Inhalt: Darum geht's in diesem Beitrag
Man stelle sich vor, Telefonanbieter würden ihre Flatrate-Angebote abschaffen. Man müsste für jede telefonierte Minute zahlen oder auf sein Prepaid-Guthaben achten, so wie das früher einmal war. Ähnliches geschieht gerade bei der Nutzung von Künstlicher Intelligenz. KI-Anbieter haben in den letzten Monaten ihr Erlösmodell umgestellt.
Für leistungsstarke Modelle und Funktionen zahlt man nun keine feste Abogebühr mehr. Was am Ende auf der Rechnung steht, hängt von der Nutzung ab: Je mehr man KI in seinen Betriebsalltag integriert, ihr rechenintensive Aufgaben gibt und Prozesse automatisiert, desto teurer wird es.
Unternehmerinnen und Unternehmer sollten umdenken und einen bewussteren Umgang mit Künstlicher Intelligenz erlernen, sonst wird die KI-Nutzung zur Kostenfalle. Was das bedeutet und worauf Firmen künftig achten können.
Was bedeuten die neuen Erlösmodelle für Firmen?
Expertinnen und Experten sehen in den Erlösmodellen eine Zeitenwende. Lange haben Anbieter die KI-Nutzung quasi subventioniert: KI-Rechenzentren verursachen enorme Kosten, die sie nicht an Nutzerinnen und Nutzer weitergegeben haben. „Wir wurden angefüttert und haben die Sache fast umsonst bekommen“, sagt Wiebke Apitzsch, Partnerin bei AI.impact. So haben die Menschen eine Flatrate-Mentalität entwickelt: Sie erteilen Agenten komplexe Rechercheaufgaben, automatisieren Betriebsabläufe, stellen täglich zig An- und Rückfragen und denken nicht weiter darüber nach.
Jetzt wollten Anbieter Geld verdienen. Das Analysehaus Gartner schätzt, dass die weltweiten Ausgaben von Unternehmen für KI-Modelle und -plattformen in diesem Jahr auf 64 Milliarden Dollar steigen, ein Plus von 63 Prozent gegenüber 2025.
Rutger Boels, Partner bei der Hamburger Unternehmensberatung AI.impact, erlebt den Preisanstieg aktuell selbst: Gerade entwickle er eine Anwendung für einen Kunden, klassische Softwareentwicklung. Er nutzt dafür die aktuellsten OpenAI-Modelle. „Ich habe in einer Woche KI-Kosten in Höhe von 200 Euro verursacht“, sagt er.
Was Boels erlebt hat, hört man gerade aus vielen Unternehmen. Über den Fahrdienstleister Uber zum Beispiel gab es Presseberichte, nach denen das Unternehmen sein KI-Jahresbudget von 2026 in vier Monaten schon aufgebracht hat.
Wie berechnen Anbieter die Kosten?
KI-Anbieter berechnen die Kosten anhand der verbrauchten Tokens. Token, das sind die kleinsten Texteinheiten, in die KI-Modelle Eingaben und Ausgaben zerlegen. Fragt man ChatGPT zum Beispiel: „Wie kann mein Unternehmen Kosten senken“, dann muss die KI die Wörter und Wortbestandteile der Frage, und später auch der Antwort, als Tokens verarbeiten.
Man unterscheidet zwischen Eingabe-Tokens (oder auch Input-Tokens) und Ausgabe-Tokens (Output-Tokens). Für Letztere fallen höhere Kosten an. Als grobe Faustregel gilt: Ein Token entspricht etwa drei Viertel eines Wortes in englischer Sprache, im deutschen werden die Wörter etwas anders tokenisiert, der Verbrauch kann höher liegen.
Wer verlangt wie viel für welche Leistungen?
Bei den Abos bekommt man nun ein Tokenbudget pro Mitarbeiter. Wenn das aufgebraucht ist, stoppt der Dienst und man muss weitere Einheiten zubuchen. Wie bei einem Prepaid-Handy. So ist das zum Beispiel bei ChatGPT Business des Anbieters OpenAI, also dem Angebot für kleine und mittlere Unternehmen.
Die Nutzung des ChatGPT-Basismodells ist zwar nach wie vor kostenlos und unbegrenzt möglich. Anspruchsvolle Aufgaben, zum Beispiel die Programmierung mit dem Dienst Codex, ebenfalls von OpenAI, werden über das Tokenbudget abgerechnet. Ähnlich verhält es sich bei Gemini.
Generell ist es so, dass Anbieter für ihre leistungsstarken Modelle höhere Preise pro verarbeitetem Token verlangen. Nutzt man sie und stellt auch noch aufwendige Aufgaben, sind die Budgets schnell aufgebraucht. Einfache Aufgaben wie Textentwürfe verbrauchen dagegen kaum Tokens.
Ein Extrembeispiel stellt Anthropic mit seinem Spitzenmodell Cloud Fable 5 dar. Es gibt keine Budgetlimits, je mehr man das Modell nutzt, desto mehr zahlt man, ohne dass Anthropic eine Grenze einzieht. Anthropic berechnet 10 US-Dollar pro einer Million Input-Tokens, und 50 US-Dollar bei einer Million Output-Tokens. Bei komplexen Workflows können Hunderttausende und auch gerne Mal Millionen Tokens verbraucht werden.
Beispiel: Ein mittelständischer Maschinenbauer will Kunden- und Lieferantenverträge auf seine Compliance-Richtlinien prüfen. Ein Vertrag hat 40 Seiten, dazu kommen die Richtlinien der Firma. Es kommen 200.000 Tokens zusammen. Dann soll Claude einen detaillierten Bericht erarbeiten, kritische Klauseln herausstellen und rechtssichere Alternativen vorschlagen. Das bedeutet etwa 10.000 Tokens auf der Ausgabeseite. Pro Vertragsprüfung könnten zwischen 2 und 2,50 Euro anfallen, was günstig klingen mag. Überlassen Firmen dem Modell aber eine Vielzahl von Prozessen, dann läppert sich das.
Wo liegen die KI-Kostenfallen?
Kostenfallen liegen vor allem in einem rechenintensiven Bereich wie Programmierung, weil Entwickler dafür teure Hochleistungsmodelle nutzen, aber auch im Marketing, wo KI aufwendige Inhalte gestaltet, sagt Wiebke Apitzsch von AI.impact. Sie warnt aber auch vor der allzu laxen Nutzung, die sich in Unternehmen eingebürgert hat: Da werden teure Spitzenmodelle für einfachste Aufgaben genutzt, da werden Fragen unsauber formuliert, weshalb die KI mehrere Male Rückfragen stellt. Diese Art der Nutzung kann sich künftig rächen.
Eine andere Kostenfalle sind KI-Agenten, die autonom handeln und tief in die Prozesse verankert sind. Über den Verbrauch lässt sich nur schwer die Kontrolle behalten, da man nicht weiß, wie viele Denkschleifen die Agenten für eine Aufgabe brauchen. „In manchen Unternehmen gibt es Agenten, die erzählen, was es in der Kantine zu Mittag gibt“, sagt Kevin Eversmann, Data & AI-Lead beim Beratungsunternehmen Accenture in Hannover. Dieser KI-Wildwuchs habe auch sein Gutes gehabt, sagt er: „Er hat die Beschäftigten ins tägliche Doing mit KI-Agenten gebracht.“ Doch jetzt könnte die laxe Nutzung den Tokenverbrauch in die Höhe treiben.
Eversmann zieht einen Vergleich mit der Zeit, als sich Cloud-Computing verbreitete. Das war vor gut zehn Jahren. Damals investierten Unternehmen massiv in Speicher- und Rechenkapazitäten, weil man glaubte, dem Trend folgen zu müssen, nur um später den Rotstift anzusetzen, sobald der tatsächliche Nutzen kritisch hinterfragt wurde „Wenn man CEOs Jahre später nach dem Return on Invest fragt, die nicht strategisch investiert haben, guckt man in große Augen“, sagt Eversmann.
So merken auch Unternehmen gerade, dass sie vom KI-Hype nicht so sehr profitieren wie erhofft. In einer Umfrage des Wirtschaftsprüfungs- und Beratungsunternehmen KPMG vom zweiten Quartal 2026 fährt die Hälfte der Unternehmen den KI-Einsatz zurück, weil sie befürchten, dass die Kosten den tatsächlichen Nutzen übersteigen werden. „Ich muss mich fragen: Welcher Use-Case liefert einen messbaren Mehrwert in der Bilanz? Alles andere läuft Gefahr, zur Spielerei zur werden“, sagt Daniel Wagenknecht, Partner im Geschäftsbereich Financial Services bei KPMG.
Wie lassen sich Kostenfallen umgehen?
Unternehmen können KI-Kosten künftig nicht mehr als pauschale Softwareausgaben betrachten. „Das ist die falsche Einordnung“, sagt Eversmann von Accenture. Strategisch seien sie mehr als Treiber einer umfassenden Unternehmenstransformation zu betrachten. „Es gilt, Verantwortlichen in den Fachbereichen KI-Budgets zuweisen, die sie wiederum den entsprechenden Geschäftsprozessen zuordnen“, sagt der Experte. So lasse sich genauer feststellen, ob KI-Kosten zu konkreten Ergebnissen beigetragen haben.
Experten sprechen von AI-FinOps, das steht für Financial Operations. „Gemeint sind damit alle Maßnahmen, um die flexiblen Kosten in geordnete Bahnen zu kriegen und am Ende einen Mehrwert für das Unternehmen zu schaffen“, sagt Daniel Wagenknecht von KPMG.
Warum müssen Unternehmen Prozesse neu denken?
Ausufernde Kosten können mit schlechten Prozessen zusammenhängen. Viele Unternehmen haben KI einfach in bestehende Prozesse integriert, anstatt sie neu zu denken. „Aber wenn man schlechte Prozesse hat und man gibt KI dazu, bleibt es ein schlechter Prozess“, sagt Wagenknecht.
Ein einfaches Beispiel: Ein Sanitärbetrieb will die Terminbuchung automatisieren. Eine Anfrage kommt rein, ein Mitarbeiter im Büro nimmt sie entgegen und bittet einen KI-Agenten, den Kalender nach freien Terminen zu durchsuchen. Der Betrieb setzt KI ein, aber nicht gewinnbringend. Eine Komplettautomatisierung, bei der der Mitarbeiter die Anfrage gar nicht erst weiterleiten müsste, wäre sinnvoller. Der Betrieb spart dadurch Kosten und erzielt eine höhere Wertschöpfung.
„KI zwingt uns dazu, Prozesse komplett neu zu denken“, sagt Wagenknecht. „Eigentlich bedeutet das eine weitreichende Transformation des Unternehmens.“
Wie sollten Beschäftigte sensibilisiert werden?
Unternehmerinnen und Unternehmer müssen ihre Beschäftigten für die Kosten sensibilisieren, sagt Wagenknecht von KPMG. „Ich muss im Team eine Awareness dafür schaffen, dass Entwickler nicht wild drauflos prompten nach dem Motto: Was kostet die Welt“, sagt er.
Wichtig ist da zum Beispiel die Modellauswahl. Wer einfache Aufgaben lösen, zum Beispiel einen Text bearbeiten will, sollte auf die Standardmodelle zurückgreifen und auf die teuren Spitzenmodelle wie Claude Fable 5 oder GPT 5.5 verzichten. Sogenannte Routing-Software kann dabei unterstützen und die Auswahl der Modelle automatisieren. Sie prüft Anfragen auf Komplexität und leitet diese an ein passendes Modell weiter.
Bekannte Lösungen heißen zum Beispiel OpenRouter, LiteLLM, AWS Bedrock. Die Preise unterscheiden sich: Bei OpenRouter zahlt man einen Aufschlag auf die Kosten für die KI, die man nutzen möchte. LiteLLM ist als selbst gehostete Open-Source-Lösung kostenlos. Bei AWS Bedrock hängen die Kosten vom KI-Modell und der Nutzung ab. Diese Lösungen beinhalten oft Dashboards zur Nutzung, also eine übersichtliche Darstellung, wieviele Tokens schon verbraucht wurden.
Außerdem können Nutzer und Nutzerinnen Sprachmodelle anweisen, die Antwortlänge zu begrenzen und auf unnötige Floskeln zu verzichten. Beispiel: „Antworte direkt und ohne Einleitung oder Schlussformel. Verzichte auf Höflichkeitsfloskeln. Fasse dich extrem kurz“.
Fortbildungsangebote, die über die vorgeschriebene KI-Pflichtschulung hinausgehen, sind sinnvoll und können Beschäftigte für den verantwortungsvolleren Umgang sensibilisieren.
Wer im Team soll welches KI-Modell nutzen?
Wie sich noch die KI-Kosten unter Kontrolle halten lassen, können sich kleine und mittlere Unternehmen auch vom Software-Konzern SAP abgucken. Dort fallen vor allem im Bereich der klassischen Softwareentwicklung enorme Kosten an, berichtet das Handelsblatt. Demnach hat das Unternehmen jetzt ein System konzipiert, um die Kosten zu kontrollieren. Der Konzern ordnet Beschäftigte in drei Gruppen ein, die je nach Aufgaben unterschiedliche Budgets für KI-Nutzung bekommen.
Der wohl größte Teil der Beschäftigten dürfte ein Budget von 10 Euro am Tag bekommen oder 100 im Monat. Beschäftigte wie Softwareentwickler, Produktmanager, Experten für Datenanalyse und maschinelles Lernen bekommen ein Budget von 50 Euro am Tag und 500 pro Monat. Ein kleine Gruppe von Intensivnutzerinnen und -nutzer bekommen monatlich 5000 Euro, berichtet das Handelsblatt.
Auch in mittelständischen Betrieben wäre denkbar, Beschäftigten feste Budgets zu geben. Oder man macht die teuren Spitzenmodelle ausschließlich für ausgewählte Teammitglieder zugänglich, beispielsweise für den IT-Verantwortlichen oder eine Mitarbeiterin mit komplexen Aufgaben. Andere Mitarbeitende müssen mit den Standardmodellen mit eingeschränkten Möglichkeiten zurechtkommen, für die nach wie vor Pauschalpreise gelten.
Wie sinnvoll sind Budgets?
Kevin Eversmann von Accenture sagt, in manchen Unternehmenskulturen könnten Token-Grenzen bei bestimmten Jobprofilen Sinn ergeben. Aber er warnt davor, pauschal Limits zu setzen, sonst könnten Talente, die KI zielführend einsetzten, ausgebremst werden. Erfahrene Softwareentwickler zum Beispiel könnten mit uneingeschränkter KI-Nutzung einen großen Mehrwert bieten und wüssten ohnehin tendenziell eher über Kostenrisiken Bescheid.
Auch Boels von AI.impact rät zur Vorsicht. „Viele kleine Unternehmen finden gerade noch heraus, wie KI ihnen nützt. Diesen Prozess darf man nicht einbremsen“, sagt der Experte. Eine andere Gefahr: Zu enge Limits könnten Beschäftigte dazu verleiten, Privataccounts zu nutzen, die sich der Kontrolle des Unternehmens entziehen. Man nennt das Schatten-KI, sie birgt Probleme bei Datenschutz und Compliance.
Boels empfiehlt einen großzügigen Umgang. „Man könnte ein Limit von 30 Euro in der Woche setzen, und wenn der Beschäftigte das Limit erreicht, weiteres Budget freigeben“. So behalte man die Kontrolle. Wichtig sei aber auch, in den Dialog zu kommen: „Sprecht im Team darüber, wo die Einsatzmöglichkeiten sind, was es kostet und ob es das wert ist“, sagt Boels.
Grundsätzlich plädiert der Berater dafür, Alltagsaufgaben von den Standardmodellen erledigen zu lassen, bei denen nach wie vor Standardpreise gelten. Für ausgewählte, anspruchsvolle Aufgaben könnte man dann ausnahmsweise auf kostenintensive Modelle zurückgreifen.
Beispiel Softwareentwicklung: „Da stellt man dem Entwickler lieber sein gewünschtes Modell zur Verfügung und trägt die Kosten, wenn er damit seine Aufgaben schneller erfüllt und die Qualität des Ergebnisses zufriedenstellend ist“, sagt er. Auch Eversmann von Accenture sagt, grundsätzlich lasse sich durch die Wahl des passenden KI-Modell-Mixes am meisten sparen.
Ist Open Source die Lösung?
Für viele Alltagsaufgaben kleiner und mittlerer Unternehmen braucht man die leistungsstarken Modelle nicht. Ein Chatbot, der mit Kunden Termine klärt oder Bestellungen automatisch abwickelt: Solche Automatisierungsschleifen bekommt man auch hin, wenn man auf leistungsschwächere, dafür offene und kostenlose Open-Source-Modelle setzt und diese lokal hostet. Bekannte Lösungen sind Mistral oder Llama (Meta). Die Vorteile: Die Modelle an sich sind kostenlos, man zahlt für die Infrastruktur.
Noch ein Vorteil: „Wenn man Open Source auf eigener Infrastruktur in der EU betreibt, muss man sich keine Sorgen um den Datenschutz machen. Und für die meisten Sachen, die täglich im Unternehmen anfallen, reichen Open-Source-Modelle aus“, sagt Berater Boels. Hat man die Hardware einmal aufgesetzt, fallen lediglich Stromkosten an. Die sind in der Regel bekannt und lassen sich gut kalkulieren. Da drohen keine bösen Überraschungen.
Kevin Eversmann ist Global AI & Data Lead Industrial bei Accenture.
Rutger Boels Partner ist Partner bei der Hamburger Unternehmensberatung AI.impact.
Wiebke Apitzsch ist Partnerin bei der Hamburger Unternehmensberatung AI.impact.
Daniel Wagenknecht ist Partner im Geschäftsbereich Financial Services bei KPMG.
