KI-Kosten setzen Unternehmen und Anleger unter Druck

Für Unternehmen und Anleger im deutschsprachigen Raum werden die KI-Kosten zu einer zentralen wirtschaftlichen Frage. Wer cloudbasierte Systeme einsetzt, muss nicht nur deren Nutzen bewerten, sondern auch den laufenden Verbrauch kontrollieren; wer in US-Technologiekonzerne investiert, blickt zugleich auf deren wachsende Ausgaben. Ein neuer Accenture-Bericht warnt davor, dass viele Firmen ihre Kosten für sogenannte Tokens nur unvollständig erfassen. Parallel dazu hat Google in der laufenden Berichtssaison seine Ausgabenprognose angehoben: Statt bislang höchstens 190 Milliarden US-Dollar erwartet der Konzern nun 195 bis 205 Milliarden US-Dollar.

Die Kostenfrage verschiebt sich damit von der IT-Abteilung in die Chefetage: Entscheidend ist nicht mehr allein, was KI leisten kann, sondern ob sich ihr Einsatz wirtschaftlich steuern lässt.

Token-Verbrauch macht die laufenden KI-Kosten schwer durchschaubar

Tokens sind die Verarbeitungseinheiten hinter Eingaben, Antworten und Interaktionen autonomer KI-Agenten. Je häufiger und umfangreicher solche Systeme genutzt werden, desto höher kann der Verbrauch ausfallen. Accenture-Chefin für KI und Daten Lan Guan zufolge erhalten Finanzchefs großer Unternehmen teilweise lediglich eine zusammengefasste Rechnung. Welche Nutzer, Produkte oder Agenten die Kosten verursachen, bleibe dabei oft unklar.

Wie groß die Lücke zwischen geschäftlichem Erfolg und Kostenplanung sein kann, zeigt ein von Guan geschildertes Beispiel aus dem Einzelhandel. Ein Kunde erprobte eine KI-gestützte Empfehlungssoftware in einigen Pilotfilialen. Zwar stieg der Umsatz, zugleich erreichte die monatliche Cloud-Rechnung wegen des Token-Verbrauchs einen Millionenbetrag. Diese Kostenstruktur sei zuvor nicht eingeplant worden.

Accenture bezeichnet die Verbindung von KI-Verbrauch und geschäftlichem Nutzen als „Tokenomics“. Der Handlungsdruck entsteht auch durch die Diskrepanz zwischen Investitionen und messbarem Mehrwert: Goldman Sachs zufolge bewegen sich die weltweiten KI-Ausgaben auf mehr als 800 Milliarden US-Dollar im Jahr 2026 zu. In der Accenture-Befragung meldeten dagegen nur 23 Prozent der Führungskräfte einen breiten und dauerhaften Nutzen in ihrer Organisation.

Googles höhere Prognose verstärkt die Sorgen der Anleger

Auf der Infrastrukturseite zeigt Google, welche Größenordnung der KI-Ausbau inzwischen erreicht. Selbst das untere Ende der neuen Prognose von 195 Milliarden US-Dollar liegt über dem bisherigen Höchstwert von 190 Milliarden US-Dollar. Für Anleger ist das nicht nur wegen der zusätzlichen Summe relevant. Die Korrektur wirft auch die Frage auf, wie verlässlich sich der künftige Kapitalbedarf abschätzen lässt.

Gleichzeitig steht Google laut dem Bericht unter Wettbewerbsdruck durch chinesische KI-Angebote und muss die Preise seiner Modelle niedrig halten. Das verschärft den wirtschaftlichen Zielkonflikt: Steigende Infrastrukturkosten lassen sich schwieriger auffangen, wenn die Preise stabil bleiben oder sinken müssen.

Für Aktionäre bedeutet das, dass hohe KI-Ausgaben allein noch kein Beleg für ein tragfähiges Geschäftsmodell sind – entscheidend bleibt, welcher zusätzliche Umsatz und Ertrag daraus entstehen kann.

Günstigere Modelle sollen teure Spitzen-KI gezielter ersetzen

Accenture empfiehlt Finanzchefs einen dreistufigen Ansatz: Unternehmen sollen den Verbrauch zunächst sichtbar machen, anschließend die technische Architektur optimieren und schließlich eine dauerhafte Kontrolle etablieren. Eine interne Untersuchung ergab, dass die Nutzung eines einzelnen KI-Werkzeugs innerhalb von zehn Wochen um das 113-Fache zunahm. Rund 19 Prozent der Nutzer verursachten dabei etwa 80 Prozent der Ausgaben.

Zur Kostensteuerung setzt Accenture selbst einen „AI Token Navigator“ ein. Das System verteilt Aufgaben je nach Komplexität und geschäftlicher Bedeutung auf Spitzenmodelle, Modelle der mittleren Leistungsklasse oder offene Modelle. Nach Angaben des Beratungsunternehmens können die Kosten dadurch auf ungefähr ein Sechstel dessen sinken, was beim ausschließlichen Einsatz besonders leistungsfähiger Modelle anfiele.

Eine solche Effizienz löst das Problem allerdings nicht automatisch. Guan verweist auf das Jevons-Paradoxon: Werden Technologien günstiger und leichter verfügbar, steigt häufig ihre Nutzung. Beschäftigte könnten deshalb weiterhin routinemäßig zu den leistungsfähigsten und teuersten Modellen greifen. Für Unternehmen, die KI in größerem Maßstab einführen, folgt daraus, dass Finanz-, Technik- und Cybersicherheitsabteilungen gemeinsam Regeln für Auswahl, Nutzung und Kontrolle entwickeln müssen.

Sollten Unternehmen den Zugang zu teuren KI-Modellen stärker begrenzen, oder würde das Innovation und Produktivität ausbremsen? Teilen Sie Ihre Einschätzung.