Nicht für jede KI-Lösung lohnt sich die Eigenentwicklung. Mit einem kompakten Framework aus zwei K.-o.-Kriterien prüfen Sie, ob Build oder Buy die bessere Wahl ist. Hier zählen strategische Relevanz und Wirtschaftlichkeit.
An Amazon-Kindle übertragen
Melden Sie sich bei Ihrem Amazon Konto an und folgen Sie den Anweisungen, um Ihre Datei hochzuladen und auf Ihr Kindle-Gerät zu übertragen. Unter diesem Link können Sie Ihre Amazon-Geräte und Dateien verwalten. Feedback oder Fragen?
Nicht für jede KI-Lösung lohnt sich die Eigenentwicklung. Mit einem kompakten Framework aus zwei K.-o.-Kriterien prüfen Sie, ob Build oder Buy die bessere Wahl ist. Hier zählen strategische Relevanz und Wirtschaftlichkeit.
Viele Unternehmen investieren massiv in KI, oft aus der Sorge heraus, technologisch den Anschluss zu verlieren. Die klassische Make-or-Buy-Entscheidung, im KI-Kontext treffender als Build-or-Buy bezeichnet, greift hier allerdings zu kurz. Sie basiert vor allem auf stabilen Technologielebenszyklen, planbaren Entwicklungskosten und mehrjährigen Betrachtungszeiträumen. KI-Systeme verändern sich jedoch deutlich schneller. Modelle, Anbieter und technische Grundlagen können hier innerhalb weniger Monate durch andere ersetzt werden.
Der Artikel richtet sich an Projektleitende, die KI-Initiativen in ihren Organisationen bewerten und steuern. Sie erfahren, wie Sie mithilfe eines Frameworks entscheiden, ob eine Eigenentwicklung (Build) oder eine Standardlösung (Buy) strategisch und wirtschaftlich sinnvoller ist.
Bei der Planung und Budgetierung von KI-Projekten treten vor allem zwei wiederkehrende Planungsfehler auf. Manche Unternehmen entwickeln intern Tools, wie z. B. ein eigenes KI-gestütztes Reisekostenabrechnungstool, obwohl hierfür auch Standardlösungen verfügbar sind. Diese Eigenentwicklungen binden jedoch interne Ressourcen und leisten keinen messbaren Beitrag zum Umsatz, zur Wettbewerbsposition oder zur Kernkompetenz des Unternehmens.
Der zweite Fehler liegt in der klassischen Wirtschaftlichkeitsbewertung (ROI). Herkömmliche Modelle kalkulieren oft mit einem Zeithorizont von drei bis fünf Jahren. Im schnelllebigen KI-Umfeld ist das problematisch, denn ob sich eine KI-Investition rentiert, lässt sich für einen so langen Zeitraum kaum seriös voraussagen. Je weiter der geplante Break-Even in der Zukunft liegt, desto unzuverlässiger wird die Kalkulation. Für KI-Investitionen muss der Betrachtungszeitraum für den ROI daher deutlich kürzer angesetzt werden.
Entscheidungen über den Kauf oder die Entwicklung von KI-Tools scheitern in Unternehmen häufig an fehlender Struktur. Das folgende Framework reduziert die Komplexität auf zwei vorgelagerte K.-o.-Kriterien, die zum einen die strategische Relevanz und zum anderen die Wirtschaftlichkeit prüfen. Erst wenn beide erfüllt sind, ist es sinnvoll, eine Investitionsentscheidung weiterzuverfolgen. Scheitert ein Vorhaben an einem der beiden Kriterien, kann eine reine Standardlösung dennoch zielführend sein.
Die zentrale Frage lautet: Trägt die Lösung direkt zu Umsatz, Wettbewerbsfähigkeit oder einer für das Geschäftsmodell wesentlichen Kernkompetenz bei?
Zu den Kernkompetenzen zählen auch Prozesse und Fähigkeiten, die das Geschäftsmodell substanziell prägen. Ein KI-System im Vertrieb kann z. B. strategisch relevant sein, wenn es Abschlussquoten verbessert. In einem Logistikunternehmen ist die Liefertreue ein wesentlicher Wettbewerbsfaktor. Ein KI-System, das hier durch Routenoptimierung oder die Vorhersage von Engpässen die Zuverlässigkeit erhöht, zahlt direkt auf diese Kernkompetenz ein. Eine strategische Relevanz hätte eine individuelle KI-Lösung auch dann, wenn das Unternehmen selbst als Softwareanbieter agiert, um sie am Markt zu verkaufen.
Die strategische Relevanz lässt sich mit folgender Kernfrage prüfen: Würde der Wegfall dieses Tools die Marktposition oder den Umsatz des Unternehmens direkt und messbar beeinträchtigen? Wenn ja, ist strategische Relevanz gegeben. Wenn nein, ist sie es nicht.
Ohne diesen strategischen Beitrag fehlt die Rechtfertigung für eine Eigenentwicklung oder ein weitreichend angepasstes Fremdsystem, da dies interne Ressourcen bindet und sogar oft den Zukauf von Kompetenzen außerhalb des Unternehmens erfordert. Der Bedarf sollte dann mit einer am Markt verfügbaren Standardlösung adressiert werden.
Ist die strategische Bedeutung jedoch gegeben, bleibt Build grundsätzlich eine Option. Gleiches gilt für ein Fremdsystem, das so weit an unternehmensspezifische Prozesse angepasst wird, dass faktisch ein Unikat entsteht. Eine solche Lösung weist wesentliche Merkmale einer Eigenentwicklung auf und sollte entsprechend bewertet werden.
Die strategische Bedeutung allein reicht jedoch nicht aus. Auch eine Eigenentwicklung, die eine Kernkompetenz stärkt, oder eine umfassend angepasste Fremdlösung muss wirtschaftlich tragfähig sein. Dabei ist auch die Bindung interner Ressourcen zu berücksichtigen. Ressourcen, die in eine Eigenentwicklung fließen, stehen für andere Vorhaben nicht mehr zur Verfügung. Gerade bei einem Mangel an KI-Expert:innen im Unternehmen kann dies die Investitionsentscheidung wesentlich beeinflussen.
Im dynamischen KI-Kontext sind 18 bis 24 Monate ein sachgerechter Bewertungsrahmen für den Break-Even. Zusätzlich sollte der ROI-Pfad bereits nach neun bis zwölf Monaten anhand vorab definierter Indikatoren messbar validiert werden. Entscheidend dabei ist, dass belastbare Kennzahlen zeigen, ob sich die Investition in die erwartete Richtung entwickelt. Diese Kennzahlen (KPIs) können z. B. messbar verbesserte Abschlussquoten im Vertrieb oder eine prozentual erhöhte Liefertreue in der Logistik sein und müssen vor der Investitionsentscheidung definiert werden.
Die beiden K.-o.-Kriterien lassen sich in einer kompakten Matrix zusammenführen (Bild 1), die vier klar unterscheidbare Entscheidungssituationen abbildet. Sie ersetzt keine vollständige Investitionsanalyse, aber sie strukturiert den Einstieg in die Entscheidung und verhindert, dass Ressourcen in Analysen fließen, die bereits an einem der beiden K.-o.-Kriterien scheitern würden.
In der ersten Situation (Feld 1 in der Grafik) hat das geplante KI-Tool eine strategische Relevanz und der ROI ist darstellbar. Build oder eine hochgradig individualisierte Fremdlösung können grundsätzlich gerechtfertigt sein. Existiert ein Standardprodukt, das den Bedarf erfüllt, ist Buy jedoch vorzuziehen. Eine Eigenentwicklung oder umfangreiche Anpassungen kommen dort in Betracht, wo eine unternehmensspezifische Differenzierung erforderlich ist.
In der zweiten Situation (Feld 2) hat das geplante KI-Tool ebenfalls eine strategische Relevanz, aber der ROI ist nicht darstellbar. Die Bedeutung für das Geschäftsmodell allein reicht also nicht. Annahmen, Umfang und Nutzenversprechen müssen daher überprüft werden. In der vorliegenden Form scheidet die Investition aus.
In der dritten Situation (Feld 3) ist es umgekehrt: Das angestrebte KI-Tool hat keine strategische Relevanz, aber der ROI ist darstellbar. Die Wirtschaftlichkeit allein rechtfertigt jedoch weder Build noch eine umfangreiche Individualisierung. Ein wirtschaftlich attraktiver Bedarf kann dennoch mit einer Standardlösung adressiert werden.
In der vierten Situation (Feld 4) ist das KI-Tool weder strategisch relevant noch ist der ROI darstellbar. Es fehlt sowohl die strategische als auch die wirtschaftliche Rechtfertigung für die Investition. Build und umfangreiche Individualisierung scheiden somit aus.
Einen Sonderfall stellt ein marktgängiges Tool dar, das durch umfangreiche Anpassungen so weit auf unternehmensspezifische Prozesse, Datenstrukturen und Anforderungen zugeschnitten werden kann, dass faktisch ein Unikat entsteht. Formal bleibt dies Buy. Strategisch und wirtschaftlich sollte eine solche Lösung jedoch ähnlich wie eine Eigenentwicklung bewertet werden, weil vergleichbare Aufwände und Abhängigkeiten entstehen können.
Deshalb ist hier zusätzlich eine Exit-Strategie relevant: Was passiert, wenn der Anbieter vom Markt verschwindet, das Produkt einstellt oder die Konditionen wesentlich verändert? Sind Daten, Konfigurationen und Prozesswissen übertragbar? Bei Eigenentwicklungen stellt sich dieselbe Frage in anderer Form, etwa bei der Abhängigkeit von Schlüsselentwicklern oder einzelnen Technologiekomponenten.
Je stärker ein Standardsystem an unternehmensspezifische Anforderungen angepasst wird, desto mehr verschiebt sich auch das Verhältnis von Standardisierung zu Individualentwicklung. Neben den direkten Kosten steigt der Aufwand für Pflege, Weiterentwicklung und die Anpassung an neue Versionen des Ausgangssystems. Dieser zusätzliche Aufwand muss in die Wirtschaftlichkeitsbetrachtung einfließen.
Vor einer Build-or-Buy-Entscheidung sollten fünf Fragen sequenziell beantwortet werden:
Die Antworten bestimmen den Entscheidungspfad und verhindern, dass Ressourcen in Entwicklungen oder Individualisierungen fließen, deren strategische oder wirtschaftliche Grundlage nicht trägt.
Build or Buy ist im KI-Kontext keine reine Kostenfrage. Eine Eigenentwicklung und weitreichende Anpassungen sind dort gerechtfertigt, wo sie eine zentrale Kernkompetenz stärken oder einen Wettbewerbsvorteil sichern und sich innerhalb eines belastbaren Zeithorizonts wirtschaftlich tragen. Fällt die Grundsatzentscheidung zugunsten von Buy, beginnt im zweiten Schritt der eigenständige Auswahl- und Bewertungsprozess für eine geeignete Standardlösung. (hb)
