Was KI im Unternehmen wirklich kostet

Wenn Unternehmen KI einführen, ist die erste Zahl, die auf den Tisch kommt, meistens eine Lizenzgebühr. Pro Nutzer, pro Monat, vielleicht mit einem Jahresrabatt. Es klingt überschaubar. Die Entscheidung fällt schnell, das Budget steht, der Rollout beginnt.

Dann vergehen ein paar Monate. Die Nutzung steigt. Neue Abteilungen wollen Zugang. Und plötzlich sieht die Rechnung anders aus als geplant. Nicht, weil sich der Preis geändert hat: sondern weil die eigentlichen Kosten nie auf dem ersten Angebot standen.

Was auf keiner Lizenzrechnung steht

Die sichtbaren Kosten von KI sind selten das Problem. Es sind die unsichtbaren. Und die verteilen sich auf Stellen, die in keiner klassischen IT-Budgetplanung auftauchen.

Token-Verbrauch und nutzungsbasierte Abrechnung. Viele KI-Dienste rechnen pro Anfrage, pro Token, pro generiertem Zeichen ab. Das klingt harmlos, solange ein Team drei Prompts am Tag schreibt. Aber wenn ein Assistent in der Kundenbetreuung tausend Anfragen pro Woche verarbeitet, sieht die Monatsrechnung anders aus. Das eigentliche Problem ist die fehlende Vorhersagbarkeit. Niemand weiß im Voraus, wie viel eine Abteilung verbrauchen wird. Und wenn die erste Quartalsrechnung kommt, ist das Budget oft schon überschritten.

Integrationsaufwand. KI-Tools arbeiten selten isoliert. Sie brauchen Schnittstellen zu bestehenden Systemen: CRM, ERP, Dokumentenmanagement, Intranet. Jede dieser Anbindungen kostet Zeit, oft externe Beratung und fast immer mehr als geplant. Besonders teuer wird es, wenn die bestehende IT-Landschaft nicht auf solche Integrationen vorbereitet ist. Dann braucht es Middleware, API-Gateways oder manuelle Workarounds, die auf Dauer niemand pflegen will.

Schulung und Begleitung. Ein Tool einzuführen ist nicht dasselbe wie ein Tool nutzbar zu machen. Mitarbeitende brauchen Zeit, um neue Werkzeuge zu verstehen. Technisch und methodisch: Wann setze ich KI ein? Wann nicht? Was darf ich eingeben? Was nicht? Diese Fragen beantworten sich nicht von selbst. Und die Zeit, die Teams für Ausprobieren, Nachfragen und Unsicherheit aufwenden, taucht in keiner Kostenaufstellung auf: obwohl sie real ist.

Governance und Compliance. Sobald KI im Unternehmen läuft, stellt sich die Frage nach Verantwortung. Wer prüft die Ergebnisse? Wer haftet, wenn etwas schiefgeht? Wer dokumentiert, welche Daten wo verarbeitet werden? In regulierten Branchen kommen Anforderungen aus DSGVO und EU AI Act hinzu. All das braucht Prozesse, Rollen und oft auch juristische Beratung. Kosten, die in der ursprünglichen Business-Case-Rechnung selten vorkommen.

Das Phänomen Schatten-KI

Neben den geplanten Kosten gibt es eine Kategorie, die noch schwerer zu fassen ist: die ungeplanten. In vielen Unternehmen nutzen Mitarbeitende längst KI-Tools, die niemand offiziell eingeführt hat. Ein privater ChatGPT-Account hier, ein Bildgenerator dort, eine KI-gestützte Übersetzung über den Browser. Das passiert nicht aus böser Absicht. Es passiert, weil die offiziellen Lösungen zu langsam kommen, zu eingeschränkt sind oder gar nicht existieren.

Die Kosten dieser Schatten-KI sind dreifach. Erstens: direkte Ausgaben, die das Unternehmen nicht sieht. Zweitens: Sicherheitsrisiken, weil Unternehmensdaten in Tools fließen, die nicht geprüft sind. Drittens: eine fragmentierte Nutzungslandschaft, in der jede Abteilung eigene Lösungen hat und niemand den Überblick behält.

Schatten-KI ist dabei kein Randphänomen. In Organisationen ohne zentrale KI-Lösung ist sie der Normalzustand. Und sie wächst mit jedem Monat, in dem keine offizielle Alternative bereitsteht. Die Kosten zeigen sich in Sicherheitsvorfällen, in doppelten Abonnements und in einer IT-Landschaft, die mit jedem unkontrollierten Tool komplexer wird.

Warum klassische Budgetplanung versagt

Das eigentliche Problem ist nicht, dass KI teuer ist. Es ist, dass die Kosten sich anders verteilen als bei klassischer Software. Traditionelle IT-Budgets sind auf feste Lizenzgebühren, einmalige Implementierungskosten und planbare Wartungsverträge ausgelegt. KI bricht dieses Modell auf mehreren Ebenen.

Die Nutzung ist elastisch. Sie steigt mit dem Erfolg. Je besser ein Tool funktioniert, desto mehr wird es genutzt, desto höher die Kosten. Das ist ein Mechanismus, den es bei einer Office-Lizenz nicht gibt. Die Kosten sind verteilt. Sie entstehen in der IT ebenso wie in jeder anderen Abteilung, die KI nutzt. Marketing zahlt für andere Modelle als Legal, und der Kundenservice hat andere Verbrauchsmuster als die Produktentwicklung. Die Kosten verändern sich: neue Modelle, neue Preismodelle, neue Anbieter. Was heute günstig ist, kann in sechs Monaten teurer sein, weil der Anbieter seine Pricing-Strategie ändert.

Viele Finanzabteilungen stehen deshalb vor einem Dilemma. Sie sollen KI-Budgets freigeben, aber die üblichen Planungsinstrumente greifen nicht. Jahresbudgets werden von der Dynamik der Nutzung überholt. Abteilungsbudgets bilden nicht ab, dass ein zentrales Tool von allen genutzt wird. Und Kostenvergleiche zwischen Anbietern sind kaum möglich, weil jeder anders abrechnet.

Der Faktor Zeit

Ein Kostenfaktor, der fast nie in Kalkulationen auftaucht, ist die Zeit zwischen Entscheidung und produktivem Einsatz. Unternehmen, die eine eigene Lösung evaluieren, vergehen oft Monate mit Pilotprojekten, Sicherheitsbewertungen und internen Abstimmungen. In dieser Zeit arbeiten Teams entweder ohne KI. Oder mit Schatten-Tools. Beides kostet.

Die Zeit bis zur produktiven Nutzung ist ein versteckter Posten, der in keinem Angebot steht. Er zeigt sich erst im Rückblick, wenn klar wird, wie viel Produktivität in der Übergangsphase verloren ging. Organisationen, die schnell eine sichere Grundlage schaffen, vermeiden diesen Posten: weil sie auf einer Infrastruktur aufbauen, die bereits existiert.

Was Organisationen anders machen können

Unternehmen, die ihre KI-Kosten im Griff haben, machen in der Regel drei Dinge anders als der Rest.

Sie schaffen Transparenz über den tatsächlichen Verbrauch. Das klingt selbstverständlich, ist es in der Praxis selten. In den meisten Organisationen weiß niemand genau, wie viele KI-Tools im Einsatz sind, wer sie nutzt und was sie kosten. Der erste Schritt ist ein Überblick: als laufender Prozess, der über ein einmaliges Audit hinausgeht. Dashboards, die zeigen, welches Team welches Modell wie intensiv nutzt, gehören zur Grundausstattung. Sie sind die Grundlage für jede weitere Entscheidung.

Sie zentralisieren den Zugang. Wenn jede Abteilung eigene Tools beschafft, entstehen Parallelstrukturen, doppelte Kosten und Governance-Lücken. Eine zentrale Plattform, über die alle Teams auf KI zugreifen, schafft Überblick, reduziert Redundanz und macht Verbrauch steuerbar. Das bedeutet nicht, dass alle dasselbe tun müssen: aber alle sollten es im selben System tun.

Sie planen Kosten als laufende Größe. KI-Kosten sind kein Einmalprojekt. Sie sind ein operativer Posten, der sich mit der Nutzung verändert. Wer das akzeptiert und entsprechende Reporting-Strukturen aufbaut, wird weniger überrascht als Organisationen, die einmal im Jahr ein Budget freigeben und dann hoffen, dass es reicht.

Preismodelle verstehen, bevor man unterschreibt

Ein unterschätzter Aspekt der Kostenplanung ist das Verständnis der Preismodelle selbst. Manche Anbieter rechnen pro Nutzer ab, andere pro Verbrauch, wieder andere kombinieren beides. Manche staffeln nach Funktionsumfang, manche nach Teamgröße. Es gibt Modelle mit Token-Limits, Modelle mit Fair-Use-Klauseln und Modelle, bei denen der günstige Einstiegspreis nur die Basisversion abdeckt.

Für Organisationen bedeutet das: Bevor ein Vertrag unterschrieben wird, muss klar sein, wie sich die Kosten bei steigender Nutzung entwickeln. Entscheidend ist der Preis in Monat zwölf, wenn drei Abteilungen das Tool nutzen und die Anfragen sich verdreifacht haben. Plattformen mit transparenter, pauschalbasierter Abrechnung, etwa nach Teamgröße statt pro Nutzer: bieten hier Planungssicherheit, die nutzungsbasierte Modelle nicht liefern können.

Struktur schlägt Sparen

Die Frage ist am Ende nicht, ob KI sich lohnt. Für die meisten Unternehmen tut sie das: wenn die Nutzung strukturiert und die Kosten sichtbar sind. Das Problem entsteht dort, wo beides fehlt: wo Teams im Dunkeln arbeiten, wo Rechnungen überraschen und wo niemand sagen kann, ob sich eine Investition auszahlt oder nicht.

Organisationen, die KI-Nutzung über eine gemeinsame Plattform mit transparentem Kostentracking steuern, können fundiert entscheiden, statt zu reagieren. Sie sehen was ein Modell kostet und was es bringt. Und genau das ist die Grundlage, auf der sich KI langfristig wirtschaftlich betreiben lässt.

Der Unterschied zwischen günstig und wirtschaftlich

Es gibt eine Unterscheidung, die in KI-Budgetdiskussionen fast immer fehlt: die zwischen günstig und wirtschaftlich. Günstig bedeutet, möglichst wenig auszugeben. Wirtschaftlich bedeutet, möglichst viel Wirkung pro eingesetztem Euro zu erzielen.

Ein Tool, das zehn Euro pro Nutzer und Monat kostet, ist günstig. Aber wenn es nur von der Hälfte des Teams genutzt wird, weil die Oberfläche umständlich ist oder der Funktionsumfang nicht zum Arbeitsalltag passt, ist es nicht wirtschaftlich. Ein Tool, das dreißig Euro kostet, aber von allen genutzt wird und messbar Zeit spart, ist wirtschaftlicher: auch wenn es auf dem Papier teurer aussieht.

Diese Unterscheidung erfordert ein Denken jenseits der reinen Kostenminimierung. Es geht darum, das Tool zu finden, dessen Kosten im Verhältnis zum Nutzen stehen. Und dafür braucht es Transparenz auf beiden Seiten: Was kostet das Tool tatsächlich. Und was bringt es tatsächlich?

Viele Organisationen messen nur die Kosten, aber nicht den Nutzen. Sie wissen, wie viel sie für KI ausgeben, aber nicht, wie viel Zeit gespart, wie viele Prozesse beschleunigt oder wie viele Fehler vermieden wurden. Ohne diese Gegenrechnung bleibt jede Kostendiskussion einseitig.

KI-Kosten als Führungsaufgabe

Die Verantwortung für KI-Kosten liegt selten dort, wo sie hingehört. In vielen Organisationen ist sie ein IT-Thema: obwohl die Nutzung quer durch das Unternehmen läuft. Marketing hat andere Anforderungen als Legal, der Kundenservice andere als die Produktentwicklung. Wenn die IT allein über Budgets und Tools entscheidet, entstehen Lösungen, die technisch sauber, aber für den Arbeitsalltag unpassend sind.

KI-Kosten sind in Wahrheit ein Führungsthema. Sie erfordern Entscheidungen über Prioritäten, über Nutzungsziele und über die Frage, welchen Stellenwert KI in der Gesamtstrategie einnimmt. Organisationen, die diese Entscheidungen auf C-Level verankern: als strategische Weichenstellung , haben eine bessere Grundlage für jede Budget-Diskussion.

Denn am Ende lautet die entscheidende Frage: Was kostet es uns, KI gar erst einzusetzen?