LONDON (IT BOLTWISE) – Rippling stellt mit „AI Spend Console“ eine KI-Ausgaben-Kontrolle für Unternehmen vor. Das Tool macht sichtbar, wie viel einzelne Mitarbeitende, Teams und Rollen für KI-Requests verbrauchen. Laut Anbieter sank der Anteil der Token-Kosten am R&D-Budget von 40% auf etwa 15%, während die interne Nutzung hoch blieb. Entscheidend ist dabei eine eigene Gateway-Logik, die Prompts nach Kosten und Leistung auf verschiedene Modelle verteilt.
Rippling versucht, das viel diskutierte „Tokenmaxxing“-Problem in den Griff zu bekommen, bei dem KI-Tools intern zwar genutzt werden, die Kosten aber aus dem Ruder laufen. Der HR-Softwareanbieter geht dabei nicht den Weg „einfach weniger KI“, sondern setzt auf Transparenz: Mit der neu angekündigten „AI Spend Console“ sollen Unternehmen nachvollziehen, welche Mitarbeitenden, Rollen und Teams wie stark KI-Modelle bezahlen – und ob sich der Einsatz am Ende auch in messbarem Output übersetzt. Das adressiert eine typische Betriebserfahrung aus der Praxis: Ohne Ausgaben-Telemetrie bleibt schnell unklar, ob ein hoher Prompt-Flow tatsächlich Entwicklung beschleunigt oder nur neue Schleifen auslöst.
Technisch knüpft das Konzept an die Beobachtung an, dass viele Organisationen bei mehreren Anbietern und Modellvarianten schnell in ein Kostenmuster rutschen. In Ripplings Beschreibung war schon am Anfang ein „Default-Effekt“ zu sehen: Beschäftigte griffen für möglichst jede Aufgabe auf die jeweils neuesten und teuersten Frontier-Modelle zurück. Genau dieser Reflex führt dazu, dass sich Ausgaben nicht gleichmäßig über Aufgaben verteilen, sondern sich an bestimmten Workflows und Personenballen „entladen“. Das Unternehmen begrenzt deshalb nicht den Zugriff pauschal, sondern arbeitet mit Ausgabenkappen pro Tool – im Bericht nennt Rippling als Ausgangspunkt Vereinbarungen mit Cursor sowie mit Modellzugängen über OpenAI und Anthropic.
Ein wesentlicher Teil der Neuerung ist die Zuordnung der Ausgaben auf Personenebene. Laut Rippling zeigte sich bei einer Analyse, dass ein kleiner Anteil der Mitarbeitenden den Großteil der Tokenkosten verursachte: „roughly 10–15% of our employees were driving about 60% of total AI spend“ und ein Engineer lag laut Unternehmensangaben bei 50.000 US-Dollar pro Monat. Als die Führung im März mit dieser Größenordnung konfrontiert wurde, spricht Matt MacInnis davon, dass das Management zuerst „entirely incredulous“ gewesen sei – er sagte: „We were incredulous“. Aus Unternehmenssicht ist das ein wichtiger Perspektivwechsel: Sobald Ausgaben auf Einzelne, Teams und Rollen „gemappt“ sind, wird aus einem anonymen Kostenblock ein steuerbarer Prozess.
Damit das nicht nur bei der Diagnose bleibt, kombiniert Rippling das Reporting mit einem eigenen KI-Gateway. Der Anbieter begründet das mit fehlenden Anreizstrukturen der Inferenz-Provider: Laut MacInnis haben Anbieter wie OpenAI und Anthropic „absolutely no incentives“ dafür, die eigenen Ausgaben zu kontrollieren; stattdessen sei das Geschäftsmodell auf laufende, potenziell eskalierende Nutzung ausgerichtet. Gleichzeitig verspricht das Gateway, Prompts je nach Aufgabe an das passendste Modell weiterzuleiten – also nicht automatisch immer zum teuersten Frontier-Ansatz. Genau hier verortet Rippling auch die Marktentwicklung: Unternehmen suchen inzwischen gezielt nach einem Mix aus mehreren Modellen und Preisstufen, inklusive Open-Weight-Optionen und regionalen Modellen, um Kosten bei gleichbleibender Qualität zu drücken.
Rippling liefert dafür interne Vergleichsbeispiele, die man als „Benchmark-Realismus“ lesen kann. MacInnis verweist darauf, dass man bei eigenen Tests die Allround-Top-Position einem Modell wie SpaceX’ Grok zuschrieb, gleichzeitig aber auch GLM 5.2 als deutlich günstiger einordnet: Es sei „85% cheaper“ gewesen, bei „nearly identical performance“. Außerdem nennt Rippling, dass GLM 5.2 besonders beliebt für Coding-Aufgaben sei und auch Databricks es in diesem Kontext aktiv betont. Unterm Strich ist die Botschaft weniger „ein Modell gewinnt“, sondern: Ohne Routing nach Kosten und Nutzen skaliert die Nutzung zwar, optimiert aber selten die Gesamtrechnung.
Für die KPI-Logik dahinter nennt Rippling zwei Hebel: Dashboards, die Prompts pro Tag sowie Arbeitsoutput (z. B. Zeilen im Code oder Pull Requests) mit den Ausgaben zusammenführen, und ein Governance-Modell über Verantwortlichkeiten. Die Kostenreduktion, die der Anbieter in Aussicht stellt, ist dabei konkret: Aus einem Token-Anteil von 40% des R&D-Headcount-Budgets will Rippling auf etwa 15% gekommen sein. Gleichzeitig wird betont, dass die Nutzung nicht gekappt wurde; stattdessen sei die Effektivität der Modellwahl gestiegen. MacInnis schildert außerdem, dass der Peak von 605 Milliarden Tokens im Monat des CFO-Warnsignals zwar nicht „abgeklemmt“ wurde, aber die Kosten durch das Routing deutlich besser skalierten – so lag die Token-Kostenlast im Juli laut Aussage bei 37% der Kosten aus April.
Über Engineering hinaus sieht Rippling die nächste Messhürde: KI soll nicht nur dort wirken, wo es um Code geht, sondern auch in Funktionen wie Sales oder Onboarding. Das Unternehmen setzt deshalb „AI captains“ ein, also Personen, die KI-Nutzung im Unternehmen konkret unterstützen und Best Practices verbreiten. Parallel arbeitet Rippling daran, Produktivitätskennzahlen auch in G&A- und kundennahe Prozesse zurückzubinden – etwa beim Onboarding, wo das Dashboard später messen soll, ob sich durch KI etwa mehr Kunden onboarden lassen, statt nur Token zu verbrauchen. Der Kern, den MacInnis formuliert: Ohne messbaren Zusammenhang zwischen Tokenverbrauch und Produktivitätsoutput gebe es keine tragfähige Grundlage, KI-Einsatz breit in die Belegschaft zu geben. Als Produktmodell ist „AI Spend Console“ zunächst in Ripplings HR-Abos enthalten, aber es lässt sich auch als eigenständiges Paket kaufen und in ein anderes System of Record integrieren; hinzu kommen allerdings Nutzungskosten, die sich am KI-Usage orientieren.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Rippling zeigt mit „AI Spend Console“, wer mit Tokens Geld verbrennt" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Rippling zeigt mit „AI Spend Console“, wer mit Tokens Geld verbrennt" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Rippling zeigt mit „AI Spend Console“, wer mit Tokens Geld verbrennt« bei Google Deutschland suchen, bei Bing oder Google News!