Die Frage, die fast jedes Unternehmen beim Einstieg in KI stellt, lautet: “Machen wir das selbst, oder lagern wir aus?” Sie klingt vernünftig. Sie ist die falsche Frage.
Die richtige Frage lautet: Wer baut das Wissen auf, du oder jemand anderes? Und welche Konsequenzen hat das in drei Jahren?
Warum “Make or Buy” als Rahmen zu eng ist
Make-or-Buy ist ein klassisches Beschaffungsmodell. Es funktioniert gut in klar abgrenzbaren Bereichen wie IT-Infrastruktur oder Buchhaltung. Bei diesen Kategorien ist das Ergebnis klar definiert und die Qualität messbar. Ein Anbieterwechsel ist aufwendig, aber grundsätzlich möglich.
KI-Projekte funktionieren anders. BCG hat in einer Analyse aus 2024 festgestellt, dass 70 Prozent aller Herausforderungen bei der KI-Einführung nicht technischer Natur sind, sondern auf Menschen und Prozesse zurückgehen. Das bedeutet: Was eine Agentur wirklich aufbaut, wenn sie ein KI-Projekt für dich umsetzt, ist kein System. Es ist ein Verständnis davon, wie deine Abläufe funktionieren und wo die kritischen Ausnahmen liegen. Dieses Verständnis sitzt nach einem erfolgreichen Projekt bei der Agentur, nicht bei dir.
Das ist das eigentliche Outsourcing-Problem. Es steht in keinem Angebot.
Was in der Praxis passiert
Superkind.ai hat 2024 ausgewertet, dass rund 95 Prozent aller KI-Projekte im Mittelstand nie den Produktivbetrieb erreichen. Wer die anderen 5 Prozent anschaut, sieht ein interessantes Muster: In vielen dieser Fälle ist das Projekt technisch gelungen, aber das Ergebnis ist ein Black-Box-System, das läuft, solange niemand etwas daran anfasst.
Und dann ändern sich Anforderungen. Ein neuer Prozessschritt. Eine neue Datenquelle. Eine Preisanpassung des Modellanbieters. Plötzlich braucht man wieder die Agentur, diesmal als einzige Person mit dem Kontext, um überhaupt zu verstehen, was geändert werden muss. Das ist kein Vendor Lock-in im technischen Sinne. Es ist Know-how Lock-in.
70 Prozent der Enterprise-Deployments werden laut einer Auswertung von Skillbyte aus dem Jahr 2025 in den ersten 90 Tagen nach Go-live komplett umgebaut, weil die erste Architektur der Realität nicht standhält. Diese Umbauten passieren fast immer extern, weil intern niemand das System versteht.
Was du auslagern kannst und was nicht
Die Trennlinie ist nicht “komplex oder einfach”. Sie ist: Ist das, was hier automatisiert wird, ein generisches Problem oder ein unternehmensspezifisches Problem?
Generische Probleme können problemlos outgesourced werden: Eingehende E-Mails kategorisieren, PDF-Dokumente auslesen, Standardberichte automatisch erstellen. Diese Aufgaben laufen auf allgemeinen Mustern. Eine Agentur mit Erfahrung in vergleichbaren Projekten wird sie schneller umsetzen als du intern, und wenn sie es nicht richtig macht, kannst du jemanden anderen beauftragen.
Werkzeuge wie Zapier oder Make erlauben für diese Kategorie oft vollständig agenturfreies Outsourcing: fertige Bausteine ohne Code, ohne Abhängigkeit von einem externen Dienstleister als einzigem Wissensträger.
Unternehmensspezifische Probleme sind eine andere Kategorie. Wenn du einen Prozess automatisieren willst, der auf dem Wissen deiner besten Mitarbeitenden beruht, auf internen Produktdaten oder auf Kundendaten, die nirgendwo anders existieren, dann baust du mit dem Outsourcing etwas auf, das nur mit diesem Wissen funktioniert. Und dieses Wissen wandert zur Agentur.
Ein Beispiel: Ein Großhändler baut mit einer Agentur einen KI-gestützten Preisalgorithmus, der auf historischen Bestelldaten basiert, die auch saisonale Muster und vergangene Lieferausfälle einbeziehen. Das System läuft. Die Agentur hat dabei gelernt, wie der Einkaufsprozess dieses Unternehmens funktioniert und wo die strukturellen Datenlücken liegen. Der Großhändler hat ein funktionierendes System und keinen Mitarbeitenden, der versteht, wie es Empfehlungen erzeugt. Die Agentur hat das Kernwissen über ein Kerngeschäftsfeld.
Wann Outsourcing trotzdem die richtige Entscheidung ist
Das ist keine Absage an externe Dienstleister. Es gibt Konstellationen, in denen sie klar die bessere Wahl sind.
Wenn du noch am Anfang stehst und gar nicht weißt, welche KI-Anwendungsfälle bei dir überhaupt Sinn ergeben, ist ein externer Blick wertvoll. Eine Agentur, die zwanzig ähnliche Unternehmen beraten hat, sieht Muster, die du von innen nicht siehst. Wichtig dabei: Lass dir die Erkenntnisse schriftlich festhalten. Der Orientierungswert liegt im Wissen, nicht im Folgeauftrag.
Wenn du ein klar abgegrenztes, einmaliges Projekt hast, das nach Abschluss nicht mehr weiterentwickelt wird, bleibt der Know-how-Abfluss folgenlos. Das System läuft, fertig. Kein Weiterbetrieb, keine Abhängigkeit.
Wenn Zeitdruck herrscht und ein Wettbewerber bereits am Markt ist, ist Geschwindigkeit ein echtes Argument. Externe Ressourcen skalieren schneller als interner Aufbau. Der Preis dafür ist, dass das Wissen über das System extern bleibt. Das sollte eine bewusste Entscheidung sein, keine übersehene Nebenwirkung.
Der entscheidende Unterschied liegt darin, was du aus der Zusammenarbeit herausnimmst. Eine Agentur, die auf saubere Übergabe und internen Kompetenzaufbau besteht, ist eine andere Kategorie als eine, die nach Projektabschluss als einzige den Schlüssel behält.
Was einen guten Dienstleister von einem schlechten unterscheidet
Du erkennst den Unterschied an einer einzigen Frage: “Wie stellt ihr sicher, dass unser Team das System nach Projektende selbst warten kann?”
Eine gute Agentur gibt darauf eine konkrete Antwort mit Plan. Sie plant Übergabeworkshops ein. Dokumentation entsteht in verständlicher Sprache, nicht in Entwickler-Jargon. Und sie benennt von Anfang an, welche internen Rollen nach Projektabschluss welche Verantwortung übernehmen.
Eine schlechte Agentur weicht der Frage aus oder formuliert vage. Manchmal, weil das Geschäftsmodell auf Folgebeauftragung basiert. Manchmal, weil die Fähigkeit zur Übergabe schlicht nicht vorhanden ist.
Die wichtigste Frage vor der Unterschrift: Wer hat nach Projektabschluss noch Zugriff auf Systeme und Modelle? Auf eigener Infrastruktur laufende Lösungen lassen sich intern weiterführen, bei Cloud-only Deployments endet der Zugriff mit dem Vertrag. Klär auch, welche Drittanbieter involviert sind (etwa OpenAI oder Google), und ob deine Daten davon ausgenommen sind, Trainingsbestandteil zu werden.
Wer auf diese Fragen keine klare Antwort hat, hat die falsche Agentur gefunden.
Die bessere Ausgangsfrage
Statt “Make or Buy” sollte die Frage lauten: Ist das, was wir hier aufbauen, ein Standardproblem oder ein Wissenskerngeschäft?
Für Standardprobleme ist Outsourcing oft die effizienteste Lösung. Für Wissenskerngeschäfte ist Outsourcing ein Risiko, das sich erst nach 18 bis 24 Monaten zeigt, wenn das System geändert werden muss und niemand intern weiß wie.
Der Mittelstand gibt 2025 laut einer Auswertung des Bayerischen Forschungsinstituts für Digitale Transformation (bidt) bereits weniger in KI aus als 2024: 0,35 Prozent des Umsatzes, nach 0,41 Prozent im Vorjahr. Das klingt nach Zögern. Es könnte auch Ernüchterung sein, bei Unternehmen, die ausgelagert haben und jetzt feststellen, dass sie das Ergebnis nicht wirklich kontrollieren.
Wenn du gerade einen KI-Einstieg planst, lohnt sich ein Blick auf die Lernpfade für internen Kompetenzaufbau und den KI-Tools-Vergleich, bevor du die erste Agentur anfragst. Was grundsätzlich beim Thema große Sprachmodelle zu beachten ist, zeigt der Vergleich der großen KI-Modelle.
Du willst unabhängige Einschätzungen zu KI im Unternehmenskontext, ohne Agentur-Perspektive? Der KI-Syndikat Newsletter liefert alle zwei Wochen Orientierung ohne Verkaufsabsicht.