KI kostet oft mehr als menschliche Arbeitskräfte

KI-Kosten überholen Gehälter: Unternehmen geben 2026 mehr für Token und Rechenleistung aus als für ihre Angestellten. Ein neuer Trend belastet IT-Budgets.

Die wirtschaftliche Kalkulation hinter dem Einsatz künstlicher Intelligenz erfährt im Frühjahr eine Neubewertung. Während die Technologie ursprünglich als Instrument zur Kosteneinsparung und Effizienzsteigerung vermarktet wurde, zeigen aktuelle Bilanzen in der Technologiebranche ein gegenteiliges Bild. Das berichtete Axios. Bei einer wachsenden Zahl von Unternehmen erreichen die Ausgaben für Rechenleistung und KI-Modelle Dimensionen, die die gesamte Gehaltsliste der menschlichen Belegschaft in den Schatten stellen. Was als Experiment zur Produktivitätssteigerung begann, entwickelt sich für viele IT-Abteilungen zu einer finanziellen Herausforderung, die herkömmliche Budgetplanungen sprengt.

Nvidia und Uber: Wenn Rechenpower das Personalbudget schlägt

Besonders deutlich wird dieser Trend bei den Vorreitern der Branche. Bryan Catanzaro, Vice President of Applied Deep Learning beim Hardware-Giganten Nvidia, bestätigte in einem Branchendiskurs eine Verschiebung der Ausgabenprioritäten. Laut Catanzaro übersteigen die Kosten für „Compute“, also die reine Rechenleistung für das Training und den Betrieb von Deep-Learning-Modellen, mittlerweile bei weitem die Kosten für die Gehälter der beteiligten Mitarbeiter. Damit ist Nvidia nicht allein; das Phänomen zieht sich durch die gesamte Riege der Unternehmen, die KI tief in ihre Kernprozesse integriert haben.

Ein prominentes Beispiel für die Unvorhersehbarkeit dieser Kosten liefert der Mobilitätsdienstleister Uber. Berichten zufolge hat der Chief Technology Officer (CTO) von Uber sein gesamtes KI-Budget für das Jahr 2026 bereits im April vollständig aufgebraucht. Ursächlich hierfür waren die sogenannten Token-Kosten. Token sind die Abrechnungseinheiten für Anfragen an große Sprachmodelle (LLMs). Da moderne Anwendungen oft Millionen von Token pro Stunde verarbeiten, summieren sich diese Kostenfaktoren bei globaler Skalierung innerhalb kürzester Zeit zu Summen, die selbst für milliardenschwere Konzerne schwer kalkulierbar bleiben.

Skalierung durch Intelligenz statt Personal

Trotz der explodierenden Kosten sehen einige Führungskräfte in dieser Entwicklung eine Chance für einen grundlegenden Strukturwandel. Amos Bar-Joseph, CEO von Swan AI, erregte kürzlich Aufsehen, als er seine hohen Ausgaben für das KI-Modell Claude von Anthropic in einem viralen Beitrag auf sozialen Netzwerken fast schon als Erfolg verbuchte. Er erklärte, sein Unternehmen baue das erste autonome Geschäft auf, das nicht durch zusätzliche Mitarbeiter (Headcount), sondern durch skalierbare Intelligenz wachse.

Dieser Ansatz markiert einen Paradigmenwechsel in der Startup-Kultur. Anstatt Risikokapital primär in die Rekrutierung von Talenten zu investieren, fließt das Geld direkt in die Nutzung von KI-Kapazitäten. Die Vision ist ein Unternehmen, das mit einer minimalen menschlichen Belegschaft maximale Ergebnisse erzielt, indem es digitale Arbeitseinheiten zukauft. Die Frage bleibt jedoch, ob dieses Modell langfristig rentabel ist, wenn die Preise für diese digitale Intelligenz schneller steigen als die Kosten für qualifiziertes Personal.

Globale IT-Ausgaben erreichen Rekordwerte

Die statistischen Daten stützen die Beobachtungen der Einzelunternehmen. Das Marktforschungsunternehmen Gartner prognostiziert für das Jahr 2026 weltweite IT-Ausgaben in Höhe von 6,31 Billionen US-Dollar. Dies entspricht einer Steigerung von 13,5 % gegenüber dem Vorjahr 2025. Der wesentliche Treiber hinter diesem Wachstum ist die „anhaltende Dynamik“ in den Bereichen KI-Infrastruktur, Software und Cloud-Services.

Diese Investitionswelle umfasst alles vom Aufbau spezialisierter Rechenzentren bis hin zu den laufenden Abonnementgebühren für Enterprise-KI-Lösungen. Da Unternehmen weltweit versuchen, sich durch KI-Integration Wettbewerbsvorteile zu verschaffen, steigen die Preise für die benötigten Ressourcen enorm an. Die Nachfrage nach Token und GPU-Laufzeiten ist so hoch, dass Anbieter wie Anthropic bereits ihre Preisstrukturen angepasst haben, um den Ansturm zu bewältigen und ihre eigenen Betriebskosten zu decken.

Der Druck auf die Rentabilität wächst

Trotz der Euphorie wächst der Druck auf die Unternehmen, die Rentabilität dieser Ausgaben nachzuweisen. Vor allem börsennotierte Konzerne müssen gegenüber ihren Aktionären in den vierteljährlichen Telefonkonferenzen belegen, dass die KI-Investitionen zu echten Produktivitätsgewinnen oder neuen Einnahmequellen führen. Brad Owens, Vice President of Digital Labor Strategy bei Asymbl, beobachtet hierbei einen Stimmungsumschwung. Die Debatte drehe sich zunehmend um die Frage nach dem „wahren Wert“ einer Arbeitskraft, unabhängig davon, ob diese menschlich oder digital ist.

In diesem Wettbewerbsumfeld gewinnt die Effizienz der genutzten Modelle an Bedeutung. Investoren von OpenAI betonen beispielsweise, dass Modelle wie Codex darauf optimiert seien, Token-Ressourcen effizienter zu nutzen als Konkurrenzprodukte wie Claude Code. Da jede gesparte Einheit direkt die Betriebskosten senkt, wird die „Token-Effizienz“ zum neuen Maßstab für die Auswahl von KI-Partnern.

Wenn die KI-Labore ihre Preise weiter anheben und die Rechenkosten nicht sinken, verschiebt sich die wirtschaftliche Grenze, ab der ein menschlicher Mitarbeiter wieder günstiger ist als eine automatisierte KI-Lösung. Unternehmen stehen vor der Herausforderung, ihre KI-Strategien nicht nur technisch, sondern vor allem betriebswirtschaftlich abzusichern, um nicht in eine Kostenfalle zu geraten, in der die digitale Arbeit das gesamte Firmenbudget verschlingt.