---
title: Kosten für Künstliche Intelligenz entziehen sich der unternehmerischen Planung
url: https://www.elseif.net/de/kosten-fur-kunstliche-intelligenz-entziehen-sich-der-unternehmerischen-planung
published: 2026-10-08T11:04:47+00:00
language: de
section: Modelle
source: https://crn.pl/aktualnosci/ai-wymyka-sie-firmowym-kalkulacjom/
organizations: Google, Microsoft Research, University of Stanford, Carnegie Mellon University, University of California in Berkeley
publisher: elseif
---

# Kosten für Künstliche Intelligenz entziehen sich der unternehmerischen Planung

Unternehmen haben Schwierigkeiten, ihre Ausgaben für Künstliche Intelligenz in ihren Budgets zu planen, da die Nutzung von Modellen über Token abgerechnet wird und deren Verbrauch bei bestimmten Aufgaben unvorhersehbar ist.

Ein Bericht zum Zustand der Kostensteuerung bei Künstlicher Intelligenz aus dem Jahr 2026 zeigt, dass nur 11 Prozent von fast 400 untersuchten Firmen in der Lage waren, die Ausgaben für Künstliche Intelligenz präzise zu prognostizieren. Betriebe erkennen daher die Notwendigkeit einer genaueren Kontrolle der Token, welche die Maßeinheiten für die Nutzung der Technologie darstellen.

Die Kostenstruktur unterscheidet sich von traditioneller Software, da die Modelle ähnlich wie Menschen entscheiden und Fehler machen können. Während fortschrittlichere Modelle oft höhere Kosten pro Token verursachen, können sie Aufgaben effizienter erledigen, was die Gesamtkosten senkt. Im Gegensatz dazu kann die Zuweisung einer Aufgabe an ein günstigeres Modell, für das es nicht geeignet ist, zu einem massiven Anstieg der verbrauchten Token führen.

Forscher der University of Stanford, der Carnegie Mellon University, der University of California in Berkeley und von Microsoft Research untersuchten diese Prozesse anhand von über 6800 Aufgaben in Bereichen wie Mathematik, Programmierung und Naturwissenschaften. In 32 Prozent der Fälle erwiesen sich die günstigeren Modelle in der Endabrechnung als teurer als die kostspieligeren Varianten. Lingjiao Chen, einer der Forscher, stellt fest, dass der Preis allein kein Indikator dafür sein sollte, welches Modell tatsächlich günstiger ist.

Ein Beispiel von Google verdeutlicht dies: Das Modell Gemini 3.1 Pro löste eine Analyse eines YouTube-Einzelbildes in 85 Schritten für 1 Dollar. Das günstigere Modell Gemini 3 Flash benötigte fast 1000 Schritte und stürzte schließlich ab, nachdem Token im Wert von 14 Dollar verbraucht worden waren. Google erklärte in einer Stellungnahme, dass Schwankungen auf Abfrageebene naturgegeben seien und die endgültigen Kosten von vielen faktoren der spezifischen Aufgabe abhängen. Das Unternehmen bietet Kunden Ausgabenlimits und flexible Preispläne zur besseren Kontrolle an.

Um hohe Rechnungen zu vermeiden, müssen Firmen Strategien für das Ressourcenmanagement entwickeln, wie etwa die Schulung von Mitarbeitern bei der Auswahl des richtigen Modells für spezifische Aufgaben.