Make or Buy bei KI-Tools

Irgendwann steht sie in jeder Organisation im Raum: Bauen wir unsere eigene KI-Lösung. Oder nutzen wir eine bestehende Plattform? Die Frage klingt technisch. In Wahrheit ist sie strategisch.

Beide Wege haben ihre Berechtigung. Aber beide werden häufig aus den falschen Gründen gewählt. Eigenentwicklung, weil jemand im Vorstand „volle Kontrolle" will. Plattformnutzung, weil jemand in der IT „schnell starten" möchte. Was fehlt, ist meistens eine ehrliche Analyse dessen, was die Organisation tatsächlich braucht. Und was sie leisten kann.

Was Eigenentwicklung wirklich bedeutet

Wer eine eigene KI-Lösung baut, baut nicht nur ein Tool. Er baut eine Verantwortung. Das fängt bei der Infrastruktur an: Server oder Cloud, Modellauswahl, Daten-Pipeline, Sicherheitsarchitektur. Es geht weiter mit der Entwicklung: Prompt-Engineering, Fine-Tuning, Testumgebungen, Frontend. Und es hört nicht auf mit dem Launch: denn danach beginnt der Betrieb: Wartung, Updates, Monitoring, Support.

All das braucht Personal. Nicht irgendwelches, sondern spezialisiertes. ML-Engineers, Data Scientists, DevOps, Security. In einem Markt, in dem diese Profile rar und teuer sind, ist das keine triviale Anforderung.

Und dann gibt es die Kosten, die selten mitberechnet werden: die Opportunitätskosten. Jeder Monat, den ein internes Team mit dem Aufbau einer KI-Plattform verbringt, ist ein Monat, in dem die Organisation die KI noch nicht nutzt. In einer Technologie, die sich so schnell weiterentwickelt, kann das teuer werden.

Es gibt noch einen weiteren Aspekt: die Geschwindigkeit der Modellentwicklung. Wer eine eigene Lösung baut, muss auch entscheiden, welches Modell er einsetzt. Und wann er wechselt. Neue Modellversionen erscheinen in immer kürzeren Abständen. Eine Eigenentwicklung, die auf ein bestimmtes Modell zugeschnitten ist, muss bei jedem Modellwechsel angepasst werden. Das bindet Entwicklungsressourcen dauerhaft.

Was eine Plattform leisten kann

Eine bestehende Plattform nimmt der Organisation den Infrastrukturaufwand ab. Sie bietet eine getestete Oberfläche, Zugang zu verschiedenen Modellen, Sicherheitsstandards und Governance-Funktionen. Der Vorteil ist Geschwindigkeit: Statt Monate in den Aufbau zu investieren, kann das Team innerhalb von Tagen oder Wochen produktiv arbeiten.

Aber eine Plattform hat auch Grenzen. Sie ist ein Rahmen, kein Maßanzug. Wer einen sehr spezifischen Use Case hat, etwa ein eigenes Modell, das auf proprietären Daten trainiert wurde , stößt mit einer Standardlösung an Grenzen.

Die Frage ist: Wie viele solcher spezifischen Use Cases hat die Organisation tatsächlich? Und für wie viele davon braucht es wirklich eine Eigenentwicklung?

Wann Eigenentwicklung sinnvoll ist

Eigenentwicklung hat ihre Berechtigung unter bestimmten Bedingungen. Wenn die Organisation über einzigartige Datenbestände verfügt, die einen Wettbewerbsvorteil darstellen und die nur mit eigenen Modellen sinnvoll nutzbar sind. Wenn der Use Case so spezifisch ist, dass keine bestehende Plattform ihn abdeckt. Wenn die Organisation die Ressourcen hat: finanziell und personell , eine eigene Lösung langfristig zu betreiben und weiterzuentwickeln.

In der Praxis trifft das auf einen kleinen Teil der Anwendungsfälle zu. Die meisten Unternehmen brauchen KI nicht für einen einzigen, hochspezialisierten Zweck. Sie brauchen sie für viele verschiedene Aufgaben, die mit marktüblichen Modellen gut lösbar sind.

Wann eine Plattform die bessere Wahl ist

Eine Plattform ist dann die bessere Wahl, wenn die Organisation KI breit einsetzen will: über mehrere Abteilungen, für verschiedene Aufgaben, mit unterschiedlichen Anforderungen. Wenn sie Wert legt auf schnelle Einführung, auf Governance out of the box und auf die Möglichkeit, verschiedene Modelle über eine einheitliche Oberfläche zu nutzen.

Das gilt besonders für mittelständische Unternehmen, die keine eigene AI-Abteilung haben. Für sie ist eine Plattform die realistischere Option. Sie ermöglicht den Einstieg ohne mehrmonatiges Entwicklungsprojekt und bietet eine Struktur, die mit der Organisation wachsen kann.

Die häufigsten Fehleinschätzungen

Die Make-or-Buy-Entscheidung scheitert selten an fehlenden Informationen. Sie scheitert an falschen Annahmen.

„Wir brauchen volle Kontrolle." Kontrolle ist ein berechtigtes Anliegen, und Plattformen können es ebenso gut liefern. Plattformen mit EU-Hosting, rollenbasierter Zugriffskontrolle und Audit-Logs bieten ein Maß an Kontrolle, das für die meisten Organisationen ausreicht. Volle Kontrolle bedeutet auch volle Verantwortung für Sicherheit, Verfügbarkeit und Weiterentwicklung.

„Wir bauen erst einen Prototyp." Prototypen sind nützlich, werden aber oft zum Dauerzustand. Was als schneller Test beginnt, wird über Monate erweitert, bis es zu komplex ist, um es zu ersetzen, und zu fragil, um es zu skalieren. Organisationen, die diesen Weg gehen, stecken oft in einer selbstgebauten Lösung fest, die niemand mehr anfassen will.

„Eine Plattform ist zu teuer." Der Vergleich zwischen Plattformkosten und Eigenentwicklung fällt auf den ersten Blick oft zugunsten der Eigenentwicklung aus, weil die versteckten Kosten fehlen. Personal, Infrastruktur, Wartung, Opportunitätskosten. Wenn all das ehrlich kalkuliert wird, ist die Plattform in den meisten Fällen die günstigere Option.

Der hybride Weg

In der Realität ist die Entscheidung selten rein binär. Viele Organisationen fahren eine hybride Strategie: Sie nutzen eine Plattform für den breiten Einsatz: Chat, Assistenten, Dokumentenanalyse, Content-Erstellung. Und entwickeln eigene Lösungen nur dort, wo ein spezifischer Vorteil es rechtfertigt.

Der Schlüssel liegt darin, dass die Plattform offen genug ist, um eigene Entwicklungen einzubinden. Wenn die Standard-Plattform und die Eigenentwicklung nebeneinander existieren, aber nicht miteinander sprechen, entstehen Silos. Wenn sie über APIs und gemeinsame Governance verbunden sind, entsteht ein Ökosystem.

Die strategische Dimension

Make or Buy ist keine einmalige Entscheidung. Es ist eine strategische Haltung, die sich mit der Organisation verändert. Was heute als Plattform-Use-Case beginnt, kann morgen den Punkt erreichen, an dem eine eigene Lösung sinnvoll wird. Und umgekehrt: Was als Eigenentwicklung gestartet ist, kann sich als wartungsintensiver erweisen als erwartet.

Entscheidend ist, dass die Wahl bewusst und auf Basis einer ehrlichen Bestandsaufnahme getroffen wird. Was können wir selbst? Was wollen wir selbst? Und was wäre besser bei jemandem aufgehoben, der Infrastruktur, Sicherheit und Weiterentwicklung als Kerngeschäft betreibt?

Organisationen, die diese Fragen sauber beantworten, vermeiden die häufigsten Fehler: die überteuerte Eigenentwicklung, die nach einem Jahr aufgegeben wird, und die zu eingeschränkte Plattform, die nach drei Monaten an ihre Grenzen stößt.

Die Total Cost of Ownership ehrlich rechnen

Die meisten Vergleiche zwischen Make und Buy scheitern an einer unvollständigen Rechnung. Auf der Make-Seite stehen die offensichtlichen Posten: Entwicklungskosten, Infrastruktur, Personal. Was fehlt, ist alles, was danach kommt: laufende Wartung, Sicherheitsupdates, Modellwechsel, Dokumentation, interner Support und die Zeit, die das Team für den Betrieb einer eigenen Lösung aufwendet, statt sie für das Kerngeschäft zu nutzen.

Auf der Buy-Seite stehen Lizenzkosten und Anpassungsaufwand. Was oft vergessen wird: die Geschwindigkeit, mit der die Organisation produktiv werden kann. Ein Monat früher im Einsatz bedeutet einen Monat mehr Nutzen. Und einen Monat weniger Schatten-KI.

Organisationen, die Total Cost of Ownership ehrlich rechnen: über einen Zeitraum von drei Jahren, mit allen versteckten Posten , kommen in der Regel zu einem klareren Bild als solche, die nur die ersten zwölf Monate betrachten.

Die Frage nach der Zukunftsfähigkeit

Technologie altert. Was heute eine innovative Eigenentwicklung ist, kann in zwei Jahren veraltet sein: weil sich Modelle weiterentwickelt haben, weil neue Standards entstanden sind oder weil der Markt Lösungen bietet, die besser und günstiger sind als das, was intern gebaut wurde.

Eigenentwicklungen sind besonders anfällig für diesen Effekt, weil sie nur so aktuell sind wie das Team, das sie pflegt. Wenn Schlüsselpersonen das Unternehmen verlassen, gerät die Weiterentwicklung ins Stocken. Wenn das Budget für Updates gekürzt wird, altert die Lösung still vor sich hin.

Plattformen haben hier einen strukturellen Vorteil: Ihre Weiterentwicklung ist das Geschäftsmodell des Anbieters. Neue Modelle, neue Funktionen, Sicherheitsupdates: all das geschieht im Hintergrund, ohne dass die Organisation eigene Ressourcen aufwenden muss. Das bedeutet nicht, dass Plattformen perfekt sind. Aber es bedeutet, dass die Last der Weiterentwicklung nicht allein auf den Schultern der eigenen IT liegt.

Der menschliche Faktor

Am Ende gibt es noch einen Faktor, der in technischen Diskussionen oft untergeht: den menschlichen. Eigenentwicklungen binden Budget und die besten Leute. ML-Engineers und Data Scientists, die eine interne Plattform betreiben, stehen nicht für andere Projekte zur Verfügung. In einer Zeit, in der technisches Talent knapp ist, ist das eine relevante Opportunitätskoste.

Plattformen setzen diese Ressourcen frei. Die IT kann sich auf Integration, Governance und die Unterstützung der Fachabteilungen konzentrieren, statt Infrastruktur zu bauen und zu warten. Das macht die Organisation effizienter und attraktiver für Fachkräfte, die lieber an strategischen Fragen arbeiten als an der Wartung interner Systeme.

Fazit: Ehrlichkeit als Entscheidungsgrundlage

Make or Buy ist keine Frage von richtig oder falsch. Es ist eine Frage der ehrlichen Selbsteinschätzung. Kann die Organisation eine eigene Lösung bauen und langfristig betreiben? Hat sie die Ressourcen, die Kompetenz und den Willen, sich dauerhaft um eine eigene Infrastruktur zu kümmern? Oder ist sie besser beraten, diese Verantwortung abzugeben und sich auf das zu konzentrieren, was sie am besten kann?

Die Antwort fällt für jede Organisation anders aus. Aber die Frage ehrlich zu stellen, ist der wichtigste Schritt. Organisationen, die sich diese Ehrlichkeit leisten, treffen bessere Entscheidungen. Und vermeiden die teuren Kurskorrekturen, die entstehen, wenn die Realität die Annahmen einholt.