FRANKFURT / LONDON (IT BOLTWISE) – In deutschen Unternehmen wird Künstliche Intelligenz zunehmend über den Tokenverbrauch gesteuert, weil die Abrechnung nicht nach Zeit oder Ergebnis erfolgt. Eine Umfrage zeigt, dass Vorstände und Fachbereiche unterschiedliche Kostendeckel verfolgen: von Limits und Kontingenten bis zu vorgeschalteten Systemen wie Prompt Caching und Model Routing. Die Firmen kalkulieren damit sehr konkret, wie viele Eingabe- und Ausgabetokens eine Aufgabe produziert. Gleichzeitig bleibt die Sorge, dass Effizienzgewinne durch höheren Einsatz wieder aufgezehrt werden.
Wer KI in Unternehmen heute anschafft, merkt schnell, dass die eigentlichen Kosten nicht erst im Backend entstehen, sondern bereits an der Abrechnungsschnittstelle. Beim Einsatz großer Sprachmodelle wird typischerweise nach Tokens abgerechnet – also nach den Textanteilen, die das Modell verarbeitet. Je nach Anfrage steigt oder sinkt damit der Preis nicht nur indirekt über die Laufzeit, sondern direkt über die Menge der verarbeiteten Texteinheiten. Genau deshalb berichten viele Organisationen von steigenden KI-Budgets: Der Mechanismus macht den Grenznutzen einzelner Prompts sichtbar, statt ihn im Projektplan zu verstecken.
Technisch betrachtet lässt sich der Tokenverbrauch in Input- und Output-Anteile zerlegen. In der Praxis werden Abrechnungen häufig in Einheiten von einer Million Tokens vorgenommen; grob entspricht das laut den im Umfeld genannten Richtwerten etwa 750.000 Wörtern oder rund 2.500 Buchseiten. Für eine Größenordnung wird außerdem beschrieben, dass eine Stunde intensiver Textarbeit mit etwa 20.000 Input- und 10.000 Output-Tokens zusammen rund 75 Buchseiten Chat entspricht – und dass die Kosten je nach Modellklasse von unter einem Cent bis in den Bereich von rund 70 US-Cent für diese Token-Menge reichen können. Entscheidend ist: Schon kleine Änderungen am Prompt-Design, am Umfang des Kontextfensters oder an der Art der Ausgaben (kurz vs. ausführlich) verschieben die Tokenbilanz spürbar. Zusätzliche Posten entstehen außerdem durch weitere Datenzugriffe oder Toolketten, die neben dem Modell selbst Ressourcen binden.
Damit wird klar, warum Kostenkontrolle in der Unternehmensrealität oft früher beginnt als klassische IT-Governance: Tokenmanagement ist nicht nur ein Thema für Procurement, sondern für Produktteams und Plattformverantwortliche. In vielen Fällen versuchen Firmen deshalb, die „teure“ Nutzung zu vermeiden oder zumindest zu dosieren. Der Ansatz „Prompt Caching“ setzt genau dort an: Wiederkehrende Kontextteile müssen nicht bei jeder Anfrage vollständig erneut verarbeitet werden, wodurch sich die effektive Rechenlast und damit die Tokenabfolge reduzieren kann. „Model Routing“ geht einen Schritt weiter und entscheidet pro Aufgabe, welches Modell zum Einsatz kommt – statt pauschal das leistungsfähigste Modell für alles zu verwenden. Dass dabei nicht nur technisches Feintuning, sondern konkrete Architekturentscheidungen eine Rolle spielen, zeigt die Aussage aus der Beratungsschicht: Nur ein kleiner Teil der Aufgaben bräuchte typischerweise die stärksten Modelle, dennoch würden viele Anfragen in Unternehmen weiterhin an diese weitergeleitet.
Der Markt treibt das Thema zusätzlich an. Prognosen aus dem Finanzumfeld gehen davon aus, dass der Tokenverbrauch bis 2030 stark wachsen könnte, weil KI-Agenten zunehmend digitale Aufgabenketten selbst planen, ausführen und überwachen. Damit steigt nicht nur die Anzahl der KI-Anfragen, sondern auch die Kettenlänge: An die Stelle einer einzelnen Abfrage treten mehrere Schritte mit Zwischenoutputs, die jeweils Tokens erzeugen. Das erinnert an das „Jevons-Paradox“: Wenn Effizienzgewinne dazu führen, dass Systeme häufiger oder breiter eingesetzt werden, kann der Gesamtverbrauch trotz besserer Effizienz steigen. Als Gegenbeispiel aus der Praxis wird auch genannt, dass einzelne Teams in den USA ihr Budget für KI-Programmiertools bereits innerhalb eines Jahresabschnitts aufgebraucht haben, sobald die Nutzung stark skaliert.
In Deutschland wird das Kostenbild dabei besonders über konkrete Zahlen sichtbar. Der Digitalverband ordnet die Ausgaben für generative KI in diesem Jahr auf ein Niveau ein, das von 11,5 Milliarden Euro für generative KI ausgeht – mit einer Verdopplung gegenüber dem Vorjahr als Trend. Nimmt man Hardware und Dienstleistungen hinzu, bewegt sich das Gesamtvolumen demnach bei 28,7 Milliarden Euro. Für die Unternehmensseite bedeutet das: „KI wird teurer“ ist zu kurz gegriffen – wichtiger ist „KI-Use-Cases werden zahlreicher und tokenintensiver“. Genau deshalb setzen Firmen so unterschiedliche Mechanismen ein: Manche steuern über Projektbudgets, andere über rollenbasierte Kontingente, wieder andere über interne Verrechnung, die Fachbereiche für ihren KI-Einsatz verantwortlich macht.
Mehrere Beispiele zeigen, wie breit das Spektrum reicht. Ein Autozulieferer signalisiert, bislang keine harten Nutzungsbeschränkungen eingeführt zu haben, will aber Nutzungsregeln nach eigenen Angaben weiterentwickeln. Mercedes ordnet die KI-Kosten den Fachbereichen zu, nennt kein personenbezogenes Token-Limit, aber ein Limit für sehr rechenintensive Anwendungen, das nach Bedarf ausgeweitet werden kann; zusätzlich wird ein Programm namens „Tokenomics“ beschrieben, das Mitarbeiter in effizientes Vorgehen und Kostenverständnis einbindet. Zalando wiederum kalkuliert bei neuen KI-Funktionen die Kosten gegen den Nutzen für die eigene Plattform; wenn die Rechnung nicht aufgeht, wird das Projekt gestoppt. Daneben werden Grenzen auch als Ermöglichungsmechanismus eingesetzt: Wer ein Limit erreicht, kann unter Begründung weitere Tokens erhalten. Auch SAP behandelt Tokenkosten als transparenten Kostenblock, ordnet sie Bereichen zu und routet Anfragen abhängig von Aufgabe und Kosten-Nutzen-Verhältnis; dabei sollen rollenbasierte Nutzungspläne den Zugriff steuern.
Andere Unternehmen setzen stärker auf Nachvollziehbarkeit statt pauschale Deckel. Fresenius verweist darauf, dass ein großer Teil der KI-Nutzung über Subscription-Lösungen läuft und dass bei Eigenentwicklungen der Tokenverbrauch überwacht wird. Merck betont, Mitarbeitende könnten ihren Tokenverbrauch und die zugehörigen Kosten jederzeit nachvollziehen; zudem seien effiziente Modelle als Standard voreingestellt und der verantwortungsvolle Umgang mit KI-Ressourcen Bestandteil von Schulungen. Eon stellt ebenfalls Schulungs- und Budgetleitplanken in den Vordergrund: 78.000 Mitarbeitenden stehen KI-Tools zur Verfügung, jedoch mit Blick auf Wirtschaftlichkeit. Siemens nennt als technische „Türsteher“-Rollen konkret Prompt Caching und Model Routing, um das Ergebnis pro eingesetztem Token zu verbessern – also die Outputqualität relativ zu den Kosten. Für die Deutsche Bank schließlich wird der finanzielle Nutzen direkt über Sparziele operationalisiert: Der stärkere KI-Einsatz soll dort helfen, zwei Milliarden Euro pro Jahr einzusparen und die Profitabilität zu erhöhen; genannt werden außerdem konkrete Investitionsvolumina in Technologie und der Einsatz interner sowie externer Produktivitätstools.
Für die nächsten Monate folgt daraus vor allem eine klare Konsequenz für KI-Teams: Tokenkosten müssen als Planungsgröße in Architektur, Produkt und Controlling integriert werden, statt als nachgelagertes „Kostenproblem“ wahrgenommen zu werden. Das umfasst sowohl die Modellwahl über Routing-Logik als auch den Umgang mit Kontextlängen, Prompt-Strukturen und Toolketten, die zusätzliche Tokens auslösen. Gleichzeitig spricht das Umfeld eine zweite Botschaft aus: Effizienzgewinne allein garantieren keine Kostensenkung, wenn Unternehmen KI breiter ausrollen. Wer die Kosten bremsen will, ohne die Produktivität zu drosseln, braucht daher weniger „Starre“ als vielmehr fein granuliertes, nachvollziehbares Steuerungsdesign – vom internen Verrechnungsmodell bis zur technischen Vorverarbeitung, die Tokenflüsse reduziert.
💳 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 "Tokenverbrauch als Kostenfaktor: So begrenzen deutsche Unternehmen KI-Ausgaben" 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 "Tokenverbrauch als Kostenfaktor: So begrenzen deutsche Unternehmen KI-Ausgaben" 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: »Tokenverbrauch als Kostenfaktor: So begrenzen deutsche Unternehmen KI-Ausgaben« bei Google Deutschland suchen, bei Bing oder Google News!