Accenture hat eine
KI-Studie mit dem Titel "The CIO’s Guide to AI Tokenomics" publiziert und liefert darin Erkenntnisse zur Nutzung von KI-Tokens in Unternehmen. Die Erkenntnisse sollen dabei helfen, die Nutzung dieser Tokens transparent zu machen, zu steuern und abzurechnen. Befragt wurden im Juli 2026 750 C-Level-Führungskräfte aus 17 Ländern. Ein erstes Ergebnis: jedes dritte Unternehmen hatte sein Token-Budget schon Mitte Jahr überschritten. Die Befragten erwarten überdies, dass der jährliche Token-Verbrauch in den nächsten zwei Jahren um 78 Prozent zunehmen wird.
Der zunehmende Token-Verbrauch und die Steigerung der damit verbundenen Kosten sind kein Wunder, denn nur wenige Unternehmen arbeiten für diesen Bereich mit Strategien zur Kostensteuerung. So nutzen nur 30 Prozent der Unternehmen automatisiertes Modell-Routing, mit dem für jede Aufgabe das passendste Modell automatisch ausgewählt wird. Laut Schätzung von
Accenture erfordern nur 10 Prozent der KI-Use-Cases die leistungsfähigsten Modelle, sogenannte Frontier-Modelle, bei denen die Kosten pro Token besonders hoch liegen. In der Praxis werden aber 54 Prozent der KI-Anfragen an ein leistungsfähigeres Modell übergeben, als es eigentlich erforderlich wäre. Dazu kommt weiter, das Unternehmen in den allermeisten Fällen den Token-Verbrauch dem jeweiligen Geschäftsbereich in Rechnung stellen – nur gerade 7 Prozent der befragten Unternehmen tun dies. Und erst 37 Prozent haben ein spezielles Team für das Management von Token-Ausgaben, bei 48 Prozent liegt diese Verantwortung gemeinsam bei der IT und der Finanzabteilung. In der Folge zeigt sich, dass weniger als 20 Prozent der Ausgaben für Tokens einem messbaren geschäftlichen Ergebnis zuordnen lassen, und nur 35 Prozent der Unternehmen können für ihren grössten KI-Anwendungsfall die Kosten pro Geschäftsergebnis berechnen.
Accenture nennt in seiner Studie fünf Hebel zur besseren Steuerung und Optimierung des Einsatzes von Tokens. Zunächst muss die Transparenz über die KI-Nutzung hergestellt werden. Man muss nachverfolgen, wer für einen KI-Anwendungsfall verantwortlich ist, welches Modell dabei genutzt wird und welche Ergebnisse der Use Case liefern soll – dies alles soll klar sein, bevor der Anwendungsfall in die Produktion geht. Zweitens ist es erforderlich die Verantwortlichkeit für KI-Ausgaben klar zuzuordnen. Teams müssen für die von ihnen genutzten Ressourcen in die Pflicht genommen werden. Besonders wichtig ist es, so der dritte Hebel, jede Aufgabe ist dem richtigen Modell zuzuweisen. Viertens ist der Value Case vor dem Einsatz zu definieren, dann erwartet der Mehrwert die Kosten und die Erfolgskriterien müssen vor dem Einsatz in der Produktion festgelegt sein. Und last, but absolutely not least: Mitarbeitende müssen für den effektiven Einsatz von KI geschult und klar darüber orientiert werden, welche Modelle sich für welche Aufgaben am besten eignen.
Tobias Regenfuss, Technology Lead DACH bei Accenture: "Mit wachsender KI-Nutzung steigen auch die Anforderungen an die Steuerungsfähigkeit von Unternehmen. Wer KI und agentische Workflows skaliert, braucht eine belastbare Grundlage aus Daten, Plattformen und Rahmenbedingungen. Entscheidend ist, für jede Aufgabe das passende Modell zu nutzen – nicht immer das leistungsstärkste – und Transparenz über Kosten, Nutzung sowie Wirkung herzustellen. CIOs schaffen dafür die notwendige Architektur, doch die gesamte Geschäftsführung ist gefragt: Der Wert entsteht nur dann, wenn diese neue Basis über alle Unternehmensbereiche hinweg wirksam genutzt wird." Kevin Eversmann, Global AI & Data Lead Industrial bei
Accenture, ergänzt: "KI-Kosten sichtbar zu machen, ist nur der erste Schritt. Entscheidend ist, welcher Geschäftsprozess durch KI besser wird und welchen messbaren Wert sie liefert."
(ubi)
