Worin unterscheidet sich ein KI-Agent von einem Chatbot und von einem n8n-Workflow?

Ein Chatbot erzeugt in einem Schritt eine Antwort aus einer Wissensbasis. Ein Workflow-Werkzeug wie n8n, Make oder Power Automate führt eine vorher geschriebene Abfolge aus; die Schrittzahl steht fest und lässt sich budgetieren. Ein KI-Agent bekommt ein Ziel statt eines Ablaufplans und entscheidet zur Laufzeit, welches Werkzeug er in welcher Reihenfolge aufruft und wann er aufhört. Die Schrittzahl schwankt deshalb von Lauf zu Lauf, typisch sind 8 bis 20. Genau darin liegt der Kostenunterschied. In unserer eigenen Modellrechnung auf Basis der offiziellen Anthropic-Preisliste vom 14.08.2026 kosten dieselben 1.000 Dokumente 8,70 USD mit einem einzelnen Extraktionsaufruf und 232 USD in einer achtstufigen Agentenschleife, bei identischem Modell (Claude Sonnet 5). Das ist der Faktor 27 auf derselben Technik. Anthropic schreibt in der eigenen Engineering-Anleitung (Building Effective Agents, 19.12.2024), dass für die meisten Aufgaben ein vorprogrammierter Workflow besser abschneidet als ein autonomer Agent. Das ist auch unsere Ausgangsposition: Wir bauen einen Agenten erst, wenn sich die Zahl der Schritte vorher nicht festlegen lässt.

Wie lange dauert es bis zum Produktivbetrieb?

Chatbot und einfachere Prozessautomatisierung 4 bis 6 Wochen. RAG-Wissensdatenbank 2 bis 4 Monate. Mehragenten-Orchestrierung über mehrere Systeme 3 bis 9 Monate. Ein typischer RAG-Agent im Band 7.800 bis 20.800 EUR läuft so: Woche 1 bis 2 Analyse und Golden Dataset, Woche 3 bis 4 Werkzeugschicht und Anbindung an ERP oder CRM, Woche 5 bis 8 Agentenschleife, Guardrails und Eval-Harness, Woche 9 bis 10 Schattenbetrieb, in dem der Agent rechnet, aber nicht schreibt, Woche 11 bis 12 Produktivstart auf einem eng gefassten Umfang. Schreibrechte auf Produktivsysteme gibt es also erst nach der Hälfte der Projektlaufzeit. Prozessautomatisierung beginnt mit einem Pilot von ein bis zwei Wochen und wird danach schrittweise ausgerollt. Wir arbeiten in MEZ, deshalb schließt sich die Abstimmungsschleife mit einem Team in München, Wien oder Zürich am selben Tag.

Was kostet der Betrieb im Monat?

Zwei sehr unterschiedliche Posten. Der reine Modellverbrauch ist klein: Für einen RAG-Chatbot mit 500 Gesprächen im Monat liegt er nach unserer Modellrechnung zwischen rund 1 EUR (Gemini 2.5 Flash-Lite) und rund 26 EUR (Claude Sonnet 5), gerechnet auf die offiziellen Preislisten vom 14.08.2026 bei 6 Runden je Gespräch. Dazu kommen Hosting, Vektorspeicher und Observability: Ein schlanker Aufbau mit pgvector auf einer vorhandenen Postgres-Instanz und selbst gehostetem Langfuse liegt bei etwa 9 EUR im Monat, ein Aufbau mit verwalteten Diensten (Pinecone Builder 20 USD, Langfuse Core 29 USD) bei etwa 105 EUR. Der größere Posten ist menschliche Arbeit: Prompt- und Modellwechsel, Regressionsläufe gegen das Golden Dataset, Behandlung der Ausnahmefälle. Das deckt unsere Wartung von 80 bis 390 EUR im Monat ab, gestaffelt nach Systemgröße. Ein Hinweis für die Planung 2027: Der Preis von Gemini 3.6 und 3.7 Flash ist bis zum 31.12.2026 promotional und verdoppelt sich danach. Wer eine Prognose für 2027 rechnet, sollte den höheren Wert ansetzen.

Auf welchem Technologie-Stack bauen Sie?

LangGraph für die Orchestrierung, seit dem 22.10.2025 in Version 1.0 allgemein verfügbar. Der Grund ist nicht Mode, sondern Kontrolle: expliziter Graph, dauerhafte Checkpoints, Wiederholungen, Rücksprung und ein echter menschlicher Freigabeschritt über interrupt() und Command(resume). Werkzeugaufrufe laufen über natives Function Calling mit schema-gebundener Ausgabe. Das ursprüngliche ReAct-Muster hat Aktionen mit regulären Ausdrücken aus Fließtext gezogen, dort wird jede Formatabweichung zum Laufzeitfehler; strukturierte Werkzeugaufrufe kennen diesen Fehlermodus nicht. Für die Anbindung an Unternehmenssysteme nutzen wir das Model Context Protocol. Die Spezifikation vom 28.07.2026 bringt einen zustandslosen Kern, Header-basiertes Routing und eine Erweiterung für unternehmensseitig verwaltete Autorisierung; MCP selbst ist seit Dezember 2025 in der Agentic AI Foundation unter der Linux Foundation. Richtung ERP und CRM schreiben wir API-Adapter, bei SAP Business One über Service Layer und DI API, sonst über REST oder OData. Wo keine Schnittstelle existiert, arbeiten wir über eine Lesereplik oder einen dateibasierten Kanal. Jeder Schritt wird mit seinen Kosten in Langfuse protokolliert.

Wo liegen die Daten, und ist On-Premise möglich?

Standard sind Modell-Endpunkte in der EU-Region, der Auftragsverarbeitungsvertrag nach Art. 28 DSGVO gehört zum Projekt. Kundendaten laufen bei uns nicht über kostenlose API-Stufen: Google gibt für die kostenlose Stufe der Gemini API an, dass Inhalte zur Produktverbesserung verwendet werden. Anthropic gibt an, dass hochgeladene Bilder nicht ins Modelltraining fließen, dass Uploads flüchtig sind und dass für die PDF-Verarbeitung eine Zero-Data-Retention-Option zur Verfügung steht. Vollständiger On-Premise-Betrieb ist möglich: Die Dokumentenzerlegung läuft dann auf Docling (MIT-Lizenz, LF AI & Data Foundation), PaddleOCR oder Tesseract, das Sprachmodell mit offenen Gewichten auf Ihrer eigenen Hardware. Für die Vektorablage reicht im Mittelstand pgvector auf einer vorhandenen Postgres-Instanz ohne zusätzliche Lizenzkosten; eine eigene Vektordatenbank (Pinecone Builder 20 USD im Monat, Weaviate Cloud Flex ab 45 USD) ist oft vermeidbarer Aufwand. Für deutsche und österreichische Auftraggeber kommt ein rechtlicher Punkt dazu: Ungarn ist EU-Mitgliedstaat, es liegt also kein Drittlandtransfer vor. Standardvertragsklauseln und ein Transfer Impact Assessment entfallen damit.

Wie messen Sie, ob der Agent funktioniert?

Über ein Golden Dataset: 100 bis 300 von Hand annotierte echte Fälle aus Ihrem eigenen Material, jeweils mit der richtigen Ausgabe. Jede Änderung an Prompt, Modell oder Schema läuft dagegen, und in der CI ist dieser Lauf ein Tor. Eine Verschlechterung geht nicht in Produktion. Dazu messen wir die Trefferquote der Suche, die Quellenabdeckung, also ob hinter jeder Aussage eine belegte Textstelle steht, und bei Dokumenten die rechnerische und formale Prüfung. Der gefährlichste Fehler eines Bildmodells ist ein Wert, der formal plausibel und sachlich falsch ist; den findet keine Sichtprüfung. In der eigenen Messung von Anthropic senkte hybride Suche plus Reranking die Fehlerquote beim Abruf von 5,7 % auf 1,9 % (Contextual Retrieval, 19.09.2024). Für deutschsprachige Inhalte ist ein projekteigenes Evaluationsset Pflicht und keine Zusatzoption: Deutsche Komposita zerlegen sich in der lexikalischen Suche anders als englische Wortgruppen, und veröffentlichte mehrsprachige Ranglisten sagen nichts über die Leistung in Ihrer Fachdomäne aus.

Werkvertrag oder Dienstvertrag, und wem gehört der Quellcode?

Wir liefern in der Regel im Werkvertrag nach § 631 BGB, also gegen einen definierten Erfolg mit Abnahme und Gewährleistung. Der Umfang steht im Pflichtenheft, die Abnahme hängt an nachprüfbaren Kriterien, und beim Agenten sind das die Kennzahlen aus dem Golden Dataset, nicht der Eindruck aus einer Vorführung. Ein Dienstvertrag nach § 611 BGB ist möglich, wenn Sie ein Team in Ihre eigene Planung einbinden wollen; dann liefern wir Kapazität, nicht Ergebnis, und wir sagen das vorher deutlich. Vertragspartner ist die ungarische AppForge Kft. als Unternehmen mit Sitz in der EU. Bei werkvertraglicher Lieferung mit eigener fachlicher Leitung liegt kein Fall der Arbeitnehmerüberlassung vor. Der Quellcode geht mit der Abnahme vollständig an Sie über, zusammen mit Repository, Runbook und der Dokumentation des Prompt- und Evaluationsstands. Es gibt keine Lizenzgebühr je Nutzer und keinen technischen Riegel, der uns als Lieferanten unersetzbar macht.

Was verlangen EU AI Act und DSGVO 2026 von einem Agenten?

Die Verordnung (EU) 2026/1744, bekannt als Digital Omnibus on AI, wurde am 24.07.2026 im Amtsblatt veröffentlicht und trat am 27.07.2026 in Kraft. Die Transparenzpflichten nach Art. 50 gelten unverändert seit dem 02.08.2026: Wenn der Agent mit einer natürlichen Person interagiert, muss diese erfahren, dass sie es mit einem KI-System zu tun hat, und synthetische Ausgaben müssen maschinenlesbar gekennzeichnet sein. Die Hochrisiko-Pflichten nach Anhang III wurden auf den 02.12.2027 verschoben, die für Anhang I, also KI in bereits regulierten Produkten, auf den 02.08.2028. Aus der DSGVO kommt Art. 22 dazu: Bei einer Entscheidung, die ausschließlich auf automatisierter Verarbeitung beruht und rechtliche Wirkung entfaltet, haben Betroffene Anspruch auf das Eingreifen eines Menschen, auf Darlegung des eigenen Standpunkts und auf Anfechtung. In der Praxis heißt das: Die Kontierung einer Eingangsrechnung darf vollständig automatisch laufen, Bewerbervorauswahl, Kreditwürdigkeitsprüfung und Leistungsentscheidungen brauchen einen menschlichen Entscheidungspunkt. Kennzeichnung, Protokoll und Freigabepunkte bauen wir in das System ein, statt sie später anzuhängen.

KI-Agenten-Entwicklung · feste Preisbänder · 2026

KI-Agenten für den Produktivbetrieb , nicht für die Vorführung

Chatbot / Automatisierung2.600 – 7.800 EUR · 4–6 Wochen
RAG-Wissensdatenbank7.800 – 20.800 EUR · 2–4 Monate
Individuelle KI-Lösung13.000 – 39.000 EUR · 3–9 Monate

Einen Agenten bauen wir, wenn sich die Zahl der Schritte vorher nicht festlegen lässt. Lässt sie sich festlegen, schreiben wir einen Workflow, weil der kostengünstiger und stabiler ist. Die Bänder aus unserer veröffentlichten Preisliste: Chatbot und Prozessautomatisierung 2.600 bis 7.800 EUR in 4 bis 6 Wochen, RAG-Wissensdatenbank 7.800 bis 20.800 EUR in 2 bis 4 Monaten, individuelle KI-Lösung 13.000 bis 39.000 EUR in 3 bis 9 Monaten. Zu jeder Lieferung gehören ein Eval-Harness, ein erzwungener Kostendeckel und menschliche Freigabepunkte. Geliefert aus Budapest in MEZ, auf EU-Infrastruktur, im Werkvertrag mit Abnahme.

Angebot anfordern

30 Minuten Erstgespräch

Fünf Punkte vorab

Drei Preisbänder aus der veröffentlichten Liste: Chatbot und Prozessautomatisierung 2.600 bis 7.800 EUR (4 bis 6 Wochen), RAG-Wissensdatenbank 7.800 bis 20.800 EUR (2 bis 4 Monate), individuelle KI-Lösung 13.000 bis 39.000 EUR (3 bis 9 Monate). Wartung 80 bis 390 EUR im Monat.
Die Betriebskosten hängen an der Zahl der Durchläufe, nicht am Listenpreis des Modells. Dieselben 1.000 Dokumente kosten 8,70 USD mit einem einzelnen Extraktionsaufruf und 232 USD in einer achtstufigen Agentenschleife, bei identischem Modell (eigene Modellrechnung auf die offizielle Anthropic-Preisliste, 14.08.2026).
MIT Project NANDA fand im Sommer 2025, dass 95 % der generativen KI-Pilotprojekte in Unternehmen keinen messbaren Ergebnisbeitrag brachten. Dieselbe Untersuchung: interner Fachexperte plus externer Partner kam auf 67 % Erfolgsquote, die reine Inhouse-IT auf 22 %.
Gartner sagte am 25.06.2025 voraus, dass bis Ende 2027 über 40 % der agentischen KI-Projekte abgebrochen werden, meist wegen Kosten, unklarem Geschäftsnutzen oder fehlender Risikosteuerung.
Die Transparenzpflichten nach Art. 50 EU AI Act gelten seit dem 02.08.2026. Spricht Ihr Agent mit einer natürlichen Person, muss das offengelegt werden. Das ist sofort fällig und nicht Teil des Pakets, das auf 2027 verschoben wurde.

Was wir unter einem KI-Agenten verstehen

Ein KI-Agent ist ein Programm, das ein Ziel bekommt statt eines Ablaufplans. Es entscheidet zur Laufzeit, welches Werkzeug es in welcher Reihenfolge aufruft und wann es aufhört. Ein Chatbot liefert die Antwort in einem Schritt, ein Workflow führt eine vorher geschriebene Folge aus, ein Agent plant selbst. Diese Unterscheidung ist zugleich die Kosten- und die Risikogrenze.

Kriterium	Chatbot	Workflow (n8n, Make, Power Automate)	KI-Agent
Was das System entscheidet	die Formulierung der Antwort	nichts, die Abfolge ist programmiert	Reihenfolge der Schritte und Abbruchzeitpunkt
Schritte je Lauf	1	fest, budgetierbar	variabel, typisch 8 bis 20
Wann die richtige Wahl	wiederkehrende Fragen, eine Wissensbasis	Prozessschritte stehen vorher fest	Schrittzahl lässt sich nicht vorhersagen
Hauptrisiko	falsche oder unbelegte Antwort	Preis je Schritt läuft davon	Zahl der Durchläufe und Ausgaben laufen davon
AppForge-Band	2.600 – 7.800 EUR	260 – 6.500 EUR je Workflow	7.800 – 39.000 EUR

Anthropic schreibt in der eigenen Engineering-Anleitung (Building Effective Agents, 19.12.2024), dass ein vorprogrammierter Workflow bei den meisten Aufgaben besser abschneidet als ein autonomer Agent. Das ist auch unsere Ausgangsposition. In etwa der Hälfte unserer Erstgespräche schlagen wir am Ende einen deutlich kostengünstigeren Workflow vor statt eines Agenten. Die drei Ebenen vergleichen wir im Detail im Beitrag Chatbot, n8n oder eigener KI-Agent; die konzeptionellen Grundlagen zu ReAct und Tool Use stehen in KI-Agenten: Grundlagen.

Welche Agenten wir liefern

Vier Typen schaffen es bei uns in den Produktivbetrieb: Dokumentenverarbeitung, Kundenservice, interne Wissensdatenbank und Prozessorchestrierung. Jeder hat sein eigenes Preisband, seine eigene Vorlaufzeit und sein eigenes Risikoprofil. Drei von vier beginnen mit einem Pilot, weil sich dort zeigt, ob die zugrunde liegenden Daten gut genug sind.

Agententyp	Aufgabe	Preis	Dauer
Dokumentenverarbeitung	Liest, prüft und kontiert eingehende Rechnungen, Lieferscheine, Verträge und Belege. Wo ein strukturierter Kanal vorhanden ist, etwa ein E-Rechnungsformat, EDI oder ein Lieferantenportal, lesen wir diesen zuerst aus. Bilderkennung bleibt für den Rest.	6.500 – 26.000 EUR	Pilot 1 bis 2 Wochen, danach schrittweiser Rollout
Kundenservice	Beantwortet Anfragen der ersten Ebene mit Quellenangabe, schlägt Auftrags- und Rechnungsdaten nach und eskaliert mit schriftlicher Zusammenfassung. Die Kennzeichnung nach Art. 50 AI Act ist Teil der Antwort.	2.600 – 7.800 EUR	4 bis 6 Wochen
Interne Wissensdatenbank (RAG)	Richtlinien, technische Dokumentation, Verträge und Protokolle hinter einer Suchoberfläche, mit Rechten je Nutzer und zitierten Textstellen. Hybride Suche plus Reranker, kein nackter Embedding-Index.	7.800 – 20.800 EUR	2 bis 4 Monate
Prozessorchestrierung	Führt einen Ablauf über mehrere Systeme: Bedarfsmeldung, Freigabe, Buchung im ERP, Auswertung. Hier arbeiten mehrere Agenten, jeder mit eigenem Werkzeugsatz und eigenen Rechten.	13.000 – 39.000 EUR	3 bis 9 Monate

Erst strukturierte Daten, dann Bilderkennung

Pixel zu lesen ist der teure und fehleranfällige Weg. Wo bereits ein strukturierter Kanal besteht, etwa ein E-Rechnungsformat wie XRechnung oder ZUGFeRD, eine EDI-Strecke oder ein Lieferantenportal, behandeln wir diesen als maßgebliche Quelle und gleichen das Dokument dagegen ab. Für den ungarischen Markt haben wir genau das gegen die Rechnungsschnittstelle der Finanzverwaltung gebaut, deren Abfragen für die Verbuchung von Eingangsrechnungen ausgelegt sind. Welche Meldepflichten für Ihr Unternehmen konkret gelten, klären wir zu Projektbeginn mit Ihrer Steuerabteilung. Rechtsberatung leisten wir dazu nicht.

Eine Zahl, auf die wir uns festlegen

Die Datenerfassung macht 30 bis 35 % der gesamten Kosten der Rechnungsverarbeitung aus, die Behandlung der Ausnahmefälle weitere 20 bis 25 % (IOFM-Zahlen, zitiert in der Benchmark-Zusammenstellung von Lido, 22.07.2026). KI greift damit auf etwa die Hälfte der Kosten zu, nicht auf alles. Anbieter werben mit 85 bis 92 % berührungsloser Verarbeitung, unabhängige Benchmarks berichten 25 bis 35 %. Für einen Mittelständler mit gemischtem Lieferantenstamm sind 55 bis 75 % im ersten Jahr die belastbare Zusage.

Bei der Wissensdatenbank ist die Abgrenzung wichtig: RAG übernimmt Suche und Antwort, der Dokumentenagent zieht strukturierte Werte heraus. Beides lebt oft im selben Projekt, wird aber unterschiedlich gemessen. Die technische Seite des Zurückschreibens in ERP, CRM oder WMS steht auf unserer Seite zur Systemintegration.

Wie ein produktiver Agent aufgebaut ist

Sieben Schichten: Orchestrierung, Werkzeugschicht, Integration, Rechte, Kostendeckel, menschliche Freigabe und Rückfallebene. Der Unterschied zwischen einer Vorführung und einem produktiven System sind genau die letzten sechs. Kaum ein Anbieter veröffentlicht seine Architektur, deshalb steht unsere hier vollständig.

Schicht	Wofür sie da ist
Orchestrierung	LangGraph, seit 22.10.2025 in Version 1.0 allgemein verfügbar: expliziter Graph, dauerhafte Checkpoints, Wiederholungen, Rücksprung. Steht die Abfolge der Schritte vorher fest, schreiben wir einen Workflow statt eines Agenten, weil das kostengünstiger und stabiler ist.
Werkzeugschicht	Natives Function Calling mit schema-gebundener Ausgabe. Das ursprüngliche ReAct-Muster zog Aktionen per regulärem Ausdruck aus Fließtext, dort wird jede Formatabweichung zum Laufzeitfehler. Strukturierte Werkzeugaufrufe kennen diesen Fehlermodus nicht.
Integration	MCP-Server oder API-Adapter Richtung ERP, CRM, WMS und Bankensysteme. Bei SAP Business One über Service Layer und DI API, sonst REST oder OData. Wo keine Schnittstelle existiert, eine Lesereplik oder ein dateibasierter Kanal. Durchgehend mit Idempotenzschlüsseln, Ratenbegrenzung und exponentiellem Wiederholungsabstand.
Rechte	Freigabeliste der erlaubten Werkzeuge, minimale Rechte hinter dem Werkzeug (lesender Datenbankbenutzer, Mandantengrenze) und Identitätsbindung, damit der Aufruf als der jeweilige Anwender läuft und nicht als ein Dienstkonto, das alles darf.
Kostendeckel	Token- und Euro-Grenze je Lauf, durchgesetzt von der Plattform. Ein Monatsbudget schützt nicht, weil es erst greift, wenn der Monat abgerechnet ist und der ausgeuferte Lauf längst durch ist. Dazu: maximale Iterationszahl, Tiefe der Unteragenten, Zeitlimits je Schritt und Modell-Routing, bei dem das kleinere Modell die Routineschritte übernimmt.
Menschliche Freigabe	interrupt() und Command(resume) mit dauerhaftem Checkpointer: Der Graph hält an, der Zustand wird gespeichert, und die Freigabe kann ihn einen Tag später fortsetzen. Auf Protokollebene macht die MCP-Spezifikation vom 28.07.2026 dasselbe über die Antwort input_required.
Rückfallebene	Ist das Modell nicht erreichbar oder bleibt die Konfidenz unter der Schwelle, geht der Vorgang in eine menschliche Warteschlange statt in eine Schätzung. Jeder Schritt ist aus dem Checkpoint wiederholbar, und der abgelöste Prozess läuft nach dem Produktivstart 30 bis 60 Tage parallel weiter.

Was wir bei der Integration nicht beschönigen

MCP ist bequem und zugleich Angriffsfläche. Der MCPTox-Benchmark berichtet, dass in Werkzeug-Metadaten versteckte Anweisungen sowohl häufig als auch wirksam sind und dass die meisten untersuchten Clients zu wenig statisch prüfen. Nicht authentifizierte Instanzen des MCP Inspector erlaubten die Ausführung beliebiger Befehle (CVE-2025-49596, CVSS 9,4). Deshalb steht jeder MCP-Server, den wir betreiben, auf einer Freigabeliste, ausgehender Netzverkehr ist eingeschränkt, und Werkzeuge mit Schreibrecht laufen in einem eigenen Agenten, der nie fremde Inhalte sieht. Das ist die architektonische Auflösung dessen, was Simon Willison am 16.06.2025 als tödliche Dreierkombination beschrieben hat: private Daten, nicht vertrauenswürdige Inhalte und ein ausgehender Kanal an derselben Stelle.

Ein technisches Detail, das echtes Geld spart: Wenn der Agent Code schreibt, der Zwischendaten in einer Sandbox filtert, statt einzelne Werkzeugaufrufe aneinanderzureihen, schrumpft der Kontext. In der Messung von Anthropic vom 04.11.2025 fiel eine Kopieraufgabe von Drive nach Salesforce von 150.000 auf 2.000 Token. Das trägt nicht bei jeder Aufgabe, aber bei Schritten mit großen Datenmengen setzen wir es ein. Wie sich MCP im Unternehmenskontext betreiben lässt, steht im Beitrag MCP in der Unternehmensintegration.

Woran Sie erkennen, dass der Agent funktioniert

An einem Golden Dataset und einem Eval-Harness. Das Golden Dataset besteht aus 100 bis 300 von Hand annotierten echten Fällen aus Ihrem eigenen Material, jeweils mit der richtigen Ausgabe. Jede Änderung an Prompt, Modell oder Schema läuft dagegen, und in der CI ist dieser Lauf ein Tor. Eine Verschlechterung geht nicht in Produktion. Ohne diesen Aufbau lässt sich das System nicht warten, sondern nur hoffen.

Trefferquote der Suche, mit Zahlen
In der Messung von Anthropic lag die Fehlerquote beim Abruf mit einem einfachen Embedding-Index bei 5,7 %, mit kontextualisierten Embeddings bei 3,7 %, mit zusätzlicher lexikalischer Suche bei 2,9 % und mit Reranking bei 1,9 % (Contextual Retrieval, 19.09.2024). Deshalb sind hybride Suche und Reranker bei uns Grundausstattung und keine Zusatzposition im Angebot.
Messung in der jeweiligen Sprache
Globale Embedding-Ranglisten sagen nichts über die Leistung in Ihrer Fachdomäne. Deutsche Komposita zerlegen sich in der lexikalischen Suche anders als englische Wortgruppen, und für das Ungarische gibt es mit Stand August 2026 keinen gepflegten öffentlichen Retrieval-Benchmark. In beiden Fällen ist ein projekteigenes Evaluationsset Pflicht. Wie ein solches Set aufgebaut wird, steht im Beitrag KI-Agenten messen.
Deterministische Prüfung nach dem Modell
Bei Dokumenten: rechnerischer Abgleich (netto plus Umsatzsteuer ergibt brutto, Positionen summieren sich auf den Endbetrag), Formatprüfung bei Umsatzsteuer-Identnummer, IBAN und Datum, Gegenprüfung bei kritischen Feldern. Der gefährlichste Fehler eines Bildmodells ist ein Wert, der formal einwandfrei und sachlich falsch ist. Den findet keine Sichtprüfung.
Observability zu veröffentlichten Preisen
Langfuse selbst gehostet 0 USD Lizenz (MIT), Langfuse Core 29 USD im Monat, LangSmith Plus 39 USD je Arbeitsplatz und Monat, Braintrust Pro 249 USD im Monat (Preisseiten der Anbieter, 14.08.2026). Unser Standard ist selbst gehostetes Langfuse innerhalb der EU. Den Vergleich haben wir im Beitrag Langfuse und LangSmith aufgeschrieben.

In den meisten Angeboten fehlt dieser Abschnitt, und das hat einen Grund. Der Eval-Harness ist der unscheinbarste Teil des Projekts und der teuerste zum Nachrüsten: Später kostet er dasselbe wie am Anfang, nur macht das System in der Zwischenzeit Fehler auf Echtdaten.

Wohin die Daten gehen und was Ihr Haus verlässt

Standard sind Endpunkte in der EU-Region, der Auftragsverarbeitungsvertrag nach Art. 28 DSGVO gehört zum Projekt. Kundendaten laufen bei uns nicht über kostenlose API-Stufen. Wo Daten das Haus nicht verlassen dürfen, läuft die gesamte Kette On-Premise: Dokumentenzerlegung und Modell bleiben auf Ihrer Hardware.

Daten	Wohin sie gehen	Kontrolle
Strukturierte Rechnungskopfdaten	Abfrage aus E-Rechnungs- oder EDI-Kanal	erreichen nie ein Modell
Gescannte Anhänge, Belege	Modell-Endpunkt in der EU oder lokaler Parser	Zero-Data-Retention-Option, flüchtiger Upload
Personenbezogene Daten (Bewerbungen, Gesundheit)	On-Premise oder pseudonymisiert	menschlicher Entscheidungspunkt nach Art. 22 DSGVO
System-Prompt, Werkzeugdefinitionen	beim Modellanbieter	deshalb enthalten sie keine Geheimnisse und keine Rechte
Eingebettete Dokumentabschnitte	pgvector auf Ihrer vorhandenen Postgres-Instanz	bleiben in Ihrer eigenen Infrastruktur

Zwei Punkte, die den Anbieterentscheid prägen. Für die kostenlose Stufe der Gemini API gibt Google an, dass Inhalte zur Produktverbesserung verwendet werden; damit scheidet sie für Kundendaten aus. Anthropic gibt an, dass hochgeladene Bilder nicht ins Modelltraining fließen, dass Uploads flüchtig sind und dass für die PDF-Verarbeitung eine Zero-Data-Retention-Option besteht. Für den vollständig geschlossenen Aufbau mit selbst betriebenen Modellen offener Gewichte siehe lokale KI-Modelle und die Seite zum DSGVO-konformen Chatbot mit EU-Hosting.

Warum die Herkunft des Dienstleisters hier zählt

Im Bitkom Cloud Report 2026 (603 Unternehmen ab 20 Beschäftigten, repräsentativ, veröffentlicht am 17.06.2026) geben 98 % an, dass die Herkunft des Cloud-Anbieters eine Rolle spielt; 91 % würden einen deutschen und 68 % einen europäischen Anbieter bevorzugen, während heute 71 % einen US-Anbieter nutzen. In derselben Bitkom-Erhebung vom 11.03.2026 ist die Datenschutzanforderung mit 77 % das größte externe Hindernis für den KI-Einsatz. Ungarn ist EU-Mitgliedstaat: Es liegt kein Drittlandtransfer vor, Standardvertragsklauseln und ein Transfer Impact Assessment entfallen. Den AVV-Entwurf und die Liste der Unterauftragsverarbeiter legen wir vor dem Projektstart vor, nicht danach.

Was EU AI Act und DSGVO verlangen

Die Transparenzpflichten nach Art. 50 AI Act gelten seit dem 02.08.2026: Interagiert der Agent mit einer natürlichen Person, muss diese erfahren, dass sie es mit einem KI-System zu tun hat, und synthetische Ausgaben müssen maschinenlesbar gekennzeichnet sein. Die Hochrisiko-Fristen haben sich verschoben. Das verschafft Planungszeit, keine Befreiung.

· Die Verordnung (EU) 2026/1744 (Digital Omnibus on AI) wurde am 24.07.2026 im Amtsblatt veröffentlicht und trat am 27.07.2026 in Kraft.
· Für Hochrisiko-Systeme nach Anhang III gilt jetzt der 02.12.2027. Für Anhang-I-Systeme, die in bereits regulierte Produkte eingebaut sind, der 02.08.2028.
· Art. 22 DSGVO verlangt bei einer ausschließlich automatisierten Entscheidung mit rechtlicher Wirkung das Recht auf Eingreifen eines Menschen, auf Darlegung des eigenen Standpunkts und auf Anfechtung.
· In der Praxis: Die Kontierung einer Eingangsrechnung darf vollständig automatisch laufen, Bewerbervorauswahl (Anhang III Nr. 4a), Kreditwürdigkeitsprüfung (Nr. 5b) und Leistungsentscheidungen brauchen einen menschlichen Entscheidungspunkt.

Kennzeichnung, Protokoll und Freigabepunkte bauen wir in das System ein, statt sie später anzuhängen. Einstufung, Risikobewertung und technische Dokumentation nach Anhang IV bieten wir als Festpreispaket auf der Seite zum EU AI Act an; die Einstufungsfrage selbst führt die Hochrisiko-Checkliste Schritt für Schritt durch.

Was es kostet und was monatlich anfällt

Die Lieferung liegt je nach Typ zwischen 2.600 und 39.000 EUR, die Wartung zwischen 80 und 390 EUR im Monat. Der reine Modellverbrauch ist daneben klein: 500 Gespräche im Monat kosten je nach Modellwahl rund 1 bis 26 EUR. Der größte Teil der Monatspauschale ist menschliche Arbeit, nicht Token.

Paket	Preis (Projekt, netto)	Dauer	Enthalten
Chatbot / Prozessautomatisierung	2.600 – 7.800 EUR	4 bis 6 Wochen	Chatbot auf einer Wissensbasis, n8n-Automatisierung, Basis-Integrationen, Monitoring-Dashboard, ein Monat Support
RAG-Wissensdatenbank	7.800 – 20.800 EUR	2 bis 4 Monate	Einlesen der Unternehmensdokumente, Vektorsuche, Rechte je Nutzer, Admin-Oberfläche, Cloud- oder lokales Modell, Quellenangaben
Individuelle KI-Lösung	13.000 – 39.000 EUR	3 bis 9 Monate	Fine-Tuning, LangGraph-Agenten, lokaler LLM-Betrieb, prädiktive Auswertung, DSGVO und Datenhoheit
Prozessautomatisierung, je Workflow	260 – 26.000 EUR	Pilot 1 bis 2 Wochen	einfacher Ablauf mit 1 bis 3 Schritten 260 bis 1.300 EUR, Mehrsystem-Integration mit Fehlerbehandlung 1.300 bis 6.500 EUR, KI-gestützte komplexe Automatisierung 6.500 bis 26.000 EUR
Wartung	80 – 390 EUR / Monat	laufend	Prompt- und Modellwechsel mit Regressionslauf, Behandlung der Ausnahmefälle, Monitoring

Die Bänder stammen aus der veröffentlichten AppForge-Preisliste (Stand 14.08.2026). Die Liste wird in Forint geführt; für diese Seite rechnen wir mit 385 HUF/EUR und runden auf volle 100 EUR. Der Kurs ist ein Richtwert, kein Tageskurs. Alle Beträge netto. Rechnungen stellen wir in Euro zum Mittelkurs der Ungarischen Nationalbank am Rechnungsdatum; bei B2B-Kunden in der EU greift das Reverse-Charge-Verfahren. Festpreis nach einem 30-minütigen Erstgespräch, Angebot innerhalb von 24 Stunden.

Wie sich das zu deutschen Sätzen verhält

Die belastbarste öffentliche Zahl für den DACH-Raum ist der Freelancer-Kompass 2026 (Panelbefragung, veröffentlicht am 02.07.2026): Medianstundensatz 95 EUR, Softwareentwicklung 90 EUR, Data und Analytics 100 EUR, SAP und ERP 120 EUR. Das ist ein Freelancer-Wert, kein Agentursatz. Branchenquellen nennen für deutsche Agenturen 100 bis 180 EUR je Stunde; das sind Anbieterangaben, keine repräsentative Erhebung, und wir kennzeichnen sie so. Eine DACH-spezifische Erhebung zu KI-Entwicklungssätzen für 2026 haben wir nicht gefunden, deshalb nennen wir hier auch keine Ersparnis in Prozent. Wir veröffentlichen selbst keine Stundensätze, weil jedes Projekt als Festpreisrahmen kalkuliert wird. Vergleichbar sind die Projektsummen, und die stehen oben und auf der Preisseite. Die Amortisationsrechnung mit Ihren eigenen Zahlen macht der KI-ROI-Rechner, und warum ein Team in Budapest für einen deutschen oder österreichischen Auftraggeber funktioniert, steht auf der Seite zur Nearshore-Softwareentwicklung.

Wie ein Projekt abläuft, Woche für Woche

Ein RAG-Agent im Band 7.800 bis 20.800 EUR braucht typischerweise 12 Wochen, und bis zur Hälfte davon hat das System keine Schreibrechte. Das ist Absicht. Der häufigste Fehlerfall ist nicht das Modell, sondern die Vergabe produktiver Rechte, bevor jemand gemessen hat, wie genau die Sache arbeitet.

Woche 0: Erstgespräch
30 Minuten, kostenfrei, in MEZ. Ergebnis: welcher Prozess, an welcher Kennzahl gemessen, wer ihn auf Ihrer Seite verantwortet. Ist der Prozess selbst kaputt, sagen wir das, statt KI darauf zu setzen.
Woche 1 bis 2: Analyse und Golden Dataset
Wir sammeln 100 bis 300 echte Fälle mit der jeweils richtigen Ausgabe. Das ist ab da der Maßstab für das gesamte Projekt. Der Erfolg bekommt hier eine Zahl, nicht erst bei der Abschlussvorführung.
Woche 3 bis 4: Werkzeugschicht und Integration
Lesender Zugriff auf ERP, CRM oder das Dokumentenmanagement, das Rechtemodell, MCP-Server oder API-Adapter, Idempotenz und Fehlerbehandlung. Noch ohne Schreibrechte.
Woche 5 bis 8: Agentenschleife, Guardrails, Eval-Harness
Planung getrennt von Ausführung, Kostendeckel, Freigabepunkte, Tracing. Das Golden Dataset wandert als Tor in die CI.
Woche 9 bis 10: Schattenbetrieb
Der Agent rechnet auf Echtdaten, schreibt aber nicht. Ein täglicher Abweichungsbericht gegen die menschliche Entscheidung zeigt, wo ein weiterer Freigabepunkt nötig ist.
Woche 11 bis 12: Produktivstart auf engem Umfang
Eine Lieferantengruppe, ein Kundentyp, ein Prozess. Die Ausweitung folgt der Messung. Zur Übergabe gehören Quellcode, Runbook und der dokumentierte Prompt- und Evaluationsstand.

Im Chatbot-Band schrumpft das auf 4 bis 6 Wochen, bei einer Prozessorchestrierung wächst es auf 3 bis 9 Monate. Weil wir in MEZ arbeiten, schließt sich die Abstimmungsschleife für ein Team in München, Wien oder Zürich am selben Tag statt über Nacht. Die vollständige Leistungsbeschreibung zur Automatisierung steht auf der Seite Prozessautomatisierung, und einen Einführungsplan über 90 Tage beschreibt der Beitrag KI-Agent einführen in 90 Tagen.

Vertragsrahmen, Abnahme, Übergabe

Der Teil, den deutsche und österreichische Einkäufer zuerst prüfen und der auf den meisten KI-Seiten fehlt. Vertragspartner ist die ungarische AppForge Kft. mit Sitz in der EU. Deutsches Recht lässt sich vereinbaren.

Punkt	Wie wir es handhaben
Vertragsart	In der Regel Werkvertrag nach § 631 BGB: definierter Erfolg, Abnahme, Gewährleistung. Ein Dienstvertrag nach § 611 BGB ist möglich, wenn Sie Kapazität in Ihre eigene Planung einbinden wollen. Dann liefern wir Kapazität und keinen Erfolg, und wir sagen das vorher.
Abnahmekriterien	Die Kennzahlen aus dem Golden Dataset, nicht der Eindruck aus einer Vorführung. Genauigkeit je Feldgruppe, Trefferquote der Suche, Anteil der Fälle mit menschlicher Freigabe. Alles vorher schriftlich festgelegt.
Datenschutz	AVV nach Art. 28 DSGVO mit Liste der Unterauftragsverarbeiter, technischen und organisatorischen Maßnahmen und Löschkonzept. Kein Drittlandtransfer, damit keine Standardvertragsklauseln und kein Transfer Impact Assessment.
Arbeitnehmerüberlassung	Bei werkvertraglicher Lieferung mit eigener fachlicher Leitung liegt kein Fall des AÜG vor. Die Weisung gegenüber unseren Entwicklern bleibt bei uns, das Ergebnis schulden wir Ihnen.
Quellcode und Ausstieg	Vollständige Übergabe mit der Abnahme: Repository, Runbook, Prompt- und Evaluationsstand, Infrastruktur-Definition. Keine Lizenzgebühr je Nutzer, kein technischer Riegel, der uns unersetzbar macht.
Lieferkette und NIS2	Fällt Ihr Unternehmen unter NIS2, reichen wir die Nachweise zu, die Sie für die eigene Dokumentation brauchen: Zugriffskonzept, Protokollierung, Meldeprozess, Vertragsklauseln. Details auf der Seite zur NIS2-Compliance.

Namentlich nennen dürfen wir derzeit zwei Referenzen: die KI-Suche des ungarischen Popkultur-Wertearchivs auf kultura.hu und einen Vortrag auf dem AI Summit Budapest 2025. Die übrigen Projekte laufen unter Vertraulichkeit. Im Gespräch zeigen wir sie, und wo der Kunde zustimmt, stellen wir den direkten Kontakt her. Eine ISO-27001-Zertifizierung haben wir nicht; statt eines Zertifikats legen wir die konkrete Beschreibung der technischen und organisatorischen Maßnahmen vor.

Sprechen wir über einen konkreten Prozess

Das Erstgespräch ist keine Verkaufsvorführung. Wir gehen einen Prozess durch: wie viele Vorgänge im Monat, wer ihn heute bearbeitet, wo er hängen bleibt. Steckt darin kein Geschäftsnutzen, sagen wir das. Telefon +36 30 098 0767, E-Mail balint@appforge.hu, oder über das Kontaktformular. Projektsprachen sind Deutsch, Englisch und Ungarisch.

Büro Budapest: Bank Center, Szabadság tér 7., 2. Etage, Büro 217, 1054 Budapest, Ungarn · Mo bis Fr 9:00 bis 18:00 nach Vereinbarung. Von München, Wien und Zürich aus in unter zwei Flugstunden erreichbar, gleiche Zeitzone.

Quellen

Stand 14.08.2026. Die Kostenangaben zu Dokumenten und Gesprächen stammen aus eigenen Modellrechnungen auf den oben verlinkten offiziellen Preislisten, mit offengelegten Token-Annahmen. Die Marktzahlen zu KI-Projekten sind global erhoben; eine DACH-spezifische Messung dazu ist öffentlich nicht verfügbar.

FAQ

Häufige Fragen zur KI-Agenten-Entwicklung

Unsere veröffentlichte Preisliste kennt drei Bänder. Chatbot und Prozessautomatisierung 2.600 bis 7.800 EUR bei 4 bis 6 Wochen Laufzeit. RAG-Wissensdatenbank 7.800 bis 20.800 EUR bei 2 bis 4 Monaten. Individuelle KI-Lösung mit LangGraph-Agenten, Fine-Tuning und lokalem LLM-Betrieb 13.000 bis 39.000 EUR bei 3 bis 9 Monaten. Einzelne Automatisierungs-Workflows rechnen wir je Workflow ab: ein einfacher Ablauf mit ein bis drei Schritten 260 bis 1.300 EUR, eine Mehrsystem-Integration mit Fehlerbehandlung 1.300 bis 6.500 EUR, eine KI-gestützte komplexe Automatisierung mit Belegerkennung, Klassifikation und Freigabekette 6.500 bis 26.000 EUR. Wartung 80 bis 390 EUR im Monat. Die Preisliste wird in Forint geführt, umgerechnet mit 385 HUF/EUR und auf volle 100 EUR gerundet. Der Kurs ist ein Richtwert, kein Tageskurs; Rechnungen stellen wir in Euro zum Mittelkurs der Ungarischen Nationalbank am Rechnungsdatum. Den Festpreis legen wir nach einem 30-minütigen Erstgespräch fest, das Angebot kommt innerhalb von 24 Stunden.

Verwandte Themen

Brauchen Sie überhaupt einen Agenten? 30 Minuten genügen

Nach dem Erstgespräch bekommen Sie einen konkreten Preis und einen Termin, und eine klare Antwort, falls ein kostengünstigerer Workflow dieselbe Aufgabe erledigt.

Angebot anfordern →30 Minuten Erstgespräch