Make or Buy bei KI: Warum die meisten Mittelständler die falsche Frage stellen

Laut einer Studie der Hochschule Koblenz kaufen 89 Prozent der mittelständischen Unternehmen ihre KI-Lösungen extern zu, nur 11 Prozent entwickeln selbst. Doch die binäre Entscheidung zwischen Make und Buy ist der falsche Ausgangspunkt. Sie führt in einen Wechsel-Teufelskreis, der nach 18 Monaten in teuren Reversals endet. Die richtige Frage lautet nicht "Make oder Buy", sondern "Wie baue ich eine Entscheidungsarchitektur, die beides ermöglicht und jederzeit reversibel bleibt?" Dieser Ratgeber zeigt, warum die klassische Dichotomie scheitert, welche fünf Signale einen bevorstehenden Kipp-Punkt anzeigen und wie eine Intelligenz-Schicht zwischen bestehenden Systemen und KI-Komponenten die Lösung bietet.

Warum kippen die meisten Make-or-Buy-Entscheidungen nach sechs Monaten?

Die meisten Mittelständler treffen ihre Make-or-Buy-Entscheidung auf Basis von vier Faktoren: interne Kompetenz, Zeitdruck, Gesamtkosten und Abhängigkeitsrisiko. Das ist rational, aber unvollständig. Denn diese Faktoren beschreiben den Moment der Entscheidung, nicht den Verlauf der nächsten 18 Monate. Was danach passiert, entscheidet über Erfolg oder Misserfolg.

Ein Maschinenbauer mit 120 Mitarbeitern entscheidet sich für "Buy": eine Standard-KI für Angebotserstellung. Nach acht Monaten stellt er fest, dass die Variante seiner Produkte nicht abbildbar ist. Er schwenkt auf "Make". Nach zwölf Monaten explodieren die Entwicklungskosten, die internen Entwickler kündigen, und er kehrt zum Markt zurück. 18 Monate verloren, 150.000 Euro verbrannt. Dieses Muster wiederholt sich in tausenden Unternehmen. Es hat einen Namen: der Wechsel-Teufelskreis.

Fünf Signale zeigen an, dass eine Make-or-Buy-Entscheidung bald kippen wird. Unternehmen, die diese Signale früh erkennen, vermeiden den Wechsel-Teufelskreis.

Signal 1: Die Anforderung wächst schneller als die Lösung

Bei gekauften Lösungen bestimmt die Produktroadmap des Anbieters, welche Funktionen wann kommen. Wenn Ihre Prozesse schneller evolutionieren als die Software, entsteht eine Lücke. Bei Eigenentwicklungen fehlen oft die Kapazitäten, um neue Features parallel zum Tagesgeschäft umzusetzen.

Cross-Module Impact: Ein Vertriebsprozess, der ursprünglich nur Angebote generieren sollte, muss plötzlich Lieferfähigkeit aus dem ERP prüfen und Zahlungsverhalten aus DATEV einbeziehen. Die Kaskade über drei Module überfordert die ursprüngliche Architektur.

Signal 2: Die Datenqualität wird zum Engpass

Make und Buy setzen beide saubere Daten voraus. Doch die Datenqualität im Mittelstand ist selten perfekt. Wenn eine KI-Lösung starr auf eine bestimmte Datenstruktur angewiesen ist, scheitert sie an der Realität. Eine flexible Architektur absorbiert Datenunregelmäßigkeiten und lernt aus ihnen.

€-Impact: Ein KMU mit 80 Mitarbeitern verliert durch schlechte Datenqualität in KI-Projekten geschätzt 15.000 bis 30.000 Euro pro Jahr an Nacharbeit und falsch positiven Ergebnissen.

Signal 3: Der EU AI Act verschärft die Dokumentationspflichten

Ab August 2026 greifen die zentralen Pflichten des EU AI Acts für Hochrisiko-Anwendungen. Wer eine Eigenentwicklung betreibt, muss technische Dokumentation, Risikomanagement und Post-Market-Monitoring selbst sicherstellen. Wer kauft, ist auf die Dokumentationsbereitschaft des Anbieters angewiesen. Beide Szenarien werden teurer, wenn die Architektur nicht von Anfang an Compliance-fähig ist.

Cross-Module Impact: Eine KI im Personalmanagement (HR) oder in der Kreditprüfung (Finance) fällt unter Hochrisiko. Die Dokumentation muss nachweisen, welche Daten aus welchen Systemen fließen und wie Entscheidungen zustande kommen. Das erfordert eine durchgängige Protokollierung über Modulgrenzen hinweg.

Signal 4: Der Wissensverlust bei Personalwechsel droht

Bei Make hängt das Wissen an internen Entwicklern. Bei Buy hängt es an der Anbieterbeziehung. In beiden Fällen verliert das Unternehmen strategische Souveränität. Die Wissensbasis eines Unternehmens sollte unabhängig von einzelnen Personen und Anbietern existieren.

Signal 5: Die Kostenstruktur wird intransparent

Make-Projekte haben versteckte Kosten: Wartung, Updates, Infrastruktur, Schulung. Buy-Lösungen haben versteckte Kosten: Skalierungsgebühren, Integrationsaufwand, zusätzliche Lizenzen. Wenn nach sechs Monaten niemand mehr sagen kann, was die KI wirklich kostet, ist das ein zuverlässiges Warnsignal.

Was ist eine Intelligenz-Schicht und warum sie Make und Buy überflüssig macht

Eine Intelligenz-Schicht ist keine weitere Software, die man kaufen muss. Sie ist eine Architektur zwischen bestehenden Systemen und KI-Komponenten. Sie besteht aus vier Bausteinen, die zusammen eine Entscheidungsinfrastruktur bilden, innerhalb der Make und Buy austauschbar werden.

Middleware: Die Middleware verbindet bestehende Systeme wie DATEV, ERP, CRM und Excel mit KI-Komponenten. Sie isoliert die Datenflüsse von der konkreten KI-Lösung. Wenn heute eine gekaufte KI eingesetzt wird und in zwei Jahren eine eigene oder eine andere gekaufte Lösung, ändert sich an der Middleware nichts. Die Prozesse bleiben stabil, nur die KI-Komponente wird ausgetauscht.

Wissensbasis: Die Wissensbasis speichert, welche Prozessmuster zu welchen Ergebnissen geführt haben. Sie dokumentiert Entscheidungslogiken, Variantenregeln und Ausnahmebehandlungen. Nach 12 Monaten enthält sie die spezifische Intelligenz des Unternehmens. Dieses Wissen geht nicht verloren, wenn ein Mitarbeiter kündigt oder ein Anbieter den Support einstellt.

Muster-Erkennung: Die Muster-Erkennung beobachtet Datenflüsse über Modulgrenzen hinweg und identifiziert Abweichungen von erlernten Normalzuständen. Sie erkennt nicht nur, dass ein Prozess langsam wird, sondern dass er langsam wird, während drei andere Prozesse parallel auffällig sind. Das ist der Unterschied zwischen einer Alarmmeldung und einer diagnosefähigen Frühwarnung.

Rules Engine: Die Rules Engine steuert, welche Aktionen bei welchen Mustern ausgelöst werden. Sie ist deterministisch und nachvollziehbar, was für den EU AI Act entscheidend ist. "Wenn DSO über 45 Tage UND Support-Tickets über 3 pro Monat bei gleichem Kunden, dann Alert an Vertriebsleiter." Diese Regeln sind dokumentiert, revisionssicher und jederzeit änderbar.

Zusammen bilden diese vier Bausteine eine Architektur, in der Make und Buy keine irreversiblen Weichenstellungen mehr sind. Man kann mit einer gekauften Lösung starten, die Wissensbasis aufbauen und später gezielt eigene Komponenten entwickeln. Oder man entwickelt selbst, nutzt die Middleware für den Anschluss an Standardsoftware und behält die Option, externe Komponenten zuzukaufen. Die Entscheidung wird reversibel.

Drei Architekturmuster für den Mittelstand

Die Praxis zeigt drei wiederkehrende Muster, wie Mittelständler KI einführen. Jedes Muster hat seine Stärken, aber erst die Überlagerung mit einer Intelligenz-Schicht macht es skalierbar und zukunftssicher.

Muster 1: Gekaufte Lösung plus Intelligenz-Schicht

Das Unternehmen kauft eine Standard-KI für einen konkreten Use Case, zum Beispiel Dokumentenverarbeitung oder Kundenkommunikation. Die Intelligenz-Schicht verbindet diese KI mit den bestehenden Systemen über die Middleware, speichert die Prozesslogik in der Wissensbasis und steuert Eskalationen über die Rules Engine. Wer Vertragsprüfung kauft, bezahlt API-Kosten pro Dokument. Wer sie selbst betreibt, braucht eine GPU. Wie beide Wege abschneiden, zeigt der ContractEval Benchmark. Die Nachfolgestudie Olava Extract (2026) zeigt, dass ein selbst gehostetes Small Language Model mit Domain Training nicht nur günstiger, sondern auch präziser ist als GPT-5.4 und Claude Opus — ein direktes Argument für Make bei spezialisierten Anwendungen.

Stärke: Schneller Einstieg, geringes Risiko, sofortige Wertschöpfung. Schwäche ohne Intelligenz-Schicht: Die KI bleibt eine Insellösung, ihre Ergebnisse fließen nicht in andere Prozesse ein. Mit Intelligenz-Schicht: Die KI wird zu einem Modul in einem größeren System. Ein gescanntes Dokument löst nicht nur eine Buchung aus, sondern aktualisiert auch den Kundenstatus im CRM und prüft Vertragsfristen im Backoffice.

Muster 2: Eigenentwicklung plus Intelligenz-Schicht

Das Unternehmen entwickelt eine proprietäre KI-Lösung, zum Beispiel eine Qualitätsprüfung mit bildbasierter Anomalieerkennung. Die Intelligenz-Schicht integriert diese Eigenentwicklung in die Gesamtarchitektur, ohne dass das Unternehmen für jeden Schnittstellenanschluss neu entwickeln muss.

Stärke: Maximaler Wettbewerbsvorteil, volle Kontrolle über differenzierende Funktionen. Schwäche ohne Intelligenz-Schicht: Jede Integration erfordert eigenen Entwicklungsaufwand, die Lösung wird zu einem Monolithen. Mit Intelligenz-Schicht: Die Eigenentwicklung bleibt fokussiert auf ihr Kernthema. Anbindung an ERP, Reporting und Alerting geschieht über die Middleware.

Muster 3: Hybrid plus Intelligenz-Schicht

Das Unternehmen kombiniert gekaufte Basiskomponenten mit selbst entwickelten Modulen. Zum Beispiel eine gekaufte Sprachverarbeitung für Kundenanfragen und eine eigene Wissensdatenbank für Produktspezifikationen. Die Intelligenz-Schicht orchestriert den Datenaustausch zwischen beiden Welten.

Stärke: Beste Balance aus Geschwindigkeit und Differenzierung. Schwäche ohne Intelligenz-Schicht: Zwei Welten, die nicht miteinander sprechen, doppelter Wartungsaufwand, inkonsistente Daten. Mit Intelligenz-Schicht: Einheitliche Datenhaltung, zentrale Wissensbasis, konsistente Rules Engine über alle Komponenten hinweg.

Was kostet Make, Buy und Intelligenz-Schicht wirklich?

Die Kosten für KI im Mittelstand werden selten transparent dargestellt. Die folgende Tabelle zeigt die realistischen Kostenrahmen für die drei Szenarien über einen Zeitraum von drei Jahren. Die Zahlen basieren auf tatsächlichen Projekterfahrungen in KMU mit 50 bis 250 Mitarbeitern.

Die Intelligenz-Schicht erscheint deutlich günstiger, weil sie keine KI selbst entwickelt oder kauft, sondern bestehende Systeme und KI-Komponenten verbindet. Sie nutzt die Investitionen, die das Unternehmen bereits getätigt hat, und fügt eine Orchestrierungsschicht hinzu. Das ist der entscheidende ökonomische Unterschied: Make und Buy ersetzen Arbeit durch Technologie. Die Intelligenz-Schicht verbindet vorhandene Technologien zu einem intelligenten Ganzen.

Die sechs Prüfpunkte vor jeder KI-Entscheidung

Bevor ein Unternehmen zwischen Make, Buy oder Intelligenz-Schicht entscheidet, sollte es sechs Dimensionen systematisch prüfen. Diese Checkliste basiert auf den Kriterien, die erfolgreiche KI-Projekte im Mittelstand von gescheiterten unterscheiden.

Wenn vier oder mehr Prüfpunkte mit "Ja" beantwortet werden, ist eine Intelligenz-Schicht die sinnvollste Grundlage. Wenn strategische Bedeutung und Datenhoheit beide mit "Ja" beantwortet werden, lohnt sich Eigenentwicklung mit Intelligenz-Schicht. Wenn Zeitdruck hoch und strategische Bedeutung niedrig ist, ist gekaufte Standardsoftware mit Intelligenz-Schicht der pragmatischste Weg.

Der 30-Tage-Plan: Von der Entscheidungsunfähigkeit zur Klarheit

Die Entscheidung zwischen Make und Buy muss nicht in einem endlosen Workshop-Prozess enden. Ein strukturierter 30-Tage-Plan schafft Klarheit, identifiziert die richtige Architektur und liefert bereits nach vier Wochen erste Ergebnisse.

Nach diesen 30 Tagen liegt keine theoretische Strategie vor, sondern ein funktionierendes Entscheidungsgerüst. Die Rules Engine überwacht die definierten Prozesse, die Muster-Erkennung lernt kontinuierlich dazu, und die Wissensbasis dokumentiert, welche Architekturentscheidungen wirksam waren. Ob das Unternehmen nun eine gekaufte KI einbindet, eine eigene entwickelt oder beides kombiniert, die Intelligenz-Schicht bleibt die stabile Grundlage.

Der Wechsel-Teufelskreis: Wie ein Maschinenbauer 150.000 Euro verlor

Ein Maschinenbau-KMU mit 120 Mitarbeitern stand vor der klassischen Entscheidung. Der Geschäftsführer wollte die Angebotserstellung beschleunigen. Er entschied sich für eine gekaufte KI-Lösung, die Versprechungen von automatischer Textgenerierung und Preiskalkulation machte. Die Einführung kostete 18.000 Euro, die monatlichen Gebühren lagen bei 2.500 Euro.

Nach sechs Monaten stellte sich heraus, dass die Software die Variantenvielfalt der Produkte nicht abbilden konnte. Jeder Auftrag erforderte manuelle Nachbearbeitung. Der Geschäftsführer schwenkte auf Eigenentwicklung. Er stellte zwei Entwickler ein, investierte 45.000 Euro in die erste Version und wartete acht Monate auf einen Prototypen.

Der Prototyp funktionierte technisch, aber die Integration in das bestehende ERP scheiterte. Die Entwickler hatten keine Erfahrung mit der ERP-Schnittstelle, die Dokumentation war lückenhaft. Ein weiteres halbes Jahr verging. Die Entwickler kündigten, das Wissen ging verloren. Der Geschäftsführer kehrte zum Markt zurück, suchte einen neuen Anbieter und begann von vorne. Insgesamt verbrannte das Unternehmen 150.000 Euro und 18 Monate.

Mit einer Intelligenz-Schicht wäre der Verlauf anders gewesen: Die Middleware hätte die Angebotserstellung von der konkreten KI-Lösung isoliert. Der Start mit einer gekauften Lösung wäre möglich gewesen, ohne dass der gesamte Prozess davon abhängig wurde. Die Wissensbasis hätte die Variantenregeln dokumentiert, unabhängig von der Software. Die Muster-Erkennung hätte frühzeitig signalisiert, dass die gekaufte Lösung an ihre Grenzen stößt. Die Rules Engine hätte den Übergang auf eine andere Lösung gesteuert, ohne den Prozess zu unterbrechen. Der Wechsel wäre ein geplanter Übergang gewesen, nicht ein Teufelskreis.

Dieses Szenario ist kein Einzelfall. Es ist das am häufigsten beobachtete Muster in KI-Projekten des Mittelstands. Die Lösung liegt nicht in einer besseren Make-or-Buy-Entscheidung, sondern in einer Architektur, die die Entscheidung überflüssig macht.

Verwandte Inhalte

Dieser Ratgeber behandelt Make-or-Buy-Entscheidungen als Architekturfrage. Für vertiefte Betrachtungen einzelner Dimensionen empfehlen sich folgende Artikel:

• KI-Strategie für den Mittelstand - Ein 90-Tage-Plan ohne externe Experten
• KI-Compliance im Mittelstand umsetzen - Die 10 Pflichtdokumente und ein 30-Tage-Plan
• Was kostet KI-Software im Mittelstand wirklich? - Preis-Transparenz für Entscheider
• KI in bestehende Systeme integrieren - Wie der Mittelstand ohne Systemwechsel startet
• KI Prozessoptimierung im Mittelstand - Wo Automatisierung aufhört und Intelligenz anfängt