Fast jedes mittelständische und große Unternehmen hat im letzten Jahr die gleiche Frage gestellt: Bauen wir ein eigenes AI-Team auf oder kaufen wir Kapazität ein. Wer sich für den Aufbau entscheidet, plant typischerweise mit einer Time-to-Value von neun bis zwölf Monaten, festen Personalkosten ab dem ersten Tag und einer Wettbewerbssituation um Talente, in der die größten Tech-Konzerne die Gehaltsbenchmark setzen. Der zweite Weg, AI Managed Services, ist in den meisten Fällen das wirtschaftlich rationalere Modell, wird aber in Buying-Center-Diskussionen oft übersehen.
Warum eigene AI-Departments oft scheitern
Ein internes AI-Team verursacht Fixkosten, die unabhängig vom Projektvolumen anfallen. In Quartalen mit hohem Bedarf ist es zu klein, in Quartalen mit niedrigem Bedarf zu teuer. Hinzu kommt, dass der Methoden- und Tooling-Stack sich monatlich verschiebt: Was heute State of the Art ist, ist in zwölf Monaten überholt. Ein einmal aufgebautes Team kontinuierlich auf dem aktuellen Stand zu halten, ist aufwendig und teuer.
Der zweite Engpass ist Recruiting. Senior-AI-Engineers, die Use Cases mit echtem Geschäftsbezug umsetzen können, sind rar. Die Time-to-Hire liegt regelmäßig bei sechs Monaten, das Onboarding bei weiteren drei. Ehe das erste produktive Ergebnis aus dem eigenen Team kommt, hat der Wettbewerb seinen Use Case bereits live.
Das Modell der variablen Personalkosten
AI Managed Services drehen die Logik um. Statt eines festen Teams steht ein Pool aus Senior-Profilen bereit, die nach tatsächlich genutzter Kapazität abgerechnet werden. Wenn ein Sprint zwei Engineers für drei Wochen braucht, werden zwei Engineers für drei Wochen bezahlt. Wenn das nächste Quartal nur einen Architekten für Reviews benötigt, wird genau das abgerechnet.
Dieses Modell ist besonders dann wertvoll, wenn die Use-Case-Pipeline noch im Aufbau ist und sich Schwerpunkte verschieben. Ein Unternehmen kann mit einem schlanken Setup starten, in produktive Phasen skalieren und in Pausen herunterfahren, ohne dabei Personal abzubauen oder Festkosten zu tragen.
Wann sich Managed Services rechnen
Drei Konstellationen sprechen klar für das Managed-Services-Modell. Erstens: Die AI-Strategie ist beschlossen, aber die Use-Case-Pipeline noch nicht stabil genug, um ein eigenes Team zu rechtfertigen. Zweitens: Es existiert ein eigenes Team, aber Spitzenlasten oder Spezial-Skills wie Red Teaming, Agentenarchitektur oder GAIO sollen punktuell ergänzt werden. Drittens: Das Unternehmen will sich nicht dauerhaft an einen einzigen Tooling-Stack binden und braucht Berater, die regelmäßig zwischen verschiedenen Modellen, Frameworks und Plattformen wechseln.
Wer in einer dieser Situationen ist, sollte die Aufbauentscheidung mindestens hinterfragen. Variable Personalkosten sind kein Notbehelf, sondern in vielen Fällen das überlegene Operating Model.