Die Preise für IT-Leistungen sinken. Genauer gesagt: Die Kosten pro Einheit sinken – pro Token, pro CPU-Stunde, pro API-Call.
KI-Modelle werden effizienter, Cloud-Services günstiger, Infrastruktur skalierbarer. Und dennoch berichten viele Unternehmen von steigenden IT-Gesamtkosten. Was wie ein Widerspruch klingt, ist Ausdruck eines grundlegenden Wandels: Mit dem Übergang von hohen Einmalausgaben (CAPEX = Capital Expenditure) zu operativen Kosten (OPEX = Operational Expenditure) verändert sich nicht nur die Technologie, sondern auch die ökonomische Logik der IT. CIOs stoßen mit ihrer klassischen Budgetsteuerung an ihre Grenzen.
Diese Entwicklung wird am Beispiel KI besonders deutlich. Während unter anderem die Preise pro Token kontinuierlich sinken, steigt der Gesamtverbrauch deutlich schneller. Fortschrittlichere Modelle erzeugen mehr Verarbeitungsschritte, längere Interaktionsketten und zusätzlichen Validierungsaufwand. Der Effizienzgewinn auf der Einheitsebene wird durch die steigende Nutzung überkompensiert. Hinzu kommen Kosten, die in klassischen Budgets oft unsichtbar bleiben: Retries (Wiederholungsversuche) bei fehlgeschlagenen Anfragen, Aufwand für Halluzinationskorrektur, menschliche Validierungsschleifen sowie Infrastruktur für Orchestrierung und Monitoring. Eine vollständige Steuerung von KI-Kosten erfordert daher einen Blick auf die „Total Cost of AI Ownership“ – also die Gesamtheit aus Modellkosten, Infrastruktur, Governance und laufendem Betrieb.
Ähnliches erleben Unternehmen nach dem Umzug in die Cloud. Skalierbarkeit und nutzungsbasierte Abrechnung ermöglichen zwar eine präzisere Steuerung, führen aber gleichzeitig zu einer höheren Dynamik. Kapazitäten werden flexibel hoch- und heruntergefahren, neue Services schnell integriert und Kosten entstehen kontinuierlich statt punktuell. Dazu kommt: Preise reagieren immer sensibler auf Nachfrage, etwa bei knappen Infrastrukturressourcen. Das Ergebnis ist ein Kostenparadox: IT-Kosten steigen trotz sinkender Preise und sie werden volatiler, schwerer prognostizierbar und stärker nutzungsgetrieben.
Warum klassische Budgetsteuerung nicht mehr funktioniert
Diese Entwicklung stellt etablierte Steuerungsmodelle von IT-Organisationen infrage. Jahresbudgets, fixe Planungen und statische Freigaben basieren auf der Annahme stabiler Kostenstrukturen. In einer OPEX-geprägten Welt trifft diese Annahme nicht mehr zu. Statt einmaliger Investitionen dominieren kontinuierliche Zahlungsströme. Kosten entstehen in Echtzeit, verändern sich dynamisch und sind direkt an die Nutzung gekoppelt.
Vielen Organisationen fehlen die passenden Steuerungsgrößen, um diese Dynamik wirtschaftlich zu bewerten. In der Praxis führt das dazu, dass Unternehmen IT-Ausgaben nur eingeschränkt kontrollieren können. Entscheidungen werden getroffen, ohne die Auswirkungen auf Kosten und Wertschöpfung präzise zu kennen. Die Steuerung erfolgt häufig ohne belastbare Entscheidungsbasis.
Von der Budget- zur Cockpit-Steuerung
Um dieser Dynamik zu begegnen, braucht es einen grundlegenden Perspektivwechsel. Statt IT-Ausgaben rein über Budgets zu begrenzen, müssen sie, auch in klassischen Cost-Center-Strukturen, aktiv gesteuert werden – kontinuierlich, datenbasiert und entlang klarer Zielgrößen.
Im Kern bedeutet das: CIO und CFO etablieren gemeinsam eine Art „Cockpit“ für IT-Kosten. Entscheidungen werden nicht mehr periodisch, sondern laufend getroffen. Nutzung, Kosten und Wertbeitrag werden in Beziehung gesetzt und transparent gemacht.
Vorreiterunternehmen befinden sich gerade in diesem Transformationsprozess. Sie bemerken, dass ihre klassischen Budgetmechaniken strukturell nicht mehr ausreichen, und bauen stattdessen in ihrer IT eine kontinuierliche kommerzielle Steuerung auf, die Nutzung und wirtschaftlichen Effekt direkt miteinander verknüpft.
FinOps als operatives Fundament
FinOps (Financial Operations) bildet in dieser neuen IT-Steuerungswelt typischerweise das operative und kulturelle Rückgrat. Der Ansatz schafft Transparenz über Verbrauch und Kosten, etabliert klare Verantwortlichkeiten und ermöglicht eine kontinuierliche Optimierung – oftmals auch über die reinen Cloud-Abrechnungen hinaus, da die Prinzipien das kaufmännische Bewusstsein insgesamt stärken. Ursprünglich aus der Cloud-Kostenkontrolle entstanden, entwickelt sich FinOps heute zu einem breiteren Steuerungsrahmen: SaaS-Kosten, KI-Workloads und zunehmend auch Nachhaltigkeitskennzahlen (GreenOps) rücken in den Fokus – denn energieintensive Workloads, etwa im KI-Training oder bei GPU-basierter Verarbeitung, erzeugen nicht nur finanzielle, sondern auch ökologische Steuerungsbedarfe.
Unternehmen sollten FinOps jedoch nicht als reines Kostenoptimierungsinstrument verstehen. Es geht vielmehr darum, eine gemeinsame Sprache zwischen IT, Finance und Business zu finden. Kosten werden nicht isoliert betrachtet, sondern im Kontext ihres Beitrags zur Wertschöpfung. In der Praxis bedeutet das: Entscheidungen über Architektur, Nutzung und Anbieterwahl werden konsequent auch unter wirtschaftlichen Gesichtspunkten getroffen. Einsparpotenziale entstehen nicht nur durch Reduktion, sondern vor allem durch den besseren Einsatz von Ressourcen. Wer FinOps konsequent mit Business-KPIs verknüpft – etwa Cost per Revenue, Cost per Conversion oder Cost per digitaler Transaktion – positioniert IT nicht mehr als reinen Kostenfaktor, sondern als steuerbaren Wertbeitrag.

Steuerung über harte KPIs
Voraussetzung für eine funktionierende Steuerung sind neben klaren Rollen und Verantwortlichkeiten belastbare Kennzahlen. Sie verbinden die technische IT-Nutzung mit wirtschaftlichen Effekten und machen IT-Ausgaben vergleichbar. Dabei geht es weniger darum, bisherige Steuerungsgrößen infrage zu stellen. Unternehmen sollten vielmehr zusätzliche Performance-Indikatoren gezielt entlang der Wertschöpfungstiefe der IT einfügen und ein gemeinsames Verständnis für deren Aussagekraft in der Organisation etablieren.
Diese Kennzahlen ermöglichen es, IT nicht nur als Kostenfaktor, sondern auch als steuerbares System zu betrachten. Sie schaffen die Grundlage für fundierte Entscheidungen, machen Effekte von Maßnahmen unmittelbar sichtbar und mögliche Effizienzmaßnahmen „durchhaltbar“.
| Beispielhafte KPIs | Definition | Zweck | Beispiel |
| Euro pro Transaktion | Cloud- und IT-Kosten eines Services / Anzahl der Transaktionen | End-to-End-Kostentransparenz pro digitalen Service | 0,12 Euro Cloud-Kosten pro API-Call im Zahlungssystem |
| Euro pro Prompt | Gesamtkosten KI (Inference + Infrastruktur) / Anzahl Prompts | Wirtschaftlichkeit von KI-Anwendungen bewerten | 0,03 Euro pro Kundenanfrage im Chatbot |
| Cost per User | Gesamte SaaS- und Plattformkosten / aktive Nutzer | Steuerung von Lizenz- und Nutzungskosten | 45 Euro pro aktiven M365-User im Monat |
| Forecast Accuracy | 1 – (Ist-Kosten – Forecast) / Ist-Kosten | Qualität der Kostenprognosen verbessern | 92 Prozent Genauigkeit bei Cloud-Kosten |
| Cloud Waste Rate | Ungenutzte Cloud-Ressourcen / Gesamtressourcen | Identifikation von Overprovisioning | 18 Prozent ungenutzte Compute-Kapazität |
| Commitment Realization | Genutzte Reserved Capacity / gebuchte Reserved Capacity | Effizienz von Savings Plans bewerten | 75 Prozent Auslastung von Reserved Instances |
| Cost per Workload | Cloud-Kosten / Anzahl Workloads | Vergleichbarkeit von Anwendungen | 120 Euro pro Microservice/Monat |
| Cost per Output Unit | Gesamtkosten / erzeugte KI-Outputs | Bewertung von KI-Wertschöpfung | 2 Euro pro generierten Bericht |
| Utilization Rate | Genutzte / verfügbare Ressourcen | Effizienz von Infrastruktur messen | 65 Prozent GPU-Auslastung im KI-Training |
| Cost Variance | (Ist-Kosten – Plan-Kosten) / Plan-Kosten | Abweichungen früh erkennen | +12 Prozent Mehrkosten durch Lastspitzen |
Die verborgenen Dynamiken hinter steigenden Kosten
Transparenz schaffen ist dabei nicht alles. Auch bei einem guten initialen Kostenüberblick unterschätzen viele Organisationen die Komplexität der zugrunde liegenden Dynamiken, um diese Transparenz langfristig beizubehalten. Gerade im Zusammenspiel von Cloud und KI entstehen Effekte, die sich schleichend aufbauen und erst verzögert sichtbar werden.
Typisch ist dabei, dass Effizienzgewinne durch neue Technologien oft zu steigender Nutzung führen. Zudem erhöhen komplexere Anwendungsfälle den Bedarf an Absicherung und Validierung. Parallel dazu bleiben Optimierungspotenziale in der Ressourcennutzung meist ungenutzt, während steigende Abhängigkeiten von Anbietern zusätzliche Kostenrisiken erzeugen. Diese Mechanismen wirken nicht isoliert, sondern verstärken sich gegenseitig. Ohne geeignete Steuerung führt das dazu, dass Kostenentwicklungen zwar nachvollziehbar erscheinen, aber kaum aktiv beeinflusst werden können.
Damit diese Dynamiken für CIOs steuerbar werden, braucht es wenige klare Hebel:
- Steuerungslogik vom Budget zur Nutzung verschieben: IT‑Kosten werden nicht mehr primär über Jahresbudgets begrenzt, sondern kontinuierlich entlang von Nutzung, Verbrauch und Wertbeitrag gesteuert.
- FinOps als Steuerungsrahmen etablieren: FinOps fungiert als Operating Model von IT, Finance und Business, schafft klare Verantwortlichkeiten, ein neues kaufmännisches Verantwortungsbewusstsein sowie ein regelmäßiges CIO/CFO‑Steering.
- Planung, Forecasts und KPIs dynamisieren: Verkürzte Planungszyklen und wenige nutzungsnahe Kennzahlen ersetzen statische Budgetmechaniken und machen Kostenentwicklungen und etwaiges Rightsizing früh steuerbar.
Die nächste Evolutionsstufe von FinOps
Während FinOps ursprünglich aus der Cloud-Kostenkontrolle entstanden ist, entwickelt sich der Ansatz zunehmend zu einem ganzheitlichen Steuerungsmodell für alle nutzungsbasierten IT-Kosten. Neben Cloud-Infrastruktur rücken insbesondere SaaS-Anwendungen und KI-Workloads in den Fokus.
Gerade im Bereich künstlicher Intelligenz entstehen neue Kostenstrukturen: Neben klassischen Infrastrukturkosten fallen Ausgaben für Modellnutzung, Datenverarbeitung, Orchestrierung sowie Qualitätssicherung an. Diese sogenannte „Total Cost of AI Ownership“ lässt sich nur durch eine enge Verzahnung von IT, Finance und Fachbereichen transparent und steuerbar machen.
Gleichzeitig gewinnt das Thema Nachhaltigkeit an Bedeutung. Energieintensive Workloads – etwa im KI-Training oder bei GPU-basierter Verarbeitung – führen dazu, dass neben finanziellen auch ökologische Kennzahlen Teil der Steuerungslogik werden. FinOps entwickelt sich damit zunehmend in Richtung eines integrierten Modells aus Kosten-, Wert- und Nachhaltigkeitssteuerung.
Fazit: neue Steuerungslogik für eine neue IT-Ökonomie
Mit dem Übergang in die Post-CAPEX-Ära verändert sich die Steuerung von IT grundlegend. Klassische Budgetsteuerung reicht in einer nutzungsbasierten IT-Welt nicht mehr aus. Entscheidend ist, IT-Kosten laufend zu messen und aktiv zu steuern, nicht erst am Jahresende oder dann, wenn Kosten zu optimieren sind. Dann ist es häufig schon zu spät.