KI-Kosten explodieren: Token oder Mitarbeiter – die neue Unternehmensabwägung

Künstliche Intelligenz erweist sich als weitaus kostspieliger, als Unternehmen erwartet hatten. Die Finanzvorstände großer US-Konzerne stehen nun vor einer harten neuen Abwägung: Investitionen in KI-Token oder in Mitarbeiter. Dieses Bild zeichneten die CEOs zweier KI-Unternehmen gegenüber CNBC – und ihre Schilderungen aus dem Inneren der Fortune-500-Unternehmen sind alarmierend.

Arvind Jain, CEO des KI-Unternehmens Glean, brachte das Problem auf den Punkt: „Das wichtigste Thema für jedes Unternehmen sind derzeit völlig überzogene KI-Budgets." Der Grund dafür ist paradox – die Kosten für KI sind nicht wie erwartet gesunken, sondern gestiegen. Jede neue Modellveröffentlichung der führenden KI-Labore ist pro Token etwa doppelt so teuer wie das Vorgängermodell.

Diese Kostenentwicklung hat weitreichende Konsequenzen. Laut Jain befindet sich Enterprise-KI derzeit auf einem „nicht nachhaltigen Weg". Die wachsenden KI-Budgets gehen zunehmend zulasten des künftigen Personalwachstums – eine Verschiebung, die in den Führungsetagen der größten US-Unternehmen spürbar wird.

Drei Phasen in einem Jahr

Matan Grinberg, CEO von Factory AI – einem Unternehmen, das Entwicklungsaufgaben über verschiedene führende KI-Modelle hinweg steuert –, beschrieb den Wandel als ein klares Problem der Ressourcenallokation. Laut Grinberg haben Unternehmen in etwa einem Jahr drei verschiedene Phasen durchlaufen:

Phase 1:

Aufsichtsräte forderten von ihren CEOs, im Bereich KI aktiv zu werden

Phase 2:

Das sogenannte „Tokenmaxxing" – der Einsatz von KI um jeden Preis, ungeachtet der Kosten

Phase 3:

Führungsteams bewerten nun ihren Bedarf an Premium-Modellen kritisch neu

Die Ursache für diesen Druck liegt darin, dass die Technologie zwar funktioniert, sich aber noch nicht von selbst trägt. Die anfängliche Euphorie weicht nun einer nüchternen Kosten-Nutzen-Analyse.

Das 95-Prozent-Problem

Ein wesentlicher Teil des Problems ist die Ineffizienz bei der Modellauswahl. Etwa 95 Prozent der KI-Nutzung in Unternehmen entfällt laut Jain immer noch auf die teuersten Spitzenmodelle – selbst bei Aufgaben, die von günstigeren Alternativen problemlos bewältigt werden könnten. Dabei wäre die Lösung vergleichsweise einfach: die Weiterleitung einfacher Aufgaben an kostengünstigere Modelle.

Jain bezeichnete dies als die am einfachsten umzusetzende Maßnahme zur Kostensenkung. Genau das ist auch das Versprechen von Factory AI: Das Unternehmen sendet jede Aufgabe automatisch an das am besten geeignete Modell. Grinberg erläuterte, der Trick bestehe darin zu erkennen, wie selten eine Aufgabe tatsächlich ein Spitzenmodell erfordere. Den Unterschied zwischen den neuesten Premium-Modellen verglich er mit dem Unterschied zwischen zwei erfahrenen Akademikern – marginal, aber teuer.

Risiko für den gesamten KI-Boom

Die Entwicklung hat weitreichende Implikationen für den gesamten KI-Sektor. Der aktuelle KI-Boom beruht auf der Wette, dass die historische Nachfrage bestehen bleibt und die Käufer den Kosten gegenüber weitgehend gleichgültig eingestellt sind. Doch der Blick in die Fortune-500-Unternehmen deutet darauf hin, dass die Nachfrage weitaus preissensibler sein könnte, als der Markt bisher annimmt.

Dieses Risiko hat der Markt bisher kaum eingepreist – während er Rekordhochs erreicht und neue Billionen-Dollar-Unternehmen hervorbringt. Für Anleger, die auf KI-Infrastruktur und Premium-KI-Anbieter setzen, könnte die zunehmende Kostensensibilität der Unternehmenskunden ein unterschätzter Risikofaktor sein. Besonders Unternehmen, die ihre Geschäftsmodelle auf einer Premium-Preisstrategie aufgebaut haben, könnten unter Druck geraten, sollte sich der Trend zur Modelloptimierung weiter beschleunigen.