KI-Dienste lassen sich schnell einführen, doch ihre laufenden Kosten sind für viele Unternehmen offenbar schwerer zu kontrollieren als klassische Softwarebudgets. Eine neue KPMG-Umfrage zeigt: Nur 26 Prozent der Unternehmen haben einen vollständigen Überblick über ihre KI-Ausgaben.
Laut einem Bericht des Wall Street Journal bringt vor allem die tokenbasierte Abrechnung Finanzabteilungen unter Druck. Statt klar kalkulierbarer Lizenzmodelle entstehen Kosten zunehmend durch tatsächliche Nutzung: Jede Anfrage, jede Verarbeitung und jede umfangreichere Anwendung kann zusätzlichen Token-Verbrauch auslösen. Für Controlling und Budgetplanung wird damit eine neue technische Kennzahl betriebswirtschaftlich relevant.
Die Zahlen der KPMG-Umfrage machen das Problem deutlich. 50 Prozent der Unternehmen sehen ihre KI-Kosten nur eingeschränkt, 22 Prozent haben gar keine Transparenz oder erfahren erst mit der Rechnung, wie hoch der Verbrauch tatsächlich war. Steve Chase, globaler KI-Chef von KPMG, beschreibt KI-Ausgaben gegenüber dem Wall Street Journal als neue Ressource, die aktiv gemanagt werden müsse und exponentiell wachse.
Dass dies nicht nur ein theoretisches Risiko ist, zeigt die Beratungspraxis von KPMG. Das Unternehmen arbeitet demnach bereits mit Firmen, die ihre jährlichen Token- und Cloud-Budgets innerhalb weniger Monate aufgebraucht haben. In einem Fall stieg der Token-Verbrauch auf das Sechsfache.
Auch Analysten sehen wachsenden Handlungsdruck. Gil Luria, Leiter der Technologie-Forschung bei D.A. Davidson, erwartet, dass weitere Unternehmen in diesem Jahr von unerwartet hohen KI-Rechnungen überrascht werden. Er verweist dabei konkret auf Anthropic-Rechnungen, die viele CFOs in diesem Quartal alarmieren könnten.
Die Parallele zum Cloud-Boom während der Pandemie liegt nahe: Viele Unternehmen investierten damals schnell und umfassend in Cloud-Dienste, mussten ihre Ausgaben später aber wieder deutlich korrigieren. Bei KI könnte sich ein ähnliches Muster zeigen, wenn Nutzung, Skalierung und Kostenkontrolle nicht frühzeitig zusammen gedacht werden.
Für Entscheider wird der Token damit zu mehr als einer technischen Einheit. Er entwickelt sich zu einer Kennzahl für Budgetsteuerung, Governance und wirtschaftliche Bewertung von KI-Projekten. Wer KI produktiv einsetzt, braucht nicht nur leistungsfähige Modelle, sondern auch klare Transparenz darüber, welche Anwendungen welchen Verbrauch verursachen.