Das „Token“-Betriebsmodell: Warum Unternehmen ihre KI-Budgets genauso planen müssen, wie sie es bei der Cloud gelernt haben

In den letzten zweieinhalb Jahrzehnten habe ich miterlebt, wie die Unternehmenswelt das Internet, SaaS und die Cloud durchlaufen hat. Und jeder dieser Übergänge hat uns etwas gelehrt, das wir jedoch schon wieder vergessen hatten, als der nächste kam. 

Wir befinden uns nun mitten in einem weiteren Phasenwechsel, und die Lektion, die wir uns unbedingt merken müssen, ist keineswegs technischer, sondern finanzieller Natur. Künstliche Intelligenz wird in Unternehmen nicht scheitern, weil die Modelle nicht leistungsfähig genug sind. Sie wird enttäuschen, weil wir sie so nutzen werden, wie wir die Cloud in den Anfangsjahren genutzt haben – enthusiastisch, ohne Disziplin und ohne dass jemand im Unternehmen wirklich Rechenschaft darüber ablegt, wofür Geld ausgegeben wurde.

Was KI von allen bisherigen Wellen unterscheidet, ist, wie umfassend sie das gesamte Unternehmen durchdringt. Als Unternehmen in der Vergangenheit Cloud-Dienste kauften, gingen sie eine Verpflichtung ein, bevor sie wirklich wussten, wofür sie diese nutzen würden, und diese Verpflichtung beschränkte sich weitgehend auf Infrastruktur und Technik. 

KI ist jedoch umfassender. 

Man geht eine einzige Verpflichtung ein, und diese wird dann von der Forschung und Entwicklung, der Sicherheit, dem Finanzwesen, dem operativen Geschäft und der Markteinführung in Anspruch genommen – von jeder Funktion, die ihre Arbeit als Eingabeformulierung formulieren kann. Genau diese Breite macht sie so leistungsstark, und genau das führt auch dazu, dass man so leicht die Kontrolle darüber verliert.

Deshalb glaube ich, dass jedes Unternehmen heute das braucht, was ich mittlerweile als „Token-Betriebsmodell“ bezeichne. Kein Pilotbudget und auch kein Innovationsposten, den jemand in den IT-Zuweisungen versteckt – sondern ein echtes, mehrjähriges Token-Budget mit benannten Verantwortlichen, prognostiziertem Verbrauch und einer entsprechenden Governance-Struktur. 

Was wir brauchen, ist dieselbe Strenge, die letztendlich auch bei der Cloud angewendet wurde.

Die Lektion aus der Cloud, die wir nicht zweimal lernen müssen

Die ursprüngliche These der Cloud war einfach und auf dem Papier überzeugend. Die Infrastruktur vor Ort war zu dreißig bis vierzig Prozent ausgelastet. Verlegt man diese Workloads in die Cloud, würde man achtzig oder neunzig Prozent erreichen, und die Einsparungen würden sich von selbst ergeben. 

In den meisten Unternehmen pendelte sich die Auslastung jedoch bei vierzig oder fünfzig Prozent ein – die Wirtschaftlichkeit verbesserte sich kaum. Obwohl die Technologie durchaus in der Lage war, das versprochene Ergebnis zu liefern, wurde sie von den Unternehmen nicht richtig gesteuert.

Da eine Verpflichtung eingegangen worden war, fühlten sich die Teams gezwungen, die entsprechenden Ausgaben zu tätigen. Jeder konnte einen Dienst nach Bedarf bereitstellen, die Beschaffung hatte fast keinen Überblick, und es gab keine Steuerungsebene zwischen Absicht und Verbrauch. Als Reaktion darauf musste eine ganze Disziplin – FinOps – erst erfunden werden, und eine beträchtliche Anzahl von Workloads wurde schließlich wieder vollständig vor Ort betrieben. Diese Rückverlagerung war kein Urteil über die Cloud. Es war ein Urteil darüber, wie wir sie verwaltet haben.

Ich sehe bereits, wie sich bei Tokens dasselbe Muster abzeichnet. Dieselbe Aufgabe wird von mehreren Agenten ausgeführt. Mehrere Funktionen fragen dieselbe Quelle ab und greifen wiederholt auf dieselben Daten zu, weil niemand eine Caching- oder Abrufebene eingerichtet hat, die es der zweiten Person ermöglichen würde, das wiederzuverwenden, wofür die erste Person bereits bezahlt hat. 

Das ist Doppelarbeit, die teuer ist – und die sich vollständig vermeiden ließe, wenn sich jemand des Problems annimmt, bevor die Rechnung eintrifft, statt erst danach.

Token kennen keine geografischen Grenzen

Es gibt einen zweiten Aspekt, den die Vorstände noch nicht vollständig verinnerlicht haben, und der die Kalkulation erheblich verändert. Als wir Arbeit ins Ausland verlagerten – sei es nach Indien oder auf die Philippinen –, beruhte die gesamte wirtschaftliche Argumentation auf Arbeitsarbitrage: Dieselbe Aufgabe kostete an einem Standort zehn Dollar pro Stunde und an einem anderen fünfundzwanzig oder dreißig. 

Bei Token gibt es keine solche Arbitrage. Ein Token kostet dasselbe, egal ob die Person, die ihn einsetzt, in Bangalore, in Austin oder in Warschau sitzt. Er wird in einer globalen Währung zu einem einheitlichen Preis gehandelt, ähnlich wie Öl. Wenn mich also eine Führungskraft fragt, ob KI billiger ist, lautet meine ehrliche Antwort: Das hängt ganz davon ab, wo Sie die Arbeit zuvor erledigt haben und wie sorgfältig Sie den Verbrauch jetzt steuern.

Auf Optionalität setzen, nicht auf Bindung

Das letzte Element eines Token-Betriebsmodells ist Flexibilität, und hier vertrete ich eine klare Meinung: Gehen Sie eine Verpflichtung über drei oder fünf Jahre ein – aber bewahren Sie sich die Freiheit, Token von dem Anbieter zu kaufen, der zu diesem Zeitpunkt den besten Wert bietet, denn der Wert wird sich ständig verschieben. 

Genauso wie wir gelernt haben, für Multi-Cloud zu konzipieren, sollten wir nun für Multi-Modell und Multi-Anbieter konzipieren. Niemand weiß mit Sicherheit, wie die Landschaft in drei Jahren aussehen wird, und die Unterzeichnung eines zehnjährigen Vertrags in einem sich so schnell verändernden Markt nimmt Ihnen den einzigen Vorteil, den Sie haben: die Verhandlungsfähigkeit.

Weisen Sie einer Abteilung ein Token-Budget zu, machen Sie sie für das Ergebnis verantwortlich und bewerten Sie sie anhand des Transaktionsvolumens und der Qualität statt nur anhand der Aktivität. Wenn Sie das tun, wird KI zu einer operativen Disziplin statt zu einem Experiment – sie liefert Ergebnisse und treibt den Erfolg voran.

Gelingt dies nicht, werden wir in vier Quartalen wieder denselben Artikel schreiben, nur dieses Mal über Token und darüber, wie wir unsere Strategie erneut überdenken müssen.