Was kostet ein KI-Chatbot? Alle Kosten im Überblick

Ein KI-Chatbot kostet einen einmaligen Betrag für die Einrichtung plus laufende Kosten pro Monat – und bei den meisten Unternehmen machen die Modell- oder API-Gebühren nur einen kleinen Teil davon aus. Größere Posten sind meist die Aufbereitung der Inhalte, aus denen der Bot antwortet, die Anbindung an Website und Ticketsystem sowie die laufende Arbeitszeit für Wartung und das Prüfen von Gesprächen. Aussagekräftig ist nicht die Monatsgebühr, sondern der Preis pro gelöstem Gespräch im Vergleich zu dem, was derselbe Kontakt kostet, wenn ihn ein Mensch bearbeitet.

Dieser Ratgeber zerlegt jeden Kostenposten, zeigt ein vollständiges Rechenbeispiel mit angenommenen Zahlen und erklärt, welche Annahmen das Ergebnis am stärksten verschieben. Um die Modellnutzung für Ihren Fall zu berechnen, öffnen Sie den LLM-API-Kostenrechner in einem zweiten Tab.

Die Formel hinter jedem Chatbot-Budget

Kosten im ersten Jahr = Einrichtungskosten + 12 × laufende Kosten pro Monat

Kosten pro gelöstem Gespräch = laufende Kosten pro Monat ÷ Gespräche, die ohne Mitarbeiter gelöst werden

Die zweite Zahl ist die, die Sie vergleichen sollten. Ein Chatbot, der im Monat wenig kostet, aber kaum etwas löst, ist pro Ergebnis teuer.

Drei Wege zum eigenen Chatbot

Wie Sie den Chatbot umsetzen, entscheidet darüber, wie abgerechnet wird.

Weg	Was das bedeutet	Übliches Abrechnungsmodell	Passt, wenn
KI-Funktion im Ticketsystem oder Website-Baukasten	Den KI-Assistenten Ihres vorhandenen Tools aktivieren	Add-on pro Nutzer, pro Gespräch oder pro Lösung	Sie das Tool ohnehin nutzen und die Standardfunktionen reichen
Chatbot-Plattform	Ein spezialisiertes Produkt, das Sie mit Ihren Inhalten konfigurieren	Monatstarif mit Gesprächs- oder Nachrichtenkontingent, plus Mehrverbrauch	Sie schnell starten wollen, mit wenig Entwicklung
Eigene Lösung auf einer LLM-API	Eigene Anwendung, die ein Modell aufruft, meist mit Suche in Ihren Dokumenten	Tokens pro Anfrage, plus Hosting und Entwicklung	Hohes Volumen, besondere Integrationen oder volle Kontrolle über den Datenfluss

Abrechnungsmodelle und Preise ändern sich häufig, vergleichen Sie aktuelle Angebote deshalb direkt bei den Anbietern. Für Ihr Budget zählt vor allem, wie die Rechnung mitwächst: pro Nutzer, pro Gespräch, pro Lösung oder pro Token. Eine Abrechnung pro „gelöstem Fall“ klingt attraktiv, bis Sie prüfen, wie der Anbieter eine Lösung definiert.

Einmalige Einrichtungskosten

In der Einrichtung steckt – unabhängig vom Weg – die meiste echte Arbeit:

• Inhalte aufbereiten: Hilfeartikel, FAQs und Richtlinien sammeln, aktualisieren und strukturieren, aus denen der Bot antwortet. Veraltete Inhalte erzeugen veraltete Antworten.
• Konfiguration und Anbindung: den Bot mit Website, Ticketsystem, CRM oder Warenwirtschaft verbinden und die Übergabe an einen Menschen einrichten.
• Anweisungen und Leitplanken: System-Prompt, Zuständigkeitsbereich und Eskalationsregeln schreiben. Unser Ratgeber System-Prompt schreiben zeigt ein vollständiges Beispiel für den Kundenservice.
• Tests: eine Sammlung echter Fragen anlegen, auch unbequeme und themenfremde, und die Antworten vor dem Start prüfen.
• Datenschutz und Recht: welche personenbezogenen Daten der Bot verarbeitet, wo sie gespeichert werden und was Sie den Nutzern mitteilen.
• Einweisung des Teams: wie Mitarbeitende Gespräche übernehmen und falsche Antworten melden.

Interne Arbeitsstunden zählen als Kosten, auch wenn keine Rechnung gestellt wird.

Laufende Kosten pro Monat

Kostenposten	Was dazugehört
Modellnutzung oder Plattformgebühr	Tokens über eine API oder der Chatbot-Tarif samt Mehrverbrauch
Hosting und Infrastruktur	Server, Vektordatenbank, Protokollierung – bei Eigenentwicklungen
Inhaltspflege	Antworten anpassen, wenn sich Produkte, Preise oder Regeln ändern
Monitoring und Prüfung	Stichproben von Gesprächen lesen, Fehlermuster beheben
Technische Wartung	Integrationen reparieren, Modellwechsel, Prompts erneut testen
Eskalationen	Die Arbeitszeit für Gespräche, die der Bot an Menschen übergibt

Die letzte Zeile fehlt oft. Übergebene Gespräche kosten weiterhin Personalzeit. Ein Bot, der vor der Übergabe die nötigen Angaben abfragt, kann sie beschleunigen – oder sie verlangsamen, wenn die Übergabe schlecht gelöst ist.

Die Modellnutzung abschätzen

Bauen Sie auf einer API auf, hängt die Token-Rechnung weniger von den Nachrichten der Nutzer ab als von allem, was mitgeschickt wird. Jede Antwort des Bots ist eine eigene Anfrage, die enthält:

• den System-Prompt mit Regeln und Tonalität,
• die aus Ihrer Wissensbasis abgerufenen Textstellen,
• den bisherigen Gesprächsverlauf, der mit jeder Runde wächst,
• die aktuelle Nachricht des Nutzers.

Ein Gespräch mit vier Fragen bedeutet also vier Anfragen, jede größer als die vorige. Wie Input, Output und Caching abgerechnet werden, erklärt der Artikel LLM-API-Preise erklärt; wie Sie Tokens aus Text abschätzen, lesen Sie unter Was sind Tokens bei LLMs?.

Rechenbeispiel: ein Support-Chatbot für die Website

Ein Unternehmen plant einen Support-Chatbot auf Basis einer LLM-API, der in seinem Hilfecenter sucht. Alle Zahlen sind Annahmen zur Veranschaulichung. Die Modellpreise sind Platzhalter und entsprechen keinem echten Anbieter.

Nutzung

Annahme	Wert
Gespräche pro Monat	2.000
Modellaufrufe pro Gespräch	4
Input-Tokens pro Aufruf (System-Prompt 1.000 + abgerufener Text 1.500 + Verlauf 800 + Nachricht 50)	3.350
Output-Tokens pro Aufruf	250
Beispielpreise pro Million Tokens (Input / Output)	1,00 € / 4,00 €

Pro Gespräch: 4 × 3.350 = 13.400 Input-Tokens und 4 × 250 = 1.000 Output-Tokens.

• Input: 13.400 × 1,00 € ÷ 1.000.000 = 0,0134 €
• Output: 1.000 × 4,00 € ÷ 1.000.000 = 0,0040 €
• Pro Gespräch: 0,0174 €
• Pro Monat: 2.000 × 0,0174 € ≈ 35 €

Laufende Kosten pro Monat (Arbeitszeit zu Vollkosten von 45 € pro Stunde)

Posten	Kosten
Modellnutzung	35 €
Hosting, Vektordatenbank, Protokollierung	100 €
Inhaltspflege und technische Wartung, 4 Stunden	180 €
Stichproben von Gesprächen prüfen, 4 Stunden	180 €
Summe	495 €

Einrichtungskosten

Posten	Stunden
Inhalte aufbereiten	30
Konfiguration und Anbindung	40
Testfragen anlegen und testen	20
Datenschutz- und Rechtsprüfung	8
Einweisung des Teams	6
Summe intern	104 Stunden × 45 € = 4.680 €

Dazu kommen 3.000 € für einen externen Entwickler. Die Einrichtung kostet damit 7.680 €.

Ergebnisse

• Kosten im ersten Jahr: 7.680 € + 12 × 495 € = 13.620 €
• Laufende Kosten pro Gespräch: 495 € ÷ 2.000 ≈ 0,25 €
• Wenn die Hälfte aller Gespräche ohne Mitarbeiter gelöst wird: 495 € ÷ 1.000 ≈ 0,50 € pro gelöstem Gespräch

Zwei Punkte fallen auf. Erstens macht die Token-Rechnung in diesem Beispiel rund 7 % der laufenden Kosten aus – die Arbeitszeit ist der größere Block. Zweitens verdoppeln sich die Kosten pro gelöstem Gespräch, wenn sich die Lösungsquote halbiert. Diese Quote verdient deshalb mehr Aufmerksamkeit als der Modellpreis.

Lohnt es sich? Der Vergleich mit einem menschlichen Kontakt

Angenommen, eine Mitarbeiterin braucht sechs Minuten pro Chat oder E-Mail bei Vollkosten von 45 € pro Stunde. Das sind 4,50 € pro Kontakt.

• Optimistischer Fall: Der Bot löst 1.000 Gespräche im Monat, die sonst beim Team gelandet wären. Das sind 100 Stunden oder 4.500 € pro Monat. Abzüglich laufender Kosten bleiben 4.005 € pro Monat; die Einrichtung hat sich nach etwa zwei Monaten amortisiert.
• Vorsichtiger Fall: Der Bot löst nur 25 % der Gespräche, und die Hälfte dieser Personen hätte sich ohnehin nie gemeldet. Tatsächlich vermieden werden damit 250 Kontakte, also 25 Stunden oder 1.125 € pro Monat. Netto bleiben 630 € pro Monat, die Amortisation dauert rund zwölf Monate.

Derselbe Chatbot, dieselben Kosten, ein völlig anderer Business Case. Der Unterschied entsteht allein durch zwei Annahmen: die Lösungsquote und die Frage, wie viele Gespräche wirklich bei einem Menschen gelandet wären. Messen Sie beides in einem Pilotprojekt, bevor Sie ausbauen. Mit dem KI-ROI-Rechner testen Sie diese Annahmen mit Ihren eigenen Zahlen, und der Ratgeber ROI von KI-Automatisierung berechnen erklärt die Methode.

Was die Kosten eines Chatbots in die Höhe treibt

• Lange Gespräche. Jede Runde schickt den Verlauf erneut mit. Ältere Runden zusammenzufassen oder zu kürzen hilft.
• Viel abgerufener Kontext. Zehn lange Textstellen statt zwei kurzer vervielfachen die Input-Tokens. Gutes Retrieval senkt Kosten und verbessert die Qualität; mehr dazu unter RAG vs. Fine-Tuning.
• Modellwahl. Ein größeres Modell kann pro Anfrage ein Vielfaches kosten. Testen Sie, ob ein kleineres für Routinefragen reicht.
• Integrationen. Bestellstatus oder Termine abzufragen erfordert Entwicklung und Wartung – entscheidet aber oft darüber, ob der Bot überhaupt etwas lösen kann.
• Mehrere Sprachen und Kanäle. Jede Sprache und jeder Kanal bringt zusätzlichen Test- und Inhaltsaufwand.
• Schwache Inhalte. Lücken in der Wissensbasis führen zu Eskalationen und falschen Antworten, die mehr kosten als der Bot selbst.

Taktiken für die Token-Seite, etwa den System-Prompt zu cachen oder einfache Fragen an ein kleineres Modell zu leiten, finden Sie im Artikel LLM-API-Kosten senken.

Kosten, die leicht vergessen werden

• Falsche Antworten. Ein Bot, der selbstbewusst eine falsche Rückgaberegel nennt, erzeugt Folgekontakte, Kulanzleistungen und manchmal rechtliche Risiken. Planen Sie Zeit für das Prüfen von Gesprächen ein, wie im Ratgeber zu Human-in-the-Loop-KI beschrieben.
• Transparenz und Datenschutz. Nach dem EU AI Act gelten ab August 2026 Transparenzregeln, nach denen Menschen informiert werden müssen, wenn sie mit einem KI-System interagieren – es sei denn, das ist offensichtlich. Wer welche Pflicht trägt, erklärt die Übersicht der Betreiberpflichten. Für personenbezogene Daten in Chatprotokollen gilt die DSGVO.
• Änderungen beim Anbieter. Tarife, Kontingente und Modellversionen ändern sich. Testen Sie nach jeder wesentlichen Änderung erneut.
• Kosten für einen Wechsel. Können Sie Inhalte, Konfiguration und Gesprächsprotokolle exportieren, wenn Sie die Plattform wechseln?

Checkliste für Ihr Budget

• Gespräche pro Monat aus dem heutigen Chat-, E-Mail- und Telefonaufkommen schätzen.
• Den Weg festlegen: Funktion im Ticketsystem, Plattform oder Eigenentwicklung.
• Einrichtungsposten mit Stunden auflisten, inklusive Inhaltsarbeit und Tests.
• Modellnutzung pro Gespräch mit dem LLM-API-Kostenrechner schätzen oder den Anbieterpreis für Ihr Volumen erfragen.
• Hosting, Wartung, Prüfzeit und Eskalationen zu den laufenden Kosten addieren.
• Kosten pro Gespräch und pro gelöstem Gespräch berechnen.
• Mit den Kosten eines menschlichen Kontakts vergleichen – mit einer vorsichtigen Lösungsquote.
• Ein Pilotprojekt durchführen und Annahmen durch gemessene Werte ersetzen, bevor Sie ausbauen.

Fazit

Ob sich ein Chatbot lohnt, entscheidet selten der Preis der Software oder die Token-Rechnung. Einrichtungsaufwand, Qualität der Inhalte, Prüfzeit und vor allem der Anteil der Gespräche, die der Bot tatsächlich löst, wiegen schwerer. Berechnen Sie die Kosten pro gelöstem Gespräch, prüfen Sie sie an einem vorsichtigen Szenario und lassen Sie ein Pilotprojekt entscheiden.