Kurz zusammengefasst: Individuelle KI-Software lohnt sich, wenn ein wichtiger Geschäftsprozess nicht mit vertretbarem Aufwand in eine Standardlösung passt, eigene Daten oder Regeln einen echten Vorteil schaffen und die Lösung tief in bestehende Systeme integriert werden muss. Eine Maßanfertigung sollte dennoch möglichst wenig „KI neu erfinden“: Bewährte Modelle und Komponenten werden gezielt kombiniert, während Prozesslogik, Datenzugriff, Qualitätssicherung und Benutzeroberfläche passend zum Unternehmen entwickelt werden.
Die Entscheidung lautet selten einfach „kaufen oder selbst programmieren“. In der Praxis gibt es drei Wege: Standardsoftware konfigurieren, Standardkomponenten individuell integrieren oder eine weitgehend eigene Anwendung entwickeln. Die wirtschaftlich beste Variante ist die kleinste Lösung, die den Prozess zuverlässig beherrscht und später betreibbar bleibt. Wer nur auf eine eindrucksvolle Demo schaut, unterschätzt dagegen Schnittstellen, Rechte, Sonderfälle, Tests und laufende Qualitätskontrolle.
Wann Standardsoftware reicht – und wann nicht
Standardsoftware ist meist die erste Wahl, wenn viele Unternehmen denselben Ablauf haben: Besprechungen transkribieren, Texte übersetzen, allgemeine Dokumente zusammenfassen oder Routinefragen in einem klar abgegrenzten System beantworten. Sie ist schnell verfügbar, Updates übernimmt der Anbieter und die Einstiegskosten sind häufig niedriger.
Eine individuelle KI-Anwendung wird interessanter, wenn mindestens mehrere der folgenden Bedingungen erfüllt sind:
- Der Prozess verbindet ERP, CRM, Dokumentenmanagement, E-Mail oder Maschinen- und Sensordaten.
- Eigene Fachregeln, Produktlogiken oder Freigabestufen bestimmen das Ergebnis.
- Die Anwendung muss Quellen, Rechenschritte oder Entscheidungen nachvollziehbar dokumentieren.
- Standardprodukte decken die häufigen Sonderfälle nicht ab oder erzeugen zu viel manuelle Nacharbeit.
- Daten dürfen nur in einer festgelegten Umgebung verarbeitet werden oder benötigen ein detailliertes Berechtigungskonzept.
- Das Unternehmen möchte Modelle, Hosting oder einzelne Anbieter später wechseln können.
- Die Funktion ist Teil des eigenen Leistungsangebots und soll sich vom Wettbewerb unterscheiden.
Maßanfertigung bedeutet dabei nicht zwangsläufig, ein eigenes Sprachmodell zu trainieren. Häufig entsteht der größte Nutzen durch eine sauber entwickelte Anwendung um vorhandene Modelle: Daten werden passend aufbereitet, Zugriffe geregelt, Fachsysteme angebunden, Ausgaben geprüft und Arbeitsschritte in einer verständlichen Oberfläche zusammengeführt.
Die Wirtschaftlichkeit vor der Entwicklung prüfen
Eine individuelle Lösung ist keine gute Investition, nur weil sie technisch machbar ist. Vor der Beauftragung sollten Unternehmen vier Größen beziffern: heutiger Prozessaufwand, vermeidbare Fehler- und Wartekosten, realistischer Nutzungsgrad und Gesamtkosten über mehrere Jahre.
Zu den Gesamtkosten gehören nicht nur Konzeption und Programmierung. Ein realistisches Budget berücksichtigt Datenbereinigung, Schnittstellen, Testfälle, Sicherheitsprüfung, Einführung, Schulung, Hosting, Modell- oder API-Nutzung, Monitoring, Support und spätere Anpassungen. Auch Fachabteilungen investieren Zeit: Sie müssen Regeln erklären, Grenzfälle bewerten und Ergebnisse abnehmen.
Ein sinnvoller Vorabtest kann erstaunlich klein sein. Für eine Dokumentenprüfung reichen beispielsweise zunächst 100 bis 300 repräsentative Fälle, darunter bewusst schwierige und fehlerhafte Dokumente. Das Team vergleicht Standardprodukt, individuelle Integration und den bisherigen Ablauf anhand derselben Kriterien. Erst wenn Genauigkeit, Zeitgewinn und Restaufwand belastbar sind, wird die vollständige Lösung beauftragt.
Als Entscheidungsschwelle eignet sich nicht nur eine Renditezahl. Ebenso wichtig sind strategische Faktoren: Verkürzt die Lösung Reaktionszeiten? Macht sie knappes Fachwissen für weitere Beschäftigte nutzbar? Ermöglicht sie ein neues digitales Angebot? Oder verhindert sie lediglich, dass ein überholter Prozess teurer automatisiert wird? Auch ein gutes Entwicklungsprojekt darf mit „nicht bauen“ enden.
So entsteht eine betreibbare KI-Maßanfertigung
1. Fachliche Spezifikation und Testkatalog. Das Team beschreibt Eingaben, gewünschte Ausgaben, Sonderfälle und verbotene Aktionen. Gleichzeitig entsteht ein Referenzdatensatz, gegen den jede Version getestet wird. Formulierungen wie „muss zuverlässig sein“ werden durch messbare Kriterien ersetzt: Pflichtfelder erkannt, Quellen korrekt angegeben, Rechenwerte unverändert übernommen oder kritische Fälle an Menschen eskaliert.
2. Architektur mit austauschbaren Bausteinen. Fachlogik, Datenzugriff, Modellaufruf und Benutzeroberfläche sollten nicht unnötig miteinander verschmolzen werden. Das erleichtert einen Wechsel von Modell oder Hosting. Seit dem 12. September 2025 ist der europäische Data Act anwendbar; er enthält unter anderem Regeln, die den Wechsel zwischen Anbietern von Datenverarbeitungsdiensten erleichtern sollen. Unabhängig davon bleibt Portabilität eine konkrete Architektur- und Vertragsfrage: Datenexport, Formate, Schnittstellen und Übergabeunterstützung gehören schriftlich geklärt.
3. Sicherheit von Anfang an. Das BSI und internationale Partnerbehörden betonen sichere KI-Entwicklung und -Nutzung über den gesamten Lebenszyklus. Für ein Projekt heißt das unter anderem: minimale Rechte, getrennte Umgebungen, geschützte Geheimnisse, protokollierte Zugriffe, geprüfte Abhängigkeiten und definierte Reaktionen auf missbräuchliche Eingaben oder unerwartete Ausgaben.
4. Menschliche Kontrolle passend zum Risiko. Nicht jeder Vorgang braucht dieselbe Freigabe. Ein System darf eine interne Suche selbst ausführen, aber Preiszusagen, Personalentscheidungen oder externe Veröffentlichungen können eine verbindliche Prüfung verlangen. Die EU-Kommission beschreibt den AI Act als risikobasierten Rahmen. Unternehmen sollten daher vor Entwicklung klären, welche Rolle sie rechtlich einnehmen und ob der konkrete Einsatz besonderen Pflichten unterliegt. Das ersetzt keine rechtliche Prüfung im Einzelfall.
5. Betrieb und Verbesserung. Nach dem Start werden technische Verfügbarkeit, Kosten pro Vorgang, Antwortqualität, Eskalationen und Nutzerfeedback beobachtet. Modellupdates dürfen nicht ungeprüft produktiv gehen. Ein Versionswechsel läuft zuerst gegen den Referenzdatensatz; bei Qualitätsabfall muss ein Rückweg vorhanden sein.
Praxisbeispiel: Angebotsprüfung im Sondermaschinenbau
Ein Maschinenbauer erhält Lastenhefte in unterschiedlichen Formaten. Die Vertriebs- und Technikteams übertragen Anforderungen manuell in eine Prüfliste, suchen passende Baugruppen und markieren offene Punkte. Ein Standard-Chatbot kann Dokumente zusammenfassen, kennt aber weder die Produktstruktur noch Freigaberegeln und Preisgrenzen.
Die individuelle Anwendung importiert das Lastenheft, ordnet Anforderungen einer firmeneigenen Merkmalsstruktur zu und verknüpft sie mit freigegebenen Produkt- und Projektdaten. Sie zeigt zu jeder Aussage die Fundstelle, markiert Widersprüche und übergibt ungeklärte Punkte an den zuständigen Fachbereich. Preis und technische Zusage bleiben menschliche Entscheidungen. Über eine Schnittstelle werden nur freigegebene Ergebnisse in das CRM übertragen.
Der erste Pilot beschränkt sich auf eine Produktlinie und abgeschlossene Anfragen. Abnahmekriterien sind nicht „klingt plausibel“, sondern Vollständigkeit der Pflichtanforderungen, korrekte Fundstellen, Zahlentreue und Zeitbedarf bis zur geprüften Checkliste. Damit entsteht eine belastbare Grundlage für Ausbau oder Abbruch.
FAQ: Häufige Fragen zur individuellen KI-Software
Muss für individuelle KI-Software ein eigenes Modell trainiert werden?
Meist nicht. Häufig reichen vorhandene Modelle in Verbindung mit eigenen Daten, Regeln, Schnittstellen und Prüfmechanismen. Eigenes Training wird erst interessant, wenn spezialisierte Aufgaben, ausreichende Daten und ein klarer Vorteil den zusätzlichen Entwicklungs- und Betriebsaufwand rechtfertigen.
Wie lange dauert die Entwicklung?
Ein eng begrenzter technischer Pilot kann in wenigen Wochen entstehen. Eine produktive Anwendung mit mehreren Schnittstellen, Rollen, Sicherheitsprüfungen und Betriebsübergabe benötigt deutlich länger. Ein seriöser Zeitplan trennt Discovery, Pilot, produktive Mindestversion und Ausbau.
Wem gehören Quellcode, Daten und Arbeitsergebnisse?
Das muss der Vertrag eindeutig regeln. Zu klären sind Nutzungsrechte am individuellen Code, eingesetzte Open-Source-Komponenten, Exportmöglichkeiten für Daten und Protokolle sowie die Übergabe bei Anbieterwechsel. Auch Bedingungen der verwendeten Modelle und APIs sind einzubeziehen.
Wie verhindert man die Abhängigkeit von einem KI-Anbieter?
Durch getrennte Architekturbausteine, dokumentierte Schnittstellen, standardisierte Datenformate und Tests, die mit alternativen Modellen wiederholt werden können. Vollständige Unabhängigkeit ist selten wirtschaftlich; entscheidend ist ein realistischer Wechselpfad ohne Neubau der gesamten Anwendung.
Wie wird die Qualität abgenommen?
Mit einem vorab vereinbarten Testdatensatz und fachlichen Kennzahlen. Je nach Aufgabe gehören Trefferquote, Vollständigkeit, Zahlentreue, Quellenbezug, Fehlalarmrate und korrekte Eskalation dazu. Zusätzlich sind Sicherheits-, Last- und Berechtigungstests notwendig.
Quellen: EU-Kommission: Data Act; EU-Kommission: AI Act; BSI: Leitfaden zur sicheren Nutzung und Entwicklung von KI-Systemen; BSI: Generative KI-Modelle – Chancen und Risiken; NIST AI Risk Management Framework.
Sie prüfen, ob eine Standardlösung genügt oder eine Maßanfertigung wirtschaftlicher ist? GO-ITC unterstützt von der Anforderungsanalyse über den Pilot bis zur integrierten, betreibbaren Anwendung. Besprechen Sie Ihren konkreten Prozess mit GO-ITC.
Wenn das Vorhaben bereits klar eingrenzbar ist, bietet 48h Software einen unverbindlichen Scope-Check für kleine Web-Anwendungen, Automatisierungen und KI-Funktionen zum Festpreis. Erst nach der Prüfung wird entschieden, ob ein sinnvoll nutzbarer erster Umfang in das jeweilige Paket passt.