Buchhalter in Unternehmen müssen sich seit geraumer Zeit mit einem noch recht neuen, aber oft rasant wachsenden Kostenposten beschäftigen: Künstlicher Intelligenz (KI). Im April meldete etwa der Technikchef des US-Fahrtenvermittlers Uber, Praveen Naga, dass der Konzern sein gesamtes KI-Jahresbudget in vier Monaten aufgebraucht habe: 5000 Entwickler erzeugten demnach Kosten von rund 2,97 Milliarden Euro. Uber steht damit nicht allein. Ein KI-Berater berichtete dem US-Medium Axios, sein Kunde habe die Lizenz der KI Claude von Anthropic ohne Nutzungslimit freigegeben. Die Rechnung: 439 Millionen Euro. Und die Rechenkosten des Chipkonzerns Nvidia liegen „weit über den Personalkosten“, sagte zuletzt Nvidia-Manager Bryan Catanzaro.
Das Problem betrifft nicht nur amerikanische Milliardenkonzerne. Nico Reichen und sein Kollege Thom Heinrich, KI-Fachleute für den Beratungskonzern PwC in Deutschland, kennen es aus dem Alltag ihrer Kunden im deutschen Mittelstand. KI wird als günstigerer Ersatz für Arbeitskräfte vermarktet. Doch regelmäßig treffen Unternehmer Rechnungen, die sie nicht erwartet haben.
Das Fundament: Was ein Token ist und warum er zählt
Wer KI-Kosten verstehen will, muss zuerst verstehen, wie Sprachmodelle abgerechnet werden. Die meisten Alltagsnutzer zahlen einen festen Preis für ein Abonnement ihres Sprachmodells: Claude startet etwa mit 15 Euro im Monat, ChatGPT Plus kostet 23 Euro. Wer intensiv mit KI arbeitet, kennt die Meldung: „Du hast Claudes tägliches Nutzungslimit erreicht.“ Unternehmen stoßen an dieses Limit zu schnell. Sie beziehen die KI über eine Schnittstelle und zahlen deshalb anders: nutzungsabhängig nach verbrauchten Token.
Ein Token ist die kleinste Einheit, in die ein Sprachmodell einen Text zerlegt. Das Modell denkt nicht in Sätzen, sondern baut sie Token für Token auf, stets dem wahrscheinlichsten nächsten Token folgend. Der Satz „Ich lese Tageszeitung“ besteht aus fünf Token: Ich, lese, Tages, zeit, ung. Token seien der Rohstoff der KI, sagt Heinrich, „analog zum Metall, aus dem ich Schrauben herstelle“. Daraus folgt eine einfache Kostenformel: Kosten = Preis pro Token × Token pro Aufgabe.
Die erste Variable ist in den vergangenen Jahren drastisch gefallen. 2022 kosteten eine Million Token noch rund 18 Euro, 2026 sind es 35 Cent für dieselbe Menge. Treiber dieses Preisverfalls sind Hardware-Fortschritte, effizientere Software und der Wettbewerb zwischen Google, Open AI, Anthropic und vor allem chinesischen Anbietern wie Deepseek. Doch die Gesamtkosten sind trotzdem nicht gesunken – im Gegenteil. Heinrich berichtet: „Die ersten Finanzchefs fangen schon an zu schreien.“ Das ist das sogenannte Token-Paradox, und es steckt in der zweiten Variable, den Token pro Aufgabe.
Warum Modelle immer mehr Token verbrauchen
Der Hauptgrund für explodierende KI-Kosten in Unternehmen ist der Einsatz sogenannter Agenten, die erst durch die gesunkenen Token-Preise rechnerisch rentabel wurden. Agentische KI geht weit über reaktive KI-Anfragen hinaus. Eine normale Anfrage ist linear: eine Frage, eine Antwort. Agenten agieren anders, proaktiv und autonom. Die KI erhält ein Ziel und initiiert selbständig Aktionen. Sie nutzt Tools, plant mehrstufige Prozesse, korrigiert Fehler und passt sich in Echtzeit an neue Situationen an. Praktisch alle heute gängigen Systeme fallen in diese Kategorie. „Die modernen KI-Systeme, mit denen Sie wahrscheinlich interagieren, Claude, ChatGPT und so weiter, sind alles nur noch agentische Systeme“, so Heinrich.
Ein weiterer Kostentreiber ist die Pfadabhängigkeit der KI. Innerhalb eines Chats wird jede neue Nachricht teurer als die vorherige, weil das Modell für jede Antwort die gesamte bisherige Konversation neu verarbeitet. „Bei jeder Nachricht ruft die KI sich quasi das gesamte Gespräch wieder ins Gedächtnis, und die Parkuhr klingelt immer mit“, erkärt Heinrich. Diese „Denk-Token“ sind für den Nutzer unsichtbar, aber nicht kostenlos. Laut einer Studie der Berater von Bain & Company stieg der Token-Verbrauch von Dezember 2024 bis Dezember 2025 um 250 Prozent, und das schlägt sich in den Rechnungen nieder.
Auch deutsche Mittelständler sind betroffen, oft ohne es zunächst zu merken. Zwar erreichen normale Angestellte nicht die Größenordnung eines vollständig KI-integrierten Programmierers, dessen Kosten laut Heinrich bei bis zu 15.000 Euro im Monat liegen können. Doch auch ohne Programmierhintergrund entstehen erhebliche Summen: „So ein Agent, den ich als Mitarbeitender nutze, kostet am Tag leicht mal 100, 200, 300 Euro“, sagt Heinrich. „Und vor allem, ohne dass ich tatsächlich ein greifbares Ergebnis habe.“ Vielen Unternehmen fehle eine Governance-Struktur, die eingreift, bevor die Kosten aus dem Ruder laufen.
Der Irrsinn hinter „Tokenmaxxing“
Wo überhaupt gemessen wird, geht es oft in die falsche Richtung, das zeigt das Phänomen des „Tokenmaxxing“. Es wurzelt in einem simplen Problem: KI-Produktivität lässt sich kaum messen. Eine Umfrage des „National Bureau of Economic Research“ vom Februar 2026 unter mehr als 6000 Führungskräften ergab sogar, dass 90 Prozent der Befragten in den vergangenen drei Jahren keine eindeutigen Hinweise auf höhere Produktivität oder eine durch KI veränderte Beschäftigungsstruktur erkannten.
Um KI-Kosten zu rechtfertigen, greifen manche Unternehmen zu einer umstrittenen Kennzahl. Sie zählen nicht, wie viel Code ein Entwickler schreibt oder wie viele Anfragen der Support bearbeitet, sie zählen Token. Die Annahme: Je mehr Token ein Mitarbeiter verbraucht, desto mehr Mehrwert bringt er. Farhan Thawar, Entwicklungschef des Softwareanbieters Shopify, sagte etwa zuletzt im „Pragmatic Engineer Podcast“: „Wir haben eine Rangliste, in der wir die Nutzer, die die meisten Token einsetzen, aktiv würdigen. Wir möchten sicherstellen, dass sie anerkannt werden, wenn sie großartige KI-Arbeit leisten.“
Der britische Ökonom Charles Goodhart würde wohl sagen, dass Unternehmen mit solchen Kennzahlen in eine Falle tappen. Goodharts Gesetz besagt nämlich: Sobald eine Kennzahl zum Kontrollziel wird, verliert sie ihre Aussagekraft. Genau das zeigt sich teils schon im KI-Einsatz. Wie die „Financial Times“ berichtete, setzten einige Amazon-Mitarbeiter ihre KI-Agenten ein, um sinnlose Aufgaben zu erledigen, einzig mit dem Ziel, auf den von Vorgesetzten überwachten Ranglisten möglichst weit oben zu erscheinen. Das heißt in der IT-Szene „Tokenmaxxing“. Der Trend ist mittlerweile wieder abgeklungen, stellt PwC-Mann Thom Heinrich klar: „Man hat innerhalb von vier Wochen festgestellt, dass das völliger Unsinn ist.“
Wichtig ist Heinrich dabei eine Klarstellung: Nicht KI an sich sei zum Scheitern verurteilt, sondern nur ihre aktuelle Form als frei chattender „Agent“. „Es ist nicht so, dass KI oder die Nutzung von KI aufhören wird“, sagt Heinrich. „Was aufhören wird, ist das Chatbot-Dasein von der Künstlichen Intelligenz.“
