KI-Kosten entgleisen: Unternehmen am Rande der Krise

In der Tech-Welt sind große Unternehmen gezwungen, ihre Budgets zu überdenken, da die Kosten für künstliche Intelligenz (KI) unerwartet steigen. So hat Uber sein KI-Coding-Budget für 2026 bereits im April dieses Jahres aufgebraucht. Microsoft hat Claude Code-Lizenzen, die seinen Entwicklern zur Verfügung gestellt wurden, nach nur wenigen Monaten widerrufen. Trotz gesunkener Token-Preise hat die Verbreitung autonomer Agenten den Verbrauch stark erhöht. Techcrunch.com berichtet .

Obwohl Unternehmen Anfang 2025 mit unbegrenzten Abonnements starteten, versuchen sie nun zu verstehen, wohin die Mittel fließen, und die Ausgaben zu zügeln. Laut Alexander Embricos, Leiter der Unternehmenssparte von OpenAI, haben sich die Gespräche mit Kunden von den Modellfähigkeiten hin zu Effizienz und Token-Kontrolle verlagert. Marktteilnehmer entwickeln derzeit neue Tools und Standards zur Überwachung der KI-Kosten.

Das von der Linux Foundation angekündigte Tokenomics Foundation-Projekt zielt genau darauf ab, dieses Problem zu lösen. J.R. Storment, Geschäftsführer der FinOps Foundation, betonte, dass viele Unternehmen bis April bereits das Dreifache ihres Jahresbudgets ausgegeben hatten. Diese Situation hat eine echte existenzielle Krise in der Tech-Branche ausgelöst, wobei das Motto "schnell handeln" durch "Schutzplanken und Kontrolle" ersetzt wurde.

Während Modelle der nächsten Generation wie Anthropic's Claude Opus 4.5, OpenAI's GPT-5.1 und Google's Gemini 3 Pro agentische Funktionen verbessert haben, führte dies zu einem multiplikativen Anstieg des Verbrauchs. Berichten zufolge musste ein Unternehmen 500 Millionen Dollar für Claude zahlen, weil es versäumt hatte, Limits für Mitarbeiter festzulegen. Vertreter von Priceline vergleichen diese Situation mit einer einzigartigen "Sucht".

Untersuchungen von Plattformen wie Faros AI und Jellyfish zeigen, dass Ingenieure, die KI-Tools intensiv nutzen, doppelt so produktiv sein können, dafür aber zehnmal mehr Token verbrauchen. Gleichzeitig steigt die Anzahl der Code-Fehler und Neuschreibungen, was die wirtschaftliche Effizienz künstlicher Intelligenz in Frage stellt.