Ein KI-Dienstleistungsunternehmen übernimmt ein Dokumentenklassifizierungsprojekt. Das Schätzungsmodell wird auf einem ungefähren Verständnis der Corpus-Größe und einer Vermutung über die Integrationskomplexität aufgebaut. Die Schätzung ist zu niedrig. Datenqualitätsprobleme, die beim Scoping-Call nicht sichtbar waren, verbrauchen drei Sprints. Das Integrations-Schema ist nicht dokumentiert und erfordert Reverse Engineering. Das Projekt wird mit negativer Marge geliefert. Der Kunde ist über die Verzögerung unzufrieden. Die Beziehung endet, bevor ein zweites Engagement beginnt.
Das ist der stündliche Bepreisungs-Ausfallmodus. Die Schätzung war falsch, weil die für eine korrekte Bepreisung erforderlichen Informationen vor der Bepreisung nicht gesammelt wurden. Der Kunde war nicht das Problem. Die kommerzielle Struktur war es.
Warum stündliche Bepreisung KI-Projekte zerstört
Das Stundenmodell hat einen strukturellen Defekt, der sich bei KI-Projekten speziell zusammensetzt.
Die Anreizstruktur ist von Anfang an falsch ausgerichtet. Der Kunde zahlt für Aufwand. Der Anbieter wird für Aufwand belohnt. Keine Partei hat einen strukturellen Anreiz, die einfachste Lösung zu finden. Eine komplexere Lösung bedeutet mehr Stunden für den Anbieter und ein weniger effizientes Ergebnis für den Kunden.
KI-Projekte, die nach Stunden bepreist werden, haben ein zusätzliches Problem: Der Aufwand ist genuinely schwer zu schätzen, bevor eine systematische Untersuchung der spezifischen Umgebung durchgeführt wurde. Datenqualität variiert erheblich über Organisationen hinweg und ist aus einem Verkaufsgespräch nicht sichtbar. Integrationskomplexität hängt vom Alter und der Dokumentationsqualität bestehender Systeme ab. Randfälle in der Produktion tauchen über Wochen realer Nutzung auf, nicht beim Scoping. Die ehrliche Schätzung vor der Discovery ist eine Spanne, keine Zahl, und eine Spanne schließt keine Verträge.
Das Ergebnis ist vorhersehbar. Die Schätzung ist entweder zu niedrig, was Margenquetschung, überstürzte Lieferung und Qualitätsabkürzungen produziert, oder zu hoch, was eine Verhandlung produziert, die die Beziehung defensiv beginnt.
Wertbasierte Bepreisung ist nicht, was der Markt trägt, zu berechnen. Es ist die Preisbindung an den erzeugten Geschäftswert, was das Wissen erfordert, was dieser Wert ist, bevor das Angebot geschrieben wird. Dieses Wissen kommt aus der Discovery.
Discovery ist die Voraussetzung für Bepreisung
Der Discovery-Sprint produziert die fünf Outputs, die für eine genaue Bepreisung erforderlich sind.
Eine Prozesskarte des Ziel-Workflows, einschließlich der Schritte vor und nach der KI-Intervention, der beteiligten Systeme, der verantwortlichen Personen und der Entscheidungspunkte, an denen der KI-Output verwendet wird. Ohne die Prozesskarte ist der Umfang auf Weisen mehrdeutig, die nach dem Projektstart als Umfangsstreitigkeiten auftauchen.
Ein Dateninventar, das die Quellen abdeckt, auf die die KI zugreifen muss, ihr Format, ihre Qualität, ihre Zugriffskontrollen und die Lücken zwischen dem Verfügbaren und dem Benötigten. In der Discovery identifizierte Datenqualitätsprobleme werden abgegrenzt und bepreist. In der Lieferung entdeckte Datenqualitätsprobleme werden zu Margenquetschung.
Eine Karte der Entscheidungsverantwortlichen, die identifiziert, wer den KI-Output zur Entscheidungsfindung nutzt, welche Entscheidungen damit getroffen werden und was die Kosten eines falschen Outputs in jedem Fall sind. Das ist das Fundament der Wertschätzung.
Eine Wertschätzung, die quantifiziert, was der Prozess die Organisation derzeit an Zeit, Fehlern oder entgangenen Einnahmen pro Jahr kostet. Die Wertschätzung ist der Bepreisungsanker. Ohne sie ist der Preis eine Zahl, die von einem Benchmark oder einem Wettbewerber-Angebot gezogen wurde. Mit ihr ist der Preis ein verteidigbarer Bruchteil eines validierten Geschäftsimpakts.
Ein Risikoinventar, das technische Risiken, Anforderungen an den Wandel, Integrationsabhängigkeiten und Datenqualitätslücken katalogisiert, die die Lieferung beeinflussen könnten. Das Risikoinventar ist das, was dem Angebot ermöglicht, angemessene Puffer und Umfangsausschlüsse einzuschließen, ohne dass diese Bestimmungen feindlich wirken.
Discovery ist ein bezahltes Engagement. Es ist keine kostenlose Scoping-Übung, die bereitgestellt wird, um den Projektvertrag zu schließen. Es produziert ein Lieferergebnis, das der Kunde besitzt: das Fünf-Output-Dokument, das ihm alles gibt, was er braucht, um zu bewerten, ob das Folgeprojekt es wert ist, mit oder ohne diesen Anbieter.
Das Wertschätzungs-Framework
Drei Werthebel sind in der Discovery für die meisten Enterprise-KI-Projekte quantifizierbar.
Wiedergutgemachte Zeit ist der direkteste. Identifizieren Sie, wie viele Stunden pro Woche der Ziel-Prozess derzeit über die beteiligten Personen verbraucht. Multiplizieren Sie mit den vollbeladenen Kosten. Das Ergebnis sind die jährlichen Kosten des aktuellen Prozesses. Ein KI-System, das diese Kosten um dreißig Prozent reduziert, liefert einen Wert, der vor Projektbeginn berechenbar ist.
Fehlerkosten sind oft größer als Zeitkosten und als Bepreisungsanker verteidigbarer. Identifizieren Sie die Kosten von Fehlern im aktuellen Prozess: Nacharbeitsaufwand zur Korrektur von Fehlern, Compliance-Strafen, die mit bestimmten Fehlertypen verbunden sind, Kundenfluktuation, die auf Fehler im Service-Delivery zurückzuführen ist, verzögerte Entscheidungen durch unvollständige oder falsche Informationen. Fehlerkosten sind oft die Zahl, die die Reaktion “Ich wusste nicht, dass das so teuer ist” beim wirtschaftlichen Käufer hervorruft, weil Fehlerkosten über mehrere Teams verteilt und selten aggregiert werden.
Freigesetzte Kapazität ist am schwierigsten zu quantifizieren und oft am bedeutendsten. Welche Entscheidungen oder Prozesse finden derzeit nicht statt, weil das Team keine Zeit oder Informationen hat? Ein Vertriebsteam, das nicht alle eingehenden Ausschreibungsanfragen analysieren kann, lässt Einnahmen unqualifiziert. Ein Compliance-Team, das nicht alle Verträge prüfen kann, trägt Risiken, die es nicht sehen kann.
Die Schätzung muss nicht präzise sein. Sie muss in ihrer Richtung korrekt und in einem Gespräch mit dem wirtschaftlichen Käufer verteidigbar sein. Der Zweck ist nicht, eine genaue Zahl zu produzieren. Es ist, eine validierte Größenordnung zu etablieren, die den Projektpreis im Verhältnis zum erzeugten Wert rational erscheinen lässt.
Das Bepreisungsmultiplikator aus Discovery-Ergebnissen: Ein KI-Projekt wird typischerweise im Bereich von 10 bis 30 Prozent des im ersten Jahr wiedergewonnenen annualisierten Werts bepreist. Ein laufender Retainer wird danach im Bereich von 5 bis 15 Prozent pro Jahr bepreist. Das sind Framework-Richtlinien, keine Marktbenchmarks.
Umfang für Preisschutz
Der Arbeitsumfang ist das primäre Instrument zum Schutz beider Parteien in einem KI-Projekt.
Was eingeschlossen ist muss explizit und granular sein: die spezifischen in Umfang befindlichen Prozesse, die spezifischen Datenquellen, die spezifischen Systemintegrationen, die spezifischen Output-Typen. Je expliziter die Einschlussliste, desto weniger Raum für Umfangsstreitigkeiten.
Was explizit ausgeschlossen ist ist ebenso wichtig wie das Eingeschlossene. Die nicht im Umfang befindlichen Prozesse. Die in diesem Projekt nicht abgedeckten Integrationen. Die nicht behandelten Dokumentformate. Explizite Ausschlüsse verhindern das Gespräch “Warum haben Sie X nicht eingeschlossen?”
Abnahmekriterien definieren, wie Erfolg gemessen wird und von wem. Die Eval-Harness-Metriken, die Genauigkeitsschwellenwerte, die Latenzanforderungen, das User-Acceptance-Test-Protokoll. Ohne Abnahmekriterien wird die Lieferung subjektiv.
Change-Request-Auslöser definieren, was eine Umfangsänderung im Vergleich zu dem darstellt, was in der normalen Projektlieferung enthalten ist. Jede Arbeit außerhalb des definierten Umfangs ist ein Change Request mit seiner eigenen Schätzung und seinem eigenen Genehmigungsprozess.
Ein Puffer von 30 bis 40 Prozent sollte in den Projektpreis für die Randfälle und Integrationskomplexitäten eingebaut werden, die in der Discovery nicht sichtbar sind, aber im Aggregat vorhersehbar sind. Das ist keine Verschwendung. Es sind die ehrlichen Kosten des Operierens unter echter Unsicherheit in einer Domäne, in der Datenqualität und Integrationskomplexität nur in der Produktion vollständig sichtbar sind.
Den Kunden qualifizieren, bevor bepreist wird
Nicht jeder Kunde ist den Aufwand eines Angebots wert.
Das Qualifizierungsgespräch identifiziert zwei Dinge: ob das Problem des Kunden eines ist, das das System lösen kann, und ob die Erwartungen des Kunden mit der Funktionsweise guter KI-Lieferung kompatibel sind.
Grüne Flags: Der wirtschaftliche Käufer ist im Raum für Discovery-Gespräche. Die Organisation hat bereits versucht, das Problem zu lösen und weiß, wie Scheitern aussieht. Es gibt einen benannten Entscheidungsverantwortlichen, der auf KI-Output handeln wird. Budget wurde genehmigt, nicht nur allgemein diskutiert.
Rote Flags: Der Kunde erwartet ein Festpreis-Projekt mit unbegrenzten Revisionen und keinem Change-Request-Prozess. Der wirtschaftliche Käufer fehlt bei Scoping-Gesprächen. Die Organisation will KI für Wettbewerbssignalisierung statt für operative Verbesserung.
Die Qualifizierungsfrage, die gute Kunden von schlechten trennt: “Wenn wir Ihnen im dritten Monat zeigen würden, dass das System nicht gegen die vereinbarte Metrik performt, was würden Sie tun?” Ein Kunde, der ergebnisorientierte Lieferung versteht, sagt: “Lassen Sie uns untersuchen, warum, und es beheben.” Ein Kunde, der ein Lieferergebnis kauft, sagt: “Das ist das System, für das ich bezahlt habe.” Der zweite Kunde ist kein guter Kandidat für eine Beziehung, bei der der Preis an den Wert gebunden ist.
Bepreisung als Signal von Vertrauen
Ein KI-Projekt zu unterbepreisen ist kein Wettbewerbsvorteil. Es ist ein Signal, dass der Anbieter den Wert, den er schafft, nicht versteht.
Kunden, die ausschließlich nach Preis bewerten, kaufen eine Ware. Das ist nicht der Kunde für einen Premium-KI-Partner und auch nicht das Engagement, das die Erfolgshistorie produziert, die es einem Unternehmen ermöglicht, die Preise im Laufe der Zeit zu erhöhen.
Das Bepreisungsgespräch, gut geführt, ist eine Demonstration der analytischen Fähigkeit, die verkauft wird. Ein Partner, der den Wert einer Prozessverbesserung quantifizieren, die Arbeit so abgrenzen kann, dass dieser Wert geschützt wird, und den Preis mit einer discovery-gestützten Schätzung verteidigen kann, zeigt dem wirtschaftlichen Käufer genau, was er für sein Geld bekommt: strukturierte Analyse, verteidigbare Zahlen und eine klare Trennlinie zwischen dem Eingeschlossenen und dem Nicht-Eingeschlossenen.
Der richtige Kunde reagiert darauf mit Vertrauen, nicht mit einer Bitte, den Umfang zu reduzieren, bis der Preis in ein voreingestelltes Budget passt, das nicht am Wert verankert war. Das Budget, das nicht am Wert verankert war, ist eine Zahl, die jemand vor dem Gespräch ausgewählt hat. Der an der Wertschätzung verankerte Preis ist ein Bruchteil einer Zahl, die der Kunde jetzt versteht. Das ist das Gespräch, bei dem die richtigen Kunden abschließen.
Der Discovery-Sprint ist das erste Engagement, das Terraris.ai anbietet, weil es der einzige Weg ist, das Folgende genau zu bepreisen. Wenn Sie die kommerzielle Struktur für Ihre KI-Praxis aufbauen oder bewerten, wie Sie ein Engagement bepreisen, das Sie derzeit abgrenzen, beginnt das Framework hier.