KI-Kosten außer Kontrolle: 80% der Firmen sprengen Budget

Acht von zehn Firmen überschreiten ihre KI-Ausgabenpläne massiv – nur jeder siebte Finanzvorstand sieht eine klare Rendite.

Die Künstliche Intelligenz frisst ihre Kinder – zumindest die Budgets der Unternehmen. Schon im zweiten Quartal 2026 haben viele Firmen ihre Jahresbudgets für KI-Technologien aufgebraucht. Rund 80 Prozent der Unternehmen verfehlen ihre Ausgabenprognosen um mehr als ein Viertel, wie aktuelle Branchenberichte zeigen. Besonders alarmierend: Nur 14 Prozent der CFOs können einen klaren Return on Investment vorweisen.

Neue Tools für die Kostenkontrolle

Am 29. Mai brachten mehrere Technologieanbieter Lösungen auf den Markt, die genau dieses Problem adressieren. CloudZero stellte eine Finanzkontroll-Ebene vor, die KI-Ausgaben in Echtzeit an Geschäftsergebnisse koppelt. Der Zeitpunkt ist kein Zufall: Marktforscher von Gartner prognostizieren für 2026 weltweite KI-Ausgaben von 2,6 Billionen Euro – ein Anstieg um 47 Prozent gegenüber dem Vorjahr.

Während Unternehmen mit den explodierenden Kosten kämpfen, rücken auch die rechtlichen Anforderungen der neuen EU-KI-Verordnung immer stärker in den Fokus. Dieser kostenlose Umsetzungsleitfaden bietet Ihnen einen kompakten Überblick über alle Pflichten, Fristen und Risikoklassen für Ihr Unternehmen. Umsetzungsleitfaden zum EU AI Act jetzt kostenlos herunterladen

Parallel dazu launchte Harness zwei neue Produkte: "AI DLC Insights" und "Cloud & AI Cost Management". Sie verfolgen Token-Kosten pro Entwickler und überwachen Infrastrukturausgaben über verschiedene Anbieter hinweg – darunter OpenAI, Anthropic, AWS Bedrock und Google Cloud Vertex AI. Eine hauseigene Umfrage ergab: 94 Prozent der Engineering-Leiter haben schlichtweg keine Kennzahlen, um den ROI ihrer KI-Initiativen zu messen.

Wenn die Rechnung kommt: Millionenbeträge und leere Kassen

Wie schnell KI-Kosten explodieren können, zeigen aktuelle Unternehmenszahlen. Das Engineering-Team von Uber meldete im Frühjahr 2026, dass das Jahresbudget für KI-gestütztes Programmieren bereits nach vier Monaten aufgebraucht war. Der Grund: Die Nutzung von KI-Assistenz beim Codieren ist rasant gestiegen – rund 70 Prozent des geschriebenen Codes stammen inzwischen aus KI-Quellen.

Noch extremere Fälle sind dokumentiert. Ende Mai 2026 erhielt ein ungenanntes Unternehmen eine monatliche Rechnung von umgerechnet rund 460 Millionen Euro von Anthropic. Ursache: Es gab keinerlei Ausgabenlimits oder Zugriffskontrollen für automatisierte Workflows und Mitarbeiternutzung. Auch auf individueller Ebene steigen die Kosten: Der CEO der KI-Firma Every gab bekannt, im Mai 2026 rund 12.000 Euro für persönliche OpenAI-Codex-Überschreitungen gezahlt zu haben.

Effizienz als neues Mantra

Die Branche reagiert. Am 29. Mai veröffentlichte Anthropic das Modell "Claude Opus 4.8" mit einer Funktion namens "Effort Control". Sie erlaubt es, den Token-Verbrauch manuell zu steuern. Der Preis liegt bei 4,60 Euro pro Million Input-Token und 23 Euro pro Million Output-Token – mit dem Versprechen, Programmierfehler zu reduzieren.

Technologieführer setzen zunehmend auf Open-Source-Lösungen. Ein Ingenieur von Netflix veröffentlichte das Tool "Project Headroom", das seit Januar 2026 angeblich 644.000 Euro eingespart hat. Es komprimiert redundante Daten, bevor sie in ein großes Sprachmodell eingespeist werden. Server-Logs lassen sich so um bis zu 90 Prozent reduzieren, andere Ausgaben um 70 Prozent.

Google setzt auf eine clevere Preisstrategie. Der Konzern schätzt, dass große Cloud-Kunden jährlich über 920 Millionen Euro sparen könnten, wenn sie 80 Prozent ihrer KI-Workloads auf das günstigere Modell "Gemini Flash" verlagern. Analysten zufolge hat Google durch seine eigenen TPU-Chips einen Kostenvorteil von 50 bis 75 Prozent gegenüber der Konkurrenz.

Das Ende der Flatrate

Das Abrechnungsmodell für KI-Tools wandelt sich grundlegend. Ab dem 1. Juni 2026 stellt GitHub seinen Copilot-Dienst von einer monatlichen Flatrate auf eine token-basierte Abrechnung um. Erste Berichte von Entwicklern zeigen: Die monatlichen Kosten könnten von rund 28 Euro auf bis zu 690 Euro steigen – für Vielnutzer sogar auf bis zu 2.760 Euro.

Um mit diesen Schwankungen umzugehen, empfehlen Experten für FinOps im Bereich generative KI ein dreistufiges Vorgehen: informieren, optimieren, betreiben. Konkret bedeutet das: Budget- und Stufenlimits zur Laufzeit setzen, Aufgaben an die kosteneffizientesten Modelle weiterleiten und Ergebnisse erst prüfen, bevor man die Skalierung hochfährt.

de | wissenschaft | 69454249 |