KI im Kundenservice: Kosten 2026 – Eigenentwicklung oder Miete?

Wer KI im Kundenservice über Intercom Fin mietet, zahlt $0.99 für jedes vollständig gelöste Ticket. Bei einer Eigenentwicklung sinken die Grenzkosten auf wenige Cent für Tokens – allerdings erst nach Anfangsinvestitionen von $50,000 oder mehr. Am Ende entscheidet deshalb eine einzige Kennzahl: Wie viele Tickets löst die KI tatsächlich pro Monat?

Die Entscheidung in einer Zahl

Bei der Miete fällt für jedes vom Agenten gelöste Ticket eine Gebühr an, je nach Anbieter etwa $0.50 bis $1.50. Eine eigene Lösung erfordert zunächst eine hohe Investition; danach entstehen dauerhaft nur noch wenige Cent Modellkosten pro Ticket. Genau darin liegt der Zielkonflikt. Welche Variante wirtschaftlicher ist, bestimmt das monatliche Lösungsvolumen.

Die Rechnung ergibt eine klare Schwelle: Für die meisten Unternehmen lohnt sich eine Eigenentwicklung erst bei dauerhaft mehr als 2,500 bis 3,000 gelösten Tickets pro Monat. Unterhalb dieser Marke amortisieren sich die Entwicklungskosten nicht; Mieten ist günstiger, einfacher und lässt sich schneller wieder ablösen. Oberhalb davon summieren sich die Gebühren pro Lösung so stark, dass sich die einmalige Investition meist innerhalb von zwei bis drei Jahren rechnet.

Die ehrliche Antwort beginnt daher mit einer Gegenfrage: Wie viele Tickets schließt die KI pro Monat tatsächlich ab? Eine DTC-Marke mit 400 Supportanfragen täglich bewegt sich im Bereich einer Eigenentwicklung. Für ein B2B-SaaS-Unternehmen mit 800 gelösten Tickets pro Monat ist dagegen die Miete die vernünftige Wahl. Im Folgenden geht es darum, die eigene Position anhand belastbarer Zahlen zu bestimmen – und nicht anhand eines Verkaufsarguments des Anbieters.

Was KI im Kundenservice zur Miete wirklich kostet

Heute wird die Miete nach Lösungen und nicht mehr nach Nutzerplätzen berechnet. Intercom Fin hat mit $0.99 pro eigenständig abgeschlossenem Ticket den Referenzpreis gesetzt. Scheitert Fin und übergibt an einen Menschen, entstehen keine Kosten. Deshalb wirkt das Modell fair: Der Anbieter verdient nur, wenn die KI erfolgreich ist.

Fin ist in dieser Preisklasse nicht allein. Zendesk ist auf eine ergebnisbasierte Abrechnung von $1.50 pro Lösung umgestiegen, HubSpot Breeze kostet rund $0.50 pro gelöstem Gespräch, Help Scout $0.75 und Gorgias $0.90. Diese transparenten Self-Service-Angebote sind für die meisten mittelgroßen Teams der richtige Einstieg. Eine vollständige Rangliste nach tatsächlichen Kosten pro Lösung statt nach Feature-Listen bietet der Vergleich von KI-Kundenservice-Tools.

Die Falle steckt in der Abrechnungseinheit. Manche Anbieter berechnen jede Lösung; dann entspricht der Listenpreis den realen Kosten. Andere rechnen jedes Gespräch ab. In diesem Fall wird jede Antwort des Agenten berechnet – unabhängig davon, ob sie zum Erfolg führt. Ein Tool für $0.40 pro Gespräch mit einer Lösungsquote von 60% kostet real etwa $0.67 pro Lösung, denn auch die ungelösten 40% erscheinen auf der Rechnung. Deshalb muss ein Preis pro Gespräch vor jedem Vergleich durch die Lösungsquote geteilt werden.

Im Enterprise-Segment wird die Preisgestaltung undurchsichtig. Salesforce Agentforce startet inzwischen mit einer kostenlosen Stufe und rechnet bei wachsender Nutzung über Flex Credits ab: $500 pro 100,000 Credits, jeweils nach ausgeführter Aktion. Da eine einzige Ticketlösung mehrere Aktionen auslösen kann, hängt der effektive Preis pro Ticket vollständig vom Aufbau der Abläufe ab. Vor dem produktiven Einsatz lässt er sich daher nur schwer prognostizieren.

Ada geht noch weiter und veröffentlicht überhaupt keine Preise. Die Website führt direkt zu einem Beratungsgespräch und erklärt ausdrücklich, das Angebot richte sich an Unternehmen mit mindestens 300,000 Kundenservice-Gesprächen pro Jahr. Ada wird im Rahmen eines individuellen Enterprise-Vertrags pro Lösung angeboten. Anders gesagt: Wer erst nach dem Preis fragen muss, ist wahrscheinlich noch zu klein. Schon diese Mindestmenge ist aufschlussreich, denn Ada zielt genau auf jene Betriebe mit hohem Volumen, für die auch eine eigene Lösung wirtschaftlich werden kann.

Was eine eigene Lösung wirklich kostet

Mit einer Eigenentwicklung kehrt sich die Kostenstruktur um. Die Grenzkosten eines eigenen Agenten sind nahezu null, weil hinter jeder Lösung lediglich ein abgerechneter API-Aufruf steht. Für ein Supportticket verarbeitet ein eigener Agent vielleicht 15,000 bis 30,000 Tokens aus abgerufener Dokumentation und Gesprächsverlauf und erzeugt einige Tausend Tokens als Antwort. Bei aktuellen Preisen für ein leistungsfähiges, aber günstiges Modell von rund $1 pro Million Input-Tokens ergeben sich reine Modellkosten von fünf bis zwanzig Cent pro Lösung. Gegenüber den $0.99 von Fin ist das das zentrale Argument für eine Eigenentwicklung: Was bei einem Mietangebot einen Dollar kostet, verursacht im eigenen System nur Centbeträge.

Der Haken liegt in allem, was das Modell umgibt. Das Modell selbst ist der günstige Teil. Teuer sind die Retrieval-Schicht, die das richtige Dokument findet, die Eskalationslogik für eine rechtzeitige Übergabe, das Lösungsprotokoll als belastbarer Nachweis und mindestens ein Jahr Tickethistorie, aus dem der Agent die Sonderfälle des Unternehmens lernt. Unabhängige Schätzungen aus 2026 beziffern die Entwicklung individueller KI-Agenten auf $5,000 für eine einfache Hülle bis zu $180,000 oder mehr für ein Produktivsystem. Für einen Supportagenten, dem echte Kundenkontakte anvertraut werden können, sind $10,000 bis $40,000 für eine Basisversion beziehungsweise $50,000 bis $150,000 für eine produktionsreife Lösung mit echten Integrationen und Schutzmechanismen realistischer.

Auch nach dem Start laufen die Kosten weiter. Für die jährliche Wartung sollten ungefähr 15% bis 25% der Entwicklungskosten eingeplant werden, zusätzlich zu Hosting, Monitoring und einem verantwortlichen Entwickler, der eingreift, wenn ein Modellupdate das Verhalten unbemerkt verändert. Wer einen Agenten besitzt, trägt auch die Verantwortung für seine Fehler. Deshalb sind Guardrails und die Begrenzung des Schadensradius unverzichtbar. Verhält sich ein gemieteter Agent falsch, ist das Problem Sache des Anbieters. Bei der eigenen Lösung bleibt es das eigene Problem.

Wo sich die Kostenkurven schneiden

Eine konkrete Rechnung macht den Unterschied sichtbar. Angenommen, ein mittelgroßes SaaS-Unternehmen bearbeitet monatlich 5,000 Kundenanfragen bei einer Lösungsquote von 60%. Damit schließt die KI 3,000 Tickets ab; 2,000 werden an Menschen eskaliert.

Mit Fin zur Miete kosten diese Lösungen zu je $0.99 insgesamt $2,970 pro Monat beziehungsweise rund $35,640 pro Jahr – dauerhaft und mit dem Volumen steigend. Bei einer Eigenentwicklung sieht die Kurve völlig anders aus. Kostet das Produktivsystem anfangs $60,000, entspricht das über drei Jahre abgeschrieben $20,000 pro Jahr. Hinzu kommen die laufenden Ausgaben: Die Tokens für 3,000 Lösungen kosten ungefähr $300 monatlich; Infrastruktur und Wartung schlagen realistisch mit weiteren $1,000 bis $1,500 pro Monat zu Buche. Insgesamt sind das $18,000 Betriebskosten pro Jahr.

Im ersten Jahr kostet die eigene Lösung damit rund $78,000, die Miete dagegen $36,000. Die Miete gewinnt eindeutig. Im zweiten und dritten Jahr fallen für den Eigenbetrieb jedoch nur jeweils etwa $18,000 an, weil die Entwicklung bereits bezahlt ist. Die Miete bleibt bei $36,000 und steigt mit wachsendem Volumen. Im Laufe des dritten Jahres schneiden sich die kumulierten Kostenkurven; danach kostet die eigene Lösung jährlich ungefähr halb so viel.

Das gilt bei 3,000 Lösungen pro Monat. Sinkt das Volumen auf 800, kostet die Miete etwa $9,500 pro Jahr, während sich eine Entwicklung für $60,000 in keinem realistischen Planungshorizont amortisiert. Steigt es auf 15,000 Lösungen monatlich, kostet Fin ungefähr $178,000 pro Jahr. Dann zahlt sich die Entwicklung bereits in den ersten Monaten aus, und der Abstand ist eindeutig. Aus der Rechnung ergibt sich die Regel: Bei Entwicklungskosten von $50,000 bis $60,000 wird eine eigene Lösung über einen Zeitraum von drei Jahren ab etwa 2,500 bis 3,000 dauerhaft gelösten Tickets pro Monat wirtschaftlicher. Darunter sollte gemietet, deutlich darüber selbst entwickelt werden.

Eigenentwicklung und Miete im direkten Vergleich

Die beiden Spalten passen zu unterschiedlichen Unternehmen, nicht zu unterschiedlichen Budgets. Mieten eignet sich für Teams, die sofort Lösungen benötigen, ihr Volumen noch nicht verlässlich prognostizieren können oder Support als zu senkende Kostenstelle betrachten. Unter einigen Tausend Lösungen pro Monat ist es ebenfalls die richtige Wahl – ganz gleich, wie attraktiv ein isolierter Centbetrag pro Ticket zunächst wirkt. Eine Eigenentwicklung passt zu hohem, planbarem Volumen, zu der Vorgabe, Kundendaten nicht auf einer Drittplattform zu speichern, oder zu Unternehmen, deren Supporterlebnis ein technischer Wettbewerbsvorteil ist. Der breitere Marktüberblick zu KI-Agenten zeigt, wie wenige Teams derzeit tatsächlich in diese zweite Kategorie fallen.

Das Hybridmodell, das für die meisten Teams passt

Für die meisten Unternehmen lautet die richtige Antwort nicht eindeutig Eigenentwicklung oder Miete, sondern eine sinnvolle Reihenfolge. Zunächst wird gemietet, um die tatsächliche Lösungsquote mit realen Tickets zu belegen. Dieser eine Prozentsatz bestimmt sämtliche Zahlen der Rechnung und lässt sich aus keiner Demo verlässlich ableiten. Nach sechs Monaten bei einem Anbieter mit Abrechnung pro Lösung ist klar, welchen Anteil der Tickets die KI wirklich abschließt – und ob das Volumen die Schwelle zur Eigenentwicklung überschreitet.

Ist das der Fall, gibt es zwei Wege zur eigenen Lösung. Bei sehr hohem Volumen kann der gesamte Agent entwickelt und anschließend migriert werden. Alternativ lässt sich die Arbeit aufteilen: Der Anbieter übernimmt den Long Tail seltener, ungewöhnlicher Tickets, während ein fokussierter eigener Agent die häufigsten und repetitivsten Lösungsarten bearbeitet. Dort sind die Token-Einsparungen am größten und die Sonderfälle bekannt. Dieses Hybridmodell erschließt den Großteil der wirtschaftlichen Vorteile, ohne eine sechsstellige Entwicklung zu verlangen oder den gesamten Support sofort auf frisch geschriebenen Code zu stützen.

Teuer wird es in beiden Extremen: wenn die Entwicklung beginnt, bevor eine belastbare Lösungsquote vorliegt, oder wenn ein Unternehmen bei hohem Volumen dauerhaft mietet und stillschweigend $150,000 jährlich für eine Leistung bezahlt, die mit $18,000 Infrastruktur erbracht werden könnte. Die Kennzahl zwischen diesen Extremen zeigt, welcher Fehler gerade droht.

Was kostet ein KI-Agent für den Kundenservice im Jahr 2026?

Gemietet kostet er je nach Anbieter etwa $0.50 bis $1.50 pro gelöstem Ticket, ohne Anfangsinvestition. Eine Eigenentwicklung kostet je nach Umfang $10,000 bis über $150,000; danach fallen pro Ticket nur wenige Cent Modellkosten an. Welche Variante günstiger ist, hängt vollständig von der Zahl der monatlich gelösten Tickets ab.

Ist ein eigener KI-Agent tatsächlich günstiger?

Erst oberhalb von ungefähr 2,500 bis 3,000 dauerhaft gelösten Tickets pro Monat. Bei Entwicklungskosten von $50,000 bis $60,000 ist dies die Schwelle, ab der die eingesparten Gebühren pro Lösung die Entwicklungs- und Betriebskosten über einen Zeitraum von drei Jahren übertreffen. Unterhalb dieses Volumens amortisiert sich die Investition nicht, und die Miete bleibt günstiger.

Was kostet Salesforce Agentforce?

Agentforce beginnt mit einer kostenlosen Stufe und rechnet bei wachsender Nutzung über Flex Credits ab: $500 pro 100,000 Credits, berechnet pro Aktion. Da eine Lösung mehrere Aktionen verbrauchen kann, hängt der effektive Ticketpreis vom Aufbau der Abläufe ab. Vor einer Entscheidung sollte er deshalb mit den eigenen Aktionszahlen kalkuliert werden.

Was kostet Ada?

Ada veröffentlicht keine Preise. Das Enterprise-Angebot wird in einem individuellen Vertrag pro Lösung abgerechnet; laut eigener Website eignet es sich für Unternehmen mit mindestens 300,000 Kundenservice-Gesprächen pro Jahr. Liegt das eigene Volumen darunter, ist Ada nicht dafür ausgelegt.

Werden neben einem KI-Agenten weiterhin menschliche Servicekräfte benötigt?

Ja. Ein gut abgestimmter Agent löst 2026 etwa 60% bis 65% der Tickets eigenständig; der Rest wird eskaliert. Für diesen schwierigen verbleibenden Anteil werden unabhängig von Miete oder Eigenentwicklung Menschen benötigt. Die KI nimmt dem Team also den Großteil des Ticketvolumens ab, aber nicht alles.

Vor einer Eigenentwicklung sollte die Amortisation anhand des tatsächlichen Ticketvolumens und der realen Lösungsquote berechnet werden – noch bevor der erste Dollar in die Entwicklung fließt. Genau darum geht es bei KI-Systemen für den Kundenservice: Die Entscheidung zwischen Eigenentwicklung und Miete fällt anhand der eigenen Zahlen und nicht anhand eines Anbieterarguments.