Die Ära des ungebremsten Wachstums von Künstlicher Intelligenz im Unternehmenssektor stößt auf die harte Realität der Wirtschaft. Die größten Technologiekonzerne, die zuvor aktiv neuronale Netze eingeführt haben, müssen ihre Strategien überdenken. Der Grund liegt nicht in der Effizienz der Algorithmen, sondern in den astronomischen Rechnungen für Tokens, die zu einem der größten Kostenfaktoren der Branche geworden sind.

Uber und Microsoft: Vom Enthusiasmus zur strengen Sparpolitik

Die Situation hat einen kritischen Punkt erreicht, wie interne Prozesse bei den Marktführern zeigen. Bei Uber kam es zu einem echten Schock: Der technische Direktor des Unternehmens, Pravinn Neppalli Nagi, gab bekannt, dass das gesamte KI-Budget bis 2026 innerhalb weniger Monate aufgebraucht wurde. Der operative Geschäftsführer Andrew McDonald bestätigte in einem Interview mit Business Insider, dass kein direkter Zusammenhang zwischen dem Volumen der verbrauchten Tokens und dem Auftreten nützlicher Funktionen für die Nutzer festgestellt werden konnte.

Das Unternehmen erkennt das Paradoxon an: Das Volumen des geschriebenen Codes ist gestiegen, aber eine klare Linie zwischen der Anzahl der Zeilen und der tatsächlichen Verbesserung der Software lässt sich nicht ziehen. Ähnliche Maßnahmen ergreift Microsoft. Der Konzern beginnt, Entwicklern den Zugriff auf den externen Assistenten Claude Code zu entziehen und plant, die Mitarbeiter bis zum 30. Juni auf das interne Tool Copilot CLI zu verlegen. Offiziell wird dies mit der Konsolidierung um eigene Produkte begründet, doch die Koinzidenz mit dem Ende des Geschäftsjahres deutet auf den Wunsch hin, die Kosten zu senken.

Das Phänomen des „agentischen“ KI und die Kostenlücke

Haupttreiber für das Kostenwachstum ist der Übergang zu agentischer KI. Im Gegensatz zu herkömmlichen Chatbots können Agenten mehr als 1000-mal mehr Tokens verbrauchen. Goldman Sachs prognostiziert, dass der Tokenverbrauch für solche Systeme in den kommenden Jahren um mehr als das 24-fache steigen könnte.

Unternehmen versuchen, die Kosten mit Zahlen zu rechtfertigen: Der Chef von Airbnb sprach davon, dass 60 % des Codes von KI generiert werden, Chime von 84 % und Google von 50 %. Uber gibt ebenfalls an, dass mehr als 60 % des Codes von neuronalen Netzen erstellt werden. Nach Einschätzung des Unternehmens amortisiert sich der Effekt jedoch derzeit nicht. Das Beispiel des Teams von Peter Steinberger (OpenAI) zeigt das Ausmaß der Ausgaben: Drei Personen gaben in einem Monat mehr als 1,3 Millionen Dollar für Tokens aus.

Das Paradoxon der Effizienz und das Rennen um neue Hardware

Heute steigen die Kosten für KI schneller als die Gehälter der Mitarbeiter, die sie angeblich ersetzen sollen. Dies wirft Fragen zur Rechtmäßigkeit von Personalabbau unter dem Motto der Effizienzsteigerung auf. Investoren und Analysten hoffen auf ein „Rennen um neue Hardware“. Goldman Sachs weist darauf hin, dass der massenhafte Effizienzgewinn durch Chips der neuen Generation die KI billiger machen sollte, was weitere Investitionen ermöglichen würde.

Nvidia fördert aktiv die Plattform Vera Rubin, die bis zu 10-mal mehr Leistung pro Watt verspricht. Die Realität bringt jedoch Korrekturen: Mehr als 50 % der angekündigten Rechenzentren auf Basis der Blackwell-Architektur wurden storniert oder verschoben. Ende 2025 haben Google, Oracle und Microsoft ihre Pläne angepasst und angekündigt, die Ausrüstung sechs Jahre lang zu betreiben, bevor sie ausgetauscht wird.

Auf kurze Sicht müssen selbst Giganten wie Microsoft und Uber ihre Arbeit mit KI umstrukturieren. Der explosionsartige Anstieg der Anfragen von agentischen Systemen kann durch den Effizienzgewinn der Hardware nicht kompensiert werden, bis zu deren massenhafter Einführung noch einige Jahre vergehen werden.