KI-Kosten im Unternehmen: Governance statt Zugangssperre

KI-Kosten im Unternehmen geraten außer Kontrolle, weil viele Firmen erst breiten Zugang schufen und danach das Budget ansahen. Die richtige Antwort ist selten die Sperre. Sie ist eine nüchterne Governance: klar zugeteilte Budgets pro Anwendungsfall, die passende Modellwahl und die Messung dessen, was der Einsatz tatsächlich bringt. Wer so vorgeht, spart mehr als jeder, der Zugänge kappt.

Das Muster ist gerade gut zu beobachten. Noch vor Monaten drängten Konzerne ihre Belegschaft, möglichst viel an KI-Modelle abzugeben. Jetzt kommt die Kehrtwende, und sie kommt abrupt.

Warum sperren Microsoft und Uber jetzt KI-Zugänge?

Weil die Rechnung höher ausfiel als erwartet. Laut einem Bericht von ad-hoc-news vom 1. Juli 2026 will Microsoft in der Sparte Experiences & Devices die Lizenzen für Claude Code bis zum 30. Juni 2026 kündigen und Entwickler auf die GitHub Copilot CLI umstellen. Uber soll sein KI-Coding-Budget für 2026 bereits im April aufgebraucht haben.

Uber zieht daraus eine konkrete Konsequenz. Der Bericht nennt eine monatliche Obergrenze von 1.500 Euro pro Mitarbeiter für bestimmte Tools wie Cursor und Claude Code. Beide Unternehmen, so die Formulierung, "ziehen die Notbremse". Das ist kein Randphänomen. Es beschreibt, was passiert, wenn Nutzung ohne Budgetlogik freigegeben wird.

Zur Einordnung: Die genannten Zahlen stammen aus Sekundärberichten, nicht aus Originalstatements der Konzerne. Behandeln Sie die Details also als belastbaren Trend, nicht als geprüfte Bilanzposition. Der Trend selbst ist eindeutig.

Wie groß ist das Kostenproblem wirklich?

Groß genug, um Margen zu bewegen. Der Kern lässt sich in wenigen Zahlen fassen, und die Größenordnung erklärt die Panik in manchen Vorstandsetagen.

• Die Branche werde 2026 voraussichtlich rund 725 Milliarden Euro für KI-Infrastruktur ausgeben, so ad-hoc-news.
• Alphabet habe bis zum 3. Juni 2026 rund 84,75 Milliarden Euro über Schuld- und Eigenkapitalinstrumente eingesammelt, um diese Investitionen zu stemmen.
• Uber hatte sein Coding-Budget für das ganze Jahr laut Bericht schon nach etwa einem Drittel des Jahres verbraucht.

Diese Summen sind Infrastrukturkosten der Anbieter, doch sie landen über Preise und Nutzungsgebühren bei den Kunden. Wenn ein einzelnes Entwicklerteam ungebremst auf ein Spitzenmodell zugreift, summieren sich Cent-Beträge pro Anfrage schnell zu fünfstelligen Monatsrechnungen. Genau das ist bei Uber offenbar geschehen.

Warum ist die Zugangssperre der falsche Reflex?

Weil sie das Symptom trifft, nicht die Ursache. Eine Sperre stoppt zwar die Rechnung, aber sie stoppt auch die Produktivität, die den Einsatz überhaupt rechtfertigte. Und sie erzeugt Schatten-IT, wenn Mitarbeitende sich private Zugänge suchen. Das Problem ist nicht der Zugang. Das Problem ist der fehlende Rahmen.

Aus meiner Beratungspraxis sehe ich das wiederkehrende Muster: Erst wird ein teures Modell für alles freigeschaltet, dann wundert man sich über die Rechnung, dann folgt das pauschale Verbot. Der mittlere Schritt fehlt fast immer. Kaum jemand fragt vorab, welches Modell für welche Aufgabe angemessen ist und wie viel eine Aufgabe kosten darf.

Wer stattdessen früh eine belastbare Struktur aufsetzt, muss später nichts kappen. Wenn Ihre Führungsebene an genau dieser Stelle Orientierung braucht, hilft ein kompakter Ausbildungsweg für Führungskräfte, der Strategie, Modellwahl und Kostenkontrolle praxisnah verbindet. Sinnvoll ist das vor allem, wenn Entscheidungen bislang aus dem Bauch heraus fallen; wer bereits ein funktionierendes FinOps-Team für KI hat, braucht ihn eher nicht.

Wie kontrollieren Sie KI-Kosten im Unternehmen, ohne Zugänge zu sperren?

Über drei Hebel, in dieser Reihenfolge: Anwendungsfall, Modellwahl, Messung. Kein Werkzeug wird eingekauft, bevor der Prozess feststeht, den es verbessern soll. Das klingt banal, wird aber selten eingehalten.

1. Modelle nach Aufgabe zuteilen. Nicht jede Anfrage braucht das teuerste Spitzenmodell. Für Klassifikation, Zusammenfassungen und Standardtexte reichen günstigere oder ältere Modelle oft aus. Anbieter selbst zeigen, wie stark der Preisunterschied ist, etwa bei Modellen, die annähernd Spitzenleistung zum halben Preis bieten.
2. Budgets pro Anwendungsfall setzen. Ubers pauschale 1.500-Euro-Grenze ist ein grobes Instrument. Feiner steuert, wer jedem Anwendungsfall ein Budget gibt und die Auslastung sichtbar macht.
3. Nutzung messen und auswerten. Ohne Messung wissen Sie nicht, ob eine Aufgabe ihren Preis wert ist. Mit Messung erkennen Sie, wo ein billigeres Modell ausreicht und wo sich das teure lohnt.

Mein Eindruck als Berater: Der größte Hebel liegt in Punkt eins. Ein Team, das reflexartig das stärkste Modell für jede Kleinigkeit ruft, verbrennt Budget ohne messbaren Vorteil. Die Modellwahl ist keine technische Detailfrage, sie ist eine Kostenentscheidung.

Wie wählen Sie das richtige Modell für den jeweiligen Zweck?

Indem Sie Aufgaben nach Anspruch sortieren und teure Modelle für die wenigen Fälle reservieren, in denen sie einen Unterschied machen. Ein Vergleich lohnt, weil sich Preise und Fähigkeiten mehrmals im Jahr verschieben.

Praktisch heißt das: Führen Sie eine kleine Matrix. In der einen Spalte die typischen Aufgaben, in der anderen das günstigste Modell, das sie zuverlässig erledigt. Wer diese Zuordnung strukturiert erarbeiten will, findet in einem praxisorientierten Vergleich der wichtigsten KI-Tools für Management und Führungskräfte einen Rahmen dafür. Der Nutzen liegt weniger in der Toolliste als in der Methode, Aufgaben und Kosten sauber gegeneinanderzustellen.

Was bedeutet die europäische Abhängigkeit für Ihre Planung?

Sie ist ein zweiter Kostentreiber, der über die reinen Nutzungsgebühren hinausgeht. Seit dem 12. Juni 2026 erschweren US-Exportbeschränkungen europäischen Firmen laut ad-hoc-news vom 2. Juli 2026 den Zugriff auf Hochleistungsmodelle. Konkret sollen zwei Anthropic-Modelle für Nicht-US-Bürger eingeschränkt und daraufhin weltweit deaktiviert worden sein.

Für die Planung heißt das: Verlassen Sie sich nicht auf ein einzelnes Modell eines einzigen Anbieters. Ein Zugang kann nicht nur teuer, sondern auch politisch unverfügbar werden. Wer Aufgaben so baut, dass sich das Modell im Hintergrund austauschen lässt, ist gegen beide Risiken besser aufgestellt. Diese Abhängigkeitsfrage berührt auch die größere Debatte, ob die aktuellen Bewertungen tragen, die ich an anderer Stelle unter dem Stichwort KI-Blase und ihre Folgen für die Strategie aufgegriffen habe.

Was sollten Sie als Nächstes tun?

Fangen Sie klein und messbar an. Statt ein weiteres Verbot oder eine weitere Lizenz zu beschließen, klären Sie zuerst, wo KI im Alltag tatsächlich Zeit spart und was das kostet.

• Wählen Sie einen häufigen, klar messbaren Anwendungsfall aus.
• Prüfen Sie, welches günstigste Modell ihn zuverlässig löst.
• Setzen Sie ein Budget und ein Monitoring, bevor Sie breit ausrollen.
• Bauen Sie Prozesse so, dass sich das Modell austauschen lässt.

Zurück zur Ausgangsfrage: Müssen Unternehmen KI-Zugänge sperren, wenn die Kosten explodieren? Die Fälle Microsoft und Uber zeigen, dass viele es tun, weil ihnen der Rahmen fehlte. Der bessere Weg ist die Governance, die vor dem ersten Rollout hätte stehen müssen. Sie kostet zu Beginn etwas Disziplin. Sie erspart Ihnen die Notbremse, die am Ende Produktivität und Vertrauen zugleich kostet.