Freelance AI Engineer beauftragen: Kosten, Ablauf, Tipps (2026)
Du willst einen Freelance AI Engineer beauftragen und suchst belastbare Zahlen. Nicht die LinkedIn-Version (“ab 50 €/h, DM me”), sondern die Realität: was kostet das in Deutschland 2026, was liefert ein guter Freelancer, und wie erkennst du in einem 30-minütigen Call, ob du richtig bist.
Die kurze Antwort vorweg. Senior AI Engineer mit produktionsreifer LLM-Erfahrung kostet in DACH 130 bis 200 €/h. Ein Architektur-Workshop dauert 1 bis 2 Tage und kostet 1.500 bis 3.500 €. Ein funktionierender MVP (Pilot) ist in 4 bis 8 Wochen machbar und kostet 15.000 bis 40.000 €. Alles darunter ist verdächtig, alles darüber ist Agentur- oder Beratungs-Pricing.
Dieser Ratgeber zeigt dir, wann ein Freelancer die richtige Wahl ist (und wann nicht), was du konkret bekommst, wie der Beauftragungsprozess Schritt für Schritt läuft, welche Red Flags du kennen musst, und wie du Scheinselbstständigkeit vermeidest.
Warum Freelancer statt Agentur oder Festanstellung
Der Freelancer-Fit ist nicht “billiger als Agentur”. Die tatsächlichen Vorteile:
Schneller Start. Ein Freelancer kann in 1 bis 2 Wochen anfangen. Eine Festanstellung dauert 3 bis 6 Monate von Stellenausschreibung bis produktiver Arbeit. Wenn dein Use Case jetzt dringend ist, ist das keine Nebensache. Die Monate Wartezeit kosten Momentum, Wettbewerbsposition und oft auch Budget-Glaubwürdigkeit intern.
Flexibler Scope. Du startest mit einem Pilot. Funktioniert er, machst du weiter. Funktioniert er nicht, hast du wenig verloren. Bei einer Festanstellung trägst du die Fehlentscheidung 12 Monate, weil Kündigungsschutz und Probezeit-Regeln dich binden.
Spezialisiertes Skillset direkt drin. Ein AI Engineer bringt LLM-Erfahrung, Prompt-Design und API-Integrations-Know-how mit. Du zahlst nicht für Einarbeitungs-Monate in Basics wie Token-Kosten, Rate-Limits oder Evaluation-Setup.
Geringeres Risiko pro Fehlbesetzung. Fehlbesetzung bei Festanstellung kostet laut BA-Schätzungen 2 bis 3 Jahresgehälter inkl. Opportunitätskosten. Fehlbesetzung beim Freelancer: 2 bis 4 Wochen Honorar, dann trennst du dich. Die Asymmetrie ist massiv.
Kein HR-Overhead. Keine Sozialleistungen, kein Onboarding-Monat, kein Arbeitsplatz, keine Entwicklungs-Maßnahmen. Bei einer Teilzeit-Vollzeit-Rechnung kommen diese Nebenkosten schnell auf 25 bis 35% des Grundgehalts.
Fokus auf Ergebnis, nicht auf Präsenz. Ein Freelancer wird am Output gemessen. Er sitzt nicht 8 Stunden im Büro, er liefert. Für KI-Arbeit, die stark nonlinear ist (manche Tage sind 90% Denken, wenige Tage sind 90% Tippen), ist das die bessere Struktur.
Wann ein Freelancer nicht passt
Ehrlich bleiben: nicht jeder Use Case gehört zu einem Freelancer.
Die Rolle wird langfristig integraler Team-Bestandteil. Wenn der AI Engineer in 12 Monaten Teamleitung oder Architektur-Owner sein soll, ist Festanstellung richtig. Freelancer bauen und übergeben, sie leiten nicht.
Das Thema ist strategisch mit hoher Board-Sichtbarkeit. Wenn der CEO im Quartalsbericht erwähnen will, wer die KI-Strategie verantwortet, passen Procurement-Regeln großer Beratungen oft besser.
Sehr hohes Compliance-Niveau mit zwingender Ausschreibung. Regulierte Branchen (Banken, Versicherungen, öffentlicher Sektor) haben oft Vorgaben, die einzelne Freelancer ausschließen.
Für alles andere (Mittelstand, klare Use Cases, Pilot-Ansatz) ist Freelance die effizientere Wahl.
Was ein Freelance AI Engineer typisch liefert
Die Leistungen, die du konkret einkaufen kannst:
Architektur-Review. Du hast bereits KI-Pläne oder ein laufendes System. Der Freelancer prüft, zeigt Tradeoffs auf, identifiziert Lücken. Dauer: 1 bis 3 Tage.
Prototyp oder MVP. Von Idee zu laufendem System in 4 bis 8 Wochen. Das ist der Klassiker.
Integration in den bestehenden Stack. Claude API, OpenAI API oder andere LLM-Provider an vorhandene Software andocken. Authentifizierung, Rate-Limits, Error-Handling, Logging.
Prompt-Engineering für Produktion. Prompts, die im Demo-Test funktionieren, fallen in Produktion oft auseinander. Der Freelancer iteriert sie auf Produktions-Qualität mit Evals und Test-Suites.
Tool Use und Agent-Entwicklung. Claude Code SDK oder eigene Agent-Loops mit Tool-Calling, Retry-Logik, State-Management.
Wissenstransfer. Interne Teams schulen, Dokumentation schreiben, damit du nach dem Projekt nicht vom Freelancer abhängig bist.
Ops-Setup. Monitoring, Kostenkontrolle, Rate-Limits, Failover zwischen Providern. Die unsichtbare Arbeit, die zwischen “läuft im Demo” und “läuft verlässlich” steht.
Die Kombination dieser Leistungen ist der Freelance-Vorteil. Eine Agentur verkauft dir meistens ein gebundenes Paket. Ein Freelancer passt das Paket an deinen tatsächlichen Bedarf an, ohne drei Projektmanager dazwischen.
KI Freelancer Kosten in Deutschland 2026
Die realen Stundensätze, nach Erfahrungsstufe:
| Level | Erfahrung | Stundensatz |
|---|---|---|
| Junior AI Engineer | 1 bis 2 Jahre | 80 bis 110 €/h |
| Mid-Level | 3 bis 6 Jahre | 110 bis 160 €/h |
| Senior Practitioner | 6+ Jahre, produktionsreife Systeme | 130 bis 200 €/h |
| Spezialist | seltene Spezialisierung (z.B. LLM-Infra, Compliance, Finance-Domain) | 200 bis 300 €/h |
Tagessätze folgen der Faustregel Stundensatz × 7 bis 8 Stunden. Ein Senior mit 150 €/h liegt bei 1.050 bis 1.200 € Tagessatz.
Vor-Ort vs. Remote. Remote-Rates liegen oft 10 bis 15% unter Vor-Ort-Rates in Frankfurt oder München. Wer täglich pendelt, verrechnet das. Für die meisten KI-Projekte ist Remote funktional äquivalent, also spar den Aufschlag wenn du keinen zwingenden Präsenz-Grund hast.
Branchenaufschläge. Finance, Legal und Healthcare zahlen 20 bis 40% mehr, weil Compliance-Wissen und Regulatorik-Erfahrung selten sind. Wenn dein Projekt BaFin-Kontext hat oder HIPAA-nah ist, erwarte Rates im oberen Bereich oder darüber.
Typische Projekt-Rahmen und Budgets
Drei Pakete, die in der Praxis gut funktionieren:
Architektur-Workshop. 1 bis 2 Tage, 1.500 bis 3.500 €. Ergebnis: dokumentierte Architektur, Tradeoff-Matrix, Risiko-Liste, Aufwandsschätzung für die Umsetzung.
Pilot-MVP. 4 bis 8 Wochen, 15.000 bis 40.000 €. Ergebnis: laufendes System für einen klar definierten Use Case. Kein Skalierungs-Feature-Komplett-Paket, sondern der Kern-Value.
Voller Rollout mit Wissenstransfer. 3 bis 6 Monate, 40.000 bis 150.000 €. Ergebnis: produktives System, geschultes internes Team, vollständige Dokumentation.
Fractional Engineer. 3.000 bis 8.000 € pro Monat für 1 bis 2 Tage pro Woche. Gut für laufende Betreuung nach dem Rollout oder wenn du kontinuierlich Iterationen brauchst ohne Vollzeit-Hire. Das Modell skaliert auch, wenn dein Team intern langsam KI-Kompetenz aufbaut und externe Senior-Beratung punktuell einkauft.
Für die meisten Erstprojekte empfehle ich den Architektur-Workshop als Einstieg. Zwei Tage, ein klares Dokument am Ende, überschaubares Budget. Wenn du danach den Freelancer gut fandest und die Architektur tragfähig ist, folgt der Pilot-MVP als zweiter Schritt. Diese Staffelung begrenzt Risiko auf beiden Seiten.
Warum 130 €/h nicht mit 130 €/h Angestelltem vergleichbar ist
Ein häufiger Missverständnis-Moment im Erstgespräch: “Das ist doppelt so teuer wie ein Angestellter.” Stimmt nicht. Was im Freelancer-Stundensatz drin ist:
Steuerliche Last in DE. Einkommensteuer, Solidaritätszuschlag, ggf. Kirchensteuer. Effektiver Steuersatz bei Freelancern liegt je nach Einkommen bei 30 bis 45%.
Sozialversicherung komplett selbst. Krankenversicherung (500 bis 900 € monatlich), Altersvorsorge, ggf. Berufsunfähigkeits- und Haftpflicht-Versicherung. Der Arbeitgeberanteil, der bei Angestellten on top kommt, zahlt der Freelancer aus dem Stundensatz.
Unbezahlte Akquise. 20 bis 30% der Gesamtzeit geht für Akquise, Angebote und Calls drauf, die nicht zum Projekt führen. Diese Zeit muss die bezahlte Zeit abdecken.
Weiterbildung. Das KI-Feld ändert sich wöchentlich. Modelle, Frameworks, Best Practices. Wer nicht kontinuierlich nachzieht, wird in 12 Monaten irrelevant.
Betriebsausgaben. Equipment, Software-Lizenzen, Steuerberater, Versicherungen, Büroausstattung, Server.
Die Faustregel: ein Freelancer mit 130 €/h hat nach Abzug aller Kosten ungefähr das Netto-Niveau eines gut bezahlten Angestellten. Nicht mehr. Der Stundensatz ist kein Reichtums-Indikator, er ist Selbstständigen-Mathematik.
Der Beauftragungsprozess konkret
Sieben Schritte, die eine Fehlbesetzung wahrscheinlicher vermeiden:
1. Use Case und Ziele intern definieren. Vor dem ersten Freelancer-Kontakt. Was genau soll entstehen? Welche Erfolgs-Metrik? Welche Daten hast du? Wer ist Entscheider? Wenn du das nicht beantworten kannst, bist du noch nicht bereit zu beauftragen, egal wie gut der Freelancer ist.
2. Shortlist erstellen. 3 bis 5 Kandidaten. Quellen: Malt, Upwork, freelance.de, LinkedIn, persönliches Netzwerk. Siehe Abschnitt unten zu den Plattformen.
3. Erst-Call (30 Minuten). Zweck: passt der Mensch? Hört er zu? Stellt er gute Rückfragen oder liefert er sofort ein Angebot ohne den Use Case verstanden zu haben? Hat er eine Meinung, oder nickt er alles ab?
4. Technisches Assessment (60 bis 90 Minuten). Lass ihn einen Architektur-Entwurf für deinen konkreten Use Case skizzieren. Nicht abstrakt, sondern konkret mit deinen Constraints. Ein guter Engineer wird Fragen stellen, Annahmen klar machen und Tradeoffs diskutieren.
5. Referenzen einholen. 2 vorherige Kunden sprechen. Nicht nur Logos auf der Website. Frag: “Was wurde geliefert? Was hat nicht funktioniert? Würdest du ihn wieder beauftragen?”
6. Kleines Startprojekt. Workshop oder 1-Wochen-Pilot vor dem großen Commitment. Du lernst Arbeitsweise, Kommunikation und Qualität in echter Arbeit kennen, bevor du 40.000 € freigibst.
7. Vertrag. Stundenbasis oder Fest-Preis-Paket mit klaren Deliverables und Rücktritts-Klausel. Siehe nächster Abschnitt.
Vertragsformen in Deutschland
Drei Formen, die du kennen musst:
Dienstvertrag (Stundenbasis). Freelancer arbeitet, du zahlst die Zeit. Kein Werk-Ergebnis garantiert. Gut für explorative Arbeit, wo Scope sich anpasst. Beidseitig fair, wenn beide transparent sind.
Werkvertrag (Fest-Preis). Klar definiertes Werk, Freelancer trägt das Werk-Risiko. Gut für klar scope-bare Projekte wie “Integration von System A mit System B nach Spec X”. Schlecht, wenn Scope unklar ist, dann steigen die Angebotspreise wegen Risiko-Puffer.
Beratervertrag. Dienstvertrag-Variante, häufig bei Strategie-Arbeit. Steuerlich wie Dienstvertrag.
Achtung Scheinselbstständigkeit. Wenn ein Freelancer über Monate nur für dich arbeitet, 5 Tage die Woche, feste Arbeitszeiten hat, deine E-Mail-Signatur nutzt und in deinem Team-Meeting sitzt, wertet die Deutsche Rentenversicherung das als Scheinselbstständigkeit. Folge: Nachzahlungen von Sozialversicherungsbeiträgen, auch rückwirkend. Ausschluss-Kriterien vorab prüfen, im Zweifel Statusfeststellungs-Verfahren.
Rechtliche Basics für DACH-Auftraggeber
Die Checkliste, die du vor Projektstart abhaken solltest:
AVV (Auftragsverarbeitungs-Vertrag) unterschreiben, wenn der Freelancer personenbezogene Daten verarbeitet. Pflicht nach DSGVO. Vorlagen gibt es von GDD und BvD.
NDA für vertrauliche Informationen. Standardklauseln reichen meistens, keine 40-seitigen Monster.
IP-Klausel. Wer besitzt den geschriebenen Code? Üblich: Auftraggeber erhält die Rechte, sobald bezahlt. Open-Source-Abhängigkeiten bleiben unter ihrer jeweiligen Lizenz.
Haftungsbegrenzung. Üblicherweise auf den Auftragswert begrenzt. Unbegrenzte Haftung verlangen ist ein Show-Stopper für jeden seriösen Freelancer.
UStG. Freelancer aus Deutschland verrechnet Umsatzsteuer. Aus dem EU-Ausland: Reverse Charge, du verrechnest die USt selbst. Aus Drittstaaten: je nach Land, im Zweifel Steuerberater fragen.
Wo du gute Freelance AI Engineers findest
Plattformen mit unterschiedlichen Stärken:
Malt.com. DACH-stark, kuratierte Profile mit Reviews von echten Kunden. Profile zeigen Tagessätze offen. Solide für Mid-Level und Senior.
freelance.de. Deutschsprachig, viele Mittelstands- und Konzern-Projekte. Anfragen laufen oft über Personal-Dienstleister, Qualität variiert.
Upwork. Global, starke Inbox-Aktivität auf Jobposts, aber hohe Qualitäts-Varianz. Proposal-Qualität filtert gut: wer einen guten Cover Letter schreibt, arbeitet meistens auch gut.
LinkedIn. Direkter Kontakt, oft höhere Qualität durch Profil-Transparenz. Beiträge, Artikel und Kommentare zeigen Denke und Meinung.
Persönliches Netzwerk. Die besten Matches kommen oft über Empfehlung. Frag andere CTOs, die schon LLM-Projekte gemacht haben, wen sie beauftragen.
Red Flags im Freelancer-Profil
Warnsignale, die du nicht ignorieren solltest:
“Full-Stack Developer + AI Expert + Cloud + DevOps + Blockchain”. Zu breit. Niemand ist in allem exzellent. Bei KI-Projekten willst du Spezialisten, keine Generalisten mit AI-Sticker auf dem Profil.
Keine öffentliche Arbeitshistorie. Kein GitHub, kein Blog, keine Konferenz-Vorträge, keine Open-Source-Beiträge. Wer in 2026 im KI-Feld arbeitet und nichts öffentlich zeigt, hat entweder nichts zu zeigen oder arbeitet ausschließlich unter NDA (seltener als angenommen).
Nur Zertifikate statt Projekte. “Certified ChatGPT Expert” ist kein Skill-Nachweis. Echte Projekte mit echten Ergebnissen sind es.
Kein klarer technischer Standpunkt. Wenn du fragst “Claude oder OpenAI für unseren Use Case?” und die Antwort ist “hängt ab”, ohne konkrete Tradeoffs, fehlt Erfahrung.
Stundensatz verdächtig niedrig. Unter 60 €/h für eine Senior-Rolle in DACH ist ein Red Flag. Entweder unterbewertet sich die Person massiv (selten), oder das Skill-Level ist nicht da, oder die Arbeit kommt aus dem Ausland ohne Rechnungsstellung.
Grüne Flaggen
Die Gegenseite, worauf du positiv achten solltest:
Hat eigene Produkte gebaut und produktiv gestellt. Nicht nur Kunden-Projekte, sondern eigene Ideen bis zur Produktion gebracht. Zeigt Ownership und End-to-End-Verantwortung.
Hat technischen Blog mit Deep-Dives. Wer regelmäßig schreibt, hat Struktur im Denken und kann technische Konzepte erklären. Beides brauchst du im Projekt.
Öffnet seinen Arbeitsprozess. Architektur-Entwürfe, Trade-Off-Diskussionen, Postmortems von Fehlern. Transparenz ist ein Qualitäts-Indikator.
Bekannt in spezifischen Tool-Communities. Claude, n8n, Make, bestimmte Framework-Maintainer. Nicht jeder Freelancer muss Community-Star sein, aber sichtbare Präsenz in relevanten Communities ist ein Plus.
Was der Freelancer von dir braucht, um gut zu liefern
Einseitige Anforderungen an Freelancer sind unfair. Was du bereitstellen musst:
Klaren Use Case mit Erfolgs-Metrik. Ohne messbares Ziel wird jedes Projekt politisch.
Zugang zu technischen Ansprechpartnern. Der Freelancer muss schnelle Antworten bekommen. Wenn jede Frage 3 Tage auf ein Team-Meeting wartet, verlängert sich das Projekt um den Faktor 2.
Daten und Beispiele. Ohne echte Daten kein LLM-Projekt. Mindestens 20 bis 50 reale Beispiele des Use Cases, damit Evals funktionieren.
Entscheider greifbar. Freigaben, Scope-Änderungen, Budget-Fragen brauchen schnelle Entscheidungen. Wenn der Entscheider dreimal pro Woche in Workshops sitzt, steht das Projekt.
Bezahlpünktlichkeit. 30 Tage Zahlungsziel ist Standard. 60+ Tage frustriert jeden Freelancer, der nicht auf Konzern-Lieferant spezialisiert ist. Wer Cashflow-Risiko auslagert, bezahlt es im Stundensatz.
Meine Positionierung, als konkretes Beispiel
Ich arbeite seit einigen Jahren als Freelance AI/LLM Engineer, Schwerpunkt DACH-Mittelstand und Solopreneure. Rate: 130 €/h auf freelance.de bzw. 140 $/h auf Upwork. Stack: Claude API, TypeScript, Go, Python, Linux, Make.com, n8n, DevOps.
Produktive Systeme, die ich betreibe: 10 KI-Agents als Bash-Skripte in Cron, ein eigener MCP-Server für Task-Management, ein Telegram-Bot, der Claude-Anfragen routet, ein E-Mail-Agent in Go mit Compliance-Kontrollen. Alles läuft, nicht nur Demo.
Startprojekte, die ich typisch anbiete: Architektur-Workshop (1 bis 2 Tage) oder Pilot (4 bis 6 Wochen) mit klar definiertem Deliverable.
Wenn du überlegst, einen KI-Berater ins Boot zu holen, findest du in meinem Guide wie du einen KI-Berater findest die Kriterien für Berater-Profile. Für die Unterscheidung KI-Projekte im Mittelstand siehe KI-Automatisierung im Mittelstand. Wer tiefer in die technische Anleitung einsteigen will: Anleitung KI-Prozessautomatisierung.
Checkliste vor dem Kick-Off
Bevor du den Vertrag unterschreibst:
- Use Case dokumentiert, mit Erfolgs-Metrik
- Scope und Deliverables schriftlich
- Stundensatz oder Fest-Preis klar, mit Rahmen
- AVV unterschrieben (wenn personenbezogene Daten im Spiel sind)
- NDA wenn nötig
- Zugang zu Test-Umgebung geklärt
- Technischer Ansprechpartner benannt
- Zahlungsziel klar (30 Tage empfohlen)
- Scheinselbstständigkeits-Kriterien geprüft
- IP-Klausel im Vertrag
Welche Option passt zu deinem Projekt?
Beauftrage einen Freelancer, wenn du einen klaren Use Case hast, einen Pilot starten willst, schnell anfangen musst (1 bis 2 Wochen), und produktionsreife LLM-Erfahrung brauchst ohne interne Aufbauzeit.
Stelle stattdessen fest an, wenn die Rolle in 12 Monaten Team-Lead-Charakter haben soll, das Thema integraler Produkt-Bestandteil ist, und du dauerhaft Owner-Kapazität brauchst.
Geh zur großen Beratung, wenn Compliance-Vorgaben oder Procurement-Regeln einzelne Freelancer ausschließen, oder wenn die Board-Sichtbarkeit des Themas ein großes Logo verlangt.
Für den Mittelstand und Solopreneure mit konkreten Use Cases ist Freelance-Beauftragung die effizienteste Option. Die Ersparnis ist nicht beim Stundensatz, sondern bei der Time-to-Value und der Fehlbesetzungs-Kostenstruktur.