Die Kostenlüge der KI — Was ein Agent wirklich kostet
Über Wasser reden alle vom Spritpreis. Das Schiff sinkt am Eisberg darunter.
Es gibt Unternehmen, die messen ihre Mitarbeiter inzwischen am Token-Verbrauch.
Ich habe das nicht erfunden. Es gibt Teams, in denen der monatliche KI-Report neben Umsatz und Auslastung eine neue Kennzahl führt: verbrauchte Tokens pro Kopf. Wer zu viel „verbraucht“, bekommt eine Mail.
Das ist, als würde man die Wirtschaftlichkeit einer LKW-Flotte am Spritpreis pro Liter festmachen — und dabei ignorieren, worauf es tatsächlich ankommt: ausgelastetes Ladevolumen, termintreue Lieferung, effiziente Routen.
Der Sprit ist real. Er steht auf jeder Rechnung. Aber er entscheidet nicht, ob die Flotte Geld verdient oder verbrennt.
Bei KI ist es genau so. Die Token sind der Spritpreis. Sichtbar, messbar, auf jeder Abrechnung — und teurer, als vielen lieb ist. Aber selbst wenn er hoch ist: Er entscheidet nicht über Sieg oder Niederlage.
Wer KI an Token misst, verwechselt den Spritpreis mit der Logistikleistung.
Und weil diese drei Größen — Ladevolumen, Termintreue, Routeneffizienz — genau die sind, in denen Ihre Ops- und Supply-Chain-Leute ohnehin denken, merken Sie sich diese drei Fäden. Wir nehmen sie am Ende wieder auf. Jede hat ein Pendant in der KI-Welt, das über Erfolg oder Scheitern entscheidet.
Der Eisberg
Die Token sind die Spitze über Wasser. Darunter liegen zwei Schichten, die kaum jemand einrechnet — und die zweite versenkt Projekte.
Schicht 1 — Sichtbar: Die Token.
Ja, sie sind real. Und ja, in großen Deployments summieren sie sich zu ernsthaften Beträgen — sechsstellig über drei Jahre ist keine Seltenheit. Aber hier ist der Punkt: Selbst wenn Sie den Token-Posten voll ansetzen, ist er nur rund ein Fünftel der Rechnung. Der große Rest liegt woanders — und über den redet niemand.
Wer hier optimiert, feilscht um den Spritpreis, während Motor, Getriebe und Achsen noch gar nicht bezahlt sind.
Schicht 2 — Unter Wasser: Das Fahrwerk.
Hier liegt das Geld. Integration in SAP, MES, die bestehende Systemlandschaft. Guardrails — die fünf Schichten, die einen Agenten davon abhalten, im Zweifel das Falsche auszulösen (dazu habe ich separat geschrieben). Monitoring, das nicht nur Uptime misst, sondern Entscheidungsqualität. Und die Dauerlast, die niemand im Business Case sieht: Datenpflege.
Das ist kein Setup-Aufwand, den man einmal bezahlt. Das ist ein Betriebszustand. Ein Agent ohne gepflegte Stammdaten ist ein LKW ohne Ladung — er fährt, aber er trägt nichts (siehe mein Artikel dazu, warum 86 % der KI-Projekte scheitern — und zwar nicht an der KI, sondern am Fundament).
Die ehrliche Rechnung
Rechnen wir einen einzelnen produktiven Agenten über drei Jahre. Die Zahlen unten basieren auf realen Projektdaten, wurden aber für diesen Artikel adaptiert und geglättet — es ist ein Rechenmodell, kein Benchmark. Die Verhältnisse sind das, worauf es ankommt, nicht die zweite Nachkommastelle.
Tabelle kopieren
| Posten | 3-Jahres-Kosten |
|---|---|
| Token (Modellnutzung) | 120.000 € |
| Integration (SAP, MES, Schnittstellen) | 140.000 € |
| Guardrails (Design, Implementierung, Test) | 90.000 € |
| Monitoring & Betrieb (inkl. Personal) | 130.000 € |
| Datenpflege (laufend) | 95.000 € |
| Summe | 575.000 € |
Der Token-Posten macht rund 21 % der bezifferbaren Gesamtkosten aus.
Nehmen wir an, Sie halten diesen Posten sogar für zu hoch gegriffen — geschenkt. Selbst wenn Sie ihn verdoppeln, drehen Sie an rund einem Fünftel der Rechnung, während die übrigen knapp 80 % unangetastet bleiben. Das ist der ganze Punkt: Die Zeile, über die die Branche diskutiert und wegen der Firmen ihre Mitarbeiter zur Rechenschaft ziehen, ist nicht die Zeile, die über Erfolg oder Scheitern entscheidet.
Die drei Fäden
Erinnern Sie sich an die drei Größen vom Anfang? Ladevolumen, Termintreue, Routeneffizienz. Jede hat ihr Pendant in der KI-Welt — und jede erklärt einen Teil der Kosten, die unter Wasser liegen.
Ladevolumen → Datenqualität. Ein LKW, der halb leer fährt, kostet dasselbe wie ein voller — er trägt nur weniger. Ein Agent auf schlechten Stammdaten verbraucht dieselben Token wie einer auf guten — er liefert nur weniger Wert. Das Ladevolumen entscheidet über die Wirtschaftlichkeit, nicht der Spritpreis. Und das Ladevolumen ist Ihre Datenqualität.
Termintreue → Verlässlichkeit. Ein Agent, der zu 95 % richtig liegt, klingt gut — bis Sie ihn in eine Kette aus zwanzig Schritten hängen. Dann liegt die Gesamtzuverlässigkeit bei 36 %. Fehler propagieren, sie multiplizieren sich (ich habe die Rechnung dazu ausführlich gezeigt). Termintreue heißt nicht „meistens“, sie heißt „verlässlich“.
Routeneffizienz → Entscheidungslatenz und Kosten pro Prozess. Der wahre Hebel ist nicht, wie schnell der Agent eine Aufgabe erledigt, sondern was ein vollständiger Prozess kostet — inklusive der Schleifen, Rückfragen und Korrekturen. Euro pro abgeschlossenem Beschaffungsvorgang, nicht Sekunden pro Task.
Wer diese drei Größen misst, redet nicht mehr über Token. Er redet über Wertschöpfung.
Was das für die Führung bedeutet
Die Kostenfrage der KI ist keine IT-Frage. Sie ist eine Führungsfrage.
Wer sie an die IT delegiert, bekommt eine Antwort über Token — weil das die Zeile ist, die die IT sieht. Wer sie als Führungsaufgabe begreift, stellt die richtigen Fragen: Was kostet das Fahrwerk? Was kostet der Betrieb über drei Jahre? Und was kostet es uns, wenn unsere Leute in fünf Jahren verlernt haben, selbst zu entscheiden?
Das ist Adult Supervision: nicht der Verzicht auf KI, sondern die erwachsene Entscheidung darüber, wo sie trägt und wo sie ruiniert. Wo sie den Prozess beschleunigt — und wo sie die Kompetenz aushöhlt, die Ihr Unternehmen im Kern zusammenhält.
Der Spritpreis war noch nie das Problem.
Das Problem ist der Fahrer, der verlernt hat, ohne Navi zu fahren — und die Flotte, die nur noch die Straßen kennt, die sie gestern schon gefahren ist.
Rechnen Sie in Ihrem KI-Business-Case das Fahrwerk mit — oder noch den Spritpreis?
#AI #SupplyChain #DigitalTransformation #AgenticAI #Industrie
E-Mail: sven.vollmer@business-quotient.com
Sven Vollmer ist „The Industrial Translator“. Er baut Brücken zwischen der operativen Realität der Industrie (SAP, Supply Chain) und den Möglichkeiten generativer KI. Sein Fokus liegt auf wertschöpfenden Anwendungen abseits des Hypes.
Transparenz-Hinweis: Dieser Artikel entstand mit redaktioneller Unterstützung von KI (Gemini/Claude). Die Ideen, fachliche Prüfung, die Auswahl der Use Cases und die Bewertung (‚Adult Supervision‘) oblagen zu 100% dem Autor.
LinkedIn: www.linkedin.com/in/sven-vollmer-bq
