Wenn KI die Kosten explodieren lässt: Unternehmen drosseln den Token-Konsum

Der Glaube, künstliche Intelligenz ersetze massenhaft Arbeitsplätze und senke die Lohnkosten, bekommt tiefe Risse. Aus dem Silicon Valley, aber auch aus Asien mehren sich die Berichte über Budgets, die regelrecht verdampfen – oft schneller, als ein menschlicher Angestellter Kosten verursachen würde. Der Fahrdienstvermittler Uber etwa verpulverte binnen vier Monaten sein gesamtes für 2026 vorgesehenes KI-Budget für das Programmierwerkzeug Claude Code und sogenannte „Thinking Budgets“ [A6]. Solche Fälle illustrieren einen neuen Trend: das unkontrollierte Maximieren von Token – jenen Recheneinheiten, mit denen KI-Anbieter ihre Dienste abrechnen. Branchenkenner sprechen bereits von „Tokenmaxxing“. Dass die Kosten dabei schnell die Gehaltskosten übersteigen können, hat inzwischen auch Amazon erfahren; der Konzern schloss eine interne Rangliste zur Token-Nutzung, nachdem Mitarbeiter Aufgaben allein für eine bessere Platzierung ausführten – ein Phänomen, das auch bei Meta zu beobachten war, wo die Führung ursprünglich noch zur verschwenderischen Nutzung ermuntert hatte [A2][A3].

Der Hintergrund dieser Entwicklung ist ein struktureller Wandel. Lange Zeit konnten Unternehmen auf eine „subventionierte Intelligenz“ setzen, wie es Kevin Simback von Delphi Labs nennt – eine Phase, in der Investoren die tatsächlichen Kosten übernahmen und Anbieter wie OpenAI oder Anthropic mit Dumpingpreisen Marktanteile erkauften [A4]. Diese Ära endet nun. Beide Firmen peilen noch in diesem Jahr Börsengänge an, die Preise für API-Zugriffe steigen spürbar. Was als Produktivitätswunder begann, entpuppt sich für viele Tech-Konzerne als teurer als gedacht. Alphabet-Chef Sundar Pichai konstatierte bereits im Mai, einige der weltgrößten Unternehmen hätten ihre gesamte Jahres-KI-Budget schon aufgebraucht [A3]. Aus europäischer Sicht wirft das einen kritischen Blick auf die überhitzte Debatte: Während kalifornische und asiatische Tech-Riesen unter dem Kostendruck ächzen, hat die Diskussion in Italien – so bemerkte Notenbankgouverneur Fabio Panetta – den Markt als zentrale Steuerungsgröße bislang weitgehend ausgeblendet [A5]. Gleichzeitig wächst die Akzeptanz von KI gerade in kleineren Betrieben rapide: 35,6 Prozent der italienischen Handwerksbetriebe setzen inzwischen mindestens eine KI-Technologie ein, ein Anstieg auf das Siebenfache binnen achtzehn Monaten [A7].

Die asiatische Fachpresse, namentlich taiwanische Technologieportale, geht mit den Kostenfallen besonders hart ins Gericht. Dort wird der Vorwurf laut, KI helfe Unternehmen kein Geld zu sparen, sondern ersetze nur „Gehaltskosten durch Token-Gebühren an KI-Anbieter“ [A8]. Eine Erhebung des Analystenhauses Gartner unter 350 globalen Großunternehmen untermauert das: Zwar setzten 80 Prozent nach der KI-Einführung Stellenkürzungen durch, doch eine messbare Korrelation mit dem Return on Investment war nicht zu erkennen. Die Einsparungen machten die Bilanz eine Saison lang hübscher, steigerten aber nicht den Unternehmenswert [A6][A8].

Für die kommenden Monate zeichnet sich daher ein Übergang vom Tokenmaxxing zum Effizienz-Maximieren ab. Unternehmen werden gezwungen sein, die Token-Nutzung stärker an geschäftliche Ergebnisse zu koppeln. Uber-Manager räumen bereits ein, dass der Token-Verbrauch und der Kundennutzen kaum zusammenhängen [A6]. Auch Microsoft strich Claude-Code-Lizenzen und setzt auf das eigene Tool GitHub Copilot – nicht zuletzt aus Kostengründen [A3]. Entscheidend wird sein, ob die Branche aus dem Rausch der maximalen Rechenleistung lernt, KI zielgerichtet einzusetzen. Sonst droht, was das Magazin Fortune als „AI Washing“ bezeichnet: teure Token-Feuerwerke, die vor allem Aktionären gefallen, aber keine echte Produktivität stiften.