Der Wert von KI ist belegt. Jetzt rückt die Wirtschaftlichkeit in den Fokus
Die Diskussion über KI verändert sich. Es geht nicht mehr nur um die Frage, ob KI einen Mehrwert schafft, sondern darum, was sie kostet, wo Unternehmen investieren sollten und wie diese Investitionen priorisiert werden.
Mit zunehmender KI-Nutzung benötigen Unternehmen mehr Transparenz über ihre aktuellen und zukünftigen Ausgaben. Gleichzeitig braucht es finanzielle Disziplin, um diese Ausgaben mit dem geschäftlichen Nutzen zu verknüpfen.
KI-Kosten sind dynamischer als klassische IT-Kosten
Traditionelle Technologieinvestitionen waren vergleichsweise gut planbar. Bei KI ist das anders, da ihre Kosten stark von der tatsächlichen Nutzung abhängen.
Die tokenbasierte Preisgestaltung ist ein Grund dafür. Bei der Interaktion mit Large Language Models verursachen sowohl Input- als auch Output-Tokens Kosten. Bei längeren Unterhaltungen kann der Verbrauch zusätzlich steigen, da das Modell den bisherigen Kontext immer wieder verarbeitet. Dadurch lassen sich KI-Nutzung und die damit verbundenen Kosten mit traditionellen Annahmen nur schwer vorhersagen.
Tokens sind jedoch nur ein Teil des Gesamtbildes. Infrastruktur, Sicherheit, Governance, Personal, Anwendungen und die umgebende Technologielandschaft tragen ebenfalls zu den Gesamtbetriebskosten bei. Wer ausschließlich auf Modellkosten schaut, erhält daher nur ein unvollständiges Bild der tatsächlichen KI-Kosten.
Das Risiko besteht in beide Richtungen
Ein unzureichendes Finanzmanagement kann dazu führen, dass Unternehmen erhebliche Summen in KI investieren, ohne einen klaren Return zu erzielen. Die Kosten steigen, Budgets werden überschritten und es wird zunehmend schwieriger zu erklären, welchen konkreten Nutzen das Unternehmen dafür erhält.
Langfristig kann es jedoch das größere Risiko sein, zu wenig zu investieren. Unternehmen, die KI nicht einsetzen und ihre Prozesse damit nicht verbessern, laufen Gefahr, gegenüber Wettbewerbern zurückzufallen. Die Herausforderung besteht deshalb nicht nur darin, Ausgaben zu kontrollieren. Es geht darum, die richtigen Investitionen zu tätigen und ihre Wirkung zu verstehen.
Bestehende Disziplinen nutzen, statt ein neues Silo zu schaffen
AI Economics erfordert keine völlig neue Managementdisziplin.
FinOps, TBM, IT Financial Management, Finance, Architektur, Security und Business-Teams bringen bereits viele der notwendigen Kompetenzen mit. Auch die finanziellen Grundprinzipien bleiben dieselben: Was kostet eine Einheit? Wie viele Einheiten werden verbraucht? Wer verbraucht sie? Und wie lässt sich dieser Verbrauch mit dem geschäftlichen Nutzen verknüpfen?
Entscheidend ist, diese Disziplinen zusammenzubringen. Ein weiteres spezialisiertes Silo würde zusätzliche Komplexität schaffen, wo stattdessen Zusammenarbeit gefragt ist.
CIOs und CFOs brauchen eine gemeinsame Sicht auf KI-Investitionen
Für CIOs besteht die unmittelbare Aufgabe darin, dem Senior Management Transparenz über aktuelle KI-Investitionen, laufende Kosten und deren voraussichtliche Entwicklung zu geben. Dazu gehört auch eine klare Einschätzung des erwarteten Nutzens der jeweiligen KI-Initiativen.
Finance spielt dabei eine aktive Rolle. Anstatt von der IT lediglich Erklärungen für steigende Kosten zu verlangen, sollten CFOs und IT-Finanzverantwortliche ihre Expertise einbringen und gemeinsam mit den Technologie-Teams entscheiden, wo investiert werden sollte und welcher Return zu erwarten ist.
Business Cases müssen mit der Dynamik von KI Schritt halten
Die Grundlagen eines Business Case haben sich nicht verändert: Kosten definieren und den erwarteten Nutzen bestimmen. Verändert hat sich jedoch, wie schwierig die Kostenseite vorherzusagen ist.
Langfristige Business Cases über drei oder fünf Jahre können für KI daher wenig praktikabel sein. Dr. Becker empfiehlt einen kürzeren Zeithorizont, möglicherweise etwa zwölf Monate, und eine klare Definition der erwarteten Ergebnisse für jeden Use Case. Das können beispielsweise Umsatzsteigerungen, höhere Kundenzufriedenheit, Produktivitätsgewinne oder die Optimierung von Personalkosten sein.
Dem Problem einen Schritt voraus sein
Die zentrale Botschaft ist klar: Unternehmen sollten sich mit AI Economics beschäftigen, bevor Kostenüberschreitungen die Diskussion erzwingen.
Dafür braucht es Transparenz über KI-Ausgaben, ein Verständnis der Gesamtkosten über reine Token-Kosten hinaus und eine gemeinsame Entscheidungsgrundlage für Business und IT. Das Ziel ist nicht einfach, weniger auszugeben. Entscheidend ist zu wissen, wo investiert werden sollte, was es kosten wird und welchen Nutzen das Unternehmen dafür erwartet.
