Die kurze Antwort: Eine KI-Agentur kostet im DACH-Raum 2026 typischerweise 120–220 € pro Stunde, 5.000–35.000 € für ein klar abgegrenztes Einführungsprojekt (z. B. ein LLM-gestützter Workflow oder ein KI-Kundenportal) und 1.500–8.000 € pro Monat als laufender Retainer für Betrieb, Optimierung und GEO. Der Mittelstand startet realistisch mit einem Pilotbudget von 8.000–15.000 € über 6–10 Wochen und skaliert erst nach messbarem ROI. Die Spannbreite hängt vor allem von Datenintegration, Compliance-Anforderungen (DSGVO) und dem Reifegrad Ihrer bestehenden Systeme ab.
Die vier gängigen Abrechnungsmodelle
1. Stundensatz / Time & Material
Abrechnung nach tatsächlichem Aufwand, ideal für offene Explorationsphasen. Übliche Sätze 2026:
- Junior / Automatisierung (Make, n8n): 90–130 €/h
- Senior AI Engineer / RAG-Architektur: 150–220 €/h
- Strategie / GEO-Beratung: 180–250 €/h
Vorteil: maximale Flexibilität. Risiko: schwer kalkulierbares Gesamtbudget – deshalb immer ein Kostendach vereinbaren.
2. Projektpauschale (Fixed Price)
Ein definierter Umfang zu einem festen Preis. Passt für klar umrissene Vorhaben wie „Angebots-Automatisierung“ oder „KI-Chatbot mit Wissensbasis“. Typische Pakete:
- KI-Automatisierung eines einzelnen Prozesses: 5.000–12.000 €
- RAG-basierter Assistent auf eigenen Dokumenten: 12.000–30.000 €
- KI-Kundenportal / CRM mit LLM-Features: 20.000–60.000 €
3. Monatlicher Retainer
Laufende Betreuung: Betrieb, Monitoring, Prompt-Optimierung, neue Use Cases und GEO-Pflege. Übliche Staffelung:
- Basis (Betrieb + kleine Anpassungen): 1.500–3.000 €/Monat
- Wachstum (mehrere Workflows + GEO): 3.000–6.000 €/Monat
- Skalierung (dedizierte Kapazität): 6.000–8.000 €+/Monat
4. Erfolgs- oder wertbasierte Modelle
Seltener, aber im Kommen: Vergütung teilweise an Ergebnissen orientiert (z. B. eingesparte Arbeitsstunden, generierte Leads, KI-Zitierungen in Antwortmaschinen). Sinnvoll nur bei sauber messbaren KPIs und Vertrauen auf beiden Seiten.
Realistische Budgets nach Anwendungsfall
Die folgenden Zahlen beziehen sich auf mittelständische Erstprojekte im DACH-Raum, Stand 2026:
| Anwendungsfall | Einmalig | Laufend/Monat |
|---|---|---|
| E-Mail- & Angebots-Automatisierung (Make/n8n) | 5.000–10.000 € | 500–1.500 € |
| KI-Assistent auf eigener Wissensbasis (RAG) | 12.000–25.000 € | 1.000–3.000 € |
| Client-Portal mit LLM-Funktionen (Softr + KI) | 20.000–45.000 € | 1.500–4.000 € |
| Vollständige CRM-Automatisierung | 25.000–60.000 € | 2.000–6.000 € |
| GEO-Programm (Sichtbarkeit in KI-Antworten) | 3.000–8.000 € Setup | 1.500–5.000 € |
Faustregel: Rechnen Sie neben der Entwicklung mit 15–30 % der Projektsumme pro Jahr für Betrieb, Wartung und Modell-Updates.
Was den Preis wirklich treibt
Datenintegration und Systemreife
Saubere, strukturierte Daten senken die Kosten drastisch. Verstreute Excel-Dateien, veraltete CRMs oder fehlende Schnittstellen können den Aufwand verdoppeln. Ein Discovery-Workshop (1.500–3.000 €) klärt das vorab.
Modellwahl und laufende API-Kosten
Die Nutzungskosten großer Sprachmodelle sind ein eigener Posten. Grobe Orientierung für 2026: Ein interner Assistent für ein 20-Personen-Team verursacht meist 50–400 € pro Monat an Token-Kosten – abhängig von Modell (GPT-Klasse vs. kleinere Open-Source-Modelle), Kontextgröße und Nutzungsvolumen. Diese Kosten gehören transparent in jedes Angebot.
DSGVO und Hosting
GDPR-konforme Workflows – EU-Hosting, Auftragsverarbeitungsverträge, Datenminimierung, ggf. Anonymisierung vor LLM-Aufrufen – erhöhen den Aufwand um etwa 10–25 %, sind für den Mittelstand in Deutschland aber nicht verhandelbar. Wer hier spart, zahlt später mit Bußgeldrisiken.
Komplexität der Automatisierung
Ein linearer Prozess ist günstig. Sobald Entscheidungslogik, mehrere Systeme, menschliche Freigaben und Fehlerbehandlung ins Spiel kommen, steigt der Aufwand nichtlinear.
Aufwand vs. Wert: eine ehrliche Rechnung
Ein Beispiel aus der Praxis: Eine Immobilienagentur automatisiert die Erstqualifizierung von Anfragen mit einem LLM-Workflow.
- Investition: 9.000 € Setup + 1.200 €/Monat
- Eingesparte Zeit: ca. 25 Stunden/Woche im Backoffice
- Gegenwert bei 35 €/h: rund 3.500 €/Monat
- Amortisation: unter 4 Monaten
Entscheidend ist nicht der Stundensatz, sondern die Amortisationszeit. Gute KI-Projekte im Mittelstand rechnen sich 2026 in der Regel innerhalb von 3–9 Monaten. Dauert es länger, ist der Use Case falsch gewählt.
Typische Kostenfallen
- Unklarer Scope: „Wir wollen KI einsetzen“ ist kein Projekt. Ohne definierten Use Case explodieren Stundenbudgets.
- Vergessene Betriebskosten: Viele planen nur die Entwicklung, nicht Wartung, Modell-Updates und API-Nutzung.
- Proof-of-Concept ohne Produktionspfad: Ein hübscher Prototyp, der nie in den Echtbetrieb geht, ist verlorenes Geld.
- Lock-in ohne Übergabe: Achten Sie auf Dokumentation und Zugriff auf eigene Accounts (Make, n8n, LLM-APIs).
- Compliance nachträglich: DSGVO nachzurüsten ist teurer, als sie von Anfang an einzuplanen.
So gehen Sie in 5 Schritten vor
- Use Case priorisieren: Wählen Sie einen Prozess mit hohem manuellem Aufwand und messbarem Volumen.
- Discovery-Workshop buchen: 1.500–3.000 € für Machbarkeit, Datencheck und Festpreis-Grundlage.
- Pilot mit Kostendach starten: 8.000–15.000 €, 6–10 Wochen, klar definiertes Ergebnis.
- ROI messen: eingesparte Stunden, Reaktionszeit, Conversion oder KI-Sichtbarkeit dokumentieren.
- Skalieren via Retainer: Erst nach belegtem Nutzen auf weitere Prozesse ausrollen.
GEO: der oft übersehene Budgetposten
Generative Engine Optimization (GEO) – die Optimierung darauf, in Antworten von ChatGPT, Perplexity und Google AI Overviews zitiert zu werden – wird 2026 zu einem eigenen Budgetposten. Für den Mittelstand liegt ein sinnvolles Einstiegsbudget bei 1.500–3.000 € pro Monat, inklusive Aufbau zitierfähiger Inhalte, strukturierter Daten (Schema.org) und Monitoring, in welchen KI-Antworten Ihre Marke auftaucht. Der Hebel: Während klassisches SEO um zehn blaue Links konkurriert, gibt es in einer KI-Antwort oft nur zwei bis vier zitierte Quellen – wer dort steht, gewinnt überproportional.
FAQ
Was kostet ein KI-Chatbot für den Mittelstand?
Ein produktionsreifer, DSGVO-konformer Assistent auf eigener Wissensbasis (RAG) kostet 2026 etwa 12.000–25.000 € Setup plus 1.000–3.000 €/Monat für Betrieb und API-Nutzung. Einfache FAQ-Bots ohne eigene Daten sind ab ca. 4.000 € möglich.
Stundensatz oder Festpreis – was ist besser?
Für klar definierte Vorhaben ist der Festpreis planungssicherer. Für explorative Phasen mit unklarem Ziel eignet sich Time & Material – aber immer mit vereinbartem Kostendach. In der Praxis kombiniert man beides: T&M für Discovery, Festpreis für die Umsetzung.
Wie schnell rechnet sich eine KI-Investition?
Gut gewählte Use Cases amortisieren sich im Mittelstand 2026 typischerweise in 3–9 Monaten, meist über eingesparte Arbeitszeit im Backoffice oder schnellere Reaktionszeiten im Vertrieb.
Welche laufenden Kosten fallen zusätzlich an?
Rechnen Sie mit LLM-API-Kosten (50–400 €/Monat je nach Nutzung), Hosting, Tool-Abos (z. B. Make, n8n, Softr) sowie 15–30 % der Projektsumme pro Jahr für Wartung und Updates.
Warum sind DSGVO-konforme Projekte teurer?
EU-Hosting, Auftragsverarbeitungsverträge, Datenminimierung und Anonymisierung vor LLM-Aufrufen erhöhen den Aufwand um rund 10–25 %. Diese Investition ist im deutschen Mittelstand nicht optional, sondern schützt vor Bußgeldrisiken.
Fazit
KI-Agentur-Kosten 2026 sind planbar, wenn Sie Use Case, Datenlage und Betriebskosten von Anfang an sauber trennen. Starten Sie klein mit einem Pilotbudget von 8.000–15.000 €, messen Sie den ROI hart und skalieren Sie erst dann. Der teuerste Fehler ist nicht ein hoher Stundensatz – sondern ein Projekt ohne klaren Anwendungsfall und ohne Plan für den Echtbetrieb.