Noch zu Beginn dieses Jahres sollten die Mitarbeiter nach Ansicht ihrer Vorgesetzten künstliche Intelligenz so viel wie möglich nutzen. Die Mitarbeiter machten daraus einen Wettkampf. In internen Ranglisten konkurrierten sie darum, wer die meisten Token verbraucht. Ein Token ist die grundlegende Arbeitseinheit von KI-Tools und entspricht ungefähr einem Wort. Doch die Rechnungen für KI-Tools begannen sich gewaltig zu summieren.
Meta, Uber, Amazon, Walmart, Accenture. Ein Name nach dem anderen taucht in den letzten Wochen in Schlagzeilen darüber auf, wie Unternehmen ihre Haltung zum Tokenmaxxing von einem Tag auf den anderen ändern. Von uneingeschränkter Förderung zu strenger Rationierung. Der neue Begriff, der sich seinen Weg durch die Tech-Welt bahnt, lautet Tokenminimizing: die bewusste und gezielte Begrenzung des KI-Verbrauchs.
Wie Tokenmaxxing in der Praxis aussah
Ein Ingenieur von OpenAI verarbeitete in nur einer Woche 210 Milliarden Token. Das ist eine Textmenge, die die gesamte Wikipedia dreiunddreißigmal füllen würde. Ein Nutzer von Anthropic gab in nur einem Monat mehr als 150.000 Dollar allein für das Tool Claude Code aus. Und das sind keine Ausnahmen – es war und ist noch immer ein Trend, den die Unternehmen selbst eingeführt haben.
Meta führte eine interne Rangliste mit dem Spitznamen Claudeonomics ein, in der die Mitarbeiter beim Tokenverbrauch miteinander wetteiferten. In etwas mehr als dreißig Tagen sammelten sie mehr als 73 Billionen Token. Amazon startete ein ähnliches System namens Kirorank, das Mitarbeiter nach ihrer Aktivität mit dem KI-Tool Kiro bewertete. Die Mitarbeiter begannen, KI-Agenten zu erstellen, die unnötige Aufgaben ausführten, nur um ihre Punktzahl zu verbessern. Die Amazon-Führung zog die Rangliste aus dem Verkehr.
Meta schaffte die Rangliste im April ab, Amazon einen Monat später. Beide Unternehmen kamen zu derselben Erkenntnis: Den Wert von KI anhand der Anzahl verbrauchter Token zu messen, ist so, als würde man Produktivität anhand der im Büro verbrachten Stunden messen.
Uber verbrannte sein jährliches KI-Budget in vier Monaten
Uber führte Claude Code im Dezember 2025 für seine Ingenieure ein. Bis Februar 2026 verdoppelte sich die Nutzung des Tools von einem Drittel der Mitarbeiter auf mehr als vier Fünftel. Im April räumte der technische Direktor des Unternehmens, Praveen Neppalli Naga, etwas ein, das wie eine Warnung für die gesamte Branche klingt: Das gesamte für das Jahr vorgesehene KI-Budget war aufgebraucht. In vier Monaten verbraucht.
Die Kosten pro Ingenieur lagen allein für Token zwischen 500 und 2.000 Dollar monatlich. Uber hat nun für jedes Coding-Tool eine Obergrenze von 1.500 Dollar pro Mitarbeiter und Monat festgelegt. Unternehmenspräsident Andrew Macdonald räumte im Podcast Rapid Response ein, dass er nicht alle Ausgaben für Token mit etwas in Verbindung bringen könne, das Uber-Kunden tatsächlich sehen oder spüren.
Meta baut eine Überwachungsplattform auf
Ein interner Bericht von Meta beschrieb die Situation als „exponentiellen Anstieg“ des KI-Verbrauchs. Dem Dokument zufolge ist das Unternehmen auf dem besten Weg, jährlich Milliarden Dollar für die Nutzung von KI auszugeben. Dabei hatten einzelne Mitarbeiter und ihre Teams bislang praktisch keinen Überblick darüber, wie viele Token sie verbrauchten. CTO Andrew Bosworth reagierte mit einer eigenen internen Stellungnahme: „Niemand sollte KI-Tools nur um ihrer Nutzung willen verwenden. Nicht jede Bewegung ist Fortschritt, und der Tokenverbrauch allein misst in keiner Weise den Nutzen.“
Meta baut nun ein zentrales Dashboard namens AI Gateway auf, das Verbrauch und Ausgaben in Echtzeit verfolgt. Ab 2027 plant das Unternehmen den Übergang zu einem strukturierten System mit Budgets, Limits und automatischen Warnungen bei ungewöhnlichen Ausgabenspitzen. Zugleich ermutigt das Unternehmen seine Mitarbeiter, von Tools Dritter, insbesondere Claude, zum eigenen Coding-Assistenten MetaCode zu wechseln.
Das Problem sind nicht die Ingenieure
Eine Erkenntnis stellte die gesamte Diskussion überraschend auf den Kopf: Für den massiven Tokenverbrauch sind nicht in erster Linie die Programmierer verantwortlich.
Der Beratungsgigant Accenture ringt intern damit, Mitarbeiter außerhalb des Ingenieurwesens davon abzuhalten, das KI-Budget des Unternehmens für banale Aufgaben wie die Umwandlung von PDF-Dokumenten in Präsentationen auszugeben. Laut einer Audioaufnahme einer internen Besprechung, die der Nachrichtenseite 404 Media vorliegt, sagte Justice Kwak, Leiter der Strategie für agentenbasierte KI bei Accenture: „Aus den Daten sehen wir, dass unser technisches Team nicht der Treiber des Tokenverbrauchs ist. Es sind größtenteils Mitarbeiter außerhalb des Ingenieurwesens.“
Dabei hatte Accenture noch vor Kurzem Führungskräfte dazu gedrängt, KI zu nutzen – oder sich darauf einzustellen, im Unternehmen keine Zukunft zu haben. Das klassische „Nutzt sie, aber nicht zu viel“ wird heute zum üblichen Unternehmensansatz.
Kosten, mit denen niemand gerechnet hatte
Warum ist das alles so schnell eskaliert? Die Antwort liegt in der Abrechnungsweise von KI-Tools. OpenAI und Anthropic bieten Einzelpersonen Abonnements zwischen 10 und 200 Dollar monatlich an. Die eigentlichen Einnahmen stammen jedoch von Unternehmenskunden wie Meta, Shopify oder Amazon, die nicht nur für Abonnements zahlen, sondern auch für jeden Token, den ihre Zehntausenden Mitarbeiter verbrauchen. Je mehr Token, desto höher die Rechnung.
Und die Modelle selbst werden teurer. Das neueste Modell Fable von Anthropic ist doppelt so teuer wie sein Vorgänger Opus. Dabei gewöhnen sich viele Mitarbeiter daran, für alles das leistungsstärkste verfügbare Modell zu verwenden, unabhängig davon, ob die jeweilige Aufgabe es überhaupt erfordert. Die Unternehmen mit den höchsten Ausgaben zahlen heute bis zu 7.500 Dollar pro Mitarbeiter und Monat für KI. Der Einsatz von KI-Agenten, die das Modell wiederholt in automatisierten Schleifen ausführen, hat die Unternehmensrechnungen verfügbaren Daten zufolge im Durchschnitt verdreifacht – und das, obwohl der Preis pro Token an sich gesunken ist.
Drosseln oder die Produktivität ausbremsen?
Nicht alle Unternehmen gehen jedoch gleich mit der Situation um. Databricks setzt seinen Ingenieuren bislang keine Limits. Die Unternehmensführung erklärt, ihre Mitarbeiter würden KI effizient nutzen, weshalb eine Rationierung keinen Sinn ergebe. Genau darin liegt das Spannungsfeld, das die gesamte Branche begleitet: Limits halten die Kosten unter Kontrolle, können aber zugleich genau jene Vorteile ausbremsen, die den gesamten KI-Einsatz rechtfertigen sollten.
Die Lösung, zu der Unternehmen allmählich tendieren, ist technischer Natur: Statt pauschaler Einschränkungen sollen Routineaufgaben auf günstigere oder quelloffene Modelle verlagert und teure leistungsstarke Modelle für wirklich komplexe Aufgaben aufgespart werden. Microsoft und Databricks haben bereits eigene Tools zur Überwachung und Begrenzung der Ausgaben eingeführt. Das unter anderem von Nvidia unterstützte und mit mehr als eineinhalb Milliarden Dollar bewertete Startup Factory brachte ein System auf den Markt, das einfachere Aufgaben automatisch an günstigere Modelle weiterleitet.
Einer der amerikanischen Technologiemanager sagte dazu gegenüber The Economist: „Das wird ein absoluter Albtraum.“ Er sprach von einem Szenario, in dem jedes der Hunderte von Software-Tools eines Unternehmens einen eigenen KI-Agenten anbietet. Die Kosten würden dann von selbst steigen, ohne dass irgendjemand dies bewusst veranlasst hätte.
Quellen: techcrunch.com und theinformation.com
