AI wird vom Experiment zum relevanten Kostenfaktor in der Unternehmens-IT. Doch während die Investitionen steigen, fehlt vielen Unternehmen der vollständige Überblick: Was kostet ein AI-Use-Case tatsächlich – und welchen Business Value bringt er?
IBM hat das Thema AI-Kosten am 11. September 2026 neu aufgegriffen: Im aktuellen Beitrag zum Enterprise AI Cost Management geht es um eine Frage, die mit dem zunehmenden produktiven Einsatz von AI an Bedeutung gewinnt: Unternehmen können einzelne Kosten für Cloud-Services, Modelle oder AI-Tools zwar erfassen – häufig fehlt jedoch die Gesamtsicht auf die tatsächlichen Kosten und den damit erzielten Business Value.
Wie groß die Herausforderung ist, zeigen auch die Ergebnisse der „2026 Tech Leader Study: Redefining the tech leader’s mandate – Building the IT foundation for agentic AI at scale“ des IBM Institute for Business Value vom Juni 2026. Laut Studie soll der Anteil von AI an den IT-Budgets von 14,5 Prozent im Jahr 2025 auf 24,9 Prozent bis 2027 steigen – ein Anstieg von 71 Prozent. Gleichzeitig fehlt 85 Prozent der befragten Technologieverantwortlichen die vollständige Echtzeit-Transparenz über ihre AI-Ausgaben.
AI-Kosten brauchen Kontext
Was kostet eine AI-Anwendung? Die Lizenz? Die API-Aufrufe? Die verbrauchten Tokens?
Das ist nur ein Teil der Rechnung.
IBM zählt im o.g. Think-Beitrag zur Total Cost of Ownership von AI unter anderem Tokenverbrauch, Modelltraining und Fine-Tuning, Cloud-Infrastruktur einschließlich GPU- und VM-Ressourcen, Container-Orchestrierung und Vektordatenbanken, Modelllizenzen und API-Gebühren sowie Datenpipelines und Engineering- und Data-Science-Personal.
Ein Fachbereich bezahlt beispielsweise ein AI-Tool, Infrastrukturkosten liegen bei der IT und Entwicklungsleistungen in einem Projektbudget. Alle Kosten sind irgendwo erfasst – aber nicht unbedingt als Gesamtkosten dieses AI-Use-Cases.
Das spiegelt sich auch in der 2026 Tech Leader Study wider: 84 Prozent der Befragten haben das finanzielle Management ihrer AI-Investitionen noch nicht vollständig operationalisiert.
Kostentransparenz ist damit als wichtige Aufgabe im AI-Management angekommen.
Und der Business Value?
Kostentransparenz ist aber nur die halbe Wahrheit. Wo es noch schwieriger wird: Lohnt sich die Investition auch?
IBM zitiert in ihrem Beitrag eine weitere Untersuchung des IBM Institute for Business Value und Oxford Economics: Bis Ende 2025 lieferten nur 37 Prozent der AI-Initiativen den von Führungskräften erwarteten Geschäftswert.
Das zeigt, wie schwierig es ist, Kosten und Nutzen auf Ebene konkreter Use Cases zusammenzubringen:
Was kostet beispielsweise ein AI-Assistent im Kundenservice inklusive Infrastruktur, Datenbereitstellung, Integration und Betrieb?
Und was bringt er?
- Kürzere Bearbeitungszeiten?
- Weniger manuellen Aufwand?
- Höhere Servicequalität?
Erst dann lässt sich sinnvoll entscheiden, ob ein Use Case weiter skaliert, optimiert oder neu bewertet werden sollte.
Die „2026 Tech Leader Study“ zeigt dazu ein interessantes Ergebnis: Organisationen mit ausgeprägter finanzieller Disziplin – laut IBM gekennzeichnet durch frühzeitige Transparenz, eine engere Abstimmung und eine bewusstere Kapitalallokation – setzen 2,4-mal so viele AI-Agenten ein wie ihre Vergleichsgruppe, ohne ein höheres AI-/IT-Budget aufzuweisen.
Fazit:
Mit steigenden AI-Investitionen reicht es nicht mehr, einzelne Kostenpositionen im Blick zu haben. Entscheidend ist die Gesamtsicht: Welche Kosten verursacht ein konkreter Use Case – und welcher Business Value steht diesen Kosten gegenüber? Erst diese Zuordnung schafft die Grundlage, AI-Investitionen miteinander zu vergleichen und gezielt zu steuern.
Die entscheidende Frage lautet deshalb nicht mehr nur: Was kostet AI? Sondern: Was kostet dieser AI-Use-Case – und was bringt er uns? Wer diese beiden Seiten zusammenbringt, kann AI-Investitionen fundierter bewerten und entscheiden, welche Use Cases weiter skaliert werden sollen und welche unter “Experiment” abgelegt werden können.
