Machen Sie sich keine Sorgen, dass KI Ihnen den Job wegnimmt – nachdem der Chef die Rechnung aufgemacht hat, könnte er feststellen, dass Sie wirtschaftlicher sind.

Eine gute Nachricht: Ihr müsst euch vorerst nicht allzu viele Sorgen machen, dass euch KI den Job kostet.

Denn wenn der Chef die Rechnung begleicht, merkt er vielleicht, dass ihr ein besseres Preis-Leistungs-Verhältnis habt.

Im März dieses Jahres hat Jensen Huang mit dem Satz „Wenn ein Ingenieur, der 500.000 Dollar kostet, nicht jährlich mindestens 250.000 Dollar an Tokens verbraucht, werde ich zutiefst beunruhigt“ das Maß an Absurdität in dieser Welt auf eine neue Stufe gehoben.

Unternehmen begannen, Mitarbeiter dazu anzuhalten, so viele Tokens wie möglich zu verbrauchen – ja, sie nahmen den Token-Verbrauch sogar in die KPI der Mitarbeiter auf.

Vor zwei Monaten hat ein Mitarbeiter eines großen chinesischen Tech-Unternehmens auf Xiaohongshu einen Leak veröffentlicht: Er zeigte die Rangliste des Token-Verbrauchs seiner Abteilung für März und berichtete, dass zukünftig die Übernahme nach der Probezeit, die jährliche Leistungsvergütung und sogar Beförderungen anhand der Token-Verbrauchsdaten entschieden werden sollen.

Auch im Ausland geht es nicht weniger verrückt zu.

Tech-Unternehmen im Silicon Valley haben intern eine Kultur des „Tokenmaxxing“ (Token-Maximierung) eingeführt. Nehmen wir Meta als Beispiel: Mitarbeiter haben selbst ein Dashboard namens Claudeonomics erstellt, um den Token-Verbrauch der rund 85.000 Mitarbeiter des gesamten Unternehmens zu erfassen. Die Daten zeigen: Innerhalb von 30 Tagen hat das gesamte Unternehmen über 60 Billionen Tokens verbraucht.

Sogar Disney, das theoretisch kaum mit Technik zu tun hat, hat im Intranet ein „AI Adoption Dashboard“ eingeführt, um die Nutzung von KI durch Mitarbeiter zu verfolgen.

Nach und nach schlug dieser Trend in eine falsche Richtung um: Der Token-Verbrauch wurde sogar zu einer sozialen Eintrittskarte – wer nicht genug Tokens nutzte, konnte nicht mehr in die entsprechenden Kreise aufgenommen werden.

Alle waren in diesem Wettbewerb voll und ganz aufgegangen.

Es schien, als hätte man von Anfang an vorausgesetzt, dass KI eine perfekte Lösung zur Kostensenkung und Effizienzsteigerung ist – also hieß es ohne weitere Überlegung: Alles auf eine Karte setzen.

Doch als die Rechnung kam, stellte sich heraus, dass die Sache doch nicht so einfach ist... Die „Kostensenkung und Effizienzsteigerung“ wurde zu „Kostensenkung und Heiterkeit“.

Vor einiger Zeit meldete Bloomberg, dass Uber neue Regeln eingeführt hat: Wenn Mitarbeiter verschiedene KI-Programmierwerkzeuge (Anthropics Claude Code oder Cursor) nutzen, gilt ein monatliches Ausgabenlimit von 1500 US-Dollar pro Person und Werkzeug.

Der entscheidende Punkt ist nicht die Höhe des Betrags, sondern dass Uber selbst eine Begrenzung eingeführt hat.

Man muss bedenken: Letzten Dezember hat Uber, um alle mit dem Trend der Zeit Schritt halten zu lassen, großzügig den rund 5000 Ingenieuren im gesamten Unternehmen Zugang zu Claude Code gewährt und intern eine Rangliste erstellt, um die Nutzung zu verfolgen.

Die ursprüngliche Absicht war es, alle dazu zu bringen, den neuen Trend voll zu umarmen – aber noch bevor die Sache richtig angelaufen war, enthüllte der CTO von Uber nach außen, dass das Unternehmen das gesamte Jahresbudget für Claude Code innerhalb von vier Monaten aufgebraucht hat.

Also musste Uber dringende Maßnahmen ergreifen und die Bremse ziehen: Nur in speziellen Geschäftsszenarien, die durch mehrere Genehmigungen freigegeben werden, darf das Limit von 1500 US-Dollar überschritten werden.

Gleichzeitig konnte auch Microsoft nicht länger untätig zusehen.

Sie waren damit beschäftigt, die Claude Code-Lizenzen der Mitarbeiter der E+D-Abteilung (Experience and Devices) zurückzuziehen. Vor dem 30. Juni mussten alle auf Microsofts eigenes Produkt GitHub Copilot CLI umsteigen.

Obwohl offiziell von einer Integration die Rede ist und nach dem Umstieg auf GitHub Copilot weiterhin Modelle von Claude genutzt werden können, berichtete The Verge unter Berufung auf Quellen, dass hierbei auch finanzielle Faktoren eine Rolle spielen.

Denn nach dem 30. Juni beginnt bei Microsoft das neue Geschäftsjahr.

Und neben Microsoft und Uber hat das ausländische Medium Axios noch eine aufsehenerregendere Nachricht veröffentlicht: Ein Unternehmen hat, ohne ein Nutzungslimit für die Claude-Lizenzen seiner Mitarbeiter festzulegen, innerhalb eines einzigen Monats 500 Millionen US-Dollar verbraucht.

Obwohl kein konkretes Unternehmen genannt wurde, ließ dieser Umfang des Token-Verbrauchs die Öffentlichkeit sofort die „Sieben Schwestern des Silicon Valley“ verdächtigen.

Und es kam wie gerufen: Am Tag nach der Veröffentlichung des Axios-Berichts schloss Amazon intern eine KI-Rangliste namens „Kirorank“ – und Führungskräfte riefen aus: „Nicht KI um der KI willen nutzen.“

Daher ist es schwer, nicht zu vermuten, dass Amazon selbst in einem Monat 500 Millionen Dollar verbraucht hat – schließlich war Amazon zuvor sehr aggressiv und hatte verlangt, dass über 80 % der Entwickler KI wöchentlich nutzen, was die Mitarbeiter zu allen möglichen sinnlosen Aktionen veranlasst hat.

Das klassische Goodharts-Gesetz: Wenn ein Maßstab zu einem Ziel wird, hört er auf, ein guter Maßstab zu sein.

Aber zum Glück hat diese Farce um die Token-Verehrung nicht allzu lange angehalten.

Sobald die Rechnungen vorlagen, kamen alle zur Besinnung und erkannten eine grundlegendere Frage: Ist dieses verbrannte Geld eigentlich wertvoll?

Es ist unbestreitbar, dass Unternehmen in der Anfangsphase, als sie die Mitarbeiter ermutigten, frei Tokens zu verbrauchen, auch experimentieren wollten.

Schließlich wusste niemand genau, welchen Wert KI tatsächlich bringen kann – und wenn man echte Ergebnisse gesehen hätte, hätte es nichts ausgemacht, etwas Geld zu investieren.

Aber die Realität sieht oft so aus: Die Tokens fließen wie Wasser aus dem Wasserhahn, doch es lässt sich kaum ein praktischer Geschäftswert erkennen – oder es ist schwer, einen Standard zu finden, um diesen Wert zu messen.

Sogar Andrew Macdonald, COO von Uber, sagte in einem Interview, dass es schwer sei, einen Zusammenhang zwischen „höherem Token-Verbrauch“ und der „Umsetzung neuer Funktionen“ zu finden.

Mit anderen Worten: Der Token-Verbrauch lässt sich nicht direkt mit dem tatsächlichen Nutzwert gleichsetzen.

Wenn KI deine Anfrage liest und versteht, dann denkt und den gewünschten Inhalt generiert – all das verbraucht Tokens. Das bedeutet: Jede Interaktion erzeugt Verbrauch, aber nicht alles, was ausgegeben wird, ist nützlicher Inhalt.

Wenn man das verstanden hat, wirkt die Idee, den „Token-Verbrauch“ als Rangliste zu nutzen, schon etwas merkwürdig.

Das ist wie in einer Redaktion: Wenn die Wortzahl ein wichtiges Kriterium wäre, könnte der Autor endlos lange, inhaltsleere Texte schreiben und sinnlose Füllwörter einfügen, um die Anzahl der Wörter zu erhöhen.

Um die Bewertungsvorgaben zu erfüllen, könnten Mitarbeiter völlig sinnlose Dinge tun: Sie könnten die KI täglich nutzlose, lange Codeabschnitte generieren lassen oder Aufgaben von der KI erledigen lassen, die ein Mensch schneller erledigen könnte.

Am Ende zeigen die Daten, dass der Token-Verbrauch durch die Decke geht und alles hochmodern erscheint – aber möglicherweise wurde kein einziges echtes Geschäftsziel vorangebracht.

MiHoYo hat früher ein Projekt zur Zusammenarbeit mehrerer KI-Agenten gestartet: 13 Stunden lang haben diese Agenten nichts Sinnvolles getan, sondern nur miteinander kommuniziert und sich gegenseitig aufgerufen – und haben in einer Nacht 2 Millionen Yuan verbraucht.

Und das gilt nicht nur auf Unternehmensebene: In Entwickler- und normalen Nutzerkreisen war es eine Zeit lang ein Trend, zu zeigen, wie viele Tokens man verbraucht hat. Es schien, als würde eine höhere Zahl mehr Fähigkeiten und mehr „Geek-Status“ bedeuten.

Aber ehrlich gesagt: Ich habe nur gesehen, wie viele Tokens sie verbrannt haben – die echten Ergebnisse sind mir kaum aufgefallen.

Vor einiger Zeit hat Peter Steinberger, Entwickler von OpenClaw, die Rechnung des Teams über 1,3 Millionen US-Dollar pro Monat veröffentlicht – und wurde von Nutzern dafür kritisiert, dass keine echten Ergebnisse geliefert wurden.

Obwohl Peter antwortete, dass dieser gesamte Verbrauch für OpenClaw verwendet wurde, denke ich mir: Hat OpenClaw eigentlich irgendwelche bahnbrechenden neuen Funktionen erhalten?

Das peinliche Dilemma des heutigen Token-Verbrauchs liegt darin: Er kann nur beweisen, dass das große Sprachmodell arbeitet – aber nicht, dass du es tatsächlich für nützliche Dinge eingesetzt hast.

Das ist wie damals, als manche kritisierten, dass das BIP die tatsächliche wirtschaftliche Situation nicht objektiv genug widerspiegelt – später haben Ökonomen nach und nach weitere ergänzende Messstandards entwickelt.

Solange man also den Zusammenhang zwischen Token-Verbrauch und Ergebnis nicht geklärt hat – oder solange man keinen Maßstab gefunden hat, der den tatsächlichen Nutzwert von KI genau quantifizieren kann – ist das blinde Fördern der KI-Nutzung durch Mitarbeiter nichts anderes, als Geld an die Hersteller von großen Sprachmodellen zu schenken.

Immerhin: Selbst ohne extreme Fälle wie den von MiHoYo rechnet sich diese Rechnung nicht.

Denn KI kann Menschen in dieser Phase nicht vollständig ersetzen – letztendlich ist sie nur eine Unterstützung. Die echten Kosten für Unternehmen bei der Einführung von KI setzen sich also zusammen aus „den Gehältern der Mitarbeiter plus den Kosten für die KI-Rechenleistung“.

Der tatsächliche Arbeitsablauf sieht oft so aus: Ein Mitarbeiter stellt eine Anfrage, die KI generiert eine Reihe erster brauchbarer Ergebnisse – dann muss der Mitarbeiter immer wieder nachbessern und Fehler korrigieren. In diesem Prozess brennen ständig Tokens – und am Ende ist es möglicherweise teurer, als einfach zwei Praktikanten einzustellen.

Am Ende weiß man nicht, ob es günstiger ist, Mitarbeiter zu entlassen oder KI zu nutzen.

Goldman Sachs prognostiziert, dass der globale Token-Verbrauch bis 2030 um das 24-fache gegenüber 2026 steigen und 120 Billioneen pro Monat erreichen wird.

Früher dachte man immer, KI könne einige hochgradig repetitive einfache Arbeitsplätze ersetzen – aber aus Kostensicht sind genau diese einfachen Arbeitsplätze heute sicherer.

Zusammengefasst: In der Branche gibt es allmählich wieder vernünftigere Stimmen, die nicht mehr blind den Token-Verbrauch verfolgen.

Große chinesische Unternehmen wie Tencent haben angeblich bereits begonnen, die Token-Nutzungslimits für ihre Mitarbeiter zu beschränken. Nach den Experimenten in der Anfangsphase erkennen die Leute zunehmend, dass die Nutzung von Tokens mehr Überlegungen zum tatsächlichen Ergebnis erfordert.

Gleichzeitig ändert sich auch die Gebührenlogik einiger SaaS-Unternehmen.

Beispielsweise hat die Marketingplattform Hubspot ab April ihr Preismodell geändert: Statt nach verbrauchten Tokens wird nun nach tatsächlichem Ergebnis berechnet.

Vor kurzem habe ich an einer Veranstaltung in Suzhou teilgenommen. Dort hat Wang Dong, Vizepräsident von Kingsoft Office, eine Ansicht geäußert, die sehr nachdenklich stimmt: Bei der unternehmensweiten Einführung von KI muss man auf „Doppelhoch-Szenarien“ mit hohem Wert und hoher Schwierigkeit setzen.

Einfach gesagt: Man muss das wertvolle Werkzeug dort einsetzen, wo es wirklich