Ein Chatbot kostet zwischen 3.000 und 80.000 Euro. Welche Spanne zu Deinem Unternehmen passt, hängt an genau vier Fragen. Nicht an der schöneren Oberfläche, nicht am Anbieter-Pitch. An vier Fragen.
In diesem Artikel bekommst Du die ehrlichste Preisrange, die Du im deutschen Mittelstandsumfeld zu Chatbots finden wirst, drei konkrete Beispiele aus Kundenprojekten und die Warnsignale, bei denen ein Chatbot der falsche Weg ist. Wir helfen Dir, auch dann eine gute Entscheidung zu treffen, wenn Du nicht mit uns arbeitest.
Was kostet ein Chatbot? Die realistische Preisrange
Um eine ehrliche Antwort zu geben, müssen wir die Frage vereinfachen. Es gibt grob vier Chatbot-Typen, die sich in Komplexität und Preis deutlich unterscheiden.
| Chatbot-Typ | Was er kann | Projektkosten | Laufende Kosten | Zeit bis Go-live |
|---|---|---|---|---|
| FAQ-Chatbot (regelbasiert) | Vordefinierte Fragen/Antworten, einfache Dialoge | 3.000 bis 8.000 Euro | 50 bis 200 Euro/Monat | 2 bis 4 Wochen |
| KI-FAQ-Chatbot (LLM-basiert) | Flexible Formulierungen, versteht Kontext | 8.000 bis 20.000 Euro | 150 bis 600 Euro/Monat | 3 bis 6 Wochen |
| RAG-Chatbot mit eigener Wissensbasis | Antwortet auf Basis Deiner Dokumente/Daten | 18.000 bis 45.000 Euro | 400 bis 1.500 Euro/Monat | 6 bis 10 Wochen |
| Custom-LLM-Chatbot mit System-Anbindung | Greift auf CRM/ERP/Ticketing zu, trifft einfache Entscheidungen | 35.000 bis 80.000 Euro | 800 bis 3.000 Euro/Monat | 3 bis 5 Monate |
Diese Preise gelten für Deutschland und Österreich, Umsetzungsqualität „solide, nicht Billigheimer, nicht Enterprise-Overkill“. Wer Dir eine Preisgarantie von 999 Euro gibt, verkauft Dir eine Shopify-App. Wer bei 100.000 Euro anfängt für einen Standard-FAQ-Bot, verkauft Dir Beratungsstunden. Beides ist nicht was Du brauchst.
Die vier Fragen, die den Preis bestimmen
Diese Fragen solltest Du Dir beantworten, bevor Du Anbieter anfragst. Die Antworten entscheiden fast allein über die Kostenklasse.
Wie viele unterschiedliche Fragen soll er beantworten?
Ein Chatbot, der 20 Standard-Fragen zu Öffnungszeiten, Versand und Rückgabe abdeckt, ist ein anderes Projekt als einer, der 500 verschiedene technische Fragen aus Deiner Produkt-Dokumentation beantworten kann. Die erste Variante ist FAQ. Die zweite ist RAG. Zwischen beiden liegt Faktor 3 bis 5 im Preis.
Soll er mit Systemen sprechen?
Wenn der Chatbot nur Text liefert, ist er günstig. Wenn er live den Auftragsstatus aus dem ERP abruft, Termine im Kalender bucht oder Tickets ins Helpdesk einträgt, wird es teurer. Jede Systemanbindung kostet typischerweise 2.000 bis 8.000 Euro pro Integration.
Braucht er Deine proprietäre Wissensbasis?
Wenn der Chatbot auf öffentlich bekanntes Wissen antworten soll, reicht ein LLM-FAQ-Bot. Wenn er Dein internes Produktwissen, Deine Prozess-Dokumentation oder kundenspezifische Verträge kennen soll, brauchst Du RAG mit eigener Vektordatenbank. Das verdoppelt den Projektaufwand mindestens.
Wie sensibel sind die Daten, die er verarbeitet?
Normale Kundenfragen können in der EU-Cloud verarbeitet werden. Medizinische Daten, Finanzdaten oder besonders schützenswerte Personendaten erfordern oft eine Datenverarbeitung in eigener Infrastruktur. Das entscheidet zwischen Weg 1 oder 2 auf der Kostenseite.
Drei Beispiele aus dem Mittelstand
Konkrete Projekte mit anonymisierten Zahlen, alles reale Kundenmandate.
FAQ-Chatbot für eine WordPress-Website (OWL-Handwerk)
Ausgangslage: Ein Handwerksbetrieb aus OWL mit rund 120 Mitarbeitern bekam pro Woche 200 Kundenanfragen per Formular und Telefon. 60 Prozent davon waren immer die gleichen zehn Fragen (Lieferzeiten, Ersatzteile, Montagetermine, Garantieabwicklung). Das Team spielte jeden Tag Copy-and-Paste.
Der Chatbot: Ein KI-FAQ-Chatbot auf WordPress-Basis, integriert ins bestehende Kontaktformular. Er beantwortet die Top-Fragen direkt, greift auf die interne Wissensdatenbank zu und zeigt bei Bedarf konkrete Kundendaten an, wenn der Kunde eingeloggt ist. Komplexe Fälle werden direkt ans Support-Team weitergeleitet, inklusive Kontextzusammenfassung.
Ergebnis nach drei Monaten: 65 Prozent der Erstkontakte werden vom Bot abgeschlossen. Reaktionszeit bei komplexen Fällen sank von 2 Tagen auf 4 Stunden, weil weniger Backlog im System steckt. Projektkosten: rund 14.000 Euro, laufende Kosten: 350 Euro im Monat.
Interner Wissens-Chatbot für Onboarding (Personaldienstleister)
Ausgangslage: Ein Personaldienstleister hatte rund 200 Mitarbeitende in wechselnden Projekten. Neue Kolleginnen und Kollegen fragten ihre Teamleitung ständig dieselben Onboarding-Fragen zu Prozessen, Tools, Kontakten. Die Teamleitungen verbrachten täglich eine bis zwei Stunden mit Frage-Antwort.
Der Chatbot: Ein RAG-Chatbot mit Zugriff auf das Onboarding-Wiki, die HR-Richtlinien und eine Liste mit Ansprechpartnern. Integriert in Microsoft Teams, sodass Mitarbeitende direkt im Chat-Tool fragen können. Alle Antworten mit Quellenverweis auf die zugrunde liegende Dokumentation.
Ergebnis: Teamleitungen gewinnen im Schnitt 6 Stunden pro Woche zurück. Neue Mitarbeitende geben in der Onboarding-Umfrage deutlich bessere Noten für „Informationszugang“. Projektkosten: rund 24.000 Euro, laufende Kosten: 700 Euro im Monat.
Pre-Sales-Chatbot für Lead-Qualifizierung (B2B-Software)
Ausgangslage: Ein B2B-Software-Anbieter bekam pro Monat 300 Demo-Anfragen über die Website. Der Vertrieb qualifizierte mühsam vor, weil viele Anfragen nicht zum Zielprofil passten.
Der Chatbot: Ein Custom-LLM-Chatbot auf der Landing Page, der Interessenten drei bis vier qualifizierende Fragen stellt, bevor sie einen Demo-Termin buchen. Er filtert Anfragen nach Unternehmensgröße, Branche und konkretem Bedarf. Qualifizierte Leads werden direkt im CRM angelegt, nicht passende Anfragen bekommen einen freundlichen Hinweis auf Alternativen.
Ergebnis: Qualität der Demo-Termine stieg deutlich (weniger „Das passt nicht“-Absagen nach 5 Minuten), Vertrieb gewinnt Zeit für echte Opportunities. Gleichzeitig stieg die Zahl der tatsächlich verbindlich gebuchten Demos, weil die Qualifizierung niedrigere Einstiegshürde hat. Projektkosten: rund 42.000 Euro, laufende Kosten: 1.200 Euro im Monat.
Wann ein Chatbot der falsche Weg ist
Zeit für Ehrlichkeit. Nicht jedes Problem löst ein Chatbot. Hier vier Warnsignale.
1. Deine Kunden stellen hochindividuelle Fragen ohne Muster. Wenn 80 Prozent Deiner Anfragen Einzelfälle sind, die individuelle Expertise brauchen, wird ein Chatbot die Support-Qualität senken, nicht steigern. Das betrifft oft spezialisiertes B2B, Rechtsberatung oder technische Dienstleistungen.
2. Deine Wissensbasis ist zu unsauber für automatische Verarbeitung. Wenn Deine Dokumente verstreut, veraltet oder widersprüchlich sind, wird ein Chatbot diese Widersprüche an Kunden weitergeben. Erst die Wissensbasis aufräumen, dann Chatbot bauen.
3. Dein Team will nicht kooperieren. Ein Chatbot ersetzt keinen Mitarbeiter, aber er verändert Arbeitsabläufe. Wenn das Support-Team den Bot als Bedrohung erlebt, sabotiert es (meistens unbewusst) die Qualität durch fehlende Pflege der Wissensbasis.
4. Die Erwartung ist „Chatbot übernimmt 100 Prozent“. Ein guter Chatbot löst 40 bis 70 Prozent der Erstanfragen. Die komplexen 30 bis 60 Prozent bleiben menschliche Aufgabe. Wer mit der Erwartung „ersetzt den Support“ reingeht, ist enttäuscht.
In diesen Fällen lohnt sich oft ein anderer Weg. Ein KI-Agent ist die richtige Lösung, wenn Du statt Kundenfragen ganze Prozesse automatisieren willst. Oder es reicht eine aufgeräumte FAQ-Seite mit guter Suchfunktion, bevor Du in KI investierst.
Chatbot oder KI-Agent? Kurzer Entscheidungsabsatz
Die Abgrenzung in einem Satz: Ein Chatbot beantwortet Fragen, ein KI-Agent erledigt Aufgaben. Wenn Dein Ziel ist „Kunden finden schneller Antworten auf Standardfragen“, ist ein Chatbot der richtige Weg. Wenn Dein Ziel ist „Ein Prozess wird automatisiert von Anfang bis Ende abgeschlossen“, brauchst Du einen KI-Agenten. Die beiden schließen sich nicht aus, sie ergänzen sich. Viele Unternehmen starten mit einem Chatbot (kleiner Scope, schneller Erfolg) und bauen später Agenten für tiefer liegende Prozesse.
Ablauf einer Chatbot-Entwicklung bei snutig
So läuft ein Chatbot-Projekt bei uns ab. Kein Marketingsprech, sondern ehrliche Phasen.
Phase 1: Potenzialanalyse (1 Woche). Wir schauen uns Dein Support-Aufkommen an, analysieren die häufigsten Anfragetypen und bewerten, welcher Chatbot-Typ sich rechnet. Ergebnis: eine Empfehlung mit grobem Kostenrahmen und erwartetem Zeitgewinn.
Phase 2: Konzeption (1 bis 2 Wochen). Wir definieren den Scope, gestalten die Dialog-Flows, klären Integrationen und beantworten die DSGVO-Fragen. Du bekommst ein schriftliches Konzept und einen Festpreis.
Phase 3: Entwicklung (3 bis 8 Wochen). Die Umsetzung. Der Chatbot wird gebaut, mit Deinen Daten trainiert, an Systeme angebunden. Wöchentliche Zwischenstände.
Phase 4: Internes Testing (1 bis 2 Wochen). Dein Team prüft den Bot auf Herz und Nieren. Feedback fließt in Finetuning zurück. Hier fällt der Härtetest mit realen Kundenfragen.
Phase 5: Pilotphase (2 bis 4 Wochen). Der Bot geht mit einem begrenzten Nutzerkreis oder auf einer Seite live. Wir sammeln Fehler und Verbesserungen, bevor er in die Breite geht.
Phase 6: Rollout und Wartung (laufend). Der Bot geht vollständig live. Wir übergeben Dokumentation, schulen das Pflege-Team und etablieren einen monatlichen Review-Rhythmus für Kennzahlen und Verbesserungen.
Je nach Chatbot-Typ dauert der gesamte Ablauf 6 bis 20 Wochen. Wer Dir erzählt, ein ernst zu nehmender Chatbot ist in 5 Tagen fertig, hat entweder einen Template-Bot verkauft oder Dich über die Qualität getäuscht.
Was Du dem Agentur-Partner mitbringen solltest
Damit Dein Chatbot-Projekt nicht dreimal so lang dauert wie nötig, sammelst Du am besten vorher diese Unterlagen:
- Top-50-Kundenfragen der letzten 6 Monate (aus E-Mails, Support-Tickets, Telefonnotizen)
- Bestehende FAQ-Seite oder Wissensdatenbank, falls vorhanden
- Liste der Systeme, an die der Bot angebunden werden soll (CRM, ERP, Kalender, Helpdesk)
- Zwei bis drei Beispiel-Dialoge, wie ein idealer Kundenservice bei Euch ablaufen würde
- Klarer Ansprechpartner im Team, der den Bot nach Go-live pflegt (das ist wichtiger als jede Technik)
Mit diesem Paket läuft ein Chatbot-Projekt typischerweise 30 Prozent schneller. Ohne diese Basis fängst Du in Phase 2 an, sie zu erarbeiten, was unnötig Geld kostet.
Wenn Datenschutz der Knackpunkt ist
Für Unternehmen mit besonders sensiblen Daten (Gesundheit, Finanzen, regulierte Branchen) ist die Standard-Chatbot-Architektur oft nicht ausreichend. Hier lohnt sich der Schritt zur unternehmenseigenen KI, bei der Daten Dein Netz nie verlassen. Parallel lohnt sich ein ehrlicher Blick auf Deine Cyber-Security-Setup, weil ein Chatbot neue Angriffsflächen öffnet, wenn er nicht sauber abgesichert ist.
Häufige Fragen
Was kostet ein Chatbot wirklich?
Zwischen 3.000 Euro für einen einfachen FAQ-Bot und 80.000 Euro für einen komplexen Custom-LLM-Chatbot mit Systemanbindungen. Der Mittelstand landet meistens im Bereich 14.000 bis 30.000 Euro für einen guten KI-FAQ- oder RAG-Chatbot. Laufende Kosten liegen bei 200 bis 1.500 Euro pro Monat.
Wie lange dauert die Entwicklung?
Ein einfacher Chatbot ist nach 2 bis 4 Wochen live. Ein RAG-Chatbot mit eigener Wissensbasis braucht 6 bis 10 Wochen. Ein Custom-LLM-Chatbot mit Systemanbindungen 3 bis 5 Monate. Die Zeit hängt mehr von der Datensauberkeit und internen Abstimmungsprozessen ab als von der Technik.
Ist der Chatbot DSGVO-konform?
Ja, wenn er richtig aufgesetzt ist. Entscheidend sind EU-gehostete Modelle (z. B. Azure OpenAI in der EU), Auftragsverarbeitungsverträge mit allen Anbietern, Verschlüsselung und eine transparente Datenschutzerklärung. Für besonders sensible Daten bieten sich Private-LLM-Lösungen an. Mehr dazu in unserem Artikel zu DSGVO-konformer Digitalisierung.
Können wir den Chatbot später selbst pflegen?
Ja, wenn der Chatbot so gebaut ist, dass Pflege ohne Entwickler möglich bleibt. Das muss in Phase 2 festgelegt werden. Wir bauen Chatbots bewusst so, dass das Marketing oder Support-Team die Wissensbasis ohne Code ergänzen kann. Entwickler braucht es nur für neue Features oder Systemanbindungen.
Was passiert bei OpenAI-Ausfällen?
Ein realistisches Risiko, das im Konzept vorab adressiert werden muss. Unsere Standard-Architektur arbeitet mit austauschbaren Modellen (OpenAI, Anthropic, Azure) über einen Abstraction-Layer. Fällt ein Anbieter aus, springt der zweite ein. Für kritische Use Cases definieren wir zusätzlich Fallback-Antworten, damit der Chatbot auch bei Komplettausfall wenigstens sagt „Ich kann aktuell nicht antworten, bitte ruf direkt an.“
Dein nächster Schritt
Du willst einen Chatbot, weißt aber noch nicht, welcher Typ zu Dir passt? Schick uns Deine 10 wichtigsten Kundenfragen (anonymisiert reicht). Wir machen auf dieser Basis eine kostenfreie Einschätzung: Welcher Chatbot-Typ passt, wie hoch ist der realistische Zeitgewinn, was kostet der Aufbau. Ohne Verpflichtung.
Jetzt Erstgespräch buchen oder direkt die Leistungsseite Individuelle Chatbots anschauen. Wir entwickeln Chatbots für den Mittelstand in OWL, NRW und bundesweit. Ehrlich, messbar, DSGVO-konform.
