Laut einer neuen Prognose des Marktforschungsunternehmens Gartner könnten die KI-Token-Kosten von Software-Entwicklern deren monatliche Gehälter erreichen oder sogar übersteigen – und zwar innerhalb der nächsten zwei Jahre. Senior Principal Analyst Nitish Tyagi berichtet von Einzelfällen, in denen ein einzelner Entwickler bereits 20.000 US-Dollar pro Monat an Token verbraucht hat, ein Business-Anwender sogar 32.000 US-Dollar. Die Prognose basiert auf einem globalen Durchschnittsgehalt von 2.000 US-Dollar pro Monat; in Märkten mit höheren Gehaltsstrukturen wie den USA sind die Effekte noch ausgeprägter.

Hintergrund dieser Entwicklung ist der branchenweite Wandel von pauschalen Pro-Kopf-SaaS-Lizenzen hin zu verbrauchsbasierten Abrechnungsmodellen, mit denen Anbieter ihre massiven Infrastrukturinvestitionen refinanzieren. Tyagi betont, dass Anbieter derzeit noch keine reifen, integrierten Kostenoptimierungsfunktionen ausliefern und die Preise weiter steigen dürften, solange Modellqualität und Profitabilität austariert werden. Die fehlende Transparenz bei der Token-Berechnung verschärft das Problem zusätzlich. Gartner warnt zudem, dass Light-User wie Sachbearbeiter oder Marketing-Mitarbeiter ihre Nutzung mit wachsender Vertrautheit deutlich ausweiten, was den Verbrauch weiter in die Höhe treibt. Da die Kostenstrukturen hochvariabel sind und kein direkter Zusammenhang zwischen Token-Verbrauch und Produktivitätsgewinn besteht, fehlt vielen Unternehmen schlicht die Grundlage für eine belastbare ROI-Bewertung der KI-Investitionen.

Was bedeutet das konkret für Ihren Betrieb?

Auch wenn die genannten Extremwerte nach Großunternehmen klingen: Mittelständler sind denselben Mechanismen ausgesetzt, sobald sie generative KI oder agentenbasierte Tools produktiv einsetzen. Gartner empfiehlt ein Use-Case-gesteuertes Entscheidungsframework mit drei Ausführungsmodellen: entwicklergesteuert, entwicklergestützt mit Agent oder vollständig agentengesteuert. Ohne klare Token-Schwellen, automatisiertes Monitoring und vordefinierte Eskalationspfade laufen Budgets schneller leer als geplant. Wer jetzt seine Software-Engineering-Reife bewertet, Kontext-Engineering als Kernkompetenz etabliert, Kontextfenster klein hält und Aufgaben gezielt an kleinere Modelle mit Eskalation nur bei hoher Komplexität routet, sichert Produktivitätsgewinne von bis zu 20 Prozent ohne unkontrollierte Kostenexplosion. Ergänzen Sie die Kostenkontrolle zudem um regelmäßige Token-Audits in den Entwicklungszyklen, um ineffiziente Workflows frühzeitig zu identifizieren.

Mittelfristig verschärft sich die Lage zusätzlich, da Hyperscaler ihre massiven KI-Investitionen über steigende Preise für klassische Cloud-Dienste refinanzieren wollen. Wie Computer Weekly unter Berufung auf die Gartner-Konferenz in Sydney berichtet, warnen die Analysten Paul Delory und Autumn Stanish davor, dass Public Cloud bis 2027 die Billionen-Dollar-Grenze überschreitet und Unternehmen mit nicht optimierten Container-Workloads bis zu 50 Prozent mehr zahlen als effizientere Wettbewerber. Bis 2027 soll zudem die Hälfte aller KI-Projekte im Service-Desk-Bereich an unerwarteten Kosten scheitern, während 79 Prozent aller Technologiekäufer ihre Beschaffung im Nachhinein bereuen. Wer in den nächsten 90 Tagen ein dediziertes KI-Center-of-Excellence aufsetzt und Beschaffungsprozesse an klaren Geschäftsergebnissen statt Feature-Listen ausrichtet, schafft die organisatorische Grundlage, um sowohl KI-Token-Kosten als auch kommende Cloud-Preiserhöhungen systematisch zu steuern.