Lange ging es bei künstlicher Intelligenz vor allem um technische Möglichkeiten. Welches Modell kann mehr? Welcher Anbieter ist schneller? Wo gibt es das größte Kontextfenster oder die neuesten Funktionen?
Inzwischen verschiebt sich der Blick. Was kostet es eigentlich, wenn wir KI nicht nur ausprobieren, sondern täglich und unternehmensweit einsetzen?
Diese Frage betrifft längst nicht mehr nur die großen Hyperscaler. Neben den bekannten Namen entstehen neue Anbieter und Plattformen. Teilweise stehen dahinter Persönlichkeiten, die die KI-Welt seit Jahren prägen. Ein aktuelles Beispiel ist Yann LeCun. Sein neues Unternehmen AMI Labs hat rund eine Milliarde US-Dollar an Kapital eingesammelt. Das zeigt, welche Erwartungen noch immer in diesem Markt stecken. Es zeigt aber auch, wie viel Geld für Forschung, Rechenzentren, Energie, Chips und Fachkräfte benötigt wird.
Dieses Geld muss irgendwann verdient werden.
Die Zeit der günstigen KI geht zu Ende
Darauf warte ich schon einige Zeit.
Im Verlauf eines Hypes kommt fast immer der Moment, an dem künstlich geförderte Preise verschwinden und die Realität einzieht. Leistungen, die zunächst günstig oder sogar kostenlos angeboten wurden, bekommen Nutzungslimits. Inklusivkontingente werden kleiner, leistungsfähige Modelle wandern in teurere Tarife und zusätzliche Funktionen werden nach Verbrauch abgerechnet.
Dabei geht es nicht nur um den Preis eines einzelnen Tokens. Entscheidend ist, wie viele Token ein Arbeitsablauf tatsächlich verbraucht und welchen Nutzen er bringt.
Unternehmen beginnen bereits, für komplexe Aufgaben leistungsfähige Modelle einzusetzen und für einfachere Arbeiten bewusst kleinere Alternativen zu wählen.
Token werden zur neuen Währung
Token sind die Abrechnungswährung vieler KI-Dienste. Ein Token ist, vereinfacht gesagt, ein kleiner Textbaustein. Jedes Wort setzt sich aus einer gewissen Menge Token zusammen. Und jede Eingabe verbraucht Token. Jede Antwort ebenfalls. Hinzu kommen längere Kontexte, interne Verarbeitungsschritte oder Dokumente, die ein Modell mit auswertet. Genauso wie Wiederholungen, die immer wieder Token „verbrennen“; gewollt oder ungewollt.
Für KI-Anbieter sind Token wie Benzin für Ölkonzerne. Sie machen Leistung messbar und abrechenbar. Und wie beim Öl entstehen Abhängigkeiten. Angebot, Nachfrage und verfügbare Rechenleistung bestimmen zunehmend den Preis.
Völlig unbemerkt von den meisten Menschen entsteht damit eine neue wirtschaftliche Realität. Was früher das Barrel Öl war, wird mehr und mehr zum Datentoken.
Rechenleistung wird zum knappen Gut
Ein weiterer Punkt wird häufig unterschätzt. Nicht nur Token sind begrenzt, auch Rechenleistung ist endlich. Und an manchen Orten, so z.B. in Frankfurt, können Rechenzentren kaum mehr gebaut werden, da die Stromversorgung aktuell nicht gesichert werden kann.
Leistungsfähige KI benötigt Chips, Speicher, Strom, Kühlung und Rechenzentren. Wer künftig garantierte Leistung und schnelle Antwortzeiten unternehmerisch benötigt, wird dafür bezahlen. Spätestens dann werden Verfügbarkeit und Reaktionszeiten zu kaufmännischen Größen.
Aus einzelnen KI-Abos entsteht schnell eine Kostenlandschaft
In vielen Unternehmen wächst die KI-Nutzung Schritt für Schritt. Hier kommt ein Chat-Abo hinzu, dort eine Bild-KI, später ein Übersetzungsdienst oder eine Software mit integriertem Assistenten. Ergänzt werden diese durch Schnittstellen und Automatisierungen. Für sich genommen wirkt jeder Dienst überschaubar. Zusammengenommen entsteht jedoch eine neue Kostenlandschaft.
Deshalb lohnt sich eine ehrliche Bestandsaufnahme.
- Welche KI-Dienste und Verträge haben wir im Einsatz?
- Wo bezahlen wir zusätzlich für Token oder Nutzung?
- Welche Modelle werden tatsächlich genutzt?
- Wer entscheidet über neue KI-Dienste?
- Wo setzen wir große Modelle ein, obwohl kleinere völlig ausreichen würden?
Das größte Modell ist nicht automatisch das beste
Dass Mitarbeitende gern zum leistungsfähigsten Modell greifen, ist verständlich. Wenn mehrere Modelle zur Auswahl stehen, liegt die Vermutung nahe, dass das Größte auch die beste Lösung ist.
Doch muss wirklich das teuerste Modell eine kurze E-Mail überarbeiten? Braucht eine einfache Klassifizierung dieselbe Rechenleistung wie die Analyse eines komplexen Vertrags? An vielen Stellen wird heute mit der Kanone auf Spatzen geschossen.
Es geht nicht darum, überall das größte oder kleinste Modell einzusetzen. Es geht darum, für jede Aufgabe das passende Werkzeug zu wählen. Das spart Kosten und liefert häufig sogar bessere Ergebnisse.
Verbote schaffen keine Kompetenz
Häufig reagieren Unternehmen mit Einschränkungen oder Verboten.
Ich halte das für den falschen Weg.
Wer KI pauschal abschaltet, verhindert ihre Nutzung nicht. Er verlagert sie häufig auf private Geräte oder nicht kontrollierte Dienste. Gleichzeitig sammeln Mitarbeitende keine Erfahrung und das Unternehmen entwickelt keine gemeinsame Kompetenz.
Während andere Länder und Unternehmen lernen, KI sinnvoll einzusetzen, wächst der Abstand weiter.
Mein Fazit
Spätestens jetzt wird es Zeit, KI im Unternehmen bewusst zu steuern und Mitarbeitende mit klaren Regeln, passenden Werkzeugen und der nötigen Befähigung zu unterstützen. Dazu gehören aus meiner Sicht sieben Dinge.
- Eine sichere und souveräne Plattform als gemeinsame, verbindliche Arbeitsbasis
- Das passende Modell für die jeweilige Aufgabe einsetzen
- Mitarbeitende im Umgang mit KI begleiten und schulen
- Menschen verbinden, um gemeinsam Anwendungen und Erfahrungen zu entwickeln
- Nutzung und Kosten transparent machen
- Unternehmensdaten schützen
- KI als strategische Unternehmensfähigkeit entwickeln und nicht als Sammlung einzelner Werkzeuge.
Die kaufmännische Realität der KI beginnt nicht erst auf der Rechnung des Anbieters. Sie beginnt bei jeder Entscheidung, welches Modell eine Aufgabe übernimmt, wie viele Ressourcen es verbraucht und ob das Ergebnis seinen Preis tatsächlich wert ist.