Sinkende Inferenzpreise sind kein Sparversprechen: Mehr Anwendungen und intensivere Nutzung verändern die Rechnung. Für CIOs und Finanzverantwortliche rückt deshalb eine andere Frage in den Mittelpunkt: Was kostet ein erfolgreich erledigter Geschäftsprozess – einschließlich Daten, Integration und Betrieb? FinOps für KI verbindet Kostentransparenz mit messbaren Ergebnissen und macht aus der Tokenrechnung eine Managementaufgabe. [1]

Management Summary

Stückpreis ist nicht Gesamtbudget. Sinkende Inferenzkosten und steigende Nutzung können gleichzeitig auftreten. Für die Planung zählen Preis, Verbrauch und der Ausbau der Anwendungen – nicht der Tokenpreis allein. [1]
Die Vollkosten entscheiden. Modellzugriffe, Infrastruktur, Datenaufbereitung, Integration und organisatorischer Aufwand gehören in eine gemeinsame Kostenbetrachtung. Getrennte Budgets machen den Gesamtaufwand schwerer sichtbar. [1]
Geschäftsergebnisse sind die Steuerungsgröße. Kosten je erfolgreich abgeschlossenem Vorgang sind aussagekräftiger als Kosten je Anfrage. Qualitätsprüfung und Nacharbeit gehören zur Bewertung des Nutzens. [1]
FinOps für KI ist keine Randaufgabe mehr. Im State of FinOps 2026 berichten 98 Prozent der Befragten, KI-Ausgaben zu managen. Die Zahl beschreibt die befragte FinOps-Community, nicht sämtliche Unternehmen. [2]
Optimierung braucht Leitplanken. Modellwahl, effiziente Kontextnutzung und passende Verarbeitungstarife sind Kostenhebel. CIO, CFO und Fachbereiche sollten sie gemeinsam anhand von Qualität, Laufzeit und Geschäftswert bewerten. [1][3][4]

Illustration Absmeier foto ki designer

Bild: KI-generierte Konzeptillustration. Sinkende Stückkosten, wachsender Verbrauch und der Blick auf erfolgreiche Geschäftsprozesse bilden die drei Perspektiven der KI-Budgetsteuerung ab; die Darstellung zeigt keine Messdaten.

KI-Budgets verlässlich planen: Was Unternehmen jetzt wissen müssen

Neue Technologien sind bei ihrer Einführung zuerst oft teurer, bevor sie durch Skaleneffekte günstiger werden. Bei künstlicher Intelligenz ist aber ein anderes Phänomen zu beobachten. Die Kosten für Inferenz, also die Nutzung trainierter Modelle, sinken seit geraumer Zeit spürbar. Das klingt nach guten Nachrichten für Finanzverantwortliche. In der Praxis zeigt sich jedoch: Geringere Kosten pro Einheit führen bei KI nicht automatisch zu geringeren Gesamtausgaben. Vielmehr wachsen sie weiter. Was steckt dahinter? Welche Ausgaben haben Unternehmen neben den Inferenzkosten? Und wie lässt sich mit Blick auf die Cloud-Transformation eine verlässliche Budgetplanung ableiten? Die folgenden Abschnitte geben darauf Antworten.

Mehr Nutzung, mehr Ausgaben

Allgemein sinken die Inferenzkosten. Aber mehr Mitarbeiter erhalten Zugang zu KI und sie nutzen die Technologie zunehmend intensiver. Zudem verschieben Unternehmen ihr Budget. Einsparungen bei den Inferenzkosten werden investiert, um mehr Anwendungen zu entwickeln und mehr Prozesse zu automatisieren. So nehmen die Ausgaben zu, obwohl die Kosten pro Einheit sinken. Gleichzeitig steigt aber auch der Wert pro investiertem Euro.

Planungsunsicherheit beim Einsatz von KI

Ein weiterer wichtiger Punkt ist, dass es vielen Unternehmen schwerfällt, die Ausgaben für generative und agentische KI zu planen. Dafür gibt es mehrere Gründe.

Bei einem großen ERP-System sind die Kosten im Vergleich durchaus hoch, aber sie lassen sich gut planen. Denn Unternehmen kennen das Verhalten der Anwendung und der Nutzer. Die Kosten für die Cloud sind wie jene für KI nutzungsbasiert. Aber die Stückkosten bleiben bei der Cloud vergleichsweise stabil. KI-Systemen fehlt diese Preisstabilität. Die Kosten pro Token fallen generell. Allerdings verläuft das je nach KI-Anbieter unterschiedlich. Neue Modelle sorgen zudem immer wieder für Preissprünge nach oben. Hinzu kommt, dass die Nutzungsmuster von Anwendungsfall zu Anwendungsfall stark variieren. Je nach Modell, Architektur und Prompt kann dieselbe Anfrage daher unterschiedlich viel kosten – teils deutlich.

Darüber hinaus fehlt Unternehmen oft die Erfahrung, um alle KI-Kosten zu kennen. Auch das trägt zur Planungsunsicherheit bei. Am Anfang der KI-Nutzung gibt es einige Ausgaben, die später in der Rechnung der Inferenzkosten nicht auftauchen. Unternehmen müssen zu Beginn in verschiedene Bereiche investieren. Sie benötigen Infrastruktur und müssen KI in bestehende Tools und Teams integrieren. Zugleich müssen die eigenen Daten für den Einsatz von KI aufbereitet werden, damit die Qualität der Ergebnisse stimmt. Nicht zu vergessen ist außerdem das Change Management, also die Vorbereitung von Mitarbeitern und Prozessen auf die neue Technologie. Diese anfänglichen Investitionen ermöglichen die KI-Nutzung erst und bestimmen maßgeblich, wie schnell sie sich auszahlt. Wer allein die Kosten pro Token im Blick hat, plant also nicht mit der vollen Kostenrealität.

Schlüssel für eine sinnvolle Budgetplanung

Die Planungsunsicherheit in Bezug auf die KI-Nutzung erinnert an die frühe Cloud-Ära. Unternehmen waren darauf angewiesen, interne Kompetenz zu entwickeln, um Cloud-Ressourcen richtig zu nutzen. Damals wurde das Budget mitunter überschritten, unter anderem weil ungenutzte Elastizität und Skalierbarkeit zu unnötig hohen Ausgaben führten. Es dauerte, bis aus dieser Erfahrung mit FinOps eine eigene Finanzdisziplin für Transparenz und Kontrolle über Cloud-Ausgaben entstand. Die Entwicklung der Disziplin gliedert sich in drei Phasen.

Durch FinOps 1.0 waren Unternehmen zum ersten Mal in der Lage, genau zu überblicken und nachzuvollziehen, wofür ihr Cloud-Budget tatsächlich ausgegeben wurde. Mit FinOps 2.0 kam Optimierung hinzu, beispielsweise durch Sparpläne und Anomalie-Erkennung. Ein großer Nachteil: Oft waren die resultierenden Empfehlungslisten lang und ließen nicht klar erkennen, welche Punkte wirklich Priorität hatten oder zur bestehenden Architektur passten. Deshalb gab es die Weiterentwicklung hin zu FinOps 3.0 – mit dem Fokus auf den Zusammenhang zwischen Ausgaben und Geschäftsergebnis. Es geht jetzt weniger um die reine Kostenreduktion und mehr um die Frage, welche Investitionen den größten geschäftlichen Mehrwert liefern.

Unternehmen sollten FinOps 3.0 auf den Umgang mit KI-Kosten übertragen. Auch bei KI wird es entscheidend sein, alle Kosten überblicken zu können und die Ausgaben in Beziehung zum Geschäftsergebnis zu setzen.

Die richtigen Hebel für die Budgetplanung

Mit Blick auf FinOps 3.0 ist es bei der Steuerung von KI-Ausgaben ratsam, mit relativen Kennzahlen zu arbeiten. Die Kosten pro Interaktion und das Geschäftsergebnis pro ausgegebenem Euro sind aussagekräftiger als die Kosten pro Token. Ohne Kontext sagen Kostendaten wenig aus. Ein Kostenanstieg ist nicht automatisch ein Warnsignal. Er kann auch bedeuten, dass KI zwar mehr genutzt wird, dadurch aber messbare Vorteile entstehen. Mit einer genauen Wirkungsmessung und klaren Governance-Regeln gelingt es Unternehmen, KI-Ausgaben im Zusammenhang mit dem Geschäftsergebnis zu bewerten.

Das alles bedeutet jedoch nicht, dass Token als Kennzahl völlig irrelevant sind. Auch wenn die Kosten pro Token je nach Zeitpunkt, KI-Anbieter, Modell und Nutzungsmuster unterschiedlich ausfallen können und daher eine gewisse Planungsunsicherheit besteht, lassen sie sich in die Budgetplanung einbeziehen. Erst einmal sollten Unternehmen klären, wie die Preismodelle einzelner KI-Anbieter aussehen und wer KI für welche Anwendungsfälle einsetzen wird. Auf dieser Basis können sie drei Variablen ermitteln: Das sind die Kosten pro Token, die erwartete Zahl angefragter Token und die Zahl der Anfragen pro Tag. Daraus lässt sich am Ende eine Prognose ableiten. Jedoch muss im Hinterkopf bleiben, dass die Kosten pro Token keine feste Größe sind.

Wichtig ist auch, das richtige Modell für den eigenen Anwendungsfall zu wählen. Denn nicht jeder Anwendungsfall benötigt ein möglichst fortschrittliches Modell. Manchmal reichen kleinere, spezialisierte Modelle aus, die zugleich oft kostengünstiger sind und so Inferenzkosten sparen. Der Kostenunterschied zwischen einem Frontier- und einem offenen Modell kann das 150-Fache betragen.

Keine Zeit verschwenden

Eine verlässliche Budgetplanung für den Einsatz von KI ist möglich. Unternehmen sollten jetzt aktiv werden und eine neue Praxis für die Steuerung von KI-Ausgaben etablieren. Wer heute damit beginnt, ist morgen besser aufgestellt.

Matthias Patzak, AWS Executive in Residence

Praxistipps: KI-Ausgaben nachvollziehbar steuern

Die folgenden Tipps sind redaktionelle Handlungsempfehlungen auf Grundlage der genannten Quellen. Sie ersetzen keine unternehmensspezifische Wirtschaftlichkeitsprüfung.

KI-generierte Infografik mit dem vollständigen Wortlaut der acht Kurztipps. Die Bezugszeichen entsprechen der Quellenliste am Ende des Artikels.

Ausführliche Praxistipps: Vom Kostenüberblick zur Steuerung

Die folgenden Umsetzungsschritte sind redaktionelle Empfehlungen. Die fachliche Grundlage bilden die bereits aufgeführten Quellen [1], [4] und [5]. [Speculation] Sämtliche Praxisbeispiele, Unternehmen, Mengen, Kostenansätze und Zielwerte in diesem Abschnitt sind hypothetisch; sie dienen der Veranschaulichung und sind keine dokumentierten Projektergebnisse, Anbieterpreise oder Einsparversprechen. Die Beispielrechnungen verwenden ausschließlich die jeweils genannten Annahmen. Übertragen Sie die Vorgehensweise erst nach Prüfung eigener Daten, Verträge und Prozessanforderungen.

1. Kosteninventar: Die gesamte Rechnung sichtbar machen

Umsetzung. Beginnen Sie mit einer gemeinsamen Bestandsaufnahme von IT, Einkauf und Controlling. Empfohlen ist ein Kostenregister mit Anbieter, Vertrag, Anwendungsfall, Verantwortlichem, Abrechnungseinheit und Kostenperiode. Trennen Sie einmalige Einführung, laufenden Betrieb und verbrauchsabhängige Leistungen. Berücksichtigen Sie zusätzlich zur Modellnutzung Datenaufbereitung, Integration, Qualitätssicherung und Schulung. Weisen Sie interne Aufwände und externe Zahlungen getrennt aus; rechnen Sie interne Stunden nur mit einem dokumentierten Kostensatz um. Für gemeinsam genutzte Plattformen sollte ein nachvollziehbarer Verteilungsschlüssel festgelegt werden. Die technologieübergreifende Erfassung von KI-Ausgaben ist ein Kernansatz der FinOps Foundation. [1]

[Speculation] Praxisbeispiel. Ein Industriebetrieb plant einen Assistenten für technische Dokumentationen. Angenommen werden einmalig 24.000 Euro für Einführung und Datenaufbereitung sowie monatlich 1.200 Euro Modellnutzung, 800 Euro Plattformbetrieb und 1.000 Euro laufende Pflege und Prüfung. Das ergibt 3.000 Euro pro Monat beziehungsweise 36.000 Euro für zwölf Betriebsmonate. Zusammen mit der Einführung beträgt der angesetzte Aufwand im ersten vollständigen Betriebsjahr 60.000 Euro. Die Tokenrechnung allein würde nur 14.400 Euro jährlich ausweisen. Die Rechnung ist eine vereinfachte Kostenbetrachtung, kein Zahlungsplan oder Amortisationsnachweis.

Kontrollgrößen und nächster Schritt. Prüfen Sie den Anteil eindeutig zugeordneter Kosten, fehlende Verträge und ungeklärte Plattformpositionen. Gleichen Sie das Register mit Rechnungen und interner Kostenrechnung ab. Legen Sie fest, wer neue Kostenpositionen ergänzt, damit aus der Bestandsaufnahme ein laufender Prozess wird.

2. Verbrauch zuordnen: Vom API-Aufruf zum Geschäftsprozess

Umsetzung. Definieren Sie vor dem Ausbau ein einheitliches Zuordnungsschema: Anwendungsfall, Projekt, Kostenstelle, Modellversion, Betriebsumgebung und Aufgabenkennung. Verbinden Sie technische Verbrauchsdaten mit der Abrechnung und dokumentieren Sie Abweichungen zwischen geschätzten und fakturierten Kosten. Empfohlen ist eine gemeinsame Aufgabenkennung für alle Schritte eines Vorgangs, einschließlich Wiederholungen und externer Dienste. Übernehmen Sie dafür möglichst Metadaten statt vollständiger Eingaben oder vertraulicher Dokumentinhalte in das Kostenmonitoring. Die FinOps Foundation empfiehlt die Kostenzuordnung vor der Optimierung und die Betrachtung des Anwendungsfalls statt nur der Tokens. [1]

[Speculation] Praxisbeispiel. Eine gemeinsame KI-Plattform unterstützt Produktsuche, Dokumentenklassifizierung und interne Wissensabfragen. Das Controlling entscheidet sich gegen die Verteilung der gesamten Rechnung nach Beschäftigtenzahl. Stattdessen erhält jede Anwendung eine Kennung; direkte Modellkosten werden nach gemessenem Verbrauch zugeordnet. Der Betrieb der gemeinsamen Plattform erscheint separat und wird nach einem vereinbarten Schlüssel verteilt. Noch nicht zuordenbarer Verbrauch bleibt als »ungeklärt« sichtbar. So lässt sich im Beispiel gezielt untersuchen, welcher Prozess eine Budgetabweichung verursacht.

Kontrollgrößen und nächster Schritt. Verfolgen Sie den Anteil ungeklärter Ausgaben, die Vollständigkeit der Aufgabenkennungen und Abweichungen zur Anbieterabrechnung. Testen Sie die Zuordnung zunächst an einem einzigen Prozess über eine vollständige Abrechnungsperiode, bevor Sie sie für alle Anwendungen verbindlich machen.

3. Szenarien planen: Annahmen statt Scheingenauigkeit

Umsetzung. Erstellen Sie eine Planung mit getrennten Mengen- und Preisannahmen. Erfassen Sie aktive Nutzer, Vorgänge je Nutzer, Nutzungstage, Modellmix sowie Eingabe-, Ausgabe- und sonstigen Verbrauch je Vorgang. Empfehlenswert sind ein Basisszenario, ein Wachstumsszenario mit höherer Nutzung und ein Belastungsszenario mit aufwendigeren Vorgängen. Dokumentieren Sie die Herkunft jeder Annahme, etwa Pilotmessung, Vertrag oder Planungsentscheidung. Berücksichtigen Sie feste Kosten separat und gleichen Sie die Planung regelmäßig mit Ist-Daten ab. Die FinOps Foundation beschreibt Preis mal Menge als grundlegende Kostenlogik und betont die Verbindung von Forecasting und Verbrauchssteuerung. [1]

[Speculation] Praxisbeispiel. Ein Dokumentenassistent wird für 200 aktive Nutzer mit jeweils 20 Vorgängen an 20 Nutzungstagen geplant. Das ergibt 80.000 Vorgänge im Monat. Bei angenommenen variablen Gesamtkosten von 0,06 Euro je Vorgang und 2.000 Euro Fixkosten beträgt das Basisbudget 6.800 Euro. Das Wachstumsszenario mit 300 Nutzern und 25 Vorgängen pro Nutzungstag umfasst 150.000 Vorgänge und kostet unter denselben Preisannahmen 11.000 Euro. Werden im Belastungsszenario 0,10 Euro je Vorgang angesetzt, steigt dieser Betrag auf 17.000 Euro. Die Durchschnittssätze sind fiktive Rechenannahmen, keine Modelltarife.

Kontrollgrößen und nächster Schritt. Messen Sie Forecast-Abweichung, Verbrauch je Vorgang und Veränderungen im Modellmix. Untersuchen Sie, ob die Abweichung aus Preisen, Mengen oder Prozessänderungen stammt. Stellen Sie die drei Szenarien mit ihren Annahmen nebeneinander zur Budgetentscheidung.

4. Erfolg definieren: Akzeptierte Ergebnisse statt bloßer Aktivität

Umsetzung. Vereinbaren Sie mit dem Fachbereich, wann ein Ergebnis als akzeptiert gilt. Bei einer Dokumentenauswertung könnten das beispielsweise vollständig erfasste Pflichtfelder und bestandene fachliche Prüfungen sein. Empfohlen ist eine Kombination aus Akzeptanzquote, Durchlaufzeit, Nacharbeit und Kosten je akzeptiertem Vorgang. Verwenden Sie für Zähler und Nenner dieselbe Periode und eine identische Prozessabgrenzung. Im Kostenbetrag sollten auch fehlgeschlagene Versuche, Prüfungen und Wiederholungen berücksichtigt werden. Der Ergebnisbezug folgt der Empfehlung der FinOps Foundation, Kosten je erfolgreichem Anwendungsfall zu betrachten. [1]

[Speculation] Praxisbeispiel. Ein Unternehmen wertet in einem Pilotdurchlauf 1.000 Dokumente aus. Davon erfüllen 800 die zuvor festgelegten Akzeptanzkriterien. Betragen die vollständig zugeordneten Kosten dieses Durchlaufs einschließlich Nacharbeit 2.400 Euro, liegen die Kosten je akzeptiertem Dokument bei 3 Euro. Eine Division durch alle 1.000 Eingänge ergäbe zwar 2,40 Euro, würde aber beantwortete beziehungsweise bearbeitete Eingänge mit akzeptierten Ergebnissen gleichsetzen. Die Akzeptanzquote beträgt im Beispiel 80 Prozent. Ob der Ablauf wirtschaftlich ist, müsste erst im Vergleich mit einer gleich abgegrenzten Ausgangsbearbeitung geprüft werden.

Kontrollgrößen und nächster Schritt. Dokumentieren Sie Akzeptanzkriterien vor dem Test und erfassen Sie Ablehnungsgründe. Prüfen Sie zusätzlich die Verteilung der Bearbeitungszeiten, nicht nur den Durchschnitt. Unterscheiden Sie rechnerisch gewonnene Kapazität von tatsächlich vermiedenen Ausgaben; weisen Sie beides getrennt aus.

5. Modelle vergleichen: Die Aufgabe bestimmt die Auswahl

Umsetzung. Stellen Sie einen Testsatz aus repräsentativen, zulässig verwendbaren Aufgaben zusammen: kurze und lange Dokumente, typische Fälle, ungewöhnliche Formulierungen und unvollständige Eingaben. Legen Sie vorab Qualitätskriterien und Anforderungen an die Antwortzeit fest. Vergleichen Sie Modelle mit derselben fachlichen Aufgabe und dokumentieren Sie Modellversion, Konfiguration und etwaige Unterschiede im Ablauf. Bewerten Sie den gesamten Vorgang einschließlich Kontextbeschaffung, Prüfung, Wiederholungen und gegebenenfalls eigenem Infrastruktur- und Betriebsaufwand. Bedarfsgerechte Modellwahl und effiziente Token-Nutzung gehören zu den Optimierungsansätzen der FinOps Foundation. [1]

[Speculation] Praxisbeispiel. Ein Großhändler möchte Artikelbeschreibungen nach einem festen Kategorienschema einordnen. Er testet ein kleineres Modell, ein umfangreicheres Modell und einen regelbasierten Vergleichsprozess. Einfache, eindeutige Artikel sollen nur dann mit dem kleineren Modell bearbeitet werden, wenn die Tests die vorgegebenen Qualitätskriterien erfüllen. Mehrdeutige Beschreibungen könnten an ein anderes Modell oder zur fachlichen Prüfung weitergeleitet werden. Die Wirtschaftlichkeitsrechnung müsste die zusätzlichen Aufrufe dieses mehrstufigen Ablaufs einschließen. Eine geringe Erfolgsquote in der ersten Stufe wäre Anlass, die Aufteilung erneut zu prüfen.

Kontrollgrößen und nächster Schritt. Vergleichen Sie Kosten je akzeptiertem Ergebnis, Qualitätsabweichungen, Antwortzeiten und Weiterleitungsquote. Halten Sie einen Rückfallweg auf den bisherigen Prozess bereit. Wiederholen Sie die Prüfung vor wesentlichen Modell- oder Konfigurationsänderungen; behandeln Sie das ursprüngliche Testergebnis nicht als dauerhafte Freigabe.

6. Caching und Batch-Verarbeitung: Tarife mit Prozessanforderungen abgleichen

Umsetzung. Unterscheiden Sie wiederkehrende Kontextbestandteile von wechselnden Eingaben. Prüfen Sie bei Caching, welche Teile wiederverwendbar sind, wie lange Einträge gültig bleiben und welche Schreib- und Zugriffskosten anfallen. Die Anthropic-Preisliste unterscheidet reguläre Eingaben, Cache-Schreibvorgänge und Cache-Treffer. Die Batch-Dokumentation beschreibt asynchrone Verarbeitung für Aufgaben ohne unmittelbaren Antwortbedarf. [4][5] Empfohlen ist eine Gesamtrechnung statt der Betrachtung eines rabattierten Einzelpreises: Berücksichtigen Sie tatsächliche Treffer, fehlgeschlagene Aufträge, zusätzliche Aufrufe und Betriebsaufwand. Prüfen Sie außerdem die Speicher-, Vertrags- und Datenschutzbedingungen des konkret verwendeten Dienstes.

[Speculation] Praxisbeispiel. Ein Fachverlag klassifiziert neu eingegangene Artikel anhand eines stabilen Ressortschemas. Weil Ergebnisse erst für die Planung am folgenden Arbeitstag benötigt werden, untersucht er eine gebündelte Verarbeitung. Für wiederkehrende Schema- und Regeltexte prüft er zusätzlich Prompt-Caching, sofern der Dienst dies unterstützt. Vor der Einführung vergleicht er mehrere vollständige Testläufe mit der bisherigen Einzelverarbeitung. Bewertet werden Rechnungsbetrag, rechtzeitige Bereitstellung, Vollständigkeit und Nacharbeit. Zeitkritische redaktionelle Abfragen bleiben in diesem Beispiel in einem getrennten Ablauf.

Kontrollgrößen und nächster Schritt. Erfassen Sie Cache-Trefferquote, Schreibkosten, Kosten je akzeptiertem Ergebnis sowie den Anteil termingerecht abgeschlossener Aufträge. Definieren Sie einen Umgang mit fehlenden oder verspäteten Ergebnissen. Beurteilen Sie Caching und Batch zunächst separat und anschließend gegebenenfalls in Kombination.

7. Agentische Abläufe: Eine Aufgabe mit klaren Grenzen versehen

Umsetzung. Definieren Sie für jeden Ablauf erlaubte Dienste, Abbruchbedingungen und eine fachliche Eskalation. Empfohlen sind Grenzen für Aufrufe, Wiederholungen, Laufzeit und geschätztes Aufgabenbudget im verwendeten Orchestrierungsprozess. Prüfen Sie bei parallelen Schritten auch die Summe gleichzeitig ausgelöster Vorgänge sowie bereits laufende, noch nicht abgerechnete Aufrufe. Ein Budgetalarm sollte nicht mit einer technisch durchgesetzten Grenze gleichgesetzt werden. Dokumentieren Sie für die Kostenanalyse die vollständige Aufgabenfolge und ihren Abschlussstatus. Die Zuordnung zur Gesamtaufgabe und zum akzeptierten Ergebnis knüpft an die FinOps-Empfehlungen an. [1]

[Speculation] Praxisbeispiel. Ein Unternehmen erprobt einen Assistenten, der Produktinformationen in freigegebenen internen Quellen zusammenträgt. Für einen Testlauf werden höchstens acht Modellaufrufe, zwei Wiederholungen eines fehlgeschlagenen Schritts und drei Minuten Gesamtlaufzeit vorgegeben. Ist die Informationslage danach weiterhin unvollständig, soll der Ablauf einen Prüfbedarf melden, statt unbegrenzt weiterzusuchen. Der Test umfasst ausdrücklich den Fall einer nicht erreichbaren Quelle. Die Werte sind fiktive Pilotgrenzen, keine allgemeingültigen Empfehlungen für jeden Agenten.

Kontrollgrößen und nächster Schritt. Erfassen Sie Kosten je Aufgabe, Abbruch- und Wiederholungsquote sowie besonders teure Einzelverläufe. Prüfen Sie die Grenzdurchsetzung mit gezielt ausgelösten Fehlerfällen, bevor Sie den Einsatz ausweiten. Legen Sie fest, wer abgebrochene Aufgaben prüft und unter welchen Bedingungen ein neuer Lauf freigegeben wird.

8. Gemeinsam steuern: Aus Kennzahlen nachvollziehbare Entscheidungen machen

Umsetzung. Richten Sie eine regelmäßige Abstimmung zwischen IT, Finanzen und Fachbereichen ein. Empfehlenswert ist eine kurze, gleichbleibende Entscheidungsunterlage: Budget und Ist-Kosten, Volumen, Kosten je akzeptiertem Ergebnis, Qualität, offene Risiken und nächste Maßnahmen. Ordnen Sie Abweichungen Preis-, Mengen- oder Prozessänderungen zu. IT sollte Verbrauch und technische Optionen erläutern, Finanzen die Kostenabgrenzung prüfen und der Fachbereich die Ergebnisqualität sowie den realisierten Nutzen einbringen. Die Verbindung von zugeordneten Kosten mit fachlich verantworteten Ergebnissen entspricht dem FinOps-Ansatz. [1]

[Speculation] Praxisbeispiel. Ein Steuerungskreis betrachtet zwei dokumentenbezogene KI-Anwendungen. Beim ersten Prozess steigen die Gesamtkosten, zugleich werden mehr fachlich akzeptierte Dokumente bearbeitet und die Kosten je akzeptiertem Vorgang sinken. Beim zweiten Prozess bleibt der technische Verbrauchspreis niedrig, während umfangreiche Nacharbeit anfällt. Der Kreis könnte deshalb den ersten Prozess innerhalb eines vereinbarten Rahmens ausweiten und den zweiten zunächst überarbeiten lassen. Die Entscheidung wäre nur dann begründet, wenn Mengen, Qualitätskriterien und Kostenabgrenzung für beide Prozesse nachvollziehbar dokumentiert sind.

Kontrollgrößen und nächster Schritt. Legen Sie für jede Maßnahme Verantwortlichkeit, Termin und überprüfbares Ziel fest. Unterscheiden Sie Entscheidungen zur Kostensenkung, zum Qualitätsausbau und zur Skalierung. Dokumentieren Sie zusätzliche Budgetfreigaben ausdrücklich; betrachten Sie technische Einsparungen nicht automatisch als frei verfügbaren Betrag für neue Anwendungen.

FAQ: Zehn Fragen zur KI-Budgetplanung

1. Warum können KI-Ausgaben trotz sinkender Inferenzpreise steigen?

Ein günstigerer Modellzugriff senkt zunächst nur die Kosten einer Verbrauchseinheit. Werden mehr Aufgaben bearbeitet, zusätzliche Anwendungen eingeführt oder umfangreichere Abläufe genutzt, verändert sich zugleich die Menge. Deshalb betrachtet FinOps Preis und Verbrauch gemeinsam. Ergänzend dokumentiert der Stanford AI Index 2025 einen mehr als 280-fachen Rückgang der Inferenzkosten für ein Leistungsniveau vergleichbar mit GPT-3.5 zwischen November 2022 und Oktober 2024. Diese historische, leistungsbezogene Kennzahl ist keine Prognose für jedes Modell oder jedes Unternehmensbudget. [1][6]

2. Welche Kosten gehören neben den Tokens ins Budget?

Die FinOps Foundation berücksichtigt unterschiedliche Beschaffungswege: Modell-APIs, Cloud-Dienste, SaaS- und Entwicklungswerkzeuge, GPUs und Rechenzentren. Für den konkreten Business Case sollten zusätzlich die zugehörigen Daten-, Integrations-, Sicherheits-, Betriebs- und Schulungsaufwände ausgewiesen werden. Empfehlenswert ist eine Trennung von Einführung, laufendem Betrieb und gemeinsam genutzten Plattformkosten. Bereits anderweitig verbuchte Positionen dürfen dabei nicht doppelt angesetzt werden. [1]

3. Wie lässt sich ein belastbarer Verbrauchsforecast erstellen?

Startpunkt sollten gemessene Pilotdaten und dokumentierte Tarifbedingungen sein. Kalkulieren Sie Eingabe-, Ausgabe- und gegebenenfalls Cache-Verbrauch jeweils mit dem zugehörigen Preis; ergänzen Sie zusätzliche Dienste, Infrastruktur und feste Kosten. Die offiziellen Preislisten von OpenAI und Anthropic unterscheiden diese Abrechnungskategorien. Für die Planung empfiehlt sich eine Bandbreite mit Annahmen zu Nutzung, Modellmix und Wiederholungen. Gleichen Sie den Forecast regelmäßig mit dem tatsächlichen Verbrauch ab. [1][3][4]

4. Warum reicht »Kosten pro Token« als Managementkennzahl nicht aus?

Tokens erfassen Verbrauch, aber nicht den fachlichen Erfolg. Die FinOps Foundation empfiehlt daher, den Anwendungsfall und die Kosten je erfolgreichem Ergebnis zu messen. Für das Management bietet sich beispielsweise die Kennzahl »zugeordnete Gesamtkosten je akzeptiertem Vorgang« an. Definieren Sie vorher die Qualitätskriterien und beziehen Sie Nacharbeit sowie fehlgeschlagene Versuche ein. Eine niedrige technische Stückkostenkennzahl ersetzt diesen Ergebnisbezug nicht. [1]

5. Was bedeutet FinOps für KI – und ist »FinOps 3.0« ein offizielles Stufenmodell?

FinOps für KI überträgt die gemeinsame Steuerung von Kosten, Nutzung und Geschäftswert auf KI-Ausgaben. Die hier verwendete Übersicht der FinOps Foundation beschreibt einen schrittweisen Aufbau mit »Crawl, Walk, Run«. [1] [Unverified] Die Einteilung »FinOps 1.0, 2.0, 3.0« im Originalartikel kann ich als offizielles Stufenmodell der FinOps Foundation nicht überprüfen. Für die redaktionellen Ergänzungen wird deshalb der quellenbelegte Begriff »FinOps für KI« verwendet.

6. Wann ist ein kleineres Modell wirtschaftlich sinnvoll?

Die FinOps Foundation nennt die bedarfsgerechte Modellwahl als Optimierungshebel und empfiehlt, Modelle nicht größer als für die Aufgabe erforderlich zu dimensionieren. Wirtschaftlich sollte die Auswahl dennoch anhand eigener Tests erfolgen: Erfüllt das Modell die Qualitäts- und Laufzeitanforderungen, und wie hoch sind die Kosten des gesamten Vorgangs? Vergleichen Sie dabei auch Prüf- und Wiederholungsaufwände sowie bei selbst betriebenen Modellen Infrastruktur und Betrieb. [1] [Unverified] Einen pauschalen 150-fachen Kostenvorteil offener gegenüber Frontier-Modellen kann ich anhand der hier verwendeten Quellen nicht überprüfen.

7. Welche Rolle spielen Prompt-Caching und Batch-Verarbeitung?

Die offiziellen Preislisten führen unterschiedliche Tarife für reguläre Eingaben, Cache-Zugriffe und Ausgaben auf. Bei Anthropic werden zudem Cache-Schreibvorgänge gesondert bepreist. Für die Kalkulation sollten deshalb tatsächliche Cache-Nutzung und Schreibkosten berücksichtigt werden. Anthropic dokumentiert für seine Message Batches API einen Preisnachlass von 50 Prozent bei asynchroner Verarbeitung. Das Angebot ist ausdrücklich für Aufgaben ohne unmittelbaren Antwortbedarf gedacht; Bedingungen und Eignung sind vor dem Einsatz zu prüfen. [3][4][5]

8. Wie sollten Unternehmen agentische KI budgetieren?

Die FinOps-Übersicht empfiehlt die Betrachtung des vollständigen Anwendungsfalls und macht die Zuordnung von KI-Verbrauch zu einer zentralen Aufgabe. Für agentische Anwendungen sollten deshalb sämtliche abrechenbaren Schritte einer Aufgabe erfasst werden, einschließlich externer Dienste und Wiederholungen. Als praktische Leitplanken empfehlen sich Budgetgrenzen je Aufgabe, begrenzte Laufzeiten und definierte Eskalationswege. Prüfen Sie sowohl Durchschnittswerte als auch kostspielige Ausreißer, bevor Sie den Einsatz ausweiten. [1]

9. Wie wird aus behaupteter Produktivität ein belastbarer Business Case?

Die FinOps Foundation fordert, zugeordnete Kosten mit Ergebnissen zu verbinden, für die der Fachbereich Verantwortung übernimmt. Dokumentieren Sie deshalb zunächst Bearbeitungszeit, Qualität, Nacharbeit und Kosten im Ausgangsprozess. Messen Sie anschließend dieselben Größen im KI-gestützten Ablauf. Als Bewertungsregel empfiehlt sich: Zeitgewinn nicht automatisch als zahlungswirksame Einsparung verbuchen, sondern den tatsächlich realisierten Nutzen separat ausweisen. Zusätzliche Kapazität, vermiedene Kosten und Umsatzbeiträge sollten nachvollziehbar voneinander getrennt werden. [1]

10. Wer sollte die Verantwortung für das KI-Budget tragen?

FinOps setzt auf die Zusammenarbeit von Technik, Finanzen und geschäftlich Verantwortlichen. Empfehlenswert ist eine klare Rollenverteilung: IT beziehungsweise Plattformteams schaffen Verbrauchstransparenz und technische Leitplanken, Finanzen definieren Budget- und Bewertungslogik, Fachbereiche verantworten Nutzen und Qualitätskriterien. Ein gemeinsamer Steuerungskreis entscheidet über Skalierung und Prioritäten. Der State of FinOps 2026 unterstreicht die zunehmende Ausrichtung auf technologieübergreifende Investitionsentscheidungen statt einer isolierten Betrachtung vergangener Cloud-Rechnungen. [1][2]

Quellen und Recherchehinweise

Recherche: 5. November 2026. Die Bezugszeichen [1] bis [6] beziehen sich auf die Ergänzungen, nicht auf eine nachträgliche Verifizierung sämtlicher Aussagen des Originalartikels. Die Tipps sind Handlungsempfehlungen. Anbieterpreise und Angebotsbedingungen sind zeitabhängig; für Budgetentscheidungen gelten die jeweiligen vertraglichen Konditionen.

[1] FinOps Foundation: FinOps for AI Overview. https://www.finops.org/wg/finops-for-ai-overview/
[2] FinOps Foundation: State of FinOps 2026 Report. https://data.finops.org/
[3] OpenAI: Pricing – OpenAI API. https://developers.openai.com/api/docs/pricing
[4] Anthropic: Pricing – Claude Platform Docs. https://platform.claude.com/docs/en/about-claude/pricing
[5] Anthropic: Batch processing – Claude Platform Docs. https://platform.claude.com/docs/en/build-with-claude/batch-processing
[6] Stanford HAI: The 2025 AI Index Report. https://hai.stanford.edu/ai-index/2025-ai-index-report

Management Summary, Tipps, FAQ und Bilder wurden mit Hilfe von KI erstellt

151 Artikel zu „FinOps“

Ausgabe 7-8-2025 | Business | Cloud Computing | Geschäftsprozesse | News

IT Financial Management und FinOps – Gemeinsam mehr erreichen

2. September 2025

Die Integration von Cloud-Kosten in das IT Financial Management (ITFM) stellt eine Herausforderung dar. Viele Organisationen haben Schwierigkeiten, Cloud-Kosten effektiv zu verwalten und zu integrieren. Spezialisierte FinOps-Teams und -Tools schaffen zwar Transparenz, reichen aber allein nicht aus. Ein ganzheitliches ITFM-Tool, das Cloud-Kosten integriert, schafft die Grundlage für bessere Entscheidungen und ein nachhaltiges Kostenmanagement.