Fast jedes Unternehmen ab 1000 Mitarbeitern hat im letzten Jahr dieselbe Frage gestellt: eigenes AI-Team aufbauen oder Kapazität einkaufen. Wer baut, plant typischerweise mit einer Time-to-Value von neun bis zwölf Monaten, festen Personalkosten ab dem ersten Tag und einem Talentmarkt, in dem DAX-40-Konzerne und US-Tech-Firmen die Gehaltsbenchmark setzen. Der zweite Weg, AI Managed Services, ist in den meisten Konstellationen das wirtschaftlich rationalere Modell, wird in Buying-Center-Diskussionen aber regelmäßig übersehen. Dieser Beitrag zeigt, warum der Aufbau eigener Departments für viele Unternehmen die teurere Variante ist und welches Operating Model den Vorstand wirklich handlungsfähig hält. Adressiert sind CFO, CIO, COO und CEO sowie Aufsichtsräte, die in den kommenden Quartalen verbindlich zwischen Aufbau und Einkauf entscheiden müssen und für diese Entscheidung eine belastbare Argumentationsgrundlage benötigen.
Warum eigene AI-Departments oft scheitern
Ein internes AI-Team verursacht Fixkosten, die unabhängig vom Projektvolumen anfallen. In Quartalen mit hohem Bedarf ist das Team zu klein, in Quartalen mit niedrigem Bedarf zu teuer. Hinzu kommt der Methodendrift: Was heute State of the Art ist, ist in zwölf Monaten überholt. Modelle, Frameworks und Tooling-Stacks verschieben sich im Monatsrhythmus, und ein einmal aufgebautes Team kontinuierlich auf diesem Stand zu halten, kostet ein Mehrfaches der ursprünglichen Aufbaukosten. Das Personalcontrolling sieht in der Bilanz weiter dasselbe Team, real ist es jedes Quartal weiter vom State of the Art entfernt, wenn es nicht intensiv weitergebildet wird.
Der zweite Engpass ist Recruiting. Senior-AI-Engineers mit echter produktiver Erfahrung sind rar. Time-to-Hire liegt regelmäßig bei sechs Monaten, das Onboarding bei weiteren drei. Bis das erste produktive Ergebnis aus dem eigenen Team kommt, hat der Wettbewerb seinen Use Case bereits live. Wer in dieser Phase versucht, die Lücke über Junior-Profile zu schließen, produziert Pilotprojekte ohne Geschäftsbezug und bindet Senior-Kapazität intern in Aufsicht und Korrektur. Das ist keine Skalierung, das ist eine versteckte Verlängerung der Time-to-Value, die sich erst nach 18 Monaten in der Bilanz zeigt.
Das Modell der variablen Personalkosten
AI Managed Services drehen die Logik um. Statt eines festen Teams steht ein Pool aus Senior-Profilen bereit, der nach tatsächlich genutzter Kapazität abgerechnet wird. Wenn ein Sprint zwei Engineers für drei Wochen verlangt, werden zwei Engineers für drei Wochen abgerechnet. Wenn das nächste Quartal nur einen Architekten für Reviews benötigt, wird genau das verrechnet. Die Profile selbst sind nicht juniorisiert: Sie kommen aus laufenden Beratungsprojekten und bringen Erfahrungen aus mehreren Branchen und Tooling-Stacks mit. Genau diese Mehrfachverwendung ist es, die das Modell wirtschaftlich macht und gleichzeitig die Methodenaktualität sichert, ohne dass Sie sie selbst finanzieren müssen.
Das Modell ist besonders wertvoll, wenn die Use-Case-Pipeline noch im Aufbau ist und sich Schwerpunkte verschieben. Sie starten mit einem schlanken Setup, skalieren in produktiven Phasen hoch und fahren in ruhigen Quartalen herunter, ohne Personal abzubauen oder Festkosten zu tragen. Für den CFO bedeutet das: Personalkosten verhalten sich wie variable Sachkosten, nicht wie ein Sockel. Für den CIO bedeutet es: Spezial-Skills wie Red Teaming, Agentenarchitektur oder GAIO sind in dem Moment verfügbar, in dem sie gebraucht werden, und nicht erst nach einem Recruiting-Zyklus. Für den Vorstand bedeutet es: Kapitalallokation bleibt nah am tatsächlichen Bedarf. Diese drei Sichten zusammengenommen erklären, warum Unternehmen, die einmal mit Managed Services gearbeitet haben, in der Regel nicht zu einer reinen Aufbau-Strategie zurückkehren.
Wann sich Managed Services rechnen
Drei Konstellationen sprechen klar für das Modell. Erstens: Die KI-Strategie ist beschlossen, aber die Use-Case-Pipeline noch nicht stabil genug, um ein eigenes Team zu rechtfertigen. Zweitens: Ein eigenes Team existiert, aber Spitzenlasten oder Spezial-Skills wie Red Teaming, Agentenarchitektur, GAIO oder Plattform-Setup sollen punktuell ergänzt werden. Drittens: Das Unternehmen will sich nicht dauerhaft an einen einzigen Tooling-Stack binden und benötigt Berater, die regelmäßig zwischen verschiedenen Modellen, Frameworks und Plattformen wechseln. In allen drei Konstellationen ist die Aufbauentscheidung mindestens zu hinterfragen, weil sie strukturell höhere Kosten bei gleichzeitig längerer Time-to-Value produziert.
Eine vierte Konstellation kommt 2026 verstärkt dazu: regulatorische Beschleunigung. Der EU AI Act, branchenspezifische Anforderungen in Finanz, Versicherung und Pharma sowie die ISO 42001 erhöhen den Aufwand pro produktiver Anwendung deutlich. In dieser Konstellation ist es wirtschaftlich nicht darstellbar, Compliance-Tiefe in jedem internen Team selbst aufzubauen. Ein Managed-Services-Anbieter, der diese Tiefe ohnehin für mehrere Mandanten betreibt, liefert die Anforderung als Standard mit, statt sie als Aufpreis zu kalkulieren. Genau hier entsteht der größte Skaleneffekt für den Kunden, weil sich Compliance-Aufwand auf mehrere Mandanten verteilt statt vollständig in der eigenen Kostenstelle zu landen.
Governance, Lieferfähigkeit und Risikoprofil
AI Managed Services lösen den Konflikt zwischen Geschwindigkeit und Steuerbarkeit. Im internen Aufbau steht der Vorstand vor der Wahl, entweder schnell zu sein und Governance hintenan zu stellen oder Governance früh aufzubauen und die Time-to-Value zu verlängern. Im Managed-Services-Modell läuft die Governance vom ersten Tag an mit, weil der Anbieter sie für mehrere Kunden in einer reifen Form bereithält. Vertrag, Lieferfähigkeit und Eskalationspfade sind dokumentiert, KPIs sind messbar, und der Vorstand erhält ein quartalsweises Reporting, das ohne Übersetzung in die Risikokomission eingebracht werden kann.
Das senkt das Risikoprofil messbar. Ein internes Team in der Aufbauphase ist regelmäßig ein Single Point of Failure: Wenn die zwei produktiven Senior-Profile gleichzeitig kündigen, steht die KI-Roadmap. Im Managed-Services-Modell trägt der Anbieter dieses Risiko vertraglich und ersetzt Profile ohne Verzögerung im laufenden Sprint. Diese Eigenschaft ist für regulierte Branchen oft das entscheidende Argument, weil sie nicht nur die operative Lieferfähigkeit absichert, sondern auch die Anforderung an die Auslagerung dokumentiert. Wer dieses Argument einmal sauber durchgerechnet hat, kommt selten zur Aufbau-Variante zurück, sofern nicht spezifische strategische Gründe dagegen sprechen. Dazu gehören insbesondere Kernkompetenz-Argumente, in denen die zugrundeliegende KI-Fähigkeit selbst Teil des Produkts ist und damit nicht ausgelagert werden kann, sowie streng regulierte Konstellationen, in denen externer Zugriff auf bestimmte Datenklassen vertraglich oder regulatorisch nicht abbildbar ist. In allen anderen Konstellationen ist der Build-Default zu hinterfragen, weil er nahezu zwangsläufig Time-to-Value und Total Cost of Ownership verschlechtert.
Fazit und Empfehlung
AI Managed Services sind kein Notbehelf, sondern in den meisten Konstellationen das rationalere Operating Model. Sie verkürzen die Time-to-Value, vermeiden Fixkosten in einem Talentmarkt, in dem Sie nicht dauerhaft gewinnen können, sichern Methodenaktualität ohne eigenen Weiterbildungsaufwand und tragen Governance- und Compliance-Tiefe vom ersten Tag an mit. Empfehlung für die nächsten 90 Tage: Die aktuelle KI-Capex- und Opex-Planung gegen ein Managed-Services-Szenario rechnen, Time-to-Value und Total Cost of Ownership über 24 Monate vergleichen und im Anschluss eine bewusste Build-versus-Buy-Entscheidung im Vorstand treffen, statt den Aufbau eines eigenen Departments als Default zu setzen.
ECODYNAMICS liefert AI Managed Services in genau dieser Logik: ein Pool aus Senior-Profilen aus über 65 produktiven KI-Projekten, abgerechnet nach genutzter Kapazität, mit dokumentierter Governance, definierten Eskalationspfaden und einem quartalsweisen Vorstands-Reporting. Sie behalten die Steuerung über Use Cases und Roadmap, wir tragen Recruiting-Risiko, Weiterbildung und Skill-Mix. Damit verlagert sich Ihr operativer Aufwand von der Personalfrage zur Steuerung, also dorthin, wo der Wertbeitrag im Vorstand wirklich entsteht. Auf Wunsch starten wir mit einer kurzen Diagnose Ihres aktuellen KI-Setups und zeigen, wo Managed Services in den kommenden zwei Quartalen den größten Hebel haben. Sprechen Sie uns an.