Zum Inhalt springen
SwankyForge
SwankyForge
Alle Insights
Artikel11 Min. Lesezeit

Wenn KI die Stunden senkt, teilt ein Festpreis pro Meilenstein auf Basis veröffentlichter Sätze die Ersparnis, statt sie zu verstecken

Abrechnung nach Stunden gibt jede gesparte Stunde an den Kunden weiter, ein undurchsichtiger Festpreis gibt sie an den Anbieter; ein durchgerechnetes Beispiel zeigt einen Mittelweg, den beide Seiten prüfen können.

KI-Coding-Assistenten haben Teile der Engineering-Arbeit billiger in der Herstellung gemacht. Käufer wissen das und verlangen die Ersparnis. In dieser Notiz geht es darum, wer sie behält und warum die Antwort weniger vom Tool abhängt als davon, wie die Arbeit bepreist wird.

Die Kurzfassung, wenn Sie einkaufen

Es gibt drei übliche Wege, dieselbe Arbeit zu bepreisen.

  • Nach Stunden. Sie zahlen jede geleistete Stunde. Senken KI-Tools die Stunden, zahlen Sie weniger. Sie tragen auch das Risiko einer Überschreitung, und der Anbieter verdient weniger dafür, schneller geworden zu sein, also gibt ihm die Preisgestaltung keinen Grund, schneller zu werden.
  • Festpreis ohne Aufschlüsselung. Sie kennen den Preis vorab. Ist die Arbeit billiger in der Herstellung geworden, sehen Sie es nicht. Der Anbieter behält die gesamte Ersparnis, bis jemand neu verhandelt.
  • Veröffentlichte Sätze, Festpreis pro Meilenstein. Der Anbieter zeigt Stunden pro Rolle zu veröffentlichten Sätzen, legt den Preis jedes Meilensteins fest und stellt ihn erst in Rechnung, nachdem Sie ihn gegen eine vor Arbeitsbeginn vereinbarte Kennzahl abgenommen haben. Sie zahlen weniger als vorher und kennen den Betrag im Voraus. Der Anbieter behält die Marge auf die Effizienz, die er tatsächlich erreicht, und trägt das Risiko, wenn er sie nicht erreicht.

Die dritte Variante ist das Modell, das wir anbieten: Sätze auf der Preisseite, ein Rechner, der Rollenstunden mit diesen Sätzen multipliziert, ein Preis, der feststeht, sobald der Umfang vereinbart ist, und eine Rechnung pro Meilenstein nach Abnahme. Das durchgerechnete Beispiel unten zeigt die Rechnung mit illustrativen Zahlen.

Was der Markt tut

Der Druck ist ausdrücklich, und er erreicht Verträge, bevor sie zur Verlängerung anstehen.

  • Kunden wollen die Ersparnis jetzt. Im August 2026 berichtete Reuters, dass Kunden großer IT-Dienstleister „the same work for 25% to 30% less“ verlangten, in den Worten des CEO von Persistent Systems. TCS gab an, dass etwa 80% der Verträge in seinem Segment für Finanz-, HR- und Business-Services inzwischen auf Ergebniskennzahlen beruhen, was eine mit der Sache vertraute Person als doppelten Anteil gegenüber Ende 2023 beschrieb. Derselbe Bericht beschreibt einen Automatisierungsvertrag von Cognizant, der KI-bezogene Kosteneinsparungen laut mit den Bedingungen vertrauten Personen zwischen Anbieter und Kunde aufteilt.
  • Neuverhandlungen warten nicht auf die Verlängerung. Ein von HFS Research neu veröffentlichter Bericht vom Juni 2026 beschreibt Kunden, die Verträge innerhalb von 24 Monaten wieder öffnen, um KI-Effizienzen abzuschöpfen, wobei Verträge über 50 Mio. $ pro Jahr unter dem größten Druck stehen. Der CEO von HFS beschrieb, dass sich das Gespräch weg von FTEs und Preislisten hin zu Produktivitätszusagen, ergebnisbasierter Preisgestaltung und Gain-Sharing bewegt.
  • Die Margen haben bisher überwiegend gehalten. UpperEdge wertete die Q2-2026-Ergebnisse von elf großen Anbietern aus. Mehrere steigerten ihre operativen Margen: Wipro um 80 Basispunkte auf 17,3%, Tech Mahindra um 60 auf 11,1%, Accenture um 20 auf 17,0%. Die Marge von TCS sank auf 24,0%, was UpperEdge auf Lohnerhöhungen und Ausgaben für KI-Infrastruktur zurückführt, und die bereinigte EBITDA-Marge von Kyndryl fiel von 17,3% auf 14,2%. UpperEdge liest das so, dass KI-Investitionen sich bisher „funding itself rather than generating new client spend“. Es merkt außerdem an, dass TCS inzwischen sagt, eine KI-getriebene Verbesserung von 10–15% könne ab dem ersten Vertragstag zugesagt werden, gegenüber den traditionellen 3–5% über die Vertragslaufzeit verteilt.
  • Die Richtung steht fest. IDC erwartet, dass bis 2029 30% aller Aufträge an Dienstleister ergebnisbasiert sein werden.

Große Outsourcing-Verträge sind nicht der Markt eines Labors mit zwei Engineers. Die Mechanik ist bei 15.000 $ aber dieselbe wie bei 50 Mio. $. Jemand entscheidet, wer die Ersparnis behält, und der Vertrag zeigt diese Entscheidung oder versteckt sie.

Wie groß ist die Ersparnis? Kleiner und unsicherer als die Schlagzeilen

Programmieren ist ein Bruchteil der Arbeit. Bains Technology Report 2025 ergab, dass Teams mit KI-Coding-Assistenten Produktivitätsgewinne von 10–15% sehen. Gewinne von 25–30% zeigen sich nur dort, wo KI mit einer Neugestaltung des gesamten Prozesses einhergeht. Schreiben und Testen von Code macht etwa 25–35% der Zeit von der Idee bis zum Launch aus, sodass selbst eine große Beschleunigung beim Schreiben von Code die Summe viel weniger bewegt.

Messen ist schwer. Die randomisierte Studie von METR aus 2025 ergab, dass erfahrene Open-Source-Entwickler mit KI-Tools 19% länger brauchten. Im Februar 2026 berichtete METR, dass die Daten der Folgestudie „some evidence for speedup“ zeigten und Entwickler Anfang 2026 wahrscheinlich schneller waren als Anfang 2025. METR nannte diese Daten zugleich nur sehr schwache Belege für das Ausmaß der Veränderung, weil immer mehr Entwickler es ablehnten, ohne KI zu arbeiten, und dadurch aus dem Vergleich fielen. Beide neuen Konfidenzintervalle schließen weiterhin keinen Effekt ein.

Eine Ersparnis im Voraus zu versprechen ist eine Wette. Im selben Reuters-Bericht sagte der CEO von Tech Mahindra, dass einige Wettbewerber Produktivitätsgewinne von 70–80% über fünf bis sieben Jahre einpreisen und auf dieser Grundlage Preise garantieren, und dass sein Unternehmen sich entschieden habe, dieses Risiko nicht einzugehen.

Unsere eigene Ersparnis haben wir ebenfalls nicht gemessen. Ein Vertrag, der einen festen prozentualen KI-Rabatt verspricht, verspricht etwas, das noch niemand überprüfen kann. Ein Vertrag, der den Preis eines Meilensteins festlegt und das Schätzrisiko beim Anbieter lässt, braucht diese Zahl nicht.

Ein durchgerechnetes Beispiel (illustrativ)

Alles in diesem Abschnitt ist illustrativ. Die gesparten Stunden sind eine Annahme, keine Messung. Die Kostenzahlen sind Platzhalter, nicht unsere Kostenbasis.

Ausgangslage. Nehmen Sie die Vorlage für einen RAG-Copilot in unserem Rechner: 310 Stunden über fünf Rollen, 14.500 € zu veröffentlichten Sätzen und Standardkomplexität. Behandeln Sie das als Schätzung ohne KI-Unterstützung. Nehmen Sie dann an, dass KI-Unterstützung die Stunden für Boilerplate, Tests und Dokumentation senkt, Rolle für Rolle:

Rolle Satz (USD/h) Stunden vorher Stunden nachher (angenommen) Wohin die Stunden gehen
ML-Engineer 50 120 108 (−10%) Evaluations-Harness und Loader; das Evaluationsdesign bleibt unverändert
Data Engineer 45 60 52 (−13%) Gerüst für die Datenaufnahme, Datentests
Backend-Engineer 40 60 45 (−25%) API-Gerüst, Integrationstests
MLOps-Engineer 55 40 32 (−20%) CI-Konfiguration, Dashboards, Runbooks
Produktmanager 40 30 30 (0%) Kennzahl, Umfang, Kundengespräche
Summe 310 h = 14.500 € 267 h = 12.500 € −43 h, −13,9%

Wir haben 13,9% gewählt, weil der Wert innerhalb von Bains Spanne von 10–15% für Assistenten allein liegt.

Zwei weitere Platzhalter. Eine Lieferstunde kostet den Anbieter 60% seines abgerechneten Satzes, und KI-Tools kosten 300 € über den Meilenstein.

Vier Wege, es zu bepreisen:

Preismodell Kunde zahlt Kosten des Anbieters Marge des Anbieters Marge pro geleisteter Stunde
A. Nach Stunden, vor KI (310 h geleistet) 14.500 € 8.700 € 5.800 € (40,0%) 18,71 €
B. Nach Stunden, nach KI (267 h) 12.500 € 7.800 € 4.700 € (37,6%) 17,60 €
C. Festpreis zum alten Preis, nach KI (267 h) 14.500 € 7.800 € 6.700 € (46,2%) 25,09 €
D. Festpreis-Meilenstein, bepreist mit 288 h, geliefert in 267 h 13.480 € 7.800 € 5.680 € (42,1%) 21,27 €

Die Rechnung. Die Kosten in A sind 60% × 14.500 €. In B, C und D sind sie 60% × 12.500 € + 300 €. Die Marge pro geleisteter Stunde ist die Marge geteilt durch die tatsächlich geleisteten Stunden: 310 in A, 267 in den anderen. In D verpflichtet sich der Anbieter zu einer Schätzung, die in jeder Rolle die Hälfte der erwarteten Ersparnis ansetzt: ML 114 h, Data 56, Backend 52, MLOps 36, PM 30. Das sind 288 Stunden und 13.480 € zu veröffentlichten Sätzen. (Der Rechner rundet jede Rolle auf die nächsten hundert Dollar, würde also 13.500 € anzeigen.)

Was die Tabelle sagt:

  • B zeigt, was die Abrechnung nach Stunden mit einem Anbieter macht, der schneller wird. Der Kunde spart 2.000 €. Die Marge des Anbieters sinkt um 1.100 €, und seine Marge pro geleisteter Stunde fällt 6% unter den Wert vor KI. Er holt das nur zurück, wenn er die 43 frei gewordenen Stunden an jemand anderen verkaufen kann. Eine große Firma mit einer Warteschlange an Arbeit kann das. Ein Labor mit zwei Engineers und ein oder zwei parallelen Projekten oft nicht. So oder so belohnt die Preisgestaltung langsamere Arbeit.
  • C zeigt, was ein undurchsichtiger Festpreis macht. Der Anbieter behält die gesamte Ersparnis und verdient pro geleisteter Stunde 34% mehr als in A. Der Kunde kann das nicht sehen. Findet er es heraus, ist das Ergebnis die Neuverhandlung mitten in der Laufzeit, die die Berichte oben beschreiben.
  • D teilt die Ersparnis offen. Der Kunde zahlt 1.020 € (7,0%) weniger als vor KI, kennt den Betrag vor Arbeitsbeginn und zahlt erst nach Abnahme des Meilensteins. Der Anbieter verdient pro geleisteter Stunde etwa 14% mehr als in A. Beide Seiten können sehen, wie der Preis entstanden ist: Stunden pro Rolle mal veröffentlichte Sätze.

D hat auch einen Nachteil, und der liegt beim Anbieter. Bleibt die Ersparnis aus und dauert die Arbeit die vollen 310 Stunden, betragen die Kosten 9.000 € (60% × 14.500 € + 300 €), und die Marge fällt auf 4.480 € (33,2%). Der Kunde zahlt weiterhin 13.480 €. Dieses Risiko zu tragen ist das, was den Anbieter zum Vorteil im guten Fall berechtigt.

Verglichen mit B zahlt der Kunde in D auf dem Papier 980 € mehr. Dafür erhält er einen festen Betrag statt eines offenen Zählers und zahlt erst nach Abnahme. Ob das 980 € wert ist, hängt davon ab, wie sehr Sie der Schätzung vertrauen. Deshalb sind die Stunden veröffentlicht.

Warum Kennzahl und Abnahmeschritt zählen

Ein Festpreis ohne Definition von „fertig“ verschiebt den Streit nur ans Projektende. Zwei Dinge lassen Option D funktionieren.

Die Kennzahl wird vor dem Training vereinbart und in den Vertrag geschrieben. Für einen RAG-Copilot könnte das zum Beispiel der Anteil der Antworten sein, die auf einem vereinbarten Fragenset als richtig bewertet werden, plus eine Obergrenze für die Antwortzeit.

Die Abnahme kommt vor der Rechnung. Sie prüfen den Meilenstein gegen die Kennzahl, bevor Sie bezahlen. Hat KI-geschriebener Code an einer Stelle abgekürzt, zeigt sich das bei der Abnahme, nicht nach der Schlusszahlung.

Das ist enger als ergebnisbasierte Preisgestaltung im Sinne von IDC und TCS, die Honorare an Geschäftsergebnisse knüpft. Bei ML-Systemen hängt ein Geschäftsergebnis wie Umsatz auch von Preisen, Bestand, Marketing und Saison ab, von denen der Anbieter nichts kontrolliert. Eine Systemkennzahl, die beide Seiten bei der Abnahme messen können, ist das, woran ein Anbieter ehrlich gemessen werden kann. Das Geschäftsergebnis wird danach gemessen, in einem A/B-Test.

Wo das nicht funktioniert

Forschungsrisiko. Weiß niemand, ob die Daten das Modell tragen können, ist ein Festpreis für beide Seiten eine Wette. Führen Sie zuerst eine bezahlte Discovery durch; der kostenlose Teardown sagt Ihnen, ob Sie eine brauchen. Unsere dauert 2–3 Wochen und kostet 6k–14k €.

Ein Umfang, der sich jede Woche ändert. Ein Festpreis-Meilenstein braucht einen eingefrorenen Umfang für diesen Meilenstein. Ist das unmöglich, ist die Abrechnung nach Stunden mit Obergrenze ehrlicher.

Ersparnisse, die nie im nächsten Angebot ankommen. Unter D behält der Anbieter die zusätzliche Marge auf diesen Meilenstein. Im nächsten Angebot sollten die Stunden pro Rolle widerspiegeln, was er gelernt hat. Sinken sie nicht, fragen Sie nach dem Grund. Diese Prüfung verhindert, dass D zu C abdriftet.

Was Sie einen Anbieter zu KI-Ersparnissen fragen sollten

  1. Welche Teile dieser Arbeit werden KI-unterstützt, und was nehmen Sie an, wie sich das auf die Stunden auswirkt, Rolle für Rolle?
  2. Ist diese Annahme im angebotenen Preis enthalten? Zeigen Sie die Stunden und die Sätze.
  3. Wer zahlt, wenn die Schätzung falsch ist, in beide Richtungen?
  4. Was nehmen wir vor jeder Rechnung ab, und gegen welche Kennzahl?
  5. Haben Sie Ihre eigene Beschleunigung gemessen? Wie und über welchen Zeitraum? Eine Selbstauskunft ist keine Messung: Die Teilnehmenden bei METR glaubten, 20% schneller zu sein, während sie 19% langsamer waren.
  6. Wer prüft KI-geschriebenen Code, und welche Prüfungen laufen bei jeder Änderung?
  7. Welche KI-Tools sehen unseren Code und unsere Daten, und zu welchen Bedingungen?
  8. Wird das nächste Angebot widerspiegeln, was Sie bei diesem gelernt haben?

Ein Anbieter, der diese Fragen schnell beantwortet, hat die Rechnung bereits gemacht. Unsere beginnt mit dem Rechner auf der Preisseite, der Stunden und Sätze pro Rolle für Ihr Projekt zeigt.

Quellen

Haben Sie einen Prozess, der zu viel kostet?

Erzählen Sie uns davon. Das erste Gespräch ist kostenlos, und wenn KI nicht die Antwort ist, sagen wir das.

Aufgabe besprechen