Unternehmen kaufen zu teure Token

KI-Tokenkosten wachsen schneller als die Kontrolle

Viele Unternehmen skalieren den Einsatz von KI, ohne ihre Token-Ausgaben ausreichend zu steuern. Laut einer Accenture-Studie, über die ITMagazine.ch berichtet, hatte jedes dritte Unternehmen sein Token-Budget bereits zur Jahresmitte überschritten. Befragt wurden im Juli 2026 insgesamt 750 C-Level-Führungskräfte aus 17 Ländern.

Die Entwicklung dürfte sich weiter verschärfen: Die Befragten erwarten, dass der jährliche Token-Verbrauch in den kommenden zwei Jahren um 78 Prozent steigt. Gleichzeitig fehlt vielerorts eine belastbare Kostensteuerung. Nur 30 Prozent der Unternehmen nutzen automatisiertes Modell-Routing, bei dem für jede Aufgabe automatisch das passende KI-Modell ausgewählt wird.

Zu viele Anfragen landen bei teuren Modellen

Accenture schätzt, dass lediglich zehn Prozent der KI-Anwendungsfälle die leistungsfähigsten und besonders teuren Frontier-Modelle benötigen. In der Praxis werden jedoch 54 Prozent der Anfragen an ein stärkeres Modell übergeben, als es für die jeweilige Aufgabe erforderlich wäre. Dadurch entstehen vermeidbare Kosten, vor allem wenn Modellwahl, Verantwortlichkeit und Nutzen vor dem Produktivbetrieb nicht klar definiert sind.

Auch die interne Verrechnung ist kaum etabliert. Nur sieben Prozent der befragten Unternehmen stellen den Token-Verbrauch dem jeweiligen Geschäftsbereich in Rechnung. Erst 37 Prozent verfügen über ein spezialisiertes Team für das Management der Token-Ausgaben; bei 48 Prozent liegt die Verantwortung gemeinsam bei IT und Finanzabteilung. Die Folge: Weniger als 20 Prozent der Token-Ausgaben lassen sich einem messbaren geschäftlichen Ergebnis zuordnen. Für den größten KI-Anwendungsfall können nur 35 Prozent der Unternehmen die Kosten pro Geschäftsergebnis berechnen.

Accenture nennt fünf Hebel für mehr Transparenz

Die Studie „The CIO’s Guide to AI Tokenomics“ beschreibt fünf Ansatzpunkte, um Token-Nutzung transparenter zu machen, besser zu steuern und intern abrechnen zu können. Erstens brauchen Unternehmen klare Sicht darauf, wer für einen KI-Anwendungsfall verantwortlich ist, welches Modell eingesetzt wird und welche Ergebnisse erwartet werden. Diese Punkte sollen bereits vor dem Start in den Produktivbetrieb feststehen.

Zweitens müssen Verantwortlichkeiten für KI-Ausgaben eindeutig zugeordnet werden. Teams sollen für die von ihnen genutzten Ressourcen nachvollziehbar einstehen. Drittens empfiehlt Accenture, Aufgaben konsequent dem passenden Modell zuzuweisen, statt aus Vorsicht regelmäßig leistungsstärkere Varianten zu wählen. Viertens sollte der Value Case vor dem Einsatz definiert werden: erwarteter Mehrwert, Kostenrahmen und Erfolgskriterien gehören zusammen. Fünftens benötigen Mitarbeitende Schulungen, damit sie Modelle wirksam einsetzen und deren Kostenfolgen einschätzen können.

Tobias Regenfuss, Technology Lead DACH bei Accenture, verweist auf steigende Anforderungen an Daten, Plattformen und Rahmenbedingungen, sobald KI und agentische Workflows skaliert werden. Kevin Eversmann, Global AI & Data Lead Industrial bei Accenture, betont, dass sichtbare KI-Kosten erst der Anfang sind: Maßgeblich sei, welcher Geschäftsprozess verbessert werde und welchen messbaren Wert KI liefere. Der nächste Prüfpunkt für Unternehmen liegt damit in der Umsetzung: Der erwartete Token-Verbrauch soll binnen zwei Jahren um 78 Prozent zunehmen.