KI sollte Arbeit günstiger machen. Stattdessen erhalten immer mehr Unternehmen Rechnungen, die selbst ihre eigenen Manager nicht mehr mit einem klaren Nutzen erklären können. Der Grund liegt tiefer als in der Technologie, und er entscheidet darüber, ob sich KI am Ende rechnet oder nicht.
Zani ist Senior Speaker und Leadership-Experte.
Bevor er zu zu JENEWEIN kam, war er in der Finanzbranche tätig.
Ich glaube, die grösste Überraschung der aktuellen KI-Welle sind im Moment nicht die technologischen Durchbrüche, sondern die Rechnungen, die viele Unternehmen erhalten.
Noch vor kurzer Zeit war die Erwartung relativ klar. Künstliche Intelligenz sollte Routineaufgaben übernehmen, Prozesse beschleunigen und dadurch Kosten senken. Viele Führungskräfte gingen davon aus, dass sich die Investitionen schnell auszahlen würden und dass KI vor allem dabei helfen könnte, menschliche Arbeit effizienter zu machen oder teilweise zu ersetzen.
Inzwischen zeigt sich jedoch ein deutlich differenzierteres Bild. Die Ausgaben steigen in vielen Unternehmen schneller als erwartet, während der konkrete wirtschaftliche Nutzen oft nur schwer zu beziffern ist.
«Die Frage ist nicht nur, ob KI Potenzial hat, sondern wann dieses tatsächlich wirksam wird und unter welchen Bedingungen daraus ein messbarer wirtschaftlicher Mehrwert entsteht.»
Und plötzlich war das KI-Budget für 2026 im April schon aufgebraucht
Ein Beispiel dafür ist Uber. Wie TechCrunch berichtet, war das KI-Budget des Unternehmens für das gesamte Jahr 2026 bereits nach vier Monaten aufgebraucht. Besonders eindrücklich ist der Fall eines Managers, dessen zweistündige Programmier-Session mit Unterstützung eines KI-Modells Kosten von rund 1.200 US-Dollar verursacht haben soll. Uber reagierte darauf, indem die Ausgaben pro Mitarbeitendem begrenzt wurden.
Auch in Europa zeigen sich ähnliche Entwicklungen. Das Dortmunder IT-Unternehmen Adesso gibt laut Handelsblatt inzwischen jeden Monat einen sechsstelligen Betrag für KI-Anwendungen aus. Gleichzeitig hat sich der Token-Verbrauch seit Dezember 2025 verhundertfacht. Token sind vereinfacht gesagt die Abrechnungseinheit moderner Sprachmodelle. Je häufiger und umfangreicher diese Systeme genutzt werden, desto höher fallen die laufenden Kosten aus.
Warum sich das Kostenproblem nicht von selbst löst
Das Kostenproblem dürfte sich zudem nicht automatisch auflösen. Zwar erwartet Gartner, dass die Kosten für reine Rechenleistung bis 2030 deutlich sinken werden. Gleichzeitig werden die Modelle aber immer komplexer. Agentische KI-Systeme bearbeiten Aufgaben in mehreren Schritten, greifen auf verschiedene Werkzeuge zu und benötigen dadurch wesentlich mehr Rechenleistung als frühere Anwendungen. Was pro Einheit günstiger wird, kann in der Summe trotzdem teurer werden.
Hinzu kommen die enormen Investitionen in Infrastruktur. Unternehmen wie Amazon investieren Hunderte Milliarden Dollar in neue Rechenzentren, für 2026 sind es rund 200 Milliarden. Diese Kosten müssen langfristig refinanziert werden und werden sich deshalb auch in den Preisen für KI-Dienstleistungen widerspiegeln.
Die zentrale Frage lautet deshalb nicht mehr nur, ob KI grundsätzlich Potenzial hat. Entscheidend ist, wann dieses Potenzial tatsächlich wirksam wird und unter welchen Bedingungen daraus ein messbarer wirtschaftlicher Mehrwert entsteht.
«Am Ende entscheidet sich die Rendite von KI in den Prozessen, im Urteilsvermögen der Menschen und vor allem in der Kultur.»
Amara’s Law: kurzfristig überschätzt, langfristig unterschätzt
An dieser Stelle hilft Amara’s Law, die aktuelle Situation besser zu verstehen. Der Zukunftsforscher Roy Amara formulierte bereits in den 1970er-Jahren die These, dass wir die Auswirkungen neuer Technologien kurzfristig überschätzen und langfristig unterschätzen.
Genau dieses Muster sehen wir heute bei KI. Kurzfristig wurde vielerorts erwartet, dass die Technologie sehr schnell enorme Produktivitätsgewinne erzeugt, grosse Teile der Wissensarbeit übernimmt und unmittelbar Kosten reduziert. Diese Erwartungen waren wahrscheinlich zu hoch und kamen zu früh.
Langfristig ist das Potenzial von KI trotzdem gewaltig. Ich bin überzeugt, dass sie unsere Arbeitswelt, unsere Prozesse und wahrscheinlich auch ganze Geschäftsmodelle grundlegend verändern wird. Der Fehler besteht deshalb nicht darin, an dieses Potenzial zu glauben. Der Fehler besteht darin, anzunehmen, dass dieser langfristige Zustand bereits heute erreicht ist.
Viele Unternehmen verfügen inzwischen über leistungsfähige Modelle, aber noch nicht über die nötigen Prozesse, Kompetenzen und Strukturen, um sie sinnvoll einzusetzen. Genau daraus entsteht die Lücke zwischen technologischer Möglichkeit und wirtschaftlichem Nutzen.
Wenn kaum jemand weiss, wie das Invest versiegt
Das zeigt sich besonders deutlich bei der Kostentransparenz. Laut einer internationalen KPMG-Studie verfügen lediglich 35 Prozent der Unternehmen über vollständige Transparenz darüber, wie viel sie tatsächlich für KI ausgeben. Gleichzeitig hat rund die Hälfte der Unternehmen bereits einzelne Initiativen reduziert oder gestoppt, weil die Kosten den erwarteten Nutzen überstiegen.
Die häufigste Reaktion darauf sind Limits. Budgets werden gedeckelt, Mitarbeitende erhalten Token-Obergrenzen oder der Zugang zu leistungsfähigeren Modellen wird eingeschränkt. Solche Massnahmen können kurzfristig sinnvoll sein, weil sie die Ausgaben kontrollieren. Sie lösen aber nicht das eigentliche Problem.
Denn die entscheidende Frage lautet nicht, wie viel KI ein Unternehmen nutzt. Entscheidend ist, wofür sie eingesetzt wird und ob dadurch tatsächlich Wert entsteht.
Selbst im Silicon Valley tut man sich schwer, den Nutzen zu beziffern
Eine bemerkenswert offene Einschätzung kommt von Uber: COO Andrew Macdonald sagte, dass er den Zusammenhang zwischen den steigenden KI-Ausgaben und einem klaren Kundennutzen bisher nicht herstellen könne. Seine Aussage war entsprechend deutlich: «That link is not there yet.»
Vielleicht liegt genau darin die wichtigste Erkenntnis. Technologie schafft nicht automatisch Wert. Sie entfaltet ihren Nutzen erst dann, wenn eine Organisation weiss, wo sie sinnvoll eingesetzt wird und wie sie in bestehende Arbeitsweisen integriert werden kann.
Was der Fall Klarna verrät
Der schwedische Zahlungsanbieter Klarna ersetzte rund 700 Stellen im Kundenservice durch KI. Später begann Klarna wieder, Menschen einzustellen. CEO Sebastian Siemiatkowski räumte selbstkritisch ein: «We went too far.» Die Systeme arbeiteten zwar schneller, gleichzeitig sank jedoch die Qualität der Antworten und die Kundenzufriedenheit litt.
Dieses Beispiel zeigt, dass KI Menschen nicht einfach ersetzt. Sie verändert vielmehr die Art, wie Menschen arbeiten. Genau deshalb entscheidet sich ihr wirtschaftlicher Erfolg nicht allein an der Qualität der Modelle, sondern daran, wie gut eine Organisation diese Modelle in ihre Prozesse, Entscheidungen und tägliche Zusammenarbeit integriert.
Die eigentliche Lücke ist eine Learning Gap
Zu einem ähnlichen Schluss kommt eine viel zitierte Untersuchung des MIT. Sie zeigt, dass rund 95 Prozent aller KI-Pilotprojekte keinen messbaren Return on Investment erzielen. Bemerkenswert ist jedoch der Grund. Die Forschenden machen nicht primär die Leistungsfähigkeit der Modelle verantwortlich. Sie sprechen vielmehr von einer «Learning Gap», also einer Lücke zwischen der vorhandenen Technologie und der Fähigkeit der Organisation, sie sinnvoll zu nutzen.
Die wenigen Unternehmen, bei denen KI bereits heute einen klaren wirtschaftlichen Mehrwert erzeugt, verfügen deshalb nicht zwangsläufig über bessere Modelle. Sie verfügen vor allem über eine bessere Art, mit diesen Modellen zu arbeiten.
Genau hier wird Kultur zu einer betriebswirtschaftlichen Grösse
Der erste entscheidende Faktor ist Urteilsvermögen. Nicht jede Aufgabe benötigt das leistungsfähigste und teuerste Modell. Mitarbeitende müssen unterscheiden können, wann KI echten Mehrwert schafft und wann einfache Werkzeuge ausreichen. Wer Kosten nur über Verbote und Limiten steuert, behandelt das Symptom. Wer in Kompetenz investiert, verändert die Qualität der Nutzung.
Der zweite Faktor ist der Umgang mit Wissen. Unternehmen, die KI vor allem als Instrument zum Personalabbau betrachten, riskieren den Verlust von Erfahrung, Kontext und implizitem Wissen. Dieses Wissen steht häufig in keiner Datenbank. Es steckt in den Köpfen der Menschen, in ihren Beziehungen und in ihrer Fähigkeit, Situationen richtig einzuschätzen.
Der dritte Faktor ist Vertrauen. Wenn Mitarbeitende KI hauptsächlich als verstecktes Sparprogramm erleben, entsteht Unsicherheit. Menschen nutzen die Technologie dann defensiv, vermeiden Experimente oder schützen ihre eigenen Aufgabenbereiche. Wenn KI dagegen als Werkzeug verstanden wird, das menschliche Fähigkeiten erweitert, steigt die Bereitschaft, neue Anwendungen zu testen und die eigene Arbeitsweise weiterzuentwickeln.
Machen Sie den ersten Schritt!
Die Managementaufgabe der kommenden Jahre
Für das Management bedeutet das: Es geht nicht darum, möglichst schnell möglichst viel KI einzukaufen. Es geht darum, eine Organisation aufzubauen, die weiss, wo KI sinnvoll ist, welche Fähigkeiten sie ergänzt und wo menschliches Urteilsvermögen unverzichtbar bleibt.
Amara’s Law erinnert uns daran, gleichzeitig geduldig und ambitioniert zu bleiben. Kurzfristig sollten wir die Wirkung von KI realistischer einschätzen und nicht erwarten, dass jede Investition sofort Produktivität erzeugt. Langfristig dürfen wir ihr Potenzial aber ebenso wenig unterschätzen.
Die entscheidende Frage lautet deshalb nicht, ob KI unsere Unternehmen verändern wird. Das wird sie sehr wahrscheinlich tun. Die Frage lautet, ob unsere Organisationen schnell genug lernen, um aus technologischem Potenzial tatsächlich wirtschaftlichen Wert zu machen.
Denn am Ende entscheidet sich die Rendite von KI nicht nur im Rechenzentrum. Sie entscheidet sich in den Prozessen, im Urteilsvermögen der Menschen und vor allem in der Kultur.