KI wird teurer, und Unternehmen stellen ihre Rechnungen stärker auf den Prüfstand. Das ist sinnvoll, aber vor allem sollten sie mehr KI-Kompetenz bei der Steuerung der Systeme entwickeln.
Kürzlich hatte etwa Microsoft schon intern die Claude-Code-Lizenzen gekürzt, wohl auch wegen des unklaren Return on Investment. Ubers COO sagte, KI-Ausgaben seien immer "schwerer zu rechtfertigen", solange der tatsächliche Nutzen der Systeme nicht messbar sei.
Axios berichtet nun von einem besonders krassen Fall: Ein nicht namentlich genanntes Unternehmen soll angeblich eine halbe Milliarde US-Dollar in einem einzigen Monat ausgegeben haben, weil keine Nutzungslimits für Claude-Lizenzen gesetzt wurden.
Ein anderer CTO berichtet, Mitarbeiter würden KI-Systeme etwa nach dem Wetter fragen. Das funktioniert zwar, verursacht aber im Vergleich zur klassischen Suche enorme Kosten. Enterprise-KI-Modelle locken zwar häufig mit Flatrates, diese sind aber in Wirklichkeit oft begrenzt auf eine bestimmte Anzahl Anfragen, je nach Modell. Sophia Velastegui, ehemalige KI-Chefin bei Microsoft, kritisiert gegenüber Axios zudem, dass Firmen KI vor allem für ungeliebte statt für umsatzrelevante Aufgaben einsetzen.
Chatten ist keine KI-Transformation
Die Beispiele zeigen: Wenn KI ein Teil der Wertschöpfung von Unternehmen wird, braucht es neben grundlegender Messbarkeit vor allem höhere Nutzungs- und Einsatzkompetenz sowie neue Job-Profile für Menschen, die diese Systeme steuern - etwa KI-Agenten-Orchestratoren.
Die häufigsten Kostenverursacher sind falsche Nutzung, etwa durch fehlendes Context-Engineering, das in ewig langen Chats mit vollen Kontextfenstern mündet, und falsche Modellwahl, also dass ein zu mächtiges Modell für Aufgaben eingesetzt wird, die sich mit günstigeren Modellen genauso gut erledigen ließen.
Und: Nicht jede Aufgabe kann und muss mit generativer KI gelöst werden. Viele Dinge sind in klassischer Software noch immer besser aufgehoben. Diese Unterscheidung zu sehen, sollte Teil des Kompetenzaufbaus im Unternehmen sein.
Dabei geht es nicht immer um Kosten, auch die Qualität kann leiden: Ein aktuelles Beispiel zeigt etwa, wie Copilot im Auto-Modus bei einer Datenanalyseaufgabe völlig versagt und selbstbewusst stark voreingenommene Antworten ausgibt. Ein Wechsel auf ein Thinking-Modell löst in diesem Fall das Problem.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
