KI-Controlling: Warum Unternehmen die Ressource KI jetzt planen, kontrollieren und steuern müssen

Von Prof. Dr. Ulrich Egle

Die stille Kostenexplosion ist Realität

Künstliche Intelligenz wurde in den meisten Unternehmen als Effizienztreiber eingeführt. Im Jahr 2026 zeigt sich jedoch ein anderes Bild: KI ist zu einem eigenständigen, schwer kalkulierbaren Kostenblock geworden. Gartner prognostiziert für dieses Jahr weltweite KI-Ausgaben von rund 2,6 Billionen US-Dollar, was einem Zuwachs von über 40 Prozent gegenüber dem Vorjahr entspricht (Gartner, 2026). Unternehmen investieren massiv in die Technologie, während sie gleichzeitig die Kompetenz vernachlässigen, diese wirtschaftlich zu steuern. Durch den Verbrauch von Tokens steigen die KI-Budgets in den Unternehmen explosionsartig an. Hauptkostentreiber sind agentische KI-Systeme, die eigenständig mehrstufige Aufgaben planen und ausführen. Sie verbrauchen ein Vielfaches an Tokens im Vergleich zu klassischen Chat-Anwendungen.

Wenn das Jahresbudget bereits im ersten Quartal aufgebraucht ist

Wie konkret diese Entwicklung ist, zeigen Beispiele aus den letzten Monaten: Der CTO von Uber warnte in einem internen Memo, dass das Unternehmen sein gesamtes KI-Budget für 2026 innerhalb von nur vier Monaten aufgebraucht habe. Auch OpenAI-CEO Sam Altman räumte auf einer Branchenkonferenz ein, dass mehrere Grosskunden ihre kompletten KI-Budgets für 2026 bereits im ersten Quartal ausgeschöpft haben. Auch kleine und mittlere Unternehmen berichten von ähnlichen Entwicklungen. Die zentrale Frage der Tokenomics lautet daher: Ab welchem Punkt übersteigen die Token-Kosten den Wert der ersetzten Arbeit?

Warum Kostenmanagement jetzt zur Chefsache wird

Diese Beispiele machen deutlich, dass KI längst kein reines Technologiethema mehr ist, sondern ein betriebswirtschaftliches Steuerungsthema. Drei Gründe, warum das Kostenmanagement der KI für Unternehmen erfolgskritisch ist:

• Unkontrollierte KI-Kosten gefährden die Profitabilität. Nutzungsbasierte Abrechnungsmodelle kennen keine natürliche Obergrenze. Jede Anfrage und jeder Verarbeitungsschritt eines Agenten verursacht Kosten. Wer den Verbrauch nicht aktiv steuert, riskiert Budgetüberschreitungen in Millionenhöhe, ohne dass ein entsprechender Wertbeitrag entsteht.
• Die Rechenschaftspflicht gegenüber Stakeholdern verlangt belastbare Antworten. Verwaltungsräte und CFOs fordern zunehmend den messbaren Mehrwert von KI-Investitionen ein. Zugleich werden CFOs aktiv in KI-Entscheidungen eingebunden. Die Zeit ambitionierter Experimente ist vorbei; nun sind kalkulierbare Effekte gefragt.
• Die Kostenkontrolle entscheidet über die Wettbewerbsfähigkeit. KI eröffnet die strategische Option, durch Intelligenz statt durch Personal zu skalieren, allerdings nur, wenn die Kosten beherrschbar bleiben. Unternehmen, die ihre KI-Workloads professionell steuern, verschaffen sich einen doppelten Vorteil: Sie vermeiden Fehlallokationen und können freiwerdende Mittel gezielt in wertschaffende Use Cases investieren.

Die Konsequenz ist ein Perspektivwechsel: KI ist eine Unternehmensressource wie Personal, Kapital oder Material und muss dementsprechend geplant, kontrolliert und gesteuert werden. Genau dies ist die Aufgabe des KI-Controllings.

Die Ressource KI planen, kontrollieren und steuern

Der klassische Controlling-Regelkreis lässt sich direkt auf die Ressource KI übertragen:

• Planen: Die Budgetierung darf nicht auf fortgeschriebenen Vergangenheitswerten beruhen, sondern muss den Tokenverbrauch nach Team, Anwendung und Use Case modellieren sowie Adoptionstrends berücksichtigen.
• Kontrollieren: Der erste Schritt besteht in einer vollständigen Inventur: Welche KI-Anwendungen sind im Unternehmen im Einsatz, wer nutzt sie und welche Kosten entstehen? Dazu gehört auch die Aufdeckung von «Shadow AI», der unkontrollierten Nutzung privater KI-Tools durch Mitarbeitende. Neue Kennzahlen wie Kosten pro Anfrage, Kosten pro automatisiertem Prozess oder Token-Effizienz pro Use Case machen den Verbrauch steuerbar.
• Steuern: Klare Freigabeprozesse, Verbrauchslimits pro Team, Eskalationsstufen bei Budgetüberschreitungen sowie eine zentrale Vendor-Steuerung verhindern, dass die KI-Kosten ausser Kontrolle geraten. Zudem rentiert sich nicht jeder KI-Einsatz. Das Controlling muss Use Cases konsequent nach ihrem Return on Investment priorisieren und den Mut haben, unwirtschaftliche Anwendungen zu stoppen.

Konkrete Massnahmen: So lassen sich die Token-Kosten senken

Neben dem Steuerungsrahmen besteht ein wachsender Werkzeugkasten operativer Hebel, mit denen sich der Tokenverbrauch und somit die Kosten deutlich reduzieren lassen:

• Das richtige Modell für die passende Aufgabe (Model Routing)
• Prompts und Kontexte verschlanken (Kontext Komprimierung)
• Agenten-Workflows begrenzen und überwachen
• Prüfung Einsatz lokal gehosteter Modelle

Fazit: Sensibilisierung ist der erste Schritt

Die Kostenexplosion im Bereich der KI ist kein Betriebsunfall, sondern eine strukturelle Folge nutzungsbasierter Geschäftsmodelle und agentischer Systeme. Sie betrifft Unternehmen jeder Grösse und tritt meist schneller ein als geplant. Die Verantwortlichen in Finance und Controlling müssen dieses Thema jetzt auf die Agenda setzen. Denn die Botschaft ist klar: Auch die Ressource KI muss geplant, kontrolliert und gesteuert werden, nach den betriebswirtschaftlichen Prinzipien, die seit jeher für Personal, Kapital und Material gelten, ergänzt um neue Kennzahlen, Werkzeuge und Kompetenzen. Wer das KI-Controlling heute professionalisiert, vermeidet nicht nur Budgetüberschreitungen, sondern schafft zugleich die Grundlage, um die Potenziale der KI gezielt und wirtschaftlich zu erschliessen. Das Controlling wird somit zum unverzichtbaren Sparringspartner der KI-Transformation, als Kostenwächter, Forecaster und strategischer Business Partner zugleich.

---

KI-Kompetenz aneignen