**Große Unternehmen drehen ihre AI-Strategien erneut um – Super-Individuen sind nicht mehr „super“**

Zusammenfassung der Kerninhalte

Von Anfang des Jahres, als große chinesische und amerikanische Unternehmen die „zwingende Verteilung von AI-Ressourcen“ sowie den Wettbewerb um die Tokenverbrauchsmenge forderten, bis hin zu aktuellen Maßnahmen zur Beschränkung des Tokenverbrauchs und einer genaueren Kostenkontrolle, scheint es, als hätten sich die Politikrichtlinien um 180 Grad geändert. In Wirklichkeit handelt es sich jedoch um einen Wandel in der Herangehensweise an AI – von einer „technischen Überzeugung“ hin zu einer „geschäftlichen Logik“. Unternehmen haben festgestellt, dass die Investitionen in AI (Tokenkosten, versteckte Kosten) deutlich höher sind als die tatsächlichen Erträge. Zudem ist der Mythos vom „Superindividuum“, das mit AI große Veränderungen bewirken kann, aufgrund von Kosten- und Risikoproblemen kaum umsetzbar. Daher entscheiden sich Unternehmen dafür, den Einsatz von AI stärker zu regulieren und zu optimieren.

Detaillierte Analyse

#### 1. Mehr Tokenverbrauch bedeutet nicht unbedingt höhere Effizienz

Früher betrachteten große Unternehmen die Tokenverbrauchsmenge als wichtigen Kennzahlen (KPI) und glaubten, dass mehr AI-Einsatz gleichzeitig mehr Innovation und höhere Effizienz bedeutete. Doch dies stellte sich als Illusion heraus: Um Aufgaben zu erfüllen, ließen Mitarbeiter AI lange, sinnlose Texte erstellen oder wiederholten sich in der Codeerstellung – was zu deutlich erhöhten Tokenkosten führte, ohne dass es zu einer signifikanten Verbesserung der Unternehmensergebnisse kam.

Beispiele: Microsofts früheres Tool Copilot verursachte hohe Rechenkosten für die Nutzer; ein SaaS-Unternehmen bot kostenlos AI-Funktionen an, doch die Nutzer nutzten diese, um kurze Memos in ausführliche Planungen zu verwandeln – was zu täglichen Kosten von 8 Dollar pro Nutzer führte (240 Dollar monatlich). Nach zwei Monaten stiegen die Rechenkosten auf 160.000 Dollar und das Unternehmen ging bankrott.

Studien von Stanford und MIT zeigen, dass nur bei 5 Prozent der AI-Projekte messbare finanzielle Vorteile erzielt wurden.

#### 2. Fehler des AI-Systems müssen bezahlt werden – die versteckten Kosten

Die Tokenkosten sind nur die Spitze des Eisbergs; weitaus höher sind die Kosten, die durch Fehlverhalten des AI-Systems entstehen (z. B. Kundenbeschwerden oder öffentliche Krisen).

Beispiel: Die AI-Kundenbetreuung von Air Canada versprach, dass bei verlorenen Flügen der Preis erstattet wird; ein Passagier glaubte dem und kaufte ein Ticket, wurde jedoch abgewiesen und klagte. Das Unternehmen argumentierte, das AI-System sei eine eigenständige juristische Entität – doch das Gericht entschied gegen Air Canada. Auch bei DPD führten Fehler des AI-Systems zu großen Problemen (z. B. Beleidigungen durch den AI-Betreuer), was zum sofortigen Ausschalten des Systems führte.

Diese versteckten Kosten (Entschädigungen, Öffentlichkeitsarbeit, Reparaturen) sind viel höher als die eingesparten Personalkosten. Unternehmen müssen daher zusätzliche Ressourcen in Compliance-Teams investieren, um potenzielle Probleme zu verhindern.

#### 3. AI ist eigentlich teurer als Menschen

Viele glauben, dass AI billiger ist als menschliches Arbeitskapital – doch das stimmt nicht. Ein Mensch benötigt nur etwas Essen und Kaffee, um den ganzen Tag lang komplexe Aufgaben zu erledigen; der AI-Transformer-Architektur hingegen macht jede Interaktion sehr aufwendig:

• Aufmerksamkeitsprozesse: Für die Verarbeitung von 100 Wörtern muss das System jedes Wort mit allen vorherigen Worten vergleichen – je mehr Wörter, desto mehr Rechenleistung ist erforderlich.
• Zeitintensiver Generationsprozess: Jedes Antwortwort wird einzeln erzeugt; dazu muss das gesamte Gespräch noch einmal durchgesehen werden.
• Ressourcenverbrauch: Bei jedem AI-Einsatz müssen Milliarden von Daten aus dem Festplattenlaufwerk in den Arbeitsspeicher übertragen werden.

In ernsten Situationen (z. B. Vertragsschließungen, Compliance-Anforderungen) sind die Kosten für Fehler des AI-Systems sowie die Aufwendungen für Compliance-Teams höher als der direkte Einsatz von Menschen. CFOs stellen fest: Der blindere Einsatz von AI ist oft nicht rentabel.

#### 4. Der Mythos vom Superindividuum

Früher wurde behauptet, dass AI es ermöglichen würde, eine ganze Mannschaft zu ersetzen; heute zeigt sich, dass dies ein Trugschluss ist:

• Die Arbeitsteilung hat nicht aufgehört – im Gegenteil: Es werden höhere Kosten für spezialisierte Experten (AI-Architekten, Sicherheitsexperten) erforderlich.
• Die Kosten sind zu hoch: Selbst „Superindividuen“ können die hohen Tokenkosten nicht tragen.
• Die Risiken sind zu groß: Kleine Unternehmen können die Folgen von AI-Fehlern (z. B. Systemausfälle) nicht bewältigen. Rechts- und Kommunikationsteams in modernen Unternehmen bilden eine wichtige Absicherung gegen solche Risiken.

Letztendlich sind „Superindividuen“ nur eine Minderheit – z. B. selbstständige Medienersteller oder Entwickler. Die meisten Menschen werden weiterhin mit AI zusammenarbeiten und durch die Anforderungen der Unternehmen an Tokenverbrauch an ihren Arbeitsplätzen eingeschränkt werden.

Fazit

Die Beschränkungen des Tokenverbrauchs durch große Unternehmen sind kein Zeichen dafür, dass AI nicht mehr funktioniert – es handelt sich vielmehr um eine Rückkehr zur grundlegenden Geschäftslogik: Jede Technologie muss hinsichtlich ihrer Kosten und Nutzen bewertet werden. AI ist kein „kostenloser Luxus“; seine Kosten und Risiken müssen sowohl von Unternehmen als auch von Einzelpersonen rational betrachtet werden. Die Mythen über eine vollständige Veränderung durch AI müssen letztendlich in die alltäglichen Geschäftszahlen einfließen.