Warum die KI-Rechnung steigt – und wie Sie gegensteuern

1. Das Preisparadox

Mehr als die Hälfte der deutschen Unternehmen nutzt inzwischen Künstliche Intelligenz in ihren Geschäftsprozessen: 54,5 Prozent im Mai 2026, nach 40,9 Prozent ein Jahr zuvor. Knapp drei Viertel der KI-nutzenden Unternehmen setzen auf kostenpflichtige externe Lösungen ^[1]. Die KI-Rechnung ist im Mittelstand also längst Realität. Nur liest sie kaum jemand richtig.

Auf den ersten Blick gibt es dafür auch keinen Grund, denn KI wird spektakulär billiger. Abgerechnet wird in Token, der Verbrauchseinheit der Anbieter – grob ein Wortbestandteil; eine Seite Text entspricht als Faustregel grob 500 bis 1.000 Token. Eine Abfrage auf dem Leistungsniveau von GPT-3.5 kostete im November 2022 noch 20 US-Dollar je Million Token, im Oktober 2024 nur noch 7 Cent – ein Preisverfall auf weniger als ein 280stel in knapp zwei Jahren ^[2]. Je nach Aufgabe fallen die Preise für ein konstantes Leistungsniveau um das 9- bis 900-Fache pro Jahr, im Median um das 50-Fache ^[3]; als Faustregel gilt eine Verzehnfachung der Kaufkraft pro Jahr ^[4]. Die Raten unterscheiden sich je nach Aufgabe, Zeitraum und Messmethode – die Richtung ist überall dieselbe.

Auf einer anderen Ebene zeigt die Ausgabenseite nach oben. Gartner erwartet für 2026 weltweite KI-Ausgaben von 2,59 Billionen US-Dollar, ein Plus von 47 Prozent, und eine Wachstumsrate von 110 Prozent allein für KI-Modelle ^[5]. Dieselben Analysten warnen, dass Unternehmen ihre KI-Kosten ohne geeignete Skalierungsmodelle um 500 bis 1.000 Prozent unterschätzen können; 72 Prozent der befragten CIOs berichten, ihre KI-Investitionen deckten bisher höchstens die Kosten ^[6]. Schon 2024 nannte Gartner eskalierende Kosten als einen Grund, warum mindestens 30 Prozent der Generative-KI-Projekte nach dem Proof of Concept abgebrochen werden könnten ^[7]. Diese Marktprognosen sind Motivation, kein Beleg dafür, dass fallende Tokenpreise den Spend eines bestimmten Unternehmens erhöhen.

Analytisch sind fünf Größen auseinanderzuhalten: Preis bezeichnet den Tarif je Ressourceneinheit, Nutzung den Ressourcenverbrauch je Versuch, Volumen die Zahl fachlich akzeptierter Einheiten, Unit Cost deren variable End-to-End-Kosten und Spend die gesamte Rechnung. Für einen Anwendungsfall gilt: variable Gesamtkosten = akzeptiertes Volumen × variable End-to-End-Kosten je akzeptierter Einheit. Der Gesamt-Spend addiert fixe und semi-fixe Kosten wie Integration, Betrieb, Qualitätssicherung und Schulung. Deshalb können Unit Cost sinken und Gesamt-Spend zugleich steigen, wenn das Volumen ausreichend stark wächst.

Jevons liefert dafür einen möglichen Rebound-Mechanismus, kein automatisch eintretendes Gesetz. Effizienz kann den Gesamtverbrauch erhöhen, wenn sie zusätzliche Nutzung wirtschaftlich oder organisatorisch erschließt und die Nachfrage stark genug reagiert ^[9][11]. Microsoft-Chef Satya Nadella übertrug diese Erwartung 2025 auf KI ^[10] – ein Unternehmen, das von einem solchen Rebound unmittelbar profitiert; die Ökonomie diskutiert zugleich, wie häufig Rebounds die Einsparung nur teilweise oder vollständig aufzehren ^[28]. Für ein Unternehmen muss daher gemessen werden, ob Preis- und Verbrauchssenkungen stärker wirken als zusätzliches Volumen.

Wichtig ist, was das Preisparadox nicht bedeutet: KI ist grundsätzlich zu teuer. Die Kosten, ein gegebenes Fähigkeitsniveau zu erreichen, dürften weiter fallen ^[27]. Das Steuerungsproblem entsteht, wenn Preis, Nutzung, Volumen und Kostenumfang vermischt werden. Denn gekauft werden Ressourcen – wirtschaftlich bewertet werden Ergebnisse.

Das Muster ist nicht neu. Schon beim Produktivitätsparadox der Informationstechnik fiel die Technik über Jahre im Preis und wurde besser, ohne dass die erwartete Wirkung in den Zahlen erschien – weil der Nutzen erst mit komplementären Investitionen in Prozesse, Organisation und Qualifikation entsteht und diese Investitionen zunächst Kosten sind ^[32][33]. Wer das kennt, liest die eigene KI-Rechnung anders. Wie die Ebenen zusammenspielen, zeigt das nächste Kapitel.

2. Warum Rechnungen wachsen: drei Ebenen, fünf Treiber

Zwischen Pilot und Produktivbetrieb können sich Kosten aus unterschiedlichen Gründen vervielfachen. Für eine steuerbare Diagnose gehört jeder Treiber genau auf eine von drei Ebenen: Unit Cost, Demand/Volume oder Commercial/Governance. Erst die Kombination erklärt den Spend.

A. Unit Cost: Aufwand je akzeptierter Aufgabe

1. Rechenintensität je Modellaufruf. Moderne Modelle verbessern Ergebnisse, indem sie zusätzliche interne Denkschritte erzeugen. Diese Denk-Tokens sind für den Nutzer unsichtbar, werden aber als Output berechnet ^[13][14][15]. Im dokumentierten Test verbrauchte dasselbe Modell im hohen Denkmodus das 23-Fache an Tokens gegenüber dem Minimalmodus – 82 statt 3,5 Millionen Tokens für denselben Aufgabensatz ^[12]. Der Effekt betrifft den Ressourcenverbrauch je Aufruf, nicht automatisch das Aufgabenvolumen.

2. Workflow-Intensität je erfolgreichem Ergebnis. Ein Agent ruft Werkzeuge auf, fragt Datenbanken ab, prüft, korrigiert und wiederholt. Manus berichtet im Mittel von rund 50 Aufrufen pro Aufgabe und einem Input-zu-Output-Verhältnis von etwa 100:1 ^[16]. Große Kontexte werden dabei wiederholt übertragen; Fehlversuche erhöhen den Zähler, ohne den Nenner akzeptierter Ergebnisse zu vergrößern. Auch Modellverhalten zählt: Für Claude Sonnet 5 wurden gegenüber dem Vorgänger mehr Output und etwa dreimal so viele Schleifen in Agenten-Tests beobachtet ^[17].

B. Demand/Volume: mehr fachliche Einheiten

3. Nachfrage und Rollout-Volumen. Wenn Kosten oder Zugangshürden sinken und der Nutzen überzeugt, können mehr Nutzer, Prozesse und Vorgänge hinzukommen. Google meldete für seine Dienste zwischen Mai 2024 und Mai 2026 ein Wachstum von 9,7 Billionen auf mehr als 3,2 Billiarden Tokens pro Monat ^[18]; OpenRouter berichtete eine Verfünffachung des Wochenvolumens binnen sechs Monaten ^[19]. Das sind Anbieter-Selbstauskünfte und keine Prognose für ein einzelnes Unternehmen. Dort muss Volumen als Zahl begonnener und akzeptierter Aufgaben separat gemessen werden.

C. Commercial/Governance: Tarif, Zuordnung und Kontrolle

4. Tarif- und Modellmix. Chat-Flatrate, nutzungsbasierte API, Eingabe-, Ausgabe-, Cache- und Batchpreise verteilen Kosten unterschiedlich. Output kann das Fünf- bis Sechsfache des Inputs kosten ^[22][23]; Modellklassen unterscheiden sich noch stärker. Eine Pilot-Flatrate erlaubt deshalb keine lineare Hochrechnung auf einen API-Agenten. Beim Programmierwerkzeug Cursor zeigte eine Preisänderung 2025, dass sinkende Durchschnittspreise und teurere Leistungsspitzen nebeneinanderstehen können ^[8]. Dass Flatrates den tatsächlichen Verbrauch verdecken können, illustriert zudem der berichtete GitHub-Copilot-Fall: Microsoft soll 2023 im Mittel 20 US-Dollar Verlust je Nutzer und Monat getragen haben, bei Intensivnutzern bis zu 80 US-Dollar ^[20].

5. Fehlende Kosten- und Betriebsgovernance. Sammelkonten, unklare Zuständigkeit, fehlende Limits und nicht allokierte Plattformkosten erzeugen keine Tokens, verhindern aber rechtzeitige Entscheidungen. Latitude schätzte seine Sprachmodell- und Cloud-Kosten auf dem Höhepunkt auf fast 200.000 US-Dollar pro Monat ^[21]. Der Fall illustriert eine Größenordnung, nicht deren Übertragbarkeit. Für die eigene Steuerung zählen Trace-Daten, dokumentierte Kostenallokation und sichere Budgetreaktionen.

Zur Einordnung dieser fünf Treiber: Nicht jeder Rollout erzeugt sie. Anwendungsfälle mit stabilem Mengengerüst, ohne Agenten-Schleifen und mit kleinem Kontext bleiben in der Regel nah an der Hochrechnung. Die genannten Fälle stammen sämtlich von Technologieanbietern und Startups mit ausgeprägten Nutzungsprofilen und wurden ausgewählt, weil sie einen Mechanismus sichtbar machen. Ob dieser Mechanismus bei Ihnen wirkt, entscheidet Ihr eigener Anwendungsfall – deshalb steht am Anfang die Messung, nicht die Annahme.

3. Die 11.000-Euro-Überraschung

Wie sich die Ebenen verketten, zeigt eine vollständig konstruierte Modellrechnung. Ein mittelständischer technischer Großhändler pilotiert einen KI-Assistenten im Vertriebsinnendienst: Angebotsentwürfe und Antwort-E-Mails aus Anfragen, Katalogdaten und Kundenhistorie. Der Pilot läuft mit drei Mitarbeitern über drei Chat-Flatrates für zusammen rund 85 Euro im Monat und bearbeitet dabei etwa 120 Vorgänge – rechnerisch 0,71 Euro je Vorgang. Die Geschäftsführung rechnet die Nutzerzahl auf drei Teams hoch und erwartet grob 300 Euro.

Im Basisszenario verbindet der Rollout den Agenten per API mit ERP und CRM und bearbeitet 2.400 Vorgänge im Monat. Je Vorgang entstehen 15 reguläre Modellaufrufe plus durchschnittlich zwei fehlgeschlagene oder wiederholte Aufrufe. Jeder Aufruf verarbeitet 30.000 Input- und 4.000 Output-Tokens. Beim angenommenen Effective Price von 5 beziehungsweise 25 US-Dollar je Million Tokens ergeben Modellaufrufe 10.200 US-Dollar; hinzu kommen 805 US-Dollar für Werkzeuge und Infrastruktur, aufgeschlüsselt in der Parametertabelle. Das ergibt 11.005 US-Dollar variable End-to-End-Kosten. Das ist keine beobachtete Unternehmensrechnung, sondern der reproduzierbare Ausgangspunkt des Szenarios.

Der Sprung lässt sich zerlegen – und genau darauf kommt es an. Von 85 auf 11.005 Euro sind es Faktor 129. Davon entfallen Faktor 20 auf das Mengengerüst (120 auf 2.400 Vorgänge) und Faktor 6,5 auf die Kosten je Vorgang (0,71 auf 4,59 Euro). Die lineare Hochrechnung auf 300 Euro hat beide Effekte übersehen: Sie skalierte die Zahl der Nutzer statt der Vorgänge und unterstellte weiterhin das Preismodell des Piloten. Die Überraschung war damit vermeidbar – nicht durch ein Werkzeug, sondern durch eine Frage vor der Freigabe: Wie viele Vorgänge, zu welchem Preismodell?

Das gesteuerte Szenario verändert nicht nur einen Preis: Routing senkt den durchschnittlichen Tarif, Kontext-Hygiene und Schleifen-Limits reduzieren Ressourcen je Aufgabe, Caching und Batch senken den Effective Price, und eine Qualitätsstichprobe schützt den Nenner. Unter den unten ausgewiesenen Annahmen sinken die Modellkosten auf 2.530 US-Dollar. Die Werkzeug- und Infrastrukturkosten sinken dabei nicht mit: Metering, Tracing und Qualitätsstichprobe kosten zusätzliche Rechenzeit und Speicher, sodass diese Position leicht auf 815 US-Dollar steigt. Der variable Monatsbetrag liegt damit bei 3.345 US-Dollar. Ob der Anwendungsfall wirtschaftlich ist, entscheidet erst die anschließende TCO- und Nutzensensitivität.

Vorher/Nachher: alle Annahmen offen

Welcher Hebel wie viel bringt

Fünf Hebel wirken im gesteuerten Szenario gleichzeitig. Wer priorisieren muss, braucht ihre Einzelwirkung. Die folgende Tabelle verändert ab dem Basisszenario jeweils nur einen Parameter und lässt alle anderen unberührt:

Zwei Hebel tragen den Großteil: Routing und Schleifenbegrenzung. Beide senken die Zahl oder den Preis der Aufrufe, nicht deren Inhalt. Caching, Batch und Kontext-Hygiene liefern zusammen den Rest – sie sind aufwendiger und sollten nach den beiden großen Hebeln kommen. Messen und Alarmieren senkt für sich genommen keinen einzigen Euro; es ist die Voraussetzung dafür, dass die anderen Hebel überhaupt bewertbar werden. Diese Reihenfolge gilt für die hier gesetzten Annahmen; bei anderem Modellmix oder anderer Kontextgröße verschiebt sie sich.

Wirtschaftlichkeit: Zeitersparnis ist noch kein Nutzen

Im gesteuerten Szenario liefern 2.232 akzeptierte Vorgänge bei 20 Minuten Brutto-Zeitersparnis ein Potenzial von 744 Stunden. Realer Nutzen entsteht nur, soweit diese Zeit tatsächlich in Geld übergeht. Die folgende Sensitivität setzt 45 Euro voll belastete Personalkosten je Stunde an.

Der Break-even liegt im gesteuerten Fall bei einer Realisierungsquote von rund 24,6 Prozent, im ungesteuerten bei 47,5 Prozent. Das ist die eigentliche Aussage der Rechnung: Nicht die Kostensenkung entscheidet über den Business Case, sondern ob genug Zeit realisiert wird – die Kostensenkung verschiebt lediglich die Hürde. Im konservativen gesteuerten Fall bleiben 125 Euro Überschuss; das Projekt steht dort auf der Kippe und jede Annahme muss gemessen statt geschätzt werden.

Wie aus Zeit Geld wird. 186 oder 372 eingesparte Stunden im Monat werden nur auf drei Wegen zu den ausgewiesenen Beträgen: Eine frei werdende Stelle wird nicht nachbesetzt; bestehende Überstunden oder Fremdvergaben werden abgebaut; oder dasselbe Team bearbeitet mehr Anfragen, weil die Nachfrage vorhanden ist. Trifft keiner der drei Fälle zu, entsteht kein finanzieller Nutzen, sondern nur Entlastung – wertvoll, aber nicht bilanzwirksam. Der Realisierungsweg gehört deshalb vor den Rollout festgelegt, nicht danach. Wo er Personalfolgen hat, sind Mitbestimmung und Personalplanung frühzeitig einzubeziehen. Dieser Zusammenhang – Technologie liefert Nutzen erst mit komplementären Investitionen in Prozesse, Organisation und Qualifikation – ist aus der Produktivitätsparadox-Forschung seit Jahrzehnten bekannt ^[32][33]. In der Praxis werden alle Annahmen vor der Skalierung gegen gemessene Durchlaufzeit, Qualitätsdaten und Finanzwerte ersetzt.

4. Cost-per-Task im Fünfer-Dashboard

Preis pro Token und Monatsrechnung beantworten unterschiedliche Fragen: Der Preis zeigt den Anbietertarif, der Spend die Gesamtbelastung. Dazwischen verbindet Cost-per-Task Kosten und fachliche Leistung. Der belastbare Nenner ist jedoch nicht jede begonnene oder technisch abgeschlossene Aufgabe, sondern das fachlich akzeptierte Ergebnis. Fehlversuche und abgelehnte Ausgaben bleiben im Zähler.

Die FinOps Foundation unterscheidet technische Unit Metrics wie Cost per Token von Business Unit Metrics wie Cost per Case und empfiehlt für Generative AI die Entwicklung hin zu outcome-orientierten Größen ^[29]. Für AI Use Cases bezeichnet sie die Gesamtkosten eines konkreten Geschäftsergebnisses je Einheit als entscheidende Messgröße ^[30]. Daraus folgt keine universelle Kennzahl, sondern ein Dashboard: Unit Cost wird gemeinsam mit Spend, Volumen, Qualität/Risiko und Geschäftswert geführt.

Die fünf Größen werden je Anwendungsfall im selben Zeitraum betrachtet. Sinkende Stückkosten schließen steigende Gesamtkosten nicht aus: Verdoppelt sich das akzeptierte Volumen bei 20 Prozent niedrigeren Unit Cost, steigt der variable Spend weiterhin um 60 Prozent. Umgekehrt kann steigender Spend sinnvoll sein, wenn der Geschäftswert proportional stärker wächst ^[29].

Vergleiche zwischen Modellen, Anbietern oder Zeiträumen sind nur belastbar bei gleicher Aufgabe, gleicher Qualitäts- und Risikogrenze, vergleichbarer Latenz und Verfügbarkeit sowie identischem Kostenumfang. Cost-per-Task ist vor allem als Trend innerhalb eines definierten Use Cases nützlich; Integration, Schulung, Pflege und laufende Governance gehören zusätzlich in die TCO-Sicht. So wird die Unit Cost zur Steuerungsgröße, ohne zum alleinigen Erfolgsmaß zu werden.

Neu ist an dieser Logik wenig. Die Zurechnung von Gemeinkosten auf Kostentreiber und die Frage, was eine Leistungseinheit tatsächlich kostet, sind der Kern der Prozesskostenrechnung ^[34]. KI verschiebt lediglich zwei Dinge: Der Kostentreiber ist jetzt der einzelne Modellaufruf statt einer Bearbeitungsminute, und der Verbrauch schwankt je Vorgang um ein Vielfaches statt um wenige Prozent. Wer bereits eine Kostenstellen- und Kostenträgerrechnung betreibt, kann darauf aufsetzen, statt neben ihr ein zweites System zu bauen.

5. Sieben Stellhebel gegen das Preisparadox

Die gute Nachricht des Preisparadoxes: Weil der Verbrauch der Treiber ist, liegt der Hebel im eigenen Haus. Sieben Maßnahmen, geordnet nach dem Verhältnis von Aufwand zu Wirkung. Die quantitative Einzelwirkung der ersten sechs steht in der Hebeltabelle in Kapitel 3.

Zur Belastbarkeit dieser Empfehlungen: Für die Kostentreiber in Kapitel 2 gibt es eine dichte Quellenlage. Für die Wirksamkeit der Gegenmaßnahmen liegen zum Stichtag überwiegend Anbieterangaben, Preislisten und Einzelfallberichte vor – keine unabhängigen Vergleichsstudien und keine öffentlich dokumentierten Fälle aus dem deutschen Mittelstand. Die Prozentwerte in Kapitel 3 sind aus Preislisten hergeleitet, nicht in Unternehmen gemessen.

Zwei Wege, die diese Liste nicht abdeckt

Eigenes kleines Modell. 2.400 gleichartige Vorgänge im Monat mit stabiler Struktur sind der klassische Fall für ein feinabgestimmtes kleines oder destilliertes Modell. Der Hebel ist potenziell größer als alle sieben oben, verlangt aber Trainingsdaten, Evaluationsaufbau, Betrieb und wiederkehrende Nachschulung – und bindet Sie an eine Architektur, während die Anbietermodelle weiter besser werden. Für einen ersten Use Case selten die richtige Wahl, ab mehreren tausend gleichartigen Vorgängen täglich eine ernsthafte Option. Modell-Routing (Hebel 2) meint die Auswahl zwischen fremden Modellen, nicht das eigene.

Abwarten. Wenn die Preise je Leistungsklasse tatsächlich um ein Vielfaches pro Jahr fallen ^[3][27], ist Warten für nicht zeitkritische Anwendungsfälle eine rational bewertbare Option: Dieselbe Leistung kostet in zwölf Monaten möglicherweise einen Bruchteil. Dagegen stehen der entgangene Nutzen in der Zwischenzeit und der Lernvorsprung, den ein früher Start verschafft. Die Entscheidung gehört ausgerechnet – nicht ausgesessen und nicht reflexhaft verworfen.

6. Operating Model: Kostensteuerung als Führungsaufgabe

Werkzeuge senken Kosten punktuell. Niedrig hält sie nur ein Betriebsprozess. In der FinOps-Community stieg der Anteil der Teams, die KI-Ausgaben aktiv managen, von 31 Prozent 2024 über 63 Prozent 2025 auf 98 Prozent 2026 ^[26]. Der Mittelstand ist nicht diese Umfragepopulation; der Trend zeigt dennoch, dass KI-Kostensteuerung vom Spezialthema zur regulären Führungs- und Betriebsaufgabe wird.

Der dokumentierte Fall Latitude illustriert das Optimierungspotenzial: Nach Modell- und Kostenarbeit sank die geschätzte KI-Monatsrechnung von fast 200.000 auf unter 100.000 US-Dollar ^[21]. Einordnung: Das war 2023, ein US-Konsumentenprodukt, eine frühere Modellgeneration. Der Fall zeigt, dass die Größenordnung erreichbar ist – er belegt nicht, dass sie in einem deutschen Mittelstandsprozess ebenso erreichbar wäre. Für einen mittelständischen Use Case braucht es keinen eigenen FinOps-Stab, aber ein kleines Operating Model aus Messung, Entscheidungsrechten und Fallbacks.

Zuerst: Wie viel Steuerung rechnet sich überhaupt?

Steuerung ist nicht kostenlos. In der TCO-Rechnung aus Kapitel 3 stehen den gesteuerten variablen KI-Kosten von 3.345 Euro fixe und semi-fixe Posten von 4.900 Euro gegenüber – Plattformbetrieb, Qualitätssicherung, Fehlerreserve, amortisierte Integration und Compliance. Der Apparat, der die Kosten kontrolliert, kostet dort rund das Anderthalbfache der kontrollierten Kosten. Das ist bei diesem Volumen vertretbar, weil er zugleich Qualität, Risiko und Betriebsstabilität trägt. Bei kleineren Anwendungsfällen ist es das nicht. Bevor Sie das folgende Operating Model übernehmen, ordnen Sie Ihren Anwendungsfall ein:

Die Schwellen sind Orientierungswerte, keine Norm. Zwei Bedingungen verschieben sie nach unten: Wenn der Anwendungsfall regulatorisch relevant ist oder personenbezogene Daten verarbeitet, gelten Dokumentations- und Nachweispflichten unabhängig vom Betrag ^[35]. Und wenn das Volumen erkennbar wächst, ist der günstigste Zeitpunkt zu messen der vor dem Wachstum – nachträglich lassen sich Vergleichswerte nicht mehr herstellen.

End-to-End-Metering und Kostenallokation

Jeder fachliche Vorgang erhält eine task_id; alle Modell-, Tool- und Infrastrukturereignisse werden über eine trace_id verbunden. Mindestens erfasst werden Use Case, Modell, Input/Output, Cache- und Batchstatus, Werkzeugaufrufe, Laufzeit, Kosten, Fehlerklasse und fachlicher Ausgang „akzeptiert/abgelehnt“. Für Kostensteuerung genügen Metadaten; Prompts und Inhalte gehören nur bei gesondertem fachlichem, Sicherheits- und Datenschutzbedarf in ein geschütztes Logging.

Mitbestimmung mitdenken, bevor Sie instrumentieren. Wenn sich Vorgänge einzelnen Mitarbeitern zuordnen lassen – im Vertriebsinnendienst ist das der Regelfall –, ist eine solche Erfassung eine technische Einrichtung, die zur Überwachung von Leistung oder Verhalten geeignet ist. Ihre Einführung ist dann nach § 87 Abs. 1 Nr. 6 BetrVG mitbestimmungspflichtig ^[36], unabhängig davon, ob Sie sie so nutzen wollen. Wer ohne Beteiligung des Betriebsrats startet, riskiert Unterlassungsansprüche und im Konfliktfall ein Verwertungsverbot für genau die Daten, auf denen die Kostensteuerung beruhen soll. Praktisch lösbar ist das meist einfach: Aggregieren Sie auf Use-Case-, Team- oder Zeitraumebene statt auf Personen – für Kostensteuerung genügt das – und schließen Sie dort, wo Personenbezug fachlich nötig ist, frühzeitig eine Betriebsvereinbarung. Für Unternehmen ohne Betriebsrat entfällt die Pflicht, die datenschutzrechtliche Prüfung nach DSGVO jedoch nicht.

Direkt zurechenbare Kosten folgen der Trace. Geteilte Plattform-, Speicher- und Gatewaykosten werden monatlich nach einer dokumentierten, konsistenten Regel verteilt, etwa nach Aufrufen, Laufzeit oder Speicherverbrauch. Der Allokationsschlüssel, sein Eigentümer und Änderungen werden versioniert; nicht zuordenbarer Spend bleibt als eigener Rest sichtbar. Die Summe der Use Cases wird gegen Anbieterrechnung und Finanzbuchhaltung abgestimmt.

Rollen und Entscheidungsrechte

RACI: A = accountable, R = responsible, C = consulted. Je Entscheidung ist vor Produktivstart ein eindeutiges A festzulegen.

Wenn Sie diese fünf Rollen nicht haben. In vielen mittelständischen Unternehmen verteilen sich die Aufgaben auf zwei Personen und einen externen Dienstleister. Das Modell funktioniert dann in einer Minimalvariante: Eine Person verantwortet fachlich, was ein akzeptiertes Ergebnis ist und was es wert ist. Eine zweite verantwortet technisch Instrumentation, Limits und Fallback. Diese beiden Rollen dürfen nicht in einer Person zusammenfallen – wer die Qualitätsgrenze setzt, darf nicht zugleich derjenige sein, der sie unter Kostendruck absenken könnte. Alles Weitere – Einkauf, Datenschutz, Controlling – wird konsultiert, nicht besetzt. Die Trennung dieser einen Verantwortung ist die Mindestanforderung; alles andere ist Komfort.

Budgetstopp mit sicherem Fallback

Denk-Modi, Flaggschiff-Modelle und neue Werkzeugzugriffe sind freigabepflichtige Änderungen. Ein Budgetdeckel darf einen Vorgang jedoch nicht blind abbrechen. Gateway und Prozesslogik reagieren abgestuft:

Der Fallback muss idempotent, wiederanlaufbar und getestet sein. Qualitäts-, Sicherheits- oder Datenschutzgrenzen werden nicht zugunsten des Budgets abgesenkt. Das entspricht dem Grundsatz des NIST AI RMF, Leistung und Risiken im Betrieb zu überwachen, Rollen zu klären und Systeme bei nicht intendiertem Verhalten kontrolliert zu deaktivieren ^[31]. Für Unternehmen in der EU kommen die Pflichten der KI-Verordnung hinzu: KI-Kompetenz der eingesetzten Beschäftigten sowie, je nach Einstufung des Anwendungsfalls, Dokumentations-, Transparenz- und Aufsichtspflichten ^[35]. Beides erzeugt laufenden Aufwand und gehört deshalb als eigener Posten in die TCO, nicht in eine Restgröße.

Monatlich betrachtet das Entscheidungsteam alle fünf Größen aus Kapitel 4. Steigt die Unit Cost nach einem Modell-Update, wird die Abweichung untersucht statt durchgewunken. Eine Optimierung gilt erst als erfolgreich, wenn Kosten sinken, die fachliche Akzeptanzgrenze gehalten wird und kein Risiko- oder Latenzlimit verletzt ist. Damit das mehr wird als ein Bericht, gehört die Kennzahl in die Zielvereinbarung des Use-Case-Owners und in die Definition of Done des umsetzenden Teams: Eine Änderung gilt als fertig, wenn ihre Kostenwirkung je akzeptierter Aufgabe gemessen und dokumentiert ist. Ohne diesen Anreiz bleiben Kontext-Hygiene und Schleifenlimits Absichtserklärungen der Führungsebene.

Der Kanal, den dieses Modell nicht erfasst

Schatten-KI ist im Mittelstand der wahrscheinlichste unkontrollierte Kostenkanal – und der einzige, den das beschriebene Metering per Konstruktion nicht sehen kann, weil er außerhalb des instrumentierten Pfads läuft: privat bezahlte Abonnements, Fachabteilungen mit eigener Kreditkarte, Werkzeuge, die KI-Funktionen ohne separate Position mitliefern. Sichtbar wird das über drei Wege: die Auswertung von Kreditkarten- und Beschaffungsbelegen auf KI-Anbieter, Proxy- oder DNS-Protokolle auf bekannte Anbieterdomains, und eine periodische Abfrage in den Fachbereichen, die ohne Sanktionsdrohung auskommt. Der wirksamste Hebel ist meist der einfachste: ein offizieller, bezahlter und leicht zugänglicher Weg, der besser ist als der inoffizielle. Modell-Drift bleibt das zweite Anschlussrisiko; sie zeigt sich häufig früh in Nutzung, Qualität oder Kostenkurve – sofern gemessen wird.

7. Entscheidung: fünf Fragen an Ihr Unternehmen

Vorab die Verhältnisfrage: Steht Ihr Steuerungsaufwand in einem sinnvollen Verhältnis zu dem Betrag, den er steuert? Unterhalb weniger tausend Euro Monats-Spend genügen Rechnung lesen, Limit setzen, Verantwortlichen benennen. Erst darüber lohnen die folgenden fünf Fragen.

Ob KI-Kosten in Ihrem Haus beherrscht werden, zeigen dann fünf Fragen: Ist die akzeptierte fachliche Einheit eindeutig definiert? Werden Spend, Volumen, Unit Cost, Qualität/Risiko und Wert gemeinsam gemessen? Sind direkte und geteilte Kosten nachvollziehbar allokiert? Sind fachliche, technische und finanzielle Verantwortung benannt – und ist der Realisierungsweg für den Nutzen festgelegt? Ist der Budget-Fallback getestet? Fünfmal „klar geregelt“ schafft die Grundlage für Skalierung. Jede andere Antwort heißt: erst definieren und instrumentieren, dann mit Guardrails steuern, anschließend wachsen.

Die Preise je Leistungsklasse dürften weiter fallen ^[3][27]. Ob daraus ein Rebound entsteht, hängt davon ab, wie stark zusätzliche Use Cases und Nutzung auf niedrigere Kosten und bessere Zugänglichkeit reagieren ^[9][11][28]. Unternehmen, die die fünf Ebenen getrennt messen, können belastbarer beurteilen, ob eine Automatisierung ihre Qualitäts- und Risikogrenzen hält, wie ihr Spend wächst und ob ihr realisierter Wert die TCO trägt.

Ein letzter Hinweis zur Reichweite dieser Aussagen: Die Größenordnung der Ersparnis in Kapitel 3 – rund drei Viertel der Modellkosten – ist gerechnet, nicht belegt. Sie folgt aus veröffentlichten Preislisten und gesetzten Annahmen über Aufrufe, Kontextgröße und Cache-Trefferquote. Was Sie messen müssten, um sie bei sich zu prüfen, steht in der Parametertabelle: Vorgänge, Aufrufe je Vorgang, Fehlversuche, Tokens je Aufruf, Effective Price und Akzeptanzquote. Sechs Zahlen. Wer sie über einen Monat erhebt, weiß mehr über seine KI-Kosten als jedes Whitepaper ihm sagen kann.

Quellen