Erst kam der Rausch. Dann das Erwachen.
Anfang des Jahres galt in den Chefetagen des Silicon Valley eine einfache Maxime: Mehr ist besser. Mehr KI, mehr Tokens, mehr Durchsatz. Wer am meisten verbrannte, galt als am weitesten vorn. Firmen führten Ranglisten ein, die Mitarbeiter nach ihrem KI-Konsum sortierten. Der Wettkampf hatte sogar einen Namen: Tokenmaxxing.
Sechs Monate später dreht sich das Bild. Dieselben Konzerne, die ihre Teams zum maximalen Verbrauch angetrieben haben, ziehen jetzt die Bremse. Budgets, die für zwölf Monate geplant waren, waren nach vier aufgebraucht. Einzelne Entwickler verursachten Kosten von über tausend Dollar im Monat — allein für Coding-Assistenten.
Die Ironie ist schwer zu übersehen: Die Technologie, die Effizienz verspricht, hat in vielen Organisationen zunächst vor allem eines erzeugt — unkontrollierte Kosten.
Was passiert, wenn man Anreize falsch setzt
Das Muster ist älter als KI. Belohne eine Kennzahl, und die Kennzahl wird optimiert — nicht das, was sie messen sollte. Die Ranglisten belohnten Token-Verbrauch, nicht Produktivität. Also wurde verbraucht.
Einige Firmen haben die Leaderboards inzwischen gelöscht. Andere deckeln den Zugang pro Mitarbeiter auf feste Monatsbudgets. Wieder andere streichen Lizenzen für Tools, die sie erst vor Monaten mit großer Geste ausgerollt hatten.
Der Reflex ist verständlich. Aber er löst das eigentliche Problem nicht.
Die tiefere Frage
Denn die Frage war nie, ob KI-Werkzeuge Kosten verursachen. Natürlich tun sie das. Die Frage war immer: Was bekommt man dafür zurück?
Und hier zeigt sich die eigentliche Schwäche. Nicht die Technologie ist das Problem, sondern die Abwesenheit eines Maßstabs. Viele Unternehmen können bis heute nicht beziffern, welchen konkreten Produktivitätsgewinn ihre KI-Investitionen bringen. Sie haben Budgets genehmigt, bevor sie Messinstrumente hatten.
Das ist, als würde man den Heizungsregler auf Maximum stellen und sich dann wundern, dass die Gasrechnung explodiert — ohne je geprüft zu haben, ob alle Fenster geschlossen sind.
Was jetzt kommt
Der neue Trend heißt Tokenminimizing. Günstigere Modelle für einfache Aufgaben, intelligente Verteilung, automatische Obergrenzen. Der Fokus verschiebt sich von „möglichst viel“ zu „möglichst gezielt“.
Das ist gesünder. Aber es ist noch nicht die Lektion, die wirklich fällig ist.
Die eigentliche Lektion wäre: Kein Werkzeug ersetzt die Frage, wofür man es einsetzt. Wer KI als Statussymbol behandelt, bekommt Statuskosten. Wer sie als Werkzeug behandelt, bekommt Werkzeugnutzen.
Die Rechnung war absehbar. Die Frage ist, ob jemand diesmal liest, was draufsteht.