BERICHT
Leitfaden zu KI-Tokenomics für CIOs
Wie Sie die Ausgaben für KI-Token in großem Umfang überwachen, kontrollieren und abrechnen
10 MINUTEN LESEZEIT
10 September 2026
In Kürze
- 80 % der Ausgaben für KI-Token haben keinen quantifizierten Zusammenhang mit Geschäftsergebnissen.
- 80 % der Führungskräfte geben an, dass KI einen Mehrwert schafft, aber weniger als 20 % der Ausgaben für Token können mit Ergebnissen in Verbindung gebracht werden.
- CIOs befinden sich in einer Zwickmühle: Sie können den Verbrauch nicht vorhersagen oder zeigen, was KI schafft. Sie haben eine Tokenrechnung, die niemand vorhersagen kann, und der Wert lässt sich nicht belegen.
- Neue Aufgabe für CIOs: Der Tokenverbrauch darf keine unvorhersehbare Ausgabe sein, sondern muss zu einer Investition werden, die von CEOs quantifiziert und von Vorständen ausgewertet werden kann.
KI-Expertinnen und -Experten haben in den letzten Jahren Argumente für eine Investition herausgearbeitet. Jetzt müssen sie die Wirtschaftlichkeit nachweisen: Tokenkosten sind zu einer neuen, nicht zu vernachlässigenden Rechnungsposition geworden. Ihr rasanter Anstieg lässt sich kaum noch rechtfertigen. Tokenomics ist heute ein Problem für Vorstände, da die Kosten jedes Prompts, jeder Inferenz und agentischen Interaktion so schnell ansteigen, dass Unternehmen nicht mehr in der Lage sind, den geschaffenen Mehrwert zu beweisen.
Wir haben 750 Top-Führungskräfte aus 17 Ländern weltweit und 15 führende Technologie- und Finanzunternehmen der Fortune-500-Liste befragt. Für weniger als 20 % der Unternehmensausgaben für Token kann ein quantifiziertes finanzielles Ergebnis nachgewiesen werden – also eine Auswirkung auf die Einnahmen, eine Vermeidung von Kosten oder eine Steigerung der Produktivität, die sich in Zahlen münzen lässt, mit denen die Finanzabteilung arbeiten kann.
Das Problem geht auf zwei Ursachen zurück: Unternehmen können das Tokenvolumen und die Ausgaben von Quartal zu Quartal nicht zuverlässig vorhersagen und sie können die Rendite nicht erklären, nachdem das Geld ausgegeben wurde. Dadurch entsteht eine Zwickmühle. Wenn die Kosten unvorhersehbar sind, zögert die Finanzabteilung, größere KI-Budgets zu genehmigen. Wenn der Mehrwert nicht ersichtlich ist, verlangen die Vorstände von den CEOs eine Erklärung und bitten die CFOs, die Ausgaben zu kontrollieren. Die CFOs ihrerseits verlangen von den CIOs, dass sie den KI-Verbrauch vorhersehbar und wirtschaftlich machen und dass der Mehrwert nachweisbar ist.
Vier von fünf Führungskräften geben an, dass KI messbare Ergebnisse liefert, aber weniger als einer von fünf kann den Wert mit den Ausgaben für Token verbinden. Die meisten haben Schwierigkeiten, solche Ausgaben in Zahlen zu erklären, mit denen CFOs arbeiten können, die CEOs quantifizieren können und der Vorstand prüfen kann.
FAQ
Was ist KI-Tokenomics?
Die Tokenomics Foundation definiert KI-Tokenomics als die Disziplin der Umwandlung von Energie und Kapital in KI-Funktionen und deren effizienten unternehmensweiten Nutzung, um messbaren Geschäftswert zu erzielen. Token sind die Dateneinheiten, die KI-Modelle verarbeiten. Jeder Prompt, jede Antwort, jeder Abrufschritt und jede Agenten-Interaktion verbraucht Token. Dieser Bericht und die darin vorgestellten Grundsätze konzentrieren sich auf die Kosten und den Wert von Token.
Die wirtschaftliche Frage ist nicht, wie viele [Token] verbraucht wurden, sondern: Was wurde mit dem Token tatsächlich erzielt?
Field CTO for AI, Cybersecurity and Data, Global Technology Infrastructure Company
78 %
erwarteter Anstieg des Tokenverbrauchs in den nächsten 24 Monaten
1 von 3
Unternehmen werden ihr Token-Budget vor Jahresende aufbrauchen
Nur 35 %
der Unternehmen können die Kosten pro Geschäftsergebnis sogar für ihren größten KI-Anwendungsfall berechnen
Der Trend ist das Problem
Die Zahlen zeigen die Zwickmühle ziemlich klar. Die Unternehmen, die an unserer Umfrage teilgenommen haben, haben im letzten Jahr etwa 2,5 Milliarden US-Dollar für KI-Token ausgegeben. Die Ausgaben für Token belegen heute den dritten Platz unter den größten KI-Kostentreibern. Den ersten und zweiten Platz belegen die Bereiche Infrastruktur- und Softwareentwicklung sowie Wartung.
Der Trend ist die eigentliche Sorge: Die Unternehmen gehen davon aus, dass der Tokenverbrauch in den nächsten 24 Monaten um 78 % steigen wird. Selbst nach Berücksichtigung eines prognostizierten Preisrückgangs von 19 % erwarten Führungskräfte, dass die aggregierten Ausgaben für Token im gleichen Zeitraum ohne Optimierung auf bis zu 3,6 Milliarden US-Dollar steigen werden. Innerhalb dieser aggregierten Ausgaben gibt es ein großes Spektrum: ein globales Technologieunternehmen, das jährlich über 20 Millionen US-Dollar ausgibt, ein europäisches Versicherungsunternehmen mit einem Budget für KI-Inferenzen von 150–200 Millionen US-Dollar oder ein Auftragnehmer der öffentlichen Hand mit einer globalen Obergrenze für KI-Ausgaben von 250 Millionen US-Dollar.
Derzeit hat der Vorstand die Ausgaben für Token vielleicht nicht auf dem Schirm. Aber die Entwicklung dieser Kosten ist besorgniserregend. CIOs und ihre Kolleginnen und Kollegen aus der Finanzabteilung werden vielleicht feststellen, dass Betriebskosten überraschend schnell zu einem erheblichen finanziellen Risiko werden.
In unseren Interviews beschreibt ein Technologieführer bei einem großen US-Finanzinstitut eine Vervielfachung der Ausgaben für Token um ein fünf- bis zehnfaches in sechs Monaten. Bei einer großen europäischen Bank stiegen die jährlichen Ausgaben für Token innerhalb von 12 Monaten von nahezu Null auf 5 Millionen €, wobei ein einziger Workload 200.000 € pro Woche verbraucht.
Das ist ein echtes Problem. Die Kosten steigen von Minute zu Minute, Tag für Tag. Den Überblick (über die Ausgaben für Token) zu behalten, ist definitiv eine Herausforderung, insbesondere wenn diese über mehrere Organisationen und Teams verteilt sind.
Chief Technology Officer, Global Financial Data and Media Company
Wenn die KI-Preise fallen, ist das Problem nicht gelöst. 9 von 10 Führungskräften geben an, dass günstigere Token dazu führen werden, dass sie die Anwendungsfälle erweitern, anstatt ihre Ausgaben zu reduzieren. Bei der Frage, was sie tun würden, wenn die Preise um weitere 25 % fallen würden, sagte nur 1 von 20, dass er oder sie die Einsparungen zurücklegen würde.
Wie Führungskräfte auf fallende Tokenpreise reagieren werden
Unvorhersehbare Ausgaben, deren Wert Sie nicht belegen können
Unternehmen können den Token-Verbrauch auf Workload-Ebene nicht sehen. Ausgaben, die nicht mit einem Workload verknüpft sind, können nicht vorhergesagt werden, und der Wert, der nicht mit einem Workload verknüpft ist, kann nicht nachgewiesen werden. Im Grunde genommen haben Unternehmen eine KI-Rechnung, die niemand vorhersagen kann, und einen Wert, den niemand beweisen kann. Dieses Problem geht auf sechs Schwachpunkte zurück, die unbemerkt KI-Budgets untergraben.
Nicht erkennbare Aufgabenkosten
Standardgrenze
Agentischer Multiplikator
Veraltete Budgets
Fragmentierte Preise
Unklare Kostenverantwortung
Aufgaben für CIOs
Die Strategie für die Zukunft: Beheben der Grundursache durch Transparenz auf Workload-Ebene, ein geschärftes Bewusstsein und mehr Kostenverantwortung. Unternehmen sollten 5 Grundsätze auf Ihrem weiteren Weg beachten: Transparenz steht an erster Stelle, da die anderen vier davon abhängen. Und es gibt einen Hebel, der wirkungsvoller als alle anderen ist – aber weniger als 10 % der Unternehmen nutzen ihn.
01
Machen Sie jeden Workload sichtbar, bevor er skaliert wird
Stellen Sie ein KI-Gateway oder eine Beobachtungsebene bereit, sodass für jede KI-Interaktion der Name des Workloads, das verantwortliche Team, das verwendete Modell, die Tokenkosten und das Ergebnis erfasst werden. Ohne dies, ist alles andere nur ein guter Ratschlag.
DATA
53 %
des Tokenverbrauchs kann auf eine bestimmte Benutzerin, einen bestimmten Benutzer oder ein bestimmtes Team zurückgeführt werden.
02
Sorgen Sie dafür, dass die Teams für das bezahlen, was sie nutzen
Stellen Sie den Teams die Kosten für die Tokens, die sie verbrauchen, in Rechnung. Beginnen Sie mit dem Engineering-Bereich sowie den drei oder vier Funktionen mit dem höchsten Tokenverbrauch.
Showback (reine Kostentransparenz) macht den Verbrauch sichtbar, hat jedoch keine finanziellen Konsequenzen. Es wird zwar Bewusstsein geschaffen, aber es kommt nur dann zu Verhaltensänderungen, wenn zusätzliche Anreize damit verbunden werden. Beim Chargeback (interne Kostenverrechnung) werden dem verbrauchenden Team die tatsächlich angefallenen Kosten in Rechnung gestellt. Chargeback ist laut dieser Studie das stärkste Mittel, um Kostenoptimierung und Wertzuordnung zu erreichen, doch nur ein Bruchteil der Unternehmen greift darauf zurück. Die Effektivität hängt von den vorhandenen Governance-Fähigkeiten ab.
Der Mechanismus ist direkt. Wenn ein Team für seinen eigenen Verbrauch bezahlt, fragen die Teamleiterinnen und Teamleiter, ob die Ausgaben gerechtfertigt sind, und die Ingenieurinnen und Ingenieure beginnen, bei der Auswahl der Modelle die Kosten zu berücksichtigen.
DATA
Nur 7 %
der Unternehmen verwenden ein Chargeback-Modell zur Nachverfolgung von KI-Kosten.
03
Senden Sie jede Aufgabe an das Modell, das tatsächlich benötigt wird
Identifizieren Sie die rund 10 % der Workloads, die wirklich Spitzenmodelle erfordern, etwa für komplexe Schlussfolgerungen, die Zusammenführung von Informationen aus mehreren Quellen oder die Generierung besonders kritischer Inhalte. Leiten Sie alle übrigen Workloads an leistungsfähige Modelle der mittleren Leistungsklasse oder an Open-Weight-Modelle weiter. Erzwingen Sie dieses Routing am Gateway, anstatt nur eine Anweisung zu geben und die Entscheidung dem/der oder dem jeweiligen Entwicklerin oder Entwickler zu überlassen.
DATA
90 %
Unsere Studie hat gezeigt, dass 90 % von mehr als 9.000 Aufgaben keine Spitzenmodelle erfordern – ein leistungsfähiges Mittelklassemodell ist ausreichend.
04
Verlangen Sie vor der Produktion für jeden KI-Workload einen klaren Business Case
Legen Sie vor jeder Investition in einen neuen KI-Workload drei Punkte fest: die aktuellen Kosten des Prozesses (in Zeit oder Geld), das konkrete finanzielle Ergebnis, das die KI verbessern soll, und wie dieses Ergebnis in Zahlen gemessen wird. Machen Sie diese Punkte zu einer verbindlichen Voraussetzung für die Freigabe von Workloads.
Dies muss nicht komplex sein. Aber es muss vor den Ausgaben geregelt werden, nicht erst, wenn im Nachhinein versucht wird, die Ausgaben zu rechtfertigen.
Was als Business Case zählt, variiert je nach Funktion: die Abfangrate im Kundenbetrieb, die Zykluszeit in der Softwareentwicklung, die Stunden pro Transaktion in der Backoffice-Verarbeitung. Die Definition ändert sich. Die Anforderung nicht.
DATA
< 20%
der Ausgaben für Token können einem quantifizierten finanziellen Ergebnis zugeordnet werden.
05
Fördern Sie die Fähigkeiten zum Umgang mit KI im gesamten Unternehmen
Die meisten Routing-Fehler treten auf, weil eine klare Anweisung fehlt, nicht aufgrund fehlenden Urteilsvermögens. Entwicklerinnen und Entwickler sowie Mitarbeitende entscheiden sich oft für das leistungsfähigste Modell, weil sie den Kostenunterschied nicht sehen können. Oft gibt es keine einfache Regel, um zu erkennen, wann ein kostengünstigeres Modell ausreicht.
Machen Sie die Kosten sichtbar für diejenigen, die sie sehen möchten. Legen Sie die Standardauswahl so fest, dass die richtige Wahl auch die einfache Wahl ist, und behalten Sie das menschliche Urteilsvermögen für die Fälle vor, in denen es gebraucht wird.
DATA
54 %
der KI-Anfragen werden fehlgeleitet und an ein leistungsfähigeres und teureres Modell gesendet, als die Aufgabe tatsächlich erfordert.
Auf Disziplin kommt es an
Beim KI-Management kommt es auf Kontrolle und Disziplin an. Erfolgreiche Unternehmen verwalten jedes Token, bevor es zu einem Kostenfaktor wird, der gerechtfertigt werden muss, und verbinden es dann mit einem Business Case, der sich erkären lässt.
Nichts davon ist allein die Aufgabe von CIOs. CFOs müssen messbaren Wert zur Bedingung für KI-Investitionen machen, CHROs müssen von den Mitarbeitenden Kostenbewusstsein einfordern, und Führungskräfte müssen jedem Workload vom ersten Tag an einen Verantwortlichen zuweisen.
Die Fragen werden bereits weitergereicht: von Vorstand zu CEO, von CEO zu CFO und von CFO zu CIO. Die CIOs, die Workload-Transparenz, finanzielle Verantwortlichkeit und Routing-Disziplin aufbauen, haben jetzt eine Antwort und die Gewissheit, dass sie KI auf Grundlage von Beweisen und nicht auf gut Hoffnung skalieren.
Über diese Studie
In dieser Studie wurden 750 Führungskräfte von Unternehmen mit einem Jahresumsatz von über 1 Milliarde US-Dollar in 17 Ländern befragt. Dies wurde kombiniert mit 15 ausführlichen Interviews mit führenden Technologie- und Finanzunternehmen der Fortune-500-Liste, die im Juni und Juli 2026 geführt wurden.