Festpreis oder Tagessatz: Welches Modell passt zu KI-Projekten?

Ein KMU will einen KI-gestützten Prozess einführen – etwa automatisierte Dokumentenprüfung oder einen internen Assistenten – und holt drei Angebote ein. Das eine nennt einen Festpreis, das zweite einen Tagessatz mit grober Aufwandsschätzung, das dritte beides zur Wahl. Die Versuchung ist groß, den Festpreis als „sicherer” zu werten, weil er planbar wirkt. Genau hier entsteht das eigentliche Problem: Ein Festpreis ist nur so sicher wie der Scope, auf dem er beruht – und bei KI-Projekten ist der Scope vorab oft weniger klar, als beide Seiten zugeben wollen.

Dieser Artikel richtet sich an Geschäftsführung, Operations, IT und Fachbereich in KMU, die ein KI- oder Softwareprojekt beauftragen oder anbieten und das passende Vergütungsmodell wählen müssen. Er ist Teil unseres Themen-Clusters Kosten und ROI, das Budget- und Beschaffungsfragen rund um KI-Projekte einordnet.

Begriffe und Abgrenzung: Werkvertrag, Dienstvertrag, Time & Material

Die Vergütungsdebatte hat einen rechtlichen Kern, den viele Beteiligte nur ungefähr kennen. Nach § 631 BGB verpflichtet ein Werkvertrag den Auftragnehmer zur „Herstellung des versprochenen Werkes” – geschuldet ist ein definierter Erfolg, nicht nur eine Tätigkeit. Ein Dienstvertrag verpflichtet dagegen „nur” zur Erbringung der vereinbarten Tätigkeit, ohne dass ein konkretes Arbeitsergebnis geschuldet wird. Diese Unterscheidung ist keine Formalie: Beim Werkvertrag entsteht die Zahlungspflicht grundsätzlich erst mit der Abnahme des Werks; beim Dienstvertrag mit der Erbringung der Leistung selbst.

Aus dieser rechtlichen Grundunterscheidung leiten sich die drei gängigen kommerziellen Modelle für Softwareprojekte ab:

• Festpreis (Werkvertrag). Ein definierter Leistungsumfang wird zu einem fixen Gesamtpreis erbracht. Das Aufwandsrisiko liegt beim Auftragnehmer – dieser kalkuliert Unsicherheit über einen Risikoaufschlag ein.
• Time and Material / Tagessatz (Dienstvertrag). Abgerechnet wird nach tatsächlich geleisteter Zeit zu einem vereinbarten Satz. Das Aufwandsrisiko liegt beim Auftraggeber, dafür entfällt der Risikoaufschlag und die Zusammenarbeit bleibt flexibel.
• Gemischte Modelle. In der Praxis am häufigsten: Discovery oder Teilleistungen nach Aufwand, klar abgegrenzte Umsetzungspakete zum Festpreis. Die öffentliche IT-Beschaffung des Bundes bildet diese Trennung in ihren Standardverträgen ab – EVB-IT-Erstellung und EVB-IT-System basieren auf Werkvertragsrecht mit typischerweise fixer Vergütung, während EVB-IT-Dienstleistung für Beratungs-, Schulungs- und Unterstützungsleistungen aufwandsbasiert abgerechnet wird. Diese Trennung ist kein Bürokratie-Artefakt, sondern folgt genau der Logik, um die es hier geht: Ist der Erfolg vorab beschreibbar, passt der Werkvertrag; ist nur die Tätigkeit beschreibbar, passt der Dienstvertrag.

Für KI-Projekte kommt eine Besonderheit hinzu, die bei klassischer Softwareentwicklung seltener in dieser Schärfe auftritt: Der „Erfolg” eines KI-Systems ist oft selbst unscharf. Eine Klassifikation, die in 95 von 100 Fällen richtig liegt, ist kein Bug, sondern erwartetes Verhalten probabilistischer Modelle. Was als „funktionierend” gilt, muss also vorab als messbares Kriterium definiert werden – dazu später mehr im Abschnitt zu Abnahmekriterien.

Wann ist Festpreis sinnvoll?

Festpreis passt, wenn drei Bedingungen gemeinsam erfüllt sind: Der Scope lässt sich schriftlich präzise abgrenzen, die Zielarchitektur und Schnittstellen sind bekannt, und die Datenlage ist geprüft statt vermutet. Typische Beispiele aus meiner Praxis: die Integration eines bereits ausgewählten KI-Bausteins in ein bestehendes System über eine dokumentierte Schnittstelle, ein klar umrissener Automatisierungs-Workflow mit bekannten Eingabe- und Ausgabeformaten, oder die Umsetzung eines Piloten, dessen Anforderungen bereits in einer vorherigen Analyse geklärt wurden.

Der Vorteil liegt auf der Hand: Budgetsicherheit. Für Geschäftsführung und Controlling ist ein fixer Preis leichter zu planen und zu genehmigen als eine offene Zeitabrechnung. Der Preis dafür ist ebenso klar: Jede Unsicherheit, die zum Zeitpunkt der Angebotserstellung nicht ausgeräumt ist, wird eingepreist – entweder als Risikoaufschlag im Preis oder als eng definierter Scope, der Änderungen automatisch zu kostenpflichtigen Nachträgen macht. Ein Festpreis auf Basis einer schlecht verstandenen Datenlage ist kein Risikoschutz, sondern verschiebt das Risiko nur unsichtbar in die Kalkulation – meist zulasten der Qualität oder der späteren Abnahme.

Ein Warnsignal aus meiner Erfahrung: Wenn ein Anbieter dir für „KI-Einführung” oder „einen intelligenten Assistenten” einen Festpreis nennt, ohne vorher Daten, Systeme und Anforderungen im Detail geprüft zu haben, kalkuliert er entweder mit einem Standardprodukt, das er dir unterschiebt, oder mit einem sehr großzügigen Risikoaufschlag, den du am Ende zahlst – ob das Risiko eintritt oder nicht.

Wann passt Time and Material (Tagessatz)?

Time and Material ist die richtige Wahl, wenn Anforderungen sich absehbar noch entwickeln, die Datenlage ungeprüft ist oder das Projekt selbst exploratives Testen verschiedener Ansätze braucht – etwa welches Modell, welcher Prompt-Aufbau oder welche Retrieval-Strategie für den konkreten Anwendungsfall am besten funktioniert. Das ist bei KI-Projekten häufiger der Fall als bei klassischer Software, weil Modellverhalten sich erst am echten Datenmaterial zeigt und nicht vollständig aus einer Spezifikation vorhersagbar ist.

Der Vorteil: Kein Risikoaufschlag, volle Flexibilität, wenn sich während des Projekts herausstellt, dass der ursprüngliche Ansatz nicht trägt. Der Preis: Das Aufwandsrisiko liegt beim Auftraggeber, und ohne aktive Steuerung – regelmäßige Statusreports, klare Sprint- oder Etappenziele, transparente Zeiterfassung – kann aus „flexibel” schnell „unkontrolliert” werden. Reine Zeitabrechnung ohne Meilensteine ist aus meiner Sicht der häufigste Grund, warum Auftraggeber am Ende das Gefühl haben, die Budgetkontrolle verloren zu haben, selbst wenn objektiv sauber gearbeitet wurde.

Time and Material eignet sich deshalb am besten in Kombination mit kurzen, überprüfbaren Etappen: Statt „wir rechnen einfach nach Aufwand ab”, lieber „wir rechnen nach Aufwand ab, mit wöchentlichem Review und einem verbindlichen Etappenziel alle zwei bis vier Wochen”. Das ist kein Festpreis, gibt aber ähnliche Kontrollpunkte.

Wie trennt man Discovery und Umsetzung?

Die praktikabelste Lösung für das Grundproblem – Festpreis braucht Klarheit, KI-Projekte starten oft ohne sie – ist, das Projekt in zwei Phasen mit unterschiedlichen Vergütungsmodellen zu teilen.

Discovery ist eine zeitlich eng begrenzte, nach Aufwand abgerechnete Phase, die genau ein Ziel hat: die Unsicherheit ausräumen, die einen belastbaren Festpreis für die Umsetzung verhindert. Am Ende steht kein fertiges System, sondern ein Ergebnisdokument: geprüfte Datenlage, abgegrenzter Funktionsumfang, technische Zielarchitektur, benannte Risiken, und darauf aufbauend – wenn gewünscht – ein Festpreisangebot für die Umsetzung. In meiner Arbeit ist das der Schritt, in dem sich zeigt, ob ein Use Case überhaupt umsetzungsreif ist; manchmal ist das ehrliche Ergebnis einer Discovery „noch nicht”, und das ist ein legitimes Resultat, kein Fehlschlag.

Umsetzung folgt erst danach, auf Basis der in der Discovery geklärten Fakten. Ob sie zum Festpreis oder weiter nach Aufwand läuft, hängt davon ab, wie viel Unsicherheit die Discovery tatsächlich beseitigen konnte. Bei einer gut durchgeführten Discovery mit geprüfter Datenlage und bekannter Zielarchitektur ist ein Festpreis für die Umsetzung realistisch. Bleiben zentrale Fragen offen – etwa weil die Datenqualität erst im Betrieb an größeren Mengen sichtbar wird – ist ein hybrides Modell ehrlicher als ein Festpreis, der Unsicherheit nur verdeckt.

Wichtig für die Vertragsgestaltung: Beide Phasen sollten getrennt beauftragt und getrennt abgerechnet werden, auch wenn derselbe Anbieter beide durchführt. Das verhindert, dass Discovery-Erkenntnisse den ursprünglichen Festpreis unter der Hand aushöhlen.

Welche Abnahmekriterien braucht man?

Abnahme ist beim Festpreis (Werkvertrag) rechtlich der Auslöser der Zahlungspflicht – umso wichtiger, dass Kriterien vorab feststehen statt hinterher verhandelt zu werden. Für KI-Komponenten reichen klassische funktionale Tests allein oft nicht aus, weil die Ausgabe nicht binär richtig oder falsch ist, sondern in einer Bandbreite liegt. Sinnvolle Abnahmekriterien für KI-Projekte umfassen deshalb typischerweise:

• Funktionale Kriterien: Läuft die Integration, sind Schnittstellen wie spezifiziert angebunden, sind definierte Testfälle erfüllt?
• Qualitätskriterien für KI-Ausgaben: Eine vorab festgelegte, auf einem definierten Testdatensatz gemessene Schwelle – zum Beispiel eine maximale Fehlerquote oder ein Mindestanteil korrekt kategorisierter Fälle. Die konkrete Zahl hängt am Anwendungsfall und muss zwischen den Parteien verhandelt werden; ohne eine solche Schwelle ist „funktioniert die KI gut genug” reine Ermessensfrage.
• Dokumentation: Ist die Leistungsbeschreibung als Referenz vorhanden, gegen die geprüft werden kann? Ohne schriftliche Leistungsbeschreibung gibt es rechtlich und praktisch keinen Maßstab für die Abnahme.
• Betriebsbereitschaft: Läuft das System in der vorgesehenen Umgebung stabil, inklusive Übergabe von Zugängen, Dokumentation und Verantwortlichkeiten?

Ein Punkt aus der Praxis: Vereinbare Abnahmekriterien so konkret, dass eine dritte, außenstehende Person allein anhand des Vertrags prüfen könnte, ob sie erfüllt sind. „Die KI soll gut funktionieren” ist keine Abnahmekriterium – „die Kategorisierung erreicht auf dem vereinbarten Testset mindestens die vorab festgelegte Trefferquote” ist eines.

Wie behandelt man Änderungen?

Änderungen sind bei Softwareprojekten die Regel, nicht die Ausnahme – bei KI-Projekten oft noch mehr, weil sich Anforderungen ändern, sobald Nutzer:innen die erste Version sehen oder das Modellverhalten am echten Datenmaterial überrascht. Wie gut ein Projekt mit Änderungen umgeht, entscheidet sich am Change-Request-Prozess, nicht am gewählten Vergütungsmodell allein.

Ein funktionierender Prozess hat vier Schritte: Änderungswunsch schriftlich festhalten, Aufwand und Auswirkung auf Termin und Preis einschätzen, die Änderung gemeinsam freigeben oder ablehnen, erst danach umsetzen. Beim Festpreis verhindert das, dass sich der Scope schleichend erweitert, ohne dass die zusätzliche Leistung vergütet wird – ein Effekt, der in der Softwarebranche als Scope Creep bekannt ist und für Anbieter ohne Change-Prozess zum stillen Verlustgeschäft wird. Beim Tagessatz macht der gleiche Prozess Mehraufwand für den Auftraggeber sichtbar, bevor er anfällt, statt erst auf der nächsten Rechnung.

Für KI-Projekte lohnt sich eine Ergänzung: Ein Teil der „Änderungen” ist in Wahrheit keine Anforderungsänderung, sondern die normale Iteration eines probabilistischen Systems – Prompt-Anpassungen, Nachjustieren von Schwellenwerten, Erweiterung der Trainings- oder Referenzdaten. Diese Art von Feintuning sollte im Vertrag von echten Scope-Erweiterungen (neue Funktionen, neue Systeme, neue Nutzergruppen) unterschieden werden, sonst verschwimmt die Grenze zwischen normaler Qualitätsarbeit und kostenpflichtiger Zusatzleistung.

Umsetzung: So triffst du die Entscheidung

In der Praxis empfehle ich ein zweistufiges Vorgehen, unabhängig davon, ob du Auftraggeber oder Anbieter bist:

1. Scope-Klarheit ehrlich einschätzen. Kannst du (oder dein Anbieter) den Leistungsumfang heute schon so präzise beschreiben, dass eine dritte Person danach abnehmen könnte? Wenn nein, ist ein Festpreis auf dieser Basis ein Risikoaufschlag mit Preisschild, kein Festpreis im eigentlichen Sinn.
2. Modell nach Projekttyp wählen. Nutze dafür eine Entscheidungsmatrix, die typische KI-Projektsituationen mit Vergütungsmodellen verknüpft (siehe unten).

Entscheidungsmatrix: Vergütungsmodell nach Projekttyp

Eigene Entscheidungsmatrix Philogic Labs, aus Beratungs- und Umsetzungspraxis abgeleitet – als Orientierung, keine rechtliche Einordnung im Einzelfall.

Projektsituation	Scope-Klarheit vorab	Empfohlenes Modell	Begründung
Integration eines ausgewählten KI-Bausteins in bekanntes System	Hoch	Festpreis	Schnittstellen und Zielverhalten sind dokumentierbar
Erster KI-Piloten-Case, Datenlage ungeprüft	Niedrig	Discovery (Tagessatz), danach ggf. Festpreis für Umsetzung	Unsicherheit muss zuerst geklärt werden
Explorativer Prototyp / Modellvergleich	Niedrig	Tagessatz mit kurzen Etappen	Vorgehen ändert sich mit Zwischenergebnissen
Umsetzung nach abgeschlossener, dokumentierter Discovery	Hoch	Festpreis	Risiko ist benannt statt geraten
Laufender Betrieb, Weiterentwicklung, Support	Variiert je Anfrage	Tagessatz oder Servicevertrag mit SLA	Aufgabenzuschnitt wechselt fortlaufend
Regulatorisch sensibler Use Case (z. B. Personalentscheidungen)	Mittel bis hoch	Festpreis nur nach Discovery mit Rechts-/Datenschutzprüfung	Abnahmekriterien müssen zusätzlich rechtliche Anforderungen abdecken

Die Matrix ersetzt keine Einzelfallprüfung, gibt aber eine erste, nachvollziehbare Einordnung, bevor du in Vertragsverhandlungen gehst.

Risiken & Grenzen

Ein paar ehrliche Einschränkungen gehören dazu:

• Ein Festpreis ist keine Erfolgsgarantie für das Geschäftsergebnis. Er sichert einen definierten Leistungsumfang zu einem definierten Preis – nicht, dass die KI-Lösung den erhofften Nutzen bringt. Das ist eine andere Frage, die eher in der Use-Case-Auswahl und Erfolgsmessung beantwortet wird als im Vergütungsmodell.
• Zu enge Festpreis-Scopes verlagern Risiko, sie beseitigen es nicht. Wenn ein Anbieter jede Unklarheit als kostenpflichtigen Nachtrag behandelt, ist der „Festpreis” am Ende teurer als eine ehrliche Aufwandsabrechnung – nur mit mehr Reibung unterwegs.
• Time and Material ohne Steuerung ist ein echtes Risiko. Wer sich für dieses Modell entscheidet, sollte aktiv steuern: Etappenziele, regelmäßige Reviews, klare Eskalationswege bei Budgetabweichungen. Ohne das wird aus Flexibilität schnell Kontrollverlust.
• KI-spezifische Qualitätskriterien sind noch keine Standardpraxis. Anders als bei klassischer Software gibt es für „gute” KI-Ausgaben selten etablierte Branchenschwellen – die konkreten Werte müssen projektspezifisch verhandelt werden, was Abnahmegespräche aufwändiger macht als bei klassischer Software.
• Dieser Artikel ersetzt keine Rechtsberatung. Die Einordnung von Werk- und Dienstvertrag im Einzelfall, insbesondere bei Mischformen und agilen Vorgehensweisen, hängt von der konkreten Vertragsgestaltung ab. Bei größeren Volumina oder regulatorisch sensiblen Projekten gehört die Vertragsprüfung zu einer Anwaltskanzlei, nicht in einen Wissensartikel.

Und eine Grenze in eigener Sache: Wie realistisch ein Festpreis für dein konkretes Vorhaben ist, hängt von Faktoren ab, die dieser Artikel nicht kennen kann – deiner Datenlage, deiner Systemlandschaft, deinem regulatorischen Kontext. Angesichts einer KI-Nutzung, die laut ifo-Institut inzwischen bei über der Hälfte der deutschen Unternehmen angekommen ist, wird die Frage nach dem passenden Vergütungsmodell für mehr Unternehmen relevant – eine pauschale Antwort gibt es trotzdem nicht. Wenn du deinen konkreten Fall einschätzen willst: Unser Beratungsangebot prüft Scope und Datenlage vor Vertragsabschluss, und ein kostenloses Erstgespräch klärt in kurzer Zeit, welches Modell zu deinem Vorhaben passt.

Checkliste: Festpreis oder Tagessatz wählen

1. Wir haben ehrlich geprüft, ob der Leistungsumfang heute schon präzise genug beschreibbar ist, um ihn abzunehmen.
2. Bei unklarer Datenlage oder explorativem Charakter haben wir eine separate, nach Aufwand abgerechnete Discovery-Phase eingeplant statt direkt einen Festpreis zu verhandeln.
3. Discovery und Umsetzung sind vertraglich getrennt, auch wenn derselbe Anbieter beide durchführt.
4. Abnahmekriterien stehen schriftlich fest, inklusive messbarer Qualitätsschwellen für KI-Ausgaben, bevor das Projekt startet.
5. Ein Change-Request-Prozess ist vereinbart: Änderungswunsch dokumentieren, Aufwand schätzen, gemeinsam freigeben, erst dann umsetzen.
6. Normale Modell-Iteration (Prompt-Tuning, Schwellenwerte) ist im Vertrag von echten Scope-Erweiterungen abgegrenzt.
7. Bei Time and Material sind Etappenziele und regelmäßige Reviews vereinbart, keine offene Zeitabrechnung ohne Kontrollpunkte.
8. Bei regulatorisch sensiblen Use Cases ist eine rechtliche Prüfung des Vertrags eingeplant, nicht nur eine fachliche.

Weitere Kostenaspekte rund um KI-Projekte – von versteckten Zusatzkosten bis zur Frage, was KI-Beratung realistisch kostet – vertiefen die weiteren Artikel im Cluster Kosten und ROI.