufwand höher, aber alternativlos.
Versteckte Kostenfaktoren
Bei der Make-or-Buy-Entscheidung werden zwei Kostenfaktoren regelmäßig ignoriert:
- API-Kosten skalieren mit Erfolg. Wenn der Bot abhebt, verdreifacht sich Ihre OpenAI-Rechnung. Custom on-prem hat fixe Kosten, kein Skalierungsrisiko.
- Lock-in. Mit jedem Monat im Wrapper-Modus eines Anbieters bauen Sie Wechselbarrieren auf. Custom-Komponenten sind tendenziell portabler.
"Die meisten Mittelständler starten richtig mit Standardtools – und wechseln 18 Monate später, wenn sie wissen, was sie wirklich brauchen, auf eine Custom-Lösung. Das ist OK – aber kalkulieren Sie diesen Wechsel von Anfang an mit ein."
Was wir empfehlen
- Starten Sie pragmatisch mit Standardtools, wo möglich.
- Identifizieren Sie früh die Use Cases, in denen Standardtools an Grenzen kommen (Daten, Branche, Skalierung).
- Investieren Sie genau dort in Custom AI – nicht an der Schreibtisch-Productivity-Stelle.
Make oder Buy in Ihrem Fall?
30 Minuten kostenlose Sparring-Session. Wir gehen gemeinsam Ihre Use Cases durch.