Ein funktionierender Chatbot-Prototyp entsteht heute in zwei Wochen. Ein Sprachmodell, ein paar Prompts, eine Anbindung an die Website, fertig. Genau das führt regelmäßig zu der Annahme, ein Eigenbau sei die günstigere Entscheidung.
Die Entscheidung fällt an einer anderen Stelle. Sie fällt bei der Frage, ob Sie diesen Chatbot drei Jahre lang betreiben wollen. Der Bau ist der sichtbare Teil. Was danach kommt, steht in keinem Prototyp.
Dieser Beitrag beschreibt, was nach zwölf Monaten typischerweise bricht, wann ein Eigenbau die richtige Entscheidung ist und welche fünf Fragen die Wahl vorwegnehmen.
Was ein Eigenbau am Anfang leistet
Unterschätzen Sie den Prototyp nicht. Ein Team mit einem guten Entwickler bekommt in kurzer Zeit einen Bot, der plausible Antworten gibt, auf der Website läuft und im Demo-Termin überzeugt. Konfiguration und Prompt-Arbeit sind gut dokumentiert, die Modelle sind über APIs zugänglich, Beispielcode gibt es reichlich.
Diese Phase gelingt fast immer. Sie erzeugt allerdings ein verzerrtes Bild vom Aufwand, weil sie den Teil abbildet, der am wenigsten Arbeit macht.
Was nach zwölf Monaten bricht
Fünf Themen tauchen in gescheiterten Eigenbauten immer wieder auf. Sie haben gemeinsam, dass sie im Prototyp unsichtbar bleiben.
Kontext über mehrere Kanäle. Solange der Bot nur auf der Website läuft, ist der Zustand einfach zu halten. Sobald WhatsApp, App und Telefon dazukommen, brauchen Sie eine gemeinsame Wissensbasis, ein gemeinsames Sitzungsmodell und ein Routing, das zwischen den Kanälen konsistent bleibt.
Verlässlichkeit über lange Gespräche. Die verbreitete Absicherung schreibt Regeln in den System-Prompt. Diese Regeln verlieren mit wachsender Gesprächslänge an Wirkung, und zwar bei jedem heutigen Modell. Eine Untersuchung über achtzehn aktuelle Modelle zeigt, dass alle mit zunehmender Eingabelänge an Genauigkeit verlieren. Wer Compliance über Prompts absichert, baut eine Grenze, die im Betrieb verrutscht. Die Mechanik dahinter beschreibt unser Beitrag zu Context Rot.
Datenpflege als Dauerstelle. Produktdaten ändern sich, Prozesse ändern sich, Formulierungen veralten. Ohne einen Ablauf für Aufbereitung, Prüfung und Versionierung sinkt die Antwortqualität langsam und unbemerkt. Diese Arbeit gehört zum Betrieb und läuft dauerhaft weiter.
Nachweispflichten. Wer eine Auskunft gegeben hat, trägt die Beweislast. Ein Unternehmen haftet für die Aussagen seines Chatbots, das hat das Oberlandesgericht Hamm im Mai 2026 entschieden. Dazu kommen die Transparenzpflichten der EU-KI-Verordnung. Audit-Trail, Quellenangabe je Antwort und dokumentierte Datenflüsse sind damit keine Kür.
Architektur statt Modellwahl. Ein Forschungsteam der UC Berkeley hat 1.642 Ausführungsprotokolle aus sieben Multi-Agenten-Frameworks ausgewertet. Die Fehlerquoten liegen je nach Benchmark zwischen 41 und 86,7 Prozent. Bemerkenswert ist die Verteilung: 44,2 Prozent der Fehler gehen auf Systemdesign zurück, 32,3 Prozent auf Fehlausrichtung zwischen Komponenten. Der überwiegende Teil der Probleme entsteht an der Stelle, an der Eigenbauten am wenigsten investieren.
Die Position, die in keiner Kalkulation steht
Eigenbau-Rechnungen führen meist Entwicklungstage und Modellkosten auf. Der größere Posten ist die Dauerbesetzung: jemand, der die Wissensbasis pflegt, Regelbrüche nachverfolgt, bei Modellwechseln nachjustiert und bei Schnittstellenänderungen reagiert.
Diese Person ist keine Vollzeitstelle am Anfang und wächst mit der Nutzung. Sobald sie das Unternehmen verlässt, ist das Wissen über den Bot mit ihr weg. Rechnen Sie den Eigenbau deshalb über drei Jahre, einschließlich Personalbindung.
Wie sich die Kostenseite eines gekauften Systems zusammensetzt, steht in unserem Beitrag dazu, was ein KI-Chatbot kostet.
Wann Eigenbau die richtige Entscheidung ist
Es gibt Fälle, in denen selbst bauen trägt. Vier davon.
Der Anwendungsfall ist Ihr Produkt. Wenn der Assistent selbst das ist, womit Sie Geld verdienen, gehört er in die eigene Entwicklung.
Sie haben ein bestehendes Plattformteam. Ein Team, das ohnehin Dienste betreibt, überwacht und weiterentwickelt, trägt einen weiteren Dienst mit überschaubarem Zusatzaufwand.
Der Fall ist eng und stabil. Ein abgegrenzter interner Anwendungsfall mit wenigen Quellen und ohne Rechtsfolge lässt sich gut selbst abbilden.
Regulatorik verlangt volle Kontrolle über den Stack. In wenigen Branchen ist die Eigenfertigung eine Auflage, keine Wahl.
Wenn keiner dieser Punkte zutrifft, verschiebt sich die Rechnung. Wie Sie Anbieter danach systematisch vergleichen, steht im Auswahl-Leitfaden für Chatbot-Anbieter.
Der Mittelweg, den viele wählen
In der Praxis fällt die Entscheidung selten binär aus. Verbreitet ist eine Aufteilung, bei der die Plattform mit Wissensverwaltung, Guardrails, Kanälen und Nachweisführung eingekauft wird, während Dialoge, Prozesslogik und Anbindung an die eigenen Systeme im Haus entstehen. Damit bleibt die fachliche Hoheit intern, ohne dass Sie die Infrastruktur dauerhaft selbst betreiben.
Prüfen Sie in diesem Fall, ob die Plattform ohne Entwicklerbeteiligung bedienbar ist. Sonst tauschen Sie eine Abhängigkeit gegen eine andere.
Fünf Fragen vor der Entscheidung
Wer pflegt die Wissensbasis in achtzehn Monaten, namentlich?
Was passiert, wenn diese Person das Unternehmen verlässt?
Wie weisen Sie im Streitfall nach, worauf eine Antwort beruhte?
Was kostet der Wechsel auf ein anderes Modell, wenn Ihr Anbieter die Bedingungen ändert?
Wie viele Kanäle sollen es in zwei Jahren sein, und wer hält sie konsistent?
Wenn Sie vier dieser fünf Fragen ohne Zögern beantworten, haben Sie die Voraussetzungen für einen Eigenbau. Wenn nicht, kaufen Sie genau diese Antworten mit ein.
Häufige Fragen
Reicht ChatGPT oder ein anderes Sprachmodell nicht aus?
Für offene Fragen und Textarbeit ja. Für Serviceauskünfte fehlen die firmenspezifischen, geprüften Inhalte, die Berechtigungsprüfung und die Nachweisbarkeit. Ein Modell allein weiß nichts über Ihre Verträge, Bestände und Prozesse.
Wie lange dauert ein Eigenbau realistisch?
Der Prototyp entsteht in Wochen. Der produktive Betrieb mit Systemanbindung, Rechteprüfung, Mehrkanalfähigkeit und Dokumentation ist ein Projekt anderer Größenordnung, und er endet nicht mit dem Go-live.
Was ist mit Open-Source-Frameworks?
Sie sparen Lizenzkosten und verschieben den Aufwand in Integration und Betrieb. Die fünf oben genannten Themen bleiben bestehen, sie werden nur zu Ihrer Aufgabe.
Wie vermeide ich Abhängigkeit vom Anbieter?
Klären Sie vor Vertragsabschluss, in welchem Format Sie Wissensbasis, Dialoge und Gesprächsdaten zurückbekommen, wie lange Laufzeit und Kündigungsfrist sind und ob Ihre Fachbereiche ohne Entwickler arbeiten können.
Können wir mit einem gekauften System später selbst weiterbauen?
Über offene Schnittstellen ist das üblich. Prüfen Sie, ob die Plattform eine dokumentierte REST-API bietet und ob Sie eigene Prozesse anbinden dürfen.
Ist ein Eigenbau nicht individueller?
Individuell wird ein Assistent durch Ihre Daten, Ihre Dialoge und Ihre Prozesse. Diese Anteile bleiben in beiden Wegen bei Ihnen.
Quellen
Cemri, Pan, Yang et al., „Why Do Multi-Agent LLM Systems Fail?", UC Berkeley
Chroma Research, „Context Rot: How Increasing Input Tokens Impacts LLM Performance"
OLG Hamm, Urteil vom 12.05.2026, Az. 4 UKl 3/25
