KI-Kosten: 85 Prozent der IT-Entscheider passen Projekte an

Steigende KI-Kosten führen dazu, dass Unternehmen ihre Anwendungen verändern oder einschränken. Laut einer aktuellen Cloudera-Studie haben 85 Prozent der befragten deutschen IT-Führungskräfte entsprechende Anpassungen vorgenommen. International liegt dieser Anteil bei 89 Prozent. Besonders Tokenverbrauch, Inferenzkosten und regulatorische Anforderungen erschweren den wirtschaftlichen Regelbetrieb.

Für IT-Verantwortliche rücken damit nicht nur Modellleistung und Automatisierungspotenzial in den Mittelpunkt. Entscheidend wird, wie viel eine KI-Anwendung tatsächlich kostet und welchen messbaren Nutzen sie liefert. Auch die Wahl der Betriebsumgebung gewinnt an Bedeutung.

Was zeigt die Cloudera-Studie 2026 über KI-Kosten?

Cloudera veröffentlichte die Untersuchung The State of Enterprise AI 2026: The New Rules of Scale Ende Oktober. Das Marktforschungsunternehmen Wakefield Research befragte dafür vom 2. bis 14. September 1.500 IT-Führungskräfte und Entscheider weltweit, mindestens auf Direktorenebene. Darunter waren 360 Teilnehmende aus Deutschland.

Die Ergebnisse zeigen, dass viele Unternehmen ihre KI-Nutzung bereits an steigende Betriebskosten anpassen. In Deutschland betrifft dies 85 Prozent der Befragten, weltweit 89 Prozent.

Allerdings bedeutet eine Anpassung nicht zwangsläufig die Einstellung eines Projekts. 42 Prozent der deutschen Befragten verringerten die Verarbeitungshäufigkeit, die Modellgröße, die Ausgabelänge oder den Kontextumfang. In der Region EMEA haben dagegen 25 Prozent Projekte tatsächlich pausiert oder gestrichen.

Die herstellerbeauftragte Befragung beschreibt Entscheidungen der teilnehmenden Führungskräfte. Sie ist keine repräsentative Bestandsaufnahme sämtlicher deutscher Unternehmen.

Warum steigen die Kosten produktiver KI-Anwendungen?

Bei generativer KI entstehen laufende Kosten häufig durch die Verarbeitung von Tokens. Diese Einheiten bilden die Grundlage für die Abrechnung vieler Sprachmodell-APIs.

Je mehr Anfragen eine Anwendung verarbeitet, desto stärker kann der Verbrauch steigen. Lange Eingaben, umfangreiche Antworten und zusätzliche Modellaufrufe erhöhen die Kosten weiter.

Besonders deutlich wird dies beim Übergang vom Pilotprojekt zum Regelbetrieb. Während zunächst wenige Beschäftigte eine Anwendung testen, greifen später möglicherweise ganze Abteilungen darauf zu.

Bei komplexen KI-Agenten kommen weitere Arbeitsschritte hinzu. Sie können Werkzeuge aufrufen, Informationen abrufen und mehrere Modellanfragen miteinander verbinden.

Damit genügt es nicht, ausschließlich den Preis pro Million Tokens zu vergleichen. Unternehmen müssen die gesamten Kosten eines Geschäftsprozesses betrachten.

Welche Unterschiede zwischen externen KI-Diensten und selbst betriebener Infrastruktur bestehen, erläutert IT-Dock im Beitrag über Cloud AI im Unternehmen.

Warum verlagern Unternehmen KI-Workloads?

Laut der deutschen Studienauswertung haben 45 Prozent der Befragten KI-Workloads in andere Betriebsumgebungen verlagert. Dazu gehören beispielsweise Private Clouds und lokale Plattformen.

Solche Entscheidungen können wirtschaftliche, technische oder regulatorische Gründe haben. In EMEA nennen 42 Prozent die Ausfallsicherheit als Grund für den Betrieb über mehrere Umgebungen hinweg, 41 Prozent Souveränitäts- und Standortanforderungen, 38 Prozent die Kostensenkung und 37 Prozent die Nähe zu den Daten.

Eine lokale Bereitstellung kann bei gleichmäßiger hoher Auslastung sinnvoll sein. Allerdings entstehen dafür eigene Kosten für Hardware, Strom, Wartung und Fachpersonal.

Cloud-Dienste ermöglichen dagegen häufig einen flexibleren Einstieg. Bei dauerhaft hohen Anfragevolumina können nutzungsabhängige Entgelte erheblich werden.

Ein Wechsel zwischen den Betriebsmodellen ist zudem nicht immer unkompliziert. 58 Prozent der EMEA-Befragten räumen ein, dass eine Verlagerung zwischen Clouds oder auf lokale Plattformen kostspielige Anpassungen an den Anwendungen erfordert.

Grundlegende Auswahlkriterien beschreibt der IT-Dock-Leitfaden zur Migration von IT-Infrastruktur.

Wie beeinflussen Governance und Compliance die KI-Kosten?

Neben dem finanziellen Aufwand nennt die Studie organisatorische Hindernisse. In Deutschland sehen 73 Prozent der Befragten Governance und Compliance als wesentliche Hürden bei der Skalierung.

Dazu gehören Anforderungen an Datenschutz, Zugriffsrechte, Nachvollziehbarkeit und den Speicherort geschäftlicher Daten. In EMEA geben 82 Prozent an, dass Vorgaben zu Datenstandort, Souveränität oder Rechtsraum darüber entscheiden, wo KI-Workloads laufen.

Dieser Aufwand schlägt messbar durch: 49 Prozent der EMEA-Befragten berichten, dass die Compliance-Kosten schneller gestiegen sind als erwartet.

Solche Kontrollen verursachen also zusätzlichen Aufwand, können aber zugleich betriebliche Risiken begrenzen. Unternehmen benötigen beispielsweise klare Verantwortlichkeiten und überprüfbare Regeln für den Einsatz sensibler Informationen.

Auch die Infrastrukturwahl hängt davon ab. Ein günstiger KI-Dienst ist nicht automatisch geeignet, wenn Datenstandort oder Sicherheitsanforderungen nicht passen.

Die wirtschaftliche Bewertung sollte deshalb Kosten, Risiken und rechtliche Anforderungen gemeinsam berücksichtigen.

Wie können IT-Verantwortliche die KI-Kosten kontrollieren?

Unternehmen sollten KI-Anwendungen nicht nur anhand ihrer technischen Leistungsfähigkeit bewerten. Für den laufenden Betrieb sind transparente Verbrauchsdaten und konkrete Wirtschaftlichkeitsziele erforderlich.

Fünf Maßnahmen bieten sich an:

1. Kosten pro Anwendungsfall messen: Tokenverbrauch, API-Aufrufe und Infrastrukturkosten einzelnen Geschäftsprozessen zuordnen.
2. Budgets und Nutzungsgrenzen festlegen: Ungewöhnliche Verbrauchsspitzen früh erkennen und begrenzen.
3. Modellgrößen überprüfen: Für einfache Aufgaben kleinere, wirtschaftlichere Modelle testen.
4. Wiederholte Anfragen reduzieren: Caching und kürzere Eingabekontexte nutzen, sofern die Ergebnisqualität erhalten bleibt.
5. Geschäftsnutzen nachweisen: Zeitersparnis, Qualität und Prozesskosten regelmäßig gegen die laufenden Ausgaben rechnen.

Die Cloudera-Ergebnisse unterstreichen, wie wichtig diese Kontrolle ist. 45 Prozent der deutschen Befragten nennen Token- und Inferenzkosten ausdrücklich als Hemmnis beim Ausbau ihrer KI-Anwendungen.

Rückblickend würden die Befragten weltweit vor allem früher ansetzen: 49 Prozent würden die Governance von Anfang an stärker aufstellen, 46 Prozent früher in Datenqualität investieren und jeweils 45 Prozent die Infrastruktur eher modernisieren beziehungsweise mehr in Schulungen stecken.

Lohnen sich KI-Projekte wirtschaftlich?

Steigende KI-Kosten bedeuten nicht, dass KI-Projekte grundsätzlich unrentabel sind. In der deutschen Befragung sehen 61 Prozent Kosten und Nutzen ungefähr im Gleichgewicht. Weitere 21 Prozent berichten von einem Nutzen, der die Kosten übersteigt.

Entscheidend ist deshalb, Anwendungen regelmäßig anzupassen und ihren tatsächlichen Beitrag zum Geschäftsergebnis zu prüfen.

Quellen:
Cloudera, The State of Enterprise AI 2026: The New Rules of Scale, Befragung durch Wakefield Research, 27.10.2026
MIT-Blog, Tokenkosten bremsen KI: deutsche Teilstichprobe, 01.11.2026
IT-Online, Enterprises forced to redesign AI projects, 28.10.2026
Technology Reseller, 89% have scaled back or redesigned AI plans, 30.10.2026