Externe Firma oder eigenes Team? Wie man KI einführt, ohne eine IT-Abteilung von Grund auf aufzubauen

Autor: Karol Jurewicz (Strategic Advisor & Business Analyst) · Zuletzt aktualisiert:

Ein Unternehmen erwägt eine KI-Einführung. Dokumentenautomatisierung, prädiktive Analytik, ein intelligenter Assistent für das Team — an Ideen mangelt es nicht. Aber bevor überhaupt die Frage „welches Werkzeug?" gestellt wird, taucht eine andere auf: wer soll es machen?

Einen Programmierer einstellen? Einen Data Scientist? Einen AI Engineer? An eine externe Firma auslagern? Oder wird „jemand aus der IT das schon hinbekommen"?

Die Frage sieht aus wie eine einfache Wahl: Festanstellung vs. Outsourcing. In der Praxis ist sie komplex — denn es geht nicht nur um Kosten, sondern um Kompetenzen, Datensicherheit, das Tempo der Einführung und das, was passiert, wenn das System einmal in Betrieb ist.

Im Folgenden zerlegen wir das Thema in seine Bestandteile — ohne eine Option zu bewerben. Es gibt Situationen, in denen eine Festanstellung sinnvoll ist. Es gibt welche, in denen eine externe Firma die einzige realistische Option ist. Und es gibt welche, in denen eine Kombination aus beidem am besten funktioniert.

1. Warum „jemand aus der IT" meist nicht ausreicht

⚡ In einem Satz

Die Einführung von KI erfordert andere Kompetenzen als die Wartung der IT-Infrastruktur — ein Netzwerkadministrator ersetzt keinen Data Scientist, ebenso wenig wie ein Elektriker einen Architekten ersetzt.

💡 Einfach erklärt

In vielen Unternehmen ist die Reaktion auf das Thema KI: „wir haben eine IT-Abteilung, die soll sich darum kümmern." Das Problem ist, dass die Wartung der Infrastruktur (Server, Netzwerk, Lizenzen, Helpdesk) und der Bau von KI-Lösungen zwei völlig verschiedene Spezialisierungen sind.

Die Person, die IT-Systeme wartet, sorgt dafür, dass die vorhandenen Werkzeuge weiterhin funktionieren. Die Person, die KI einführt, muss den Geschäftsprozess verstehen, die Lösung entwerfen, die Daten vorbereiten, das Modell trainieren, es mit den Systemen des Unternehmens integrieren und es nach der Einführung überwachen. Das ist keine „zusätzliche Aufgabe" — es ist ein eigener Beruf.

Eine Analogie: Ein Unternehmen hat Elektriker, die die Verkabelung in einer Produktionshalle warten. Nun will es eine neue Halle bauen. Es wird die Elektriker nicht bitten, das Gebäude zu entwerfen — es wird einen Architekten beauftragen. Der Elektriker wird weiterhin gebraucht (er verkabelt das neue Gebäude), aber sein Entwurf erfordert jemanden mit anderen Kompetenzen.

Mit KI ist es genauso: Die IT-Abteilung wird gebraucht (Integration, Infrastruktur, Berechtigungen), aber das Entwerfen und Einführen einer KI-Lösung erfordert jemanden, der technisches Wissen (Python, ML, Cloud) mit der Fähigkeit verbindet, ein Geschäftsproblem zu verstehen.

Es gibt noch ein Problem, über das selten gesprochen wird: Der KI-Markt ist voll von Menschen, die Kurse und Bootcamps absolviert haben, aber keine echten Implementierungen vorweisen können. Man wird nicht allein aus der Theorie zum Data Scientist oder AI Engineer — es braucht Praxis an echten Daten, in echten Prozessen, mit echten Einschränkungen. Ein Unternehmen, das für eine Festanstellung rekrutiert, riskiert, jemanden einzustellen, der im Gespräch gut war, aber das erste nicht standardmäßige Problem nicht bewältigt — und die rekrutierende Person hat oft nicht die Kompetenzen, das vor der Einstellung zu beurteilen. Eine externe Firma löst das anders: Sie ist für das Ergebnis verantwortlich, nicht für den Lebenslauf. Funktioniert die Einführung nicht — ist das das Problem der externen Firma, nicht des Kunden.

🔧 Zum Vertiefen

Eine KI-Einführung erfordert eine Reihe von Kompetenzen, die über mehrere Rollen verteilt sind:

  • Data Engineer — bereitet die Daten vor: baut Pipelines, bereinigt, transformiert, verbindet Quellen. Keine Daten, kein Modell.
  • Data Scientist / ML Engineer — entwirft und trainiert die Modelle, wählt Algorithmen, bewertet die Qualität (Precision, Recall, F1), iteriert.
  • AI Engineer — baut die Produktionsinfrastruktur: API, Monitoring, Retraining, Skalierung. Verantwortlich dafür, dass das Modell nicht in einem Notebook funktioniert, sondern im System des Unternehmens.
  • Prozessarchitekt — versteht, welchen Prozess zu automatisieren sinnvoll ist, wie man den Effekt misst, wie man die Veränderung im Team steuert.

Für die meisten Unternehmen — besonders jene, die gerade erst mit KI beginnen — ist es schwierig, diese Kompetenzen über Festanstellungen aufzubauen. Eine erfahrene Person kann mehrere Rollen auf einmal abdecken, aber einen solchen Kandidaten auf dem Markt zu finden, ist eine Herausforderung — und wenn er geht, verliert das Unternehmen alles auf einmal (siehe Was ist Prozessoptimierung? — der Abschnitt zur Abhängigkeit von einer einzelnen Person). Deshalb ist ein in der EU verbreitetes Modell der hybride Ansatz: strategische Kompetenzen intern, Implementierungskompetenzen extern.

2. Festanstellung vs. externe Firma — ein Vergleich

⚡ In einem Satz

Eine Festanstellung gibt Ihnen ständige Präsenz und Exklusivität; eine externe Firma gibt Ihnen Geschwindigkeit und Kompetenzbreite — der Schlüssel ist, das Modell an die Phase anzupassen, in der sich das Unternehmen befindet.

💡 Einfach erklärt

Eine Festanstellung funktioniert, wenn das Unternehmen bereits einen klar definierten Umfang an KI-Arbeit hat und jemanden braucht, der ihn täglich ausführt. Zum Beispiel: Das Unternehmen hat ein Computer-Vision-System an der Produktionslinie eingeführt und braucht einen Ingenieur, der es wartet, Modelle auf aktuellen Daten trainiert und auf Probleme reagiert.

Eine externe Firma funktioniert, wenn die Organisation noch nicht weiß, wo sie beginnen soll, Kompetenzen aus mehreren Bereichen auf einmal benötigt (Prozesse + Daten + ML + Integration) und Ergebnisse in Wochen sehen will, nicht in Monaten. Zum Beispiel: Das Unternehmen will die Dokumentenverarbeitung automatisieren, hat aber keine Erfahrung mit OCR, NLP oder Systemintegration — es braucht jemanden, der es durch den gesamten Prozess führt.

Der entscheidende Unterschied: Eine Festanstellung ist eine fixe Kostengröße, unabhängig von der Auslastung. Eine externe Firma ist eine zum Arbeitsumfang proportionale Kostengröße. Für ein Unternehmen, das 3 Monate intensive Arbeit braucht und danach 2 Stunden Unterstützung pro Woche, lohnt es sich zu berechnen, ob sich eine Festanstellung auszahlt.

Kriterium Eigenes Team Externer Partner
Verfügbarkeit Vor Ort, jeden Tag Gemäß einem vereinbarten Kooperationsmodell
Objektivität und Unabhängigkeit Ein Mitarbeiter ist Teil der Unternehmensstruktur — was es erschwert, offen über Probleme zu sprechen, die Vorgesetzte oder Kollegen betreffen Ein externer Partner ist nicht in interne Beziehungen verstrickt — er kann die Situation objektiv beurteilen und offen sagen, was sich ändern muss
Arbeitsweise Führt von einem Vorgesetzten zugewiesene Aufgaben aus — das Unternehmen muss wissen, was es zuweisen und wie es das Ergebnis beurteilen soll Stimmt das Ziel mit dem Unternehmen ab und organisiert den Weg zum Ergebnis selbst — verantwortlich für den vereinbarten Umfang, kann mehrere Rollen im Projekt abdecken und wird an Ergebnissen gemessen
Projektstart Erfordert Rekrutierung und Einarbeitung eines Mitarbeiters Kann innerhalb von Tagen bis Wochen beginnen
Kostenmodell Fix — unabhängig von der aktuellen Auslastung An den Arbeitsumfang gebunden
Kontinuität des Wissens Wissen bleibt im Unternehmen, geht aber mit der Person Wissen lebt in Dokumentation und Code, unabhängig von Fluktuation
Kontrolle über die Daten Direkt Hängt von Architektur und Vertrag ab (DPA, NDA)

🔧 Zum Vertiefen

Auf dem europäischen Markt (PL/DE/EU) ist es eine Herausforderung, einen erfahrenen KI-/ML-Spezialisten zu finden — und wenn es gelingt, können die Gesamtkosten der Beschäftigung (Gehalt, Arbeitgeberbeiträge, Ausstattung, Lizenzen, Schulungen, Cloud, Rekrutierung) eine Überraschung sein. Es lohnt sich, den vollen TCO einer Festanstellung zu berechnen und ihn mit den Kosten eines Implementierungsprojekts mit festem Umfang zu vergleichen — einschließlich der Zeit, in der ein festangestellter Mitarbeiter „auf Aufgaben wartet".

Zum Vergleich: Ein Implementierungsprojekt mit einer externen Firma (Diagnose + PoC + Einführung eines Prozesses) hat einen festen Umfang und Zeitplan — ist es erledigt, hat das Unternehmen eine funktionierende Lösung, und die Kosten sinken auf das Niveau der Nachbetreuung.

Der EY-Bericht 2025 bestätigt dieses Muster: 51 % der Unternehmen sehen Vorteile durch KI, aber die andere Hälfte ist enttäuscht. Die Hauptursache ist nicht die Technologie — es ist die „letzte Meile" der Einführung: die Integration mit Prozessen, die Schulung des Teams, das Change Management. Eine externe Firma mit Erfahrung in diesen Bereichen löst ein Problem, das ein einzelner Programmierer auf der Gehaltsliste nicht lösen kann — weil ihm die Prozesskompetenzen und die Erfahrung im Management von Veränderungen fehlen.

3. Datensicherheit — gebe ich die Kontrolle auf?

⚡ In einem Satz

Datensicherheit bei der Zusammenarbeit mit einer externen Firma ist eine Frage der Architektur und des Vertrags — nicht des Vertrauens.

💡 Einfach erklärt

Das ist die häufigste Sorge: „wie kann ich meine Daten einer externen Firma übergeben?". Die Antwort ist: Sie müssen die Daten nicht übergeben. Eine gut konzipierte Einführung funktioniert so, dass die externe Firma das System baut, die Daten aber beim Kunden bleiben.

Wie das in der Praxis aussieht:

  • Infrastruktur in der Cloud des Kunden — das System läuft auf dem AWS-/Azure-/GCP-Konto des Kunden. Die externe Firma hat Zugang zu Code und Konfiguration, aber die Daten stehen unter der Kontrolle des Kunden. Ist das Projekt beendet, kann der Zugang mit einem einzigen Klick entzogen werden.
  • NDA und DPA — eine Geheimhaltungsvereinbarung (NDA) und ein Auftragsverarbeitungsvertrag (DPA, von der DSGVO gefordert) regeln, was die externe Firma mit den Daten tun darf und was nicht.
  • Audit Trail — jede Aktion im System wird protokolliert. Der Kunde kann sehen, wer wann auf was Zugriff hatte.

Ein Vergleich mit einer Festanstellung: Ein festangestellter Mitarbeiter hat vollen Zugang zu den Daten — und es ist täglicher Zugang, nicht projektbezogener. Wenn er geht, muss man die Berechtigungen entziehen und prüfen, dass alle Daten im Unternehmen geblieben sind. Das Risiko eines Datenlecks ist anders, aber nicht geringer.

Die entscheidende Frage lautet nicht „Festanstellung oder externe Firma?". Sie lautet: Schützt die Architektur des Systems die Daten unabhängig davon, wer Zugang zu ihnen hat? (siehe Was ist RAG und ein KI-Agent? — der Abschnitt zur Sicherheit).

🔧 Zum Vertiefen

In einem regulatorischen Kontext (DSGVO, EU AI Act) erfordert die Zusammenarbeit mit einer externen Firma:

  • Einen DPA (Data Processing Agreement, Auftragsverarbeitungsvertrag) — definiert Zweck und Umfang der Verarbeitung, die Pflichten des Auftragsverarbeiters, das Auditrecht. Gefordert nach Artikel 28 der DSGVO.
  • Datenlokalisierung — die Daten müssen in einer den Vorschriften entsprechenden Region bleiben (für EU-Unternehmen: Server in der EU). Cloud-Infrastruktur erlaubt es, das genau zu kontrollieren.
  • Das Least-Privilege-Prinzip — die externe Firma erhält Zugang nur zu dem, was zur Durchführung des Projekts notwendig ist. Nicht zur gesamten Kundendatenbank, nicht zum HR-System.
  • Offboarding-Verfahren — ist das Projekt beendet: Entzug des Zugangs, Übergabe der Dokumentation, Prüfung der Logs.

In einem gut konzipierten Kooperationsmodell hat eine externe Firma weniger Zugang zu den Daten als der durchschnittliche interne Mitarbeiter — weil ihr Zugang auf einen konkreten Umfang und auf die Dauer des Projekts beschränkt ist (siehe Was ist RAG und ein KI-Agent? — der Abschnitt zur Datensicherheit).

4. Vier Kooperationsmodelle — von der Beratung bis zur laufenden Betreuung

⚡ In einem Satz

Die Zusammenarbeit mit einem Beratungs- und Implementierungspartner muss keinen langfristigen Vertrag bedeuten — es gibt vier Modelle, von einer einmaligen Beratung bis zur laufenden Betreuung.

💡 Einfach erklärt

Modell 1: Beratung / Discovery — ein einmaliges Treffen oder ein kurzer Workshop (1–3 Tage). Das Ziel: zu verstehen, wo man beginnt, welche Prozesse Automatisierungspotenzial haben, welche Daten verfügbar sind. Das Ergebnis: eine Prozesskarte, Empfehlungen, ein Implementierungsplan — kein Code. Das ist „Diagnose vor der Behandlung" (siehe Was ist Prozessoptimierung?).

Modell 2: Projekt (PoC → Einführung) — ein Projekt mit festem Umfang, klarem Ziel, Budget und Zeitplan. Wir beginnen mit einem Proof of Concept in begrenztem Umfang (z. B. ein Dokumenttyp, ein Prozess), verifizieren die Ergebnisse, und wenn sie funktionieren — rollen wir es im vollen Umfang aus. Das Ergebnis: eine funktionierende Lösung in Produktion.

Modell 3: Managed Service (laufende Betreuung) — nach der Einführung überwacht die externe Firma das System, reagiert auf Probleme, trainiert die Modelle nach und entwickelt die Lösung weiter, wenn sich die Bedürfnisse ändern. Eine feste, vorhersehbare Kostengröße — wie ein Abonnement. Das Unternehmen muss keine Wartungskompetenzen intern aufbauen.

Modell 4: Co-Development (Kompetenzaufbau) — die externe Firma arbeitet Seite an Seite mit dem Team des Kunden. Sie baut die Lösung, schult aber gleichzeitig das interne Team — sodass das Unternehmen mit der Zeit Wartung und Weiterentwicklung übernehmen kann. Das ist das Modell für Unternehmen, die letztlich KI-Kompetenzen intern haben wollen.

Die meisten Unternehmen beginnen mit Modell 1 oder 2 und wechseln dann zu 3 oder 4. Es ist ein natürlicher Weg — von „ich weiß nicht, wo ich beginnen soll" zu „wir haben ein funktionierendes System und wissen, wie wir es weiterentwickeln".

🔧 Zum Vertiefen

Die Wahl des Modells hängt von vier Faktoren ab:

  • Die Prozessreife des Unternehmens — sind die Prozesse modelliert und gemessen? Wenn nicht — beginnen Sie mit Modell 1 (siehe Was ist Prozessoptimierung? — das Reifegradmodell).
  • Datenverfügbarkeit — hat das Unternehmen Daten in einer für die Analyse geeigneten Form? Sind die Daten über Tabellen und E-Mails verstreut — muss Modell 2 mit dem Ordnen der Quellen beginnen (siehe Was ist Systemintegration?).
  • Der Umfang des Problems — eine einmalige Automatisierung eines einzelnen Prozesses ist Modell 2. Die kontinuierliche Verbesserung vieler Prozesse ist Modell 3 oder 4.
  • Die Ambition des Unternehmens — will es KI-Kompetenzen intern haben (Modell 4) oder sich lieber auf sein Kerngeschäft konzentrieren und KI extern delegieren (Modell 3)?

In der Praxis verschwimmen die Grenzen zwischen den Modellen. Ein Projekt (Modell 2) geht fließend in die Betreuung (Modell 3) über, und während dieser Betreuung baut das Unternehmen Kompetenzen auf (Modell 4). Ein guter Partner sperrt den Kunden nicht in ein Modell ein — er passt sich an, wie das Unternehmen wächst.

„Wir arbeiten in allen vier Modellen — von eintägigen Discovery-Workshops bis zu vielen Monaten Nachbetreuung. Am häufigsten beginnen wir mit Modell 1 (Diagnose) oder 2 (einem PoC für einen Prozess). Der Schlüssel ist, dass wir Prozess- und technische Kompetenzen in einem einzigen Team verbinden — der Kunde muss nicht einen Prozessberater und eine KI-Firma getrennt koordinieren. Wir arbeiten mit Unternehmen in Polen, Deutschland und in der gesamten EU, in der Cloud, unter Wahrung der von der DSGVO und dem EU AI Act geforderten Sicherheitsstandards."

— Die Perspektive von cm-opti

5. Wann eine Festanstellung sinnvoll ist — und wann nicht

⚡ In einem Satz

Eine Festanstellung ist sinnvoll, wenn das Unternehmen einen stetigen, täglichen Arbeitsumfang für einen KI-Spezialisten hat — nicht, wenn es eine einmalige Einführung braucht.

💡 Einfach erklärt

Eine Festanstellung IST sinnvoll, wenn:

  • Das Unternehmen KI-Lösungen eingeführt hat und jemanden braucht, der sie täglich wartet und weiterentwickelt.
  • Der Arbeitsumfang für eine Vollzeitstelle ausreicht — nicht 2 Stunden pro Woche.
  • Das Unternehmen für das Risiko bereit ist, dass seine einzige „KI-Person" geht — es hat einen Plan B (Dokumentation, eine zweite Person im Team, einen Vertrag mit einer externen Firma als Backup).
  • Die Branche des Unternehmens tiefes Fachwissen erfordert (z. B. medizinische Vorschriften, die Besonderheiten der chemischen Fertigung) — und es einfacher ist, jemandem, der die Branche kennt, KI beizubringen, als jemandem, der KI kennt, die Branche.

Eine Festanstellung ist NICHT sinnvoll, wenn:

  • Das Unternehmen gerade erst mit KI beginnt und noch nicht genau weiß, was es braucht.
  • Es Kompetenzen aus mehreren Bereichen benötigt (Prozesse + Daten + ML + Computer Vision + NLP + Integration) — eine Person deckt das nicht ab.
  • Es eine einmalige Einführung und danach 2–3 Stunden Betreuung pro Woche braucht — eine Vollzeitstelle ist übertrieben.
  • Der Arbeitsmarkt schwierig ist — die Rekrutierung eines erfahrenen KI-/ML-Ingenieurs kann Monate dauern, und die Fluktuation in dem Bereich ist hoch.

Das hybride Modell — meist das beste: Die externe Firma führt ein, während eine interne Person (auch eine nicht-technische) der „Project Owner" ist — sie versteht den Prozess, definiert die Anforderungen, verifiziert die Ergebnisse und ist der Ansprechpartner. Mit der Zeit kann diese Person technische Kompetenzen entwickeln (Modell 4 aus dem obigen Abschnitt).

🔧 Zum Vertiefen

Die Entscheidung „Festanstellung vs. externe Firma" lohnt sich als TCO (Total Cost of Ownership) zu berechnen. Bei einer Festanstellung reichen die Kostenkomponenten weit über das Gehalt hinaus — man muss Arbeitgeberbeiträge, Ausstattung, Werkzeug- und Cloud-Lizenzen, Schulungen, Konferenzen und die Kosten der Rekrutierung selbst hinzurechnen. Oft zeigt erst das Gesamtbild, wie viel die Aufrechterhaltung eines einzelnen Spezialisten wirklich kostet — und ob der Arbeitsumfang diese Kosten über ein ganzes Jahr rechtfertigt.

Bei einer externen Firma ist die Kostengröße an den Umfang gebunden — ist das Projekt beendet, sinkt sie auf das Niveau der Nachbetreuung.

Es lohnt sich auch, die Zeit einzubeziehen — wie lange es dauert, einen Mitarbeiter zu rekrutieren und einzuarbeiten, vs. der Start eines Projekts mit einem externen Partner.

6. Worauf man bei der Wahl einer KI-Partnerfirma achten sollte

⚡ In einem Satz

Ein guter Beratungs- und Implementierungspartner beginnt mit Fragen zu Ihrem Prozess — nicht mit einer Präsentation seines Werkzeugs.

💡 Einfach erklärt

Warnsignale:

  • „Wir haben eine fertige Lösung, die zu jedem Unternehmen passt" — es gibt keine einzelne KI-Lösung für alle. Jedes Unternehmen hat andere Prozesse, Daten und Probleme.
  • Sie beginnen mit Technologie, nicht mit Diagnose — „wir führen einen Chatbot für Sie ein", bevor jemand gefragt hat, ob ein Chatbot das ist, was Sie brauchen.
  • Sie fragen nicht nach Daten — ein KI-Modell ist nur so gut wie die Daten, mit denen es arbeitet. Eine Firma, die nicht nach Datenqualität und -verfügbarkeit fragt, weiß nicht, was sie tut.
  • Sie sprechen nicht über die Nachbetreuung — eine KI-Einführung ist keine „Installation"; das System braucht Monitoring, Retraining und Weiterentwicklung.

Positive Signale:

  • Sie beginnen mit einem Gespräch über den Prozess und das Problem, nicht mit einer Demo eines Werkzeugs.
  • Sie schlagen einen PoC oder einen Pilot vor — bevor Sie viel investieren, wollen sie den Wert in kleinem Maßstab beweisen.
  • Sie sprechen über Daten — sie fragen, was Sie haben, in welcher Form, wie viel davon, wie es strukturiert ist.
  • Sie verbinden technische und Prozesskompetenzen — sie verstehen nicht nur KI, sondern auch, wie das Unternehmen funktioniert.
  • Sie haben einen Plan für „nach der Einführung" — Monitoring, Betreuung, Weiterentwicklung.
  • Sie arbeiten in der Cloud unter Wahrung der Sicherheit — DPA, NDA, Infrastruktur in der EU-Region.

🔧 Zum Vertiefen

Bei der Beurteilung eines Beratungs- und Implementierungspartners lohnt es sich, konkrete Fragen zu stellen:

  • Architektur: Wo werden die Daten gespeichert? Wem gehört die Infrastruktur? Kann ich die Lösung zu einem anderen Anbieter verschieben (Vendor Lock-in)?
  • Code-Eigentum: Gehört mir der Quellcode? Erhalte ich eine Dokumentation?
  • Sicherheit: Hat die Firma Erfahrung mit der DSGVO? Unterzeichnet sie einen DPA? Welche Sicherheitszertifizierungen hat die Infrastruktur?
  • Referenzen: Kann sie Implementierungen in einer ähnlichen Branche/Größenordnung vorweisen?
  • Betreuung: Wie sieht die Unterstützung nach dem Produktivstart aus? Wie ist das SLA? Was passiert, wenn das Modell an Qualität zu verlieren beginnt?
  • Kompetenzen: Verbindet das Team technische Kompetenzen (ML, Cloud) mit Prozesskompetenzen (Optimierung, Change Management)? Muss ich zwei separate Einheiten koordinieren?

Häufig gestellte Fragen (FAQ)

Ist eine externe Firma teurer als ein festangestellter Mitarbeiter?

Das hängt von drei Dingen ab: dem Arbeitsumfang, der Dauer des Projekts und den Kompetenzen, die abgedeckt werden müssen. Der Stundensatz eines externen Partners ist höher als die Kosten eines Mitarbeiters pro Stunde. Aber der Stundensatz ist nicht das Gesamtbild. Auf der Mitarbeiterseite muss man die Kosten für Rekrutierung, Einarbeitung, das Fluktuationsrisiko, Schulungen, Ausstattung, Lizenzen hinzurechnen — und das Risiko, dass sich die Kompetenzen als nicht ausreichend erweisen. Diese Kosten sind versteckt und über die Zeit verteilt, aber sie sind real. Eine Festanstellung ist sinnvoll, wenn der Arbeitsumfang stetig und täglich ist — und wenn das Unternehmen diese Person effektiv einsetzen kann. Ein externer Partner ist sinnvoll, wenn Sie ein konkretes Ergebnis innerhalb eines festgelegten Zeitrahmens brauchen und danach Unterstützung in kleinerem Umfang.

Muss mein Team KI verstehen, um mit einer externen Firma zu arbeiten?

Nein — aber es muss seinen eigenen Prozess verstehen. Ein guter Beratungs- und Implementierungspartner erwartet nicht, dass der Kunde über Modelle und Algorithmen spricht. Er erwartet, dass der Kunde das Problem beschreiben kann: was zu lange dauert, was Fehler erzeugt, was zu viel kostet. Der Rest liegt aufseiten des Partners.

Was passiert, wenn die externe Firma vom Markt verschwindet?

Das ist ein reales Risiko — und es muss vor Beginn der Zusammenarbeit angegangen werden, nicht im Nachhinein. Ist die Lösung gut konzipiert, bedeutet der Weggang eines externen Partners nicht den Verlust des Systems. Der Schlüssel ist, von Anfang an drei Dinge sicherzustellen: (1) der Quellcode gehört dem Kunden, (2) die Infrastruktur liegt auf dem Konto des Kunden (nicht des Anbieters), (3) die Dokumentation ist vollständig. Sind diese Bedingungen erfüllt, kann eine andere Firma die Wartung der Lösung übernehmen.

Gebe ich die Kontrolle über meine Daten an eine externe Firma ab?

Nein, wenn die Architektur gut konzipiert ist. Die Daten können auf der Infrastruktur des Kunden bleiben (z. B. der Cloud des Kunden). Die externe Firma arbeitet mit ihnen, besitzt sie aber nicht. Ein DPA und ein NDA regeln das rechtlich.

Wie lange dauert eine typische KI-Einführung mit einer externen Firma?

Das hängt von der Komplexität des Prozesses, der Qualität der Daten und der Bereitschaft der Organisation ab. Als grobe Richtschnur: Diagnose und ein PoC dauern Wochen, eine vollständige Einführung eines komplexen Prozesses — von einigen Wochen bis zu einigen Monaten. Der Zeitrahmen wird nicht nur von der technischen Seite bestimmt, sondern auch von der Datenverfügbarkeit, der internen Abstimmung und der Bereitschaft des Teams für Veränderung.

Kann ich mit einer externen Firma beginnen und dann mein eigenes Team aufbauen?

Ja — und es ist ein bewährtes Modell. Die externe Firma führt die ersten Lösungen ein, während Sie parallel interne Kompetenzen aufbauen. Mit der Zeit übernimmt das interne Team Wartung und Weiterentwicklung, und die externe Firma wechselt in eine Beraterrolle für komplexere Herausforderungen.

Zusammenfassung

Die Frage „externe Firma oder Festanstellung?" ist eine falsche Alternative. Die meisten Unternehmen brauchen beides — aber zu verschiedenen Zeitpunkten und in verschiedenen Rollen.

Am Anfang der KI-Reise — wenn das Unternehmen noch nicht weiß, wo es beginnen soll, welche Daten es hat, was zu automatisieren sich lohnt — lässt ein externer Partner die ersten Ergebnisse schneller sehen und reduziert das Risiko einer schlechten Einstellung.

Mit der Zeit, sobald das Unternehmen Lösungen eingeführt hat und einen täglichen Arbeitsumfang — lohnt es sich, interne Kompetenzen aufzubauen. Aber auch dann kann eine externe Firma ein Partner bleiben: von strategischer Beratung über Modell-Monitoring bis zur Entwicklung von Lösungen, die über die Kompetenzen des internen Teams hinausgehen.

Das Wichtigste ist, sich nicht in ein Modell einzusperren — und keine IT-Abteilung von Grund auf aufzubauen, um ein Problem zu lösen, das sich anders lösen lässt.

Möchten Sie prüfen, welches Kooperationsmodell zu Ihrem Unternehmen passt? Sprechen wir — wir beginnen damit, zu verstehen, was Sie erreichen wollen.

Kontakt aufnehmen

Verwandte Artikel in der cm-opti Wissensdatenbank

Concepts explained in this article → Glossar

TCO, DPA, NDA, PoC, MVP, Vendor Lock-in, SLA, DSGVO, Retraining, Managed Service, Co-Development, Discovery, Data Engineer, Data Scientist, ML Engineer, AI Engineer, Audit Trail, Compliance