Strategie & KI im Unternehmen

Wenn Unternehmens-KI teurer wird als Menschen: die wirtschaftliche Wende vom Mai 2026

Artikel von Massimiliano Speranza · Juni 2026 · 7 Min. Lesezeit

Microsoft entzieht seinen eigenen Ingenieuren Claude Code. Uber erschöpft sein KI-Budget 2026 schon im April. Das Modell «API nach Verbrauch» trifft auf die buchhalterische Realität.

Und mit ihm eine Grundsatzfrage: Kann man sich noch einen KI-Stack leisten, dessen Kosten und Anbieter man nicht im Griff hat?

1. Das Ereignis

Im Mai 2026 sind zwei schwache Signale zu grossen Warnungen geworden.

Microsoft hat begonnen, den Ingenieuren seiner Division Experiences + Devices (Windows, Microsoft 365, Teams) die Claude-Code-Lizenzen zu entziehen; sie müssen bis zum 30. Juni 2026, dem Abschluss des Geschäftsjahres, auf GitHub Copilot CLI wechseln. Offizieller Grund: die Tools vereinheitlichen. Laut Fachpresse wogen die Kosten der intensiven Nutzung beim Entscheid mit, kaum sechs Monate nach der Einführung.

Gleichzeitig hat Uber über seinen Technologiechef Praveen Neppalli Naga in The Information eingeräumt, sein gesamtes Budget 2026 für KI-Coding-Tools in nur vier Monaten aufgebraucht zu haben. Die nutzungsabhängige Abrechnung (verbrauchte Tokens, API-Aufrufe, Rechenzeit) war weit über die Prognosen hinaus explodiert. Ergebnis: eine Ausgabenobergrenze pro Mitarbeiter und Tool.

Diese beiden Fälle sind keine Anekdoten. Sie sind die ersten sichtbaren Zeichen einer strukturellen Wende : Die KI, die Kosten senken sollte, lässt sie explodieren, unsichtbar, ungedeckelt und oft unumkehrbar.

Kennzahlen

500 – 2 000 $
Monatliche Ausgaben der intensivsten Nutzer von KI-Coding-Tools bei Uber
4 Monate
Zeit, die Uber brauchte, um sein KI-Jahresbudget 2026 zu erschöpfen
30. Juni 2026
Datum, bis zu dem Microsoft-Ingenieure von Claude Code auf GitHub Copilot CLI wechseln müssen
1 500 $
Von Uber festgelegte monatliche Obergrenze pro Mitarbeiter und KI-Coding-Tool

2. Der Mechanismus: warum nutzungsabhängige Preise explodieren

Das vorherrschende Geschäftsmodell der Unternehmens-KI beruht heute auf einem einfachen Prinzip: Sie zahlen, was Sie verbrauchen. Eingabe-Tokens, Ausgabe-Tokens, API-Aufrufe, GPU-Zeit.

In der Theorie ist das flexibel. In der Praxis ist es eine Falle.

Drei Faktoren wirken zusammen und lassen die Budgets entgleisen:

Eskalierender Verbrauch

Der Preis pro Token sagt nicht alles. Agentische Anwendungen verbrauchen enorm viel: Ein Coding-Tool, das stundenlang selbständig arbeitet, reiht Millionen von Tokens aneinander. Bei Uber gaben die intensivsten Nutzer jeweils 500 bis 2000 Dollar pro Monat aus.

Unvorhersehbare Nutzung

Ein KI-Agent, der Rechnungen bearbeitet, verbraucht nicht gleich viel, ob er 50 oder 500 Dokumente pro Tag erhält. Doch niemand dimensioniert ein KI-Budget auf die Lastspitze. Die Teams entdecken die Rechnung am Monatsende.

Shadow AI

In den meisten grossen Organisationen nutzen die Teams KI-Tools ohne zentrale Freigabe. Jede Abteilung abonniert eigene APIs, erstellt eigene Agenten, erzeugt eigene Kosten, ohne Sichtbarkeit für die IT-Leitung. Dieses Phänomen, genannt Shadow AI, entzieht sich jeder Budgetkontrolle.

Das Ergebnis

Ein Jahresbudget, das in wenigen Monaten verbraucht ist, wie bei Uber. Ohne dass jemand die Entgleisung kommen sah.

3. Die doppelte Abhängigkeit

Das Kostenproblem ist nur die sichtbare Seite einer tieferen Frage: der Abhängigkeit.

Technologische Abhängigkeit zuerst. Baut ein Unternehmen seine gesamte KI-Infrastruktur um einen einzigen Anbieter (OpenAI, Anthropic, Google), bindet es seinen Betrieb an die Entscheide dieses Anbieters. Preisänderung, geänderte Nutzungsbedingungen, nachlassende Leistung, Abschaffung eines Modells: Das Unternehmen erleidet es ohne Rückgriff.

Selbst Microsoft, das eigene Tools hat, musste zwischen höheren Ausgaben und dem Kappen des Zugangs abwägen. Ein KMU, das von einem einzigen Anbieter abhängt, hat diese Wahl oft nicht einmal.

Geografische Abhängigkeit danach. Fast alle KI-APIs für die breite Öffentlichkeit laufen über Rechenzentren in den Vereinigten Staaten. Das bedeutet, dass die Daten Ihrer Kunden, Ihre internen Dokumente, Ihre Geschäftsprozesse über Infrastrukturen laufen, die dem amerikanischen CLOUD Act unterstehen.

Für ein Schweizer KMU ist das ein doppeltes Risiko: rechtlich (mögliche Nichtkonformität mit revDSG und DSGVO) und betrieblich (mögliche Dienstunterbrechung bei Sanktionen oder regionalen Zugangsbeschränkungen).

Der Kernpunkt

DieModellunabhängigkeit ist kein technischer Luxus. Sie ist eine Bedingung für das betriebliche Überleben.

4. Die souveräne Multi-Modell-Alternative

Angesichts dieser Feststellungen entsteht ein alternatives Modell. Es beruht weder auf einem einzigen Anbieter noch auf einer undurchsichtigen Abrechnung.

Es ruht auf drei Pfeilern:

Souveräne Bereitstellung. Die KI wird direkt auf der Infrastruktur des Kunden bereitgestellt, on-premise oder in einer Schweizer Cloud (Infomaniak). Die Daten bleiben im festgelegten Umfang.

Modellunabhängigkeit. Die Architektur ist nicht an ein einzelnes Modell gebunden. Wird GPT-4.1 zu teuer, wechselt man zu Mistral, LLaMA oder einem Open-Source-Modell. Das ist der Multi-Modell -Ansatz: Der Wert liegt in der Orchestrierung, nicht im Motor.

Planbare, vertraglich festgelegte und gedeckelte Kosten. Keine Abrechnung pro Token. Keine Überraschung am Monatsende. Ein klares Abo, das Bereitstellung, Wartung und Weiterentwicklung abdeckt.

Forward Deployed AI

Diesen Ansatz verfolgt Wiven seit seiner Gründung: KI-Agenten, vor Ort bereitgestellt, in bestehende Tools integriert (SAP, Abacus, Odoo), gemeinsam mit dem Kunden gesteuert, kein generisches SaaS, das von aussen aufgezwungen wird.

5. Fünf Fragen vor der Unterzeichnung eines KI-Vertrags im Jahr 2026

Diese Fragen sind nicht neutral. Sie spiegeln, was wir für die entscheidenden Kriterien eines erfolgreichen KI-Projekts halten. Wir teilen sie transparent, damit jedes Unternehmen seine Optionen beurteilen kann, auch ausserhalb von Wiven.

01

Abrechnungsmodell

Rechnet mein Anbieter nach Verbrauch ab (Tokens, API-Aufrufe, GPU) oder nach einem planbaren Modell? Wenn nach Verbrauch: Habe ich eine vertragliche Obergrenze? Was geschieht, wenn sich meine Nutzung in drei Monaten verdoppelt?

02

Ort der Daten

Wo laufen meine Daten durch? Über welches Rechenzentrum, in welchem Land, unter welcher Gerichtsbarkeit? Habe ich eine vertragliche Garantie, dass meine Daten die Schweiz nicht verlassen?

03

Abhängigkeit vom Anbieter

Was geschieht, wenn mein KI-Modellanbieter seine Preise um 30 % erhöht? Seine Bedingungen ändert? Das Modell abschafft, das ich nutze? Habe ich bereits eine technische Alternative?

04

Eigentum und Portabilität

Gehören mir mein KI-Agent, seine Prompts, seine Trainingsdaten? Kann ich zu einem anderen Dienstleister wechseln, ohne bei null zu beginnen?

05

Transparenz der tatsächlichen Kosten

Was kostet mich jeder bereitgestellte KI-Agent wirklich, einschliesslich versteckter Kosten (Schulung, Integration, Wartung, Weiterentwicklung der Modelle)? Gibt mir mein Anbieter diese Sichtbarkeit?

Das Ende einer gewissen Naivität

Die Unternehmens-KI tritt in eine neue Phase ein. Jene, in der die Produktivitätsversprechen auf die buchhalterische Realität treffen. Jene, in der IT-Leitungen entdecken, dass ihr KI-Budget vor Ende des ersten Halbjahres aufgebraucht war.

Diese Wende ist keine schlechte Nachricht. Sie ist eine Gelegenheit, die Kontrolle zurückzugewinnen.

Gewinner dieser Phase werden die Unternehmen sein, die drei klare Entscheide getroffen haben: ein planbares Kostenmodell, eine Multi-Modell-Architektur und eine souveräne.

Bereitstellung. Nicht weil es Mode ist. Sondern weil es der einzige Weg ist, eine KI zu bauen, die Bestand hat: ohne Abhängigkeit von einem Anbieter, ohne seinen Preisen ausgeliefert zu sein und ohne die Sicherheit der eigenen Daten zu gefährden.

Um über Ihre KI-Strategie, Ihre tatsächlichen Kosten oder Ihre Abhängigkeit von Anbietern zu sprechen: Reden wir darüber.