KI-Entwicklung für Unternehmen bedeutet, Software zu gestalten, zu bauen und zu betreiben, die künstliche Intelligenz wie Sprachmodelle, Prognosen oder Bilderkennung nutzt, um eine bestimmte Aufgabe im Unternehmen zu erledigen. Für europäische Unternehmen beginnt gute KI-Entwicklung mit einer engen, messbaren Aufgabe, nutzt bestehende Modelle, wo immer sie gut genug sind, lässt wichtige Entscheidungen bei einem Menschen und plant DSGVO und EU AI Act von Anfang an ein. Dieser Leitfaden zeigt, wo Sie anfangen, die wichtigsten Arten von KI-Projekten, was die Arbeit umfasst, was die Kosten bestimmt, die EU-Regeln, die Wahl des Partners und die Messung der Ergebnisse.
Zuletzt aktualisiert: 1. November 2026.
Was ist KI-Entwicklung?
KI-Entwicklung bedeutet, Software zu bauen, in der ein Teil der Arbeit von einem Modell erledigt wird, das aus Daten gelernt hat, statt von Regeln, die jemand Zeile für Zeile programmiert hat. Im Unternehmen heißt das selten, ein neues Modell von Grund auf zu trainieren. Die meisten Projekte verbinden ein bestehendes Modell mit Ihren eigenen Daten, Ihren eigenen Systemen und einer sorgfältig gestalteten Oberfläche.
Ein hilfreiches Bild: Das Modell ist eine Komponente. Um es herum liegen die Daten, die es lesen darf, die Anweisungen, denen es folgt, die Prüfungen seiner Ausgaben, die Oberflächen, die Menschen nutzen, und die Protokolle, die zeigen, was passiert ist. Der Großteil der Arbeit und des Nutzens steckt in diesen umgebenden Teilen.
Bei Odduel, einer Agentur für Kreation und Technologie in Barcelona und São Paulo, ist das der Umfang unserer Leistung KI-Entwicklung: individuelle KI-Funktionen, Assistenten und Automatisierungen, eingebaut in die Tools, die ein Unternehmen bereits nutzt.
Kurz gesagt: Wählen Sie eine Aufgabe mit einem klaren Erfolgsmaß. Beginnen Sie mit einem bestehenden Modell und Ihren eigenen Daten. Testen Sie an echten Beispielen, bevor Sie Oberflächen bauen. Lassen Sie einen Menschen mitentscheiden, wo Fehler ins Gewicht fallen. Dokumentieren Sie die Datennutzung für die DSGVO und prüfen Sie früh die Risikostufe nach dem AI Act. Messen Sie Genauigkeit, eingesparte Zeit und Kosten pro Aufgabe, jeden Monat.
Welche KI-Projekte setzen Unternehmen um?
Die meisten KI-Projekte in Unternehmen folgen einer Handvoll Muster. Wer weiß, welches er baut, kann Umfang, Kosten und Risiko viel leichter einschätzen.
| Muster | Was es leistet | Typische Einsätze | Hauptrisiko |
|---|---|---|---|
| Assistent für Ihre Dokumente | Beantwortet Fragen auf Grundlage Ihrer eigenen Inhalte | Interne Wissensdatenbank, Support-Antworten, Richtlinien nachschlagen | Falsche oder veraltete Antworten bei schwachen Quellen |
| Dokumentenverarbeitung | Liest eingehende Dateien und extrahiert Daten | Rechnungen, Formulare, Verträge, Lebensläufe | Fehler bei ungewöhnlichen Layouts |
| Unterstützung bei Inhalten | Entwirft Texte oder Bilder zur Prüfung durch Menschen | Produktbeschreibungen, Antworten, erste Entwürfe | Tonalität und Richtigkeit ohne Prüfung |
| Klassifizierung und Weiterleitung | Sortiert eingehende Vorgänge und leitet sie an die richtige Stelle | Support-Tickets, Leads, E-Mails | Unbemerkte Fehlleitung |
| Prognose | Schätzt eine Zahl oder Wahrscheinlichkeit aus vergangenen Daten | Nachfrage, Abwanderung, Lagerbestand | Schwache oder verzerrte historische Daten |
| Agenten | Planen und erledigen mehrere Schritte mithilfe von Tools | Recherche, Terminplanung, Backoffice-Aufgaben | Ungewollte Aktionen ohne Grenzen |
Agenten verdienen einen besonderen Hinweis zur Vorsicht. Sie können mehr, also können sie auch mehr falsch machen. Unser Artikel zu den Kosten der Entwicklung von KI-Agenten erklärt, warum Grenzen und Tests bei ihnen einen größeren Teil des Budgets beanspruchen.
Wo sollte ein Unternehmen mit der KI-Entwicklung anfangen?
Beginnen Sie mit einer Aufgabe, nicht mit der Technologie. Die besten ersten Projekte sind häufige, regelreiche Aufgaben, bei denen ein gutes Ergebnis leicht zu erkennen und ein Fehler leicht zu bemerken ist.
- Listen Sie wiederkehrende Aufgaben auf. Fragen Sie die Teams, wo sie jeden Tag kopieren, sortieren, zusammenfassen oder dieselben Fragen beantworten.
- Wählen Sie eine aus. Nehmen Sie die Aufgabe mit hohem Volumen, klaren Erfolgskriterien und geringem Schaden, wenn die KI gelegentlich danebenliegt.
- Sammeln Sie echte Beispiele. Tragen Sie echte Eingaben und die richtigen Ergebnisse zusammen. Daraus wird Ihr Testset.
- Prüfen Sie die Daten. Klären Sie, ob Sie sie nutzen dürfen, wo sie gespeichert sind und wer sie sehen kann.
- Testen Sie bestehende Modelle. Probieren Sie einige an Ihren Beispielen aus, bevor Sie etwas bauen. Oft ist eines gut genug.
- Gestalten Sie den Ablauf. Legen Sie fest, wo ein Mensch das Ergebnis prüft, freigibt oder korrigiert.
- Starten Sie einen Pilot mit einer kleinen Gruppe. Messen Sie gegen den bisherigen Weg und entscheiden Sie dann, ob Sie ausweiten.
Unser Leitfaden, wie Sie ein KI-Projekt starten, führt mit einer Checkliste durch diese Schritte.
Was umfasst KI-Entwicklung in der Praxis?
KI-Entwicklung umfasst dieselben Phasen wie andere Software, dazu zwei KI-spezifische: die Evaluierung und das Monitoring der Modellausgaben.
Discovery und Datenprüfung
Die Discovery definiert die Aufgabe, die Nutzer, die beteiligten Systeme und das Erfolgsmaß. Die Datenprüfung klärt, welche Daten es gibt, wie gut sie sind, auf welcher Rechtsgrundlage sie genutzt werden dürfen und wo sie verarbeitet werden dürfen.
Prototyp und Evaluierung
Ein schneller Prototyp lässt das Modell auf Ihrem Testset laufen. Die Evaluierung bewertet die Ausgaben: richtig, teilweise richtig, falsch, schädlich. Dieser Schritt entscheidet, ob das Projekt tragfähig ist, bevor Geld in Oberflächen und Schnittstellen fließt.
Integration und Oberfläche
Die KI-Funktion wird an Ihre Systeme angebunden (CRM, Dokumentenablage, E-Mail, ERP) und erhält eine Oberfläche, die zur Arbeitsweise der Menschen passt. Gute Oberflächen zeigen Quellen, machen Korrekturen einfach und verbergen nie, dass eine Antwort von einer KI stammt. Unser Artikel zu KI im UX-Design behandelt die Designseite.
Schutzmechanismen
Schutzmechanismen begrenzen, was das System lesen und tun darf, filtern Ein- und Ausgaben, protokollieren jede Aktion und leiten unsichere Fälle an einen Menschen weiter.
Release und Monitoring
Nach dem Release wird die Ausgabequalität im echten Betrieb überwacht, das Testset wächst mit neuen Fällen, und Modell oder Anweisungen werden aktualisiert, wenn die Qualität nachlässt oder ein besseres Modell erscheint.
Für Projekte, die KI in ein bestehendes Produkt bringen, statt ein neues zu bauen, erklärt unser Leitfaden zur KI-Integration im Unternehmen die zusätzlichen Schritte.
Was bestimmt die Kosten der KI-Entwicklung?
Die Kosten der KI-Entwicklung richten sich nach der Schwierigkeit der Aufgabe, dem Zustand Ihrer Daten, der Tiefe der Integration und den laufenden Kosten des Modells. Preisspannen veröffentlichen wir nicht, weil eine faire Zahl auf einem kurzen Briefing und einem Machbarkeitstest beruht, doch diese Positionen stehen in jedem Angebot.
- Schwierigkeit der Aufgabe: Enge, klar definierte Aufgaben kosten einen Bruchteil offener Aufgaben.
- Datenaufbereitung: Bereinigung, Strukturierung und Berechtigungen für Ihre Daten machen oft den größten Teil der frühen Arbeit aus.
- Evaluierung: Ein Testset aufzubauen und Ausgaben zu bewerten ist unverzichtbar und braucht echte Zeit.
- Integration: Jedes System, aus dem die KI liest oder in das sie schreibt, bringt Design, Entwicklung und Tests mit sich.
- Schutzmechanismen und Compliance: Grenzen, Protokollierung, Abläufe zur menschlichen Prüfung und Dokumentation.
- Laufende Kosten: Die Modellnutzung wird pro Anfrage oder nach Volumen abgerechnet, dazu kommen Hosting und Monitoring, jeden Monat.
- Wartung: Modelle ändern sich, und die Ausgaben müssen dann neu getestet werden.
Wenn Sie Anbieter vergleichen, erklärt unser Artikel zur Frage KI-Agentur oder Freelancer, wie beide diese Arbeit kalkulieren und betreuen.
Welche EU-Regeln gelten für die KI-Entwicklung?
Für europäische Unternehmen zählen zwei Regelwerke am meisten: der Datenschutz und der AI Act.
- Der EU AI Act: Die KI-Verordnung ist am 1. August 2024 in Kraft getreten und gilt stufenweise. Sie ordnet KI-Systeme nach Risiko. Einige Praktiken sind verboten; Hochrisiko-Anwendungen, etwa manche Einsätze bei der Personalauswahl, der Kreditvergabe oder in wesentlichen Diensten, unterliegen strengen Pflichten; und Systeme, die mit Menschen interagieren oder Inhalte erzeugen, haben Transparenzpflichten, etwa den Hinweis, dass man es mit einer KI zu tun hat. Die meisten Assistenten und Automatisierungen im Unternehmen fallen in die niedrigeren Kategorien, doch die Kategorie muss geprüft, nicht angenommen werden.
- Die DSGVO: Jede Übermittlung personenbezogener Daten an ein Modell ist eine Verarbeitung im Sinne der Datenschutz-Grundverordnung. Sie brauchen eine Rechtsgrundlage, Datenminimierung, Auftragsverarbeitungsverträge mit den Modellanbietern, Klarheit darüber, wo Daten verarbeitet und gespeichert werden, und einen Weg, die Rechte der Betroffenen zu wahren. Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung auf Menschen verlangen besondere Sorgfalt.
- Vertraulichkeit und geistiges Eigentum: Prüfen Sie, was Modellanbieter mit Ihren Eingaben tun dürfen, und halten Sie Geschäftsgeheimnisse und Kundendaten aus Diensten heraus, die sie zum Training nutzen könnten.
Ein guter Partner hält diese Entscheidungen in der Discovery fest: Risikokategorie, Datenflüsse, Anbieter und ihre Standorte sowie die vorgesehene menschliche Aufsicht.
Wie wählen Sie einen Partner für die KI-Entwicklung?
Wählen Sie einen Partner, der die Machbarkeit testet, bevor er Ergebnisse verspricht, und der so viel über Evaluierung spricht wie über Modelle.
- Bitten Sie um einen Machbarkeitstest. Ein kurzer, bezahlter Test an Ihren eigenen Beispielen ist mehr wert als jede Demo.
- Fragen Sie, wie er Qualität misst. Erwarten Sie ein Testset, Bewertungen und einen Plan für Fehlerfälle.
- Fragen Sie nach dem Umgang mit Daten. Wohin Daten gehen, welche Anbieter sie verarbeiten und unter welchen Verträgen.
- Fragen Sie nach dem AI Act. Der Partner sollte Risikokategorien und Transparenz klar erklären können.
- Fragen Sie nach den laufenden Kosten. Modellnutzung, Hosting und Monitoring sollten geschätzt sein, bevor Sie sich festlegen.
- Fragen Sie, wer wartet. Modelle und Anbieter ändern sich; jemand muss neu testen und aktualisieren.
Woran messen Sie, ob KI-Entwicklung funktioniert?
Sie messen ein KI-System an der Aufgabe, die es erledigt, im Vergleich dazu, wie die Aufgabe vorher erledigt wurde.
- Genauigkeit: der Anteil richtiger Ausgaben auf einem wachsenden Testset und im echten Betrieb.
- Eingesparte Zeit: Minuten pro Aufgabe vorher und nachher, einschließlich der Zeit, die Menschen für die Prüfung brauchen.
- Akzeptanz: wie viele der vorgesehenen Nutzer sich darauf verlassen und wie oft sie es übersteuern.
- Kosten pro Aufgabe: Modellnutzung und laufende Kosten geteilt durch die erledigten Aufgaben.
- Vorfälle: Fehler, die einen Kunden erreicht oder Schaden verursacht haben, und wie schnell sie bemerkt wurden.
Prüfen Sie diese Werte monatlich. Ein System, das beim Launch genau war, kann abdriften, wenn sich Eingaben, Modelle oder Geschäftsregeln ändern.
Was sind die häufigsten Fehler in der KI-Entwicklung?
Die typischen Fehler betreffen vor allem Erwartungen und Daten:
- Mit „Wir brauchen KI“ beginnen statt mit einer Aufgabe und einem Maßstab.
- Das Testset weglassen, sodass niemand weiß, wie oft das System falsch liegt.
- Personenbezogene oder vertrauliche Daten an einen Anbieter senden, ohne seine Bedingungen zu prüfen.
- Einem Agenten weitreichende Berechtigungen ohne Grenzen oder Protokolle geben.
- Laufende Kosten und Modelländerungen nach dem Launch vergessen.
Wie KI die Arbeit an Websites und digitalen Produkten insgesamt verändert, zeigt unser Artikel zu KI in Webdesign und Webentwicklung.
Häufige Fragen zur Agenturwahl
Müssen wir ein eigenes KI-Modell trainieren?
Selten. Die meisten Projekte im Unternehmen nutzen ein bestehendes Modell und geben ihm Ihre eigenen Daten und Anweisungen im Moment der Nutzung mit. Das ist schneller, günstiger und leichter zu aktualisieren. Ein Modell zu trainieren oder per Fine-Tuning anzupassen lohnt sich nur bei sehr speziellen Aufgaben, bei denen bestehende Modelle auf einem sauber gemessenen Testset nicht genügen.
Wie lange dauert ein KI-Entwicklungsprojekt?
Ein Machbarkeitstest an Ihren eigenen Beispielen kann einige Tage bis wenige Wochen dauern. Eine erste produktive Funktion mit Integration, Schutzmechanismen und Oberfläche braucht meist einige Wochen bis wenige Monate, je nach beteiligten Systemen. Datenaufbereitung und Evaluierung sind die Phasen, die am häufigsten unterschätzt werden.
Gilt der EU AI Act auch für KI-Tools kleiner Unternehmen?
Er gilt für alle, die KI-Systeme in der EU anbieten oder nutzen, doch die Pflichten hängen von der Risikokategorie ab. Für die meisten Assistenten und Automatisierungen sind sie gering, vor allem Transparenz. Einsätze in Bereichen wie Personalauswahl, Kreditvergabe oder wesentlichen Diensten können als Hochrisiko gelten und strenge Anforderungen mit sich bringen, deshalb sollte die Kategorie in der Discovery geprüft werden.
Ist es sicher, Unternehmensdaten mit KI-Modellen zu nutzen?
Mit dem richtigen Setup kann es das sein. Wählen Sie Anbieter, deren Bedingungen das Training mit Ihren Eingaben ausschließen, schließen Sie Auftragsverarbeitungsverträge, legen Sie fest, wo Daten verarbeitet werden, senden Sie nur, was die Aufgabe braucht, und protokollieren Sie Zugriffe. Personenbezogene Daten fallen unter die DSGVO, es gelten also dieselben Regeln wie für jede andere Verarbeitung.
Woran erkennen Sie, ob ein KI-System genau genug ist?
Bauen Sie ein Testset aus echten Beispielen mit richtigen Antworten und bewerten Sie das System darauf vor dem Launch. Legen Sie vorab fest, welche Genauigkeit für die Aufgabe akzeptabel ist und was mit unsicheren Fällen geschieht. Prüfen Sie nach dem Launch weiter Stichproben echter Ausgaben, denn die Genauigkeit kann sich ändern, wenn sich Eingaben oder Modelle ändern.
Listen Sie die wiederkehrenden Aufgaben auf, über die Ihre Teams klagen, und wählen Sie eine mit klarem Maßstab: Das ist Ihr erstes KI-Projekt. Wenn Sie sie an echten Beispielen testen wollen, sehen Sie sich unsere Leistung KI-Entwicklung an oder erzählen Sie uns von der Aufgabe.
