Die Aussage, dass Software immer günstiger wird, klingt zunächst nach einem Paradigmenwechsel. Doch für Geschäftsführer in kleinen und mittleren Unternehmen zählt nicht die Schlagzeile, sondern die Gesamtrechnung.
Entwicklung besteht nicht nur aus Code. Sie umfasst Planung, Datenstruktur, Sicherheit, Tests, Betrieb, Wartung und Verantwortung. Genau hier entstehen die echten Kosten.
Dieser Beitrag stellt zwei Entwicklungsansätze gegenüber und ordnet sie wirtschaftlich ein – mit Fokus auf KMU.
1. Ansatz A: Cloud-basierte KI (API-Modelle)
Beispiele:
• ChatGPT
• Claude
Wie funktioniert das?
Der Entwickler nutzt KI über eine Online-Schnittstelle. Jede Anfrage kostet Rechenleistung beim Anbieter. Die Abrechnung erfolgt meist nutzungsbasiert (Token-Modell).
Vorteile
• Sehr leistungsfähige Modelle
• Kein eigener Server notwendig
• Immer aktuell
• Schneller Einstieg
• Geringe Anfangsinvestition
Nachteile
• Laufende Kosten pro Nutzung
• Abhängigkeit vom Anbieter
• Datenschutz- und Compliance-Themen
• Internet zwingend erforderlich
• Kosten steigen mit Intensität der Nutzung
Für gelegentliche Nutzung ist das effizient.
Für intensive Entwicklungsprojekte können die laufenden Kosten deutlich werden.
2. Ansatz B: Lokale KI im eigenen Unternehmen
Beispiele:
• Ollama
• Claude Code
Hier laufen Modelle lokal auf dem eigenen Rechner oder Server.
Technische Grundlage
• Leistungsstarker PC
• Viel RAM (32–64 GB sinnvoll)
• Optional GPU
• Lokales Modell
• Keine dauerhafte API-Verbindung
Vorteile
• Keine Token-Kosten
• Volle Datenkontrolle
• Unabhängig von Cloud-Anbietern
• Planbare Investition
• Besonders geeignet für sensible Unternehmensdaten
Nachteile
• Höhere Hardware-Anschaffungskosten
• Stromverbrauch
• Wartung der Umgebung
• Etwas mehr technisches Setup
Für Unternehmen mit Datenschutzanforderungen oder hoher Entwicklungsintensität kann das wirtschaftlich attraktiver sein.
3. Kostenvergleich: Was ist wirklich „günstig“?
Viele Diskussionen fokussieren nur auf die Entwicklungszeit.
Die reale Gesamtkostenbetrachtung (TCO) umfasst:
• Entwicklerzeit
• KI-Kosten
• Hardware
• Strom
• Hosting
• Wartung
• Sicherheit
• Updates
• Support
Cloud-KI:
Geringe Anfangskosten, variable laufende Kosten.
Lokale KI:
Höhere Anfangsinvestition, geringere laufende Nutzungskosten.
Für KMU mit regelmäßiger Entwicklungsarbeit kann lokale KI langfristig günstiger sein.
Für sporadische Nutzung ist Cloud oft ausreichend.
Es gibt keine Einheitslösung.
4. Was bedeutet das für Entwickler?
KI verändert nicht den Bedarf an Fachkräften.
Sie verändert deren Rolle.
Früher:
Viel Tipparbeit.
Viele Standardfunktionen.
Viele Boilerplate-Strukturen.
Heute:
KI generiert Grundgerüste.
Der Mehrwert des Entwicklers verschiebt sich zu:
• Architekturentscheidungen
• Datenmodellierung
• Prozessanalyse
• Sicherheitskonzepten
• Schnittstellendesign
• Performance-Optimierung
• Qualitätssicherung
• Automatisierungsstrategie
Der Entwickler wird weniger Code-Schreiber und mehr Systemarchitekt.
Das ist keine Bedrohung.
Das ist eine Aufwertung.
Wer strategisch denken kann, wird wertvoller.
5. Was heißt das konkret für KMU?
Mit Access + SQL Server existiert bereits eine solide technische Basis.
Ein realistischer Modernisierungsweg könnte sein:
• Datenstruktur stabilisieren
• Geschäftslogik dokumentieren
• KI zur Analyse und Migration nutzen
• Schrittweise Web-Frontend einführen
• Kostenstruktur prüfen
• Abhängigkeiten reduzieren
Ob Cloud-KI oder lokale KI eingesetzt wird, hängt ab von:
• Datenschutz
• Budget
• Nutzungsintensität
• IT-Kompetenz im Unternehmen
• Langfristiger Strategie
Für viele kleine Firmen kann eine lokale KI-Lösung mit Tools wie Ollama wirtschaftlich sinnvoll sein.
Für andere ist Cloud-KI völlig ausreichend.
Entscheidend ist nicht die Technologie.
Entscheidend ist die Klarheit der Architektur.
6. Der strategische Punkt für Geschäftsführer
KI reduziert nicht automatisch Kosten.
Sie reduziert Potenzial für Routinearbeit.
Der eigentliche Wert entsteht durch:
• bessere Daten
• klare Prozesse
• einfache Architekturen
• gezielte Automatisierung
Software wird nicht „kostenlos“.
Aber sie wird modularer, schneller entwickelbar und leichter anpassbar.
Das verschiebt Investitionen:
Weniger in Lizenzmodelle.
Mehr in Struktur und Kompetenz.
7. Fazit
Cloud-KI und lokale KI sind keine Gegensätze.
Sie sind Werkzeuge mit unterschiedlichen Kosten- und Risikoprofilen.
Für KMU gilt:
• Kleine Projekte: Cloud oft ausreichend
• Intensiventwicklung oder Datenschutzfokus: lokale KI prüfen
• Unabhängigkeit: Architektur sauber planen
• Zukunftssicherheit: Entwickler als Systemstrategen einsetzen
Der größte Hebel liegt nicht im Modell.
Sondern im Denken.
Wer KI nutzt, um schneller Grundcode zu erzeugen, gewinnt Tempo.
Wer KI nutzt, um Architektur zu verbessern, gewinnt Wettbewerbsvorteil.
Und genau dort entsteht der echte Mehrwert in den kommenden Jahren.