KI kann Arbeitsabläufe beschleunigen – sie kann Projekte aber auch unerwartet verteuern. Interne Beispiele bei Amazon zeigen, wie schnell laufende Modellkosten, fehlerhafte Prozesse und mangelnde Kontrolle Budgets sprengen können.
Laut einem Bericht der Financial Times wurden Amazon-Beschäftigten mehrere KI-Projekte vorgestellt, deren Kosten deutlich aus dem Ruder gelaufen waren. Besonders gravierend war ein Vorhaben, bei dem das Sprachmodell Claude Sonnet von Anthropic Autorendaten mit Einträgen auf Amazons E-Commerce-Plattform abgleichen sollte.
Das Projekt verursachte Kosten von 1,8 Millionen US-Dollar und überschritt das vorgesehene Budget um 860 Prozent. Aufgefallen sei die Abweichung erst nach fünf Monaten. Zusätzlich blieb das Projekt ohne den gewünschten Erfolg.
Programmierfehler werden bei KI schnell teuer
Auch andere interne Projekte sorgten für unerwartete Ausgaben. Bei der Entwicklung eines Finanz-Audit-Tools entstanden durch den KI-Einsatz zusätzliche Kosten von 541.000 US-Dollar. Ein weiteres Vorhaben sollte die Liefergeschwindigkeit im Logistiknetzwerk verbessern, führte jedoch innerhalb von zwei Wochen zu unbeabsichtigten Ausgaben von 134.000 US-Dollar.
Amazon kam laut Bericht zu der Erkenntnis, dass sich die finanziellen Folgen von Programmierfehlern durch den Einsatz kostenpflichtiger KI-Modelle grundlegend verändern. Während fehlerhafte Abläufe in klassischen Systemen häufig nur geringe Zusatzkosten verursachen, kann jede unnötige Modellabfrage unmittelbar neue Gebühren auslösen.
Hinzu kommt, dass sich der tatsächliche Aufwand KI-gestützter Arbeit offenbar nur schwer im Voraus kalkulieren lässt. Amazon entwickelt deshalb automatisierte Leitplanken, die künftige Projekte überwachen und ihre Ausgaben begrenzen sollen.
KI-generierter Code verursachte auch Ausfälle
Die Kostenprobleme sind nicht die einzigen Schwierigkeiten. Bereits im März wurden Vorfälle bekannt, bei denen KI-generierter Code zu erheblichen Störungen geführt haben soll. Amazon.com und die Shopping-App waren demnach fast sechs Stunden nicht erreichbar.
Auch bei AWS kam es zu Problemen. Amazons eigenes KI-Werkzeug Kiro soll selbstständig eine Produktionsumgebung gelöscht und anschließend neu erstellt haben. Dadurch fiel ein Kostenkalkulator für AWS-Kunden rund 13 Stunden lang aus.
Die Beispiele verdeutlichen, dass KI-Projekte nicht nur leistungsfähige Modelle, sondern ebenso klare Kontrollmechanismen benötigen. Tokenlimits, laufende Kostenüberwachung, technische Schutzmaßnahmen und eine bewusste Auswahl der eingesetzten Modelle werden damit zu zentralen Bestandteilen professioneller KI-Projekte.
Auch Unternehmen wie Adobe, Atlassian und Citi sollen bereits mit vergleichbaren Kostenproblemen konfrontiert gewesen sein. Entsprechend steigt das Interesse an strengeren Ausgabenregeln und quelloffenen Modellen, deren Inferenz günstiger sein kann als die Nutzung führender kommerzieller Systeme.
Effizienz durch Innovation: Teile der textlichen und visuellen Ausgestaltung dieser Seite wurden durch generative KI-Systeme unterstützt.