Build vs. Buy bei KI-Agenten: Warum Eigenentwicklungen so oft stecken bleiben

Ein Satz taucht in unseren Erstgesprächen mit mittelständischen Fertigungs- und Handelsunternehmen in letzter Zeit vermehrt auf: „Wir haben schon versucht, das selbst zu bauen." Ein IT-Dienstleister, der im Auftrag eines Kunden einen eigenen KI-Agenten für die Auftragserfassung entwickeln sollte, empfahl am Ende, stattdessen einen spezialisierten Anbieter anzusprechen. Die Geschäftsführung eines Fertigungsbetriebs hatte monatelang versucht, eine KI-Lösung auf dem eigenen ERP-System aufzusetzen – ohne belastbares Ergebnis. Und eine Beratungsgesellschaft, die mit mehreren hundert Mittelständlern arbeitet, hatte für einen Kunden bereits ein selbst entwickeltes OCR-Tool gebaut, war sich aber nicht sicher, ob das der richtige Weg für weitere Kunden ist.

Drei unterschiedliche Ausgangslagen, ein gemeinsames Muster: Der Eigenbau von KI-Lösungen für Dokumentenverarbeitung klingt naheliegend, gerade weil moderne KI-Werkzeuge heute leicht zugänglich wirken. In der Praxis bleiben viele dieser Projekte aber in einer ähnlichen Phase stecken.

Das Wichtigste in Kürze

• Immer mehr mittelständische Unternehmen experimentieren mit eigenen KI-Lösungen für Auftragserfassung und Dokumentenverarbeitung.
• In der Praxis scheitern viele dieser Projekte nicht an der KI selbst, sondern an fehlenden eindeutigen Referenzdaten, laufendem Wartungsaufwand und fehlendem Trainingsmaterial.
• Gleichzeitig beginnen größere ERP-Anbieter, erste KI-Funktionen zur Dokumentenerkennung direkt in ihre Systeme zu integrieren – ein Trend, den Unternehmen bei ihrer Build-or-Buy-Entscheidung im Blick behalten sollten.
• Eine strukturierte Checkliste hilft, die Entscheidung zwischen Eigenbau und spezialisiertem Anbieter sachlich statt aus dem Bauchgefühl zu treffen.

Warum Eigenbau-Projekte für Dokument-KI oft ins Stocken geraten

Auf den ersten Blick wirkt die Aufgabe überschaubar: ein Sprachmodell, ein paar Beispieldokumente, fertig. In der Praxis zeigen sich meist drei wiederkehrende Hürden.

Die versteckten Kosten des Eigenbaus

Was in der ersten Kalkulation meist fehlt:

• Trainingsdaten und laufendes Modelltraining: Ein Modell, das einmal auf zehn Beispieldokumenten trainiert wurde, bleibt bei neuen Dokumenttypen, Layouts oder Sonderfällen stehen, wenn niemand es kontinuierlich nachschärft.
• Compliance-Verantwortung: Wer ein eigenes Sprachmodell einsetzt oder anbindet, übernimmt auch die Verantwortung für Datenschutz- und Compliance-Nachweise – ein Aufwand, der bei spezialisierten Anbietern bereits gelöst mitgeliefert wird.
• Opportunitätskosten: Jede Stunde, die IT- oder Automatisierungsteams in den Eigenbau eines Auftragsassistenten stecken, fehlt an anderer Stelle.

💡 Pro-Tipp: Bevor Sie ein internes Projekt starten, rechnen Sie nicht nur die Entwicklungszeit, sondern auch die laufende Pflege für die nächsten drei Jahre ein. Die meisten Eigenbau-Projekte, die wir kennen, sind an Jahr zwei gescheitert, nicht an Monat eins.

Der neue Faktor: ERP-Anbieter rüsten auf

Parallel zu den Eigenbau-Versuchen einzelner Unternehmen beobachten wir einen zweiten Trend: Größere ERP-Hersteller beginnen, erste KI-Funktionen zur Dokumentenerkennung direkt in ihre Systeme zu integrieren. Für Unternehmen, die aktuell zwischen Eigenbau, ERP-nativer Funktion und spezialisiertem Anbieter abwägen, lohnt sich deshalb ein Blick auf drei Fragen: Deckt die native Funktion nur ein einzelnes ERP-System ab, oder auch andere Kanäle wie E-Mail-Postfächer und mehrere angebundene Systeme? Wie lange ist die Lösung bereits im produktiven Einsatz bei anderen Kunden, und mit wie vielen unterschiedlichen Dokumentlayouts wurde sie trainiert? Und: Wer übernimmt die Wartung, wenn sich ein Dokumentenformat ändert?

Eine Checkliste für die Build-or-Buy-Entscheidung

1. Haben wir in unseren Systemen eindeutige Referenzdaten (Kundennummern, eine zentrale Vorgangs-ID), über die sich ein Dokument zweifelsfrei zuordnen lässt?
2. Verfügen wir intern über die Kapazität, ein KI-Modell dauerhaft zu pflegen und bei neuen Dokumenttypen nachzutrainieren – nicht nur einmalig zu entwickeln?
3. Wie viele unterschiedliche ERP-Systeme oder Eingangskanäle (E-Mail, Portale, EDI) müsste eine Lösung abdecken?
4. Wer trägt bei einem Eigenbau die Verantwortung für Datenschutz- und Compliance-Nachweise?
5. Wie viel Zeit bis zur ersten produktiven Nutzung ist realistisch – und was kostet jeder Monat Verzögerung an manueller Arbeit?

‍

Häufig gestellte Fragen (FAQs)

Kann ich einen KI-Agenten für die Auftragserfassung selbst bauen?

Technisch ja, mit den heute verfügbaren Sprachmodellen ist ein erster Prototyp vergleichsweise schnell aufgesetzt. Die eigentliche Herausforderung liegt nicht im ersten Prototyp, sondern im produktiven Dauerbetrieb: Ausnahmefälle, Formatänderungen und laufendes Training, die kontinuierliche Kapazität erfordern.

Was ist der Unterschied zwischen einer ERP-nativen KI-Funktion und einem spezialisierten Anbieter?

Eine ERP-native Funktion ist meist auf ein einzelnes System zugeschnitten und deckt in der Regel nicht alle Eingangskanäle (E-Mail, Portale, unterschiedliche Dokumentformate) ab. Spezialisierte Anbieter arbeiten dagegen häufig systemübergreifend und bringen bereits Erfahrung aus vielen unterschiedlichen Branchen und Dokumenttypen mit.

Wie lange dauert die Einführung einer spezialisierten Lösung im Vergleich zum Eigenbau?

Ein Eigenbau-Prototyp kann schnell erste Ergebnisse zeigen, der Weg bis zu einem stabilen Produktivbetrieb dauert aber oft länger als geplant. Spezialisierte Anbieter mit bereits trainierten Modellen kommen in der Praxis häufig innerhalb weniger Wochen bis rund zwei Monate in den produktiven Betrieb.

Lohnt sich der Eigenbau überhaupt nie?

Nicht pauschal. Für sehr spezifische Einzelfälle mit geringer Komplexität kann ein einfaches internes Skript ausreichen. Sobald jedoch mehrere Dokumenttypen, Ausnahmefälle und eine dauerhafte Pflege ins Spiel kommen, zeigt die Erfahrung, dass die laufenden Kosten eines Eigenbaus regelmäßig unterschätzt werden.

‍

Fazit

Der Eigenbau einer KI-Lösung für die Auftragsverarbeitung ist selten an der grundsätzlichen Machbarkeit gescheitert – sondern am zweiten Jahr, wenn Pflege, Ausnahmefälle und neue Dokumentformate zusammenkommen. Wer die Build-or-Buy-Frage anhand der eigenen Datenlage, Kapazität und Zeitkosten durchrechnet, statt sie aus dem Bauchgefühl zu beantworten, trifft am Ende die belastbarere Entscheidung.

Jetzt weiterlesen: So funktioniert automatisierte Auftragsverarbeitung mit Workist.

Jetzt Demo buchen