Steigende KI-Kosten treiben Unternehmen zu Multi-Modell-Strategien und strengeren Kostenkontrollen

• Nur ein Drittel der Führungskräfte weltweit kann indirekte KI-Kosten wie menschliche Kontrolle, Nacharbeit und Governance verlässlich einschätzen
• Die meisten Unternehmen können KI-Ausgaben nicht direkt erfolgreichen Geschäftsergebnissen zuordnen
• Nur jedes fünfte Unternehmen berechnet den „AI Yield“, eine Kennzahl, die den nachweisbaren Wert KI-gestützter Ergebnisse erfasst – unter Berücksichtigung der vollständigen Kosten für die sichere Erbringung des Ergebnisses
• Während die Skalierung von KI an Fahrt gewinnt, sind nur 56 Prozent der Unternehmen zuversichtlich, zukünftige Kosten prognostizieren zu können

Berlin, 12. November 2026 – Die Kosten von KI bereiten inzwischen 53 Prozent der Führungskräfte weltweit Sorgen, in Deutschland ist der Anteil mit 63 Prozent überdurchschnittlich hoch. Das geht aus einer neuen Kurzstudie des Capgemini Research Institute hervor, die auf einer im September 2026 durchgeführten Befragung von 500 Führungskräften auf CXO-Ebene großer Unternehmen aus zehn Ländern und 13 Branchen, darunter auch Deutschland, basiert. Über die direkten Kosten wie etwa für Tokens hinaus fehlt Führungskräften der Überblick über die Gesamtkosten sicherer Nutzung von KI, einschließlich menschlicher Kontrolle, Nacharbeit und Governance. Als Reaktion darauf werden einerseits Kostenkontrollen verschärft und andererseits Multi-Modell-Strategien geprüft. Unternehmen skalieren KI zunehmend und bereiten sich vor auf einen verstärkten Einsatz agentischer KI: Vor diesem Hintergrund zeigt die Studie, dass neben den Kosten der tatsächlich erzielte Geschäftswert stärker in den Mittelpunkt rücken muss.

Mangelnde Kostentransparenz birgt erhebliche finanzielle Risiken

59 Prozent der Führungskräfte geben an, dass die KI-bezogenen Ausgaben ihres Unternehmens in den vergangenen zwölf Monaten deutlich höher waren als erwartet oder budgetiert. Bei den betroffenen Unternehmen lagen die Ausgaben im Durchschnitt 24 Prozent über den Erwartungen beziehungsweise dem Budget. Rund jedes fünfte Unternehmen (21 Prozent) überschritt sein KI-Budget um mehr als 30 Prozent. Die Sorge um KI-Kosten hat im vergangenen Jahr zugenommen: Nur 56 Prozent der Befragten sind vollkommen zuversichtlich, prognostizieren zu können, wie sich die KI-Kosten bei zunehmender Skalierung verändern werden.

Die Studie weist auf mangelnde Kostentransparenz mit Blick auf das gesamte Unternehmen hin. So gibt die Hälfte der Führungskräfte an, dass KI-Ausgaben genehmigt werden, ohne dass ausreichende Transparenz über die Gesamtkosten besteht. Zudem können Unternehmen die Gesamtkosten ihrer KI-Initiativen nicht präzise einschätzen. Dies betrifft insbesondere indirekte Kosten wie menschliche Kontrolle, Nacharbeit und Governance.

Die finanziellen Auswirkungen können für die betroffenen Unternehmen erheblich sein: Zwei Drittel der Unternehmen, die ihr KI-Budget überschritten, waren mit negativen finanziellen Folgen konfrontiert, beispielsweise einem geringeren freien Cashflow oder geringerer frei verfügbarer Ausgaben. Vor diesem Hintergrund sind CFOs inzwischen stärker in die Genehmigung großer KI-Investitionen eingebunden.

„KI wird zunehmend tiefer in Geschäftsabläufe integriert. Unternehmen dürfen die damit verbundenen Kosten nicht länger nur als Technologie- oder Beschaffungsthema betrachten, sondern müssen KI nach ihrem wirtschaftlichen Beitrag steuern“, sagt Volker Darius, CEO von Capgemini Invent. „Kostendisziplin allein schafft kein profitables KI-Portfolio, ebenso wenig wie Wertschöpfung ohne Kostenkontrolle nachhaltig ist. Unternehmen müssen Kosten, Qualität und Geschäftswert gemeinsam messen, für jede Aufgabe das geeignetste Modell einsetzen und immer die menschliche Kontrolle berücksichtigen, die für sichere Ergebnisse erforderlich ist. Durch die kontinuierliche Messung des AI Yield können Unternehmen fundiertere Investitionsentscheidungen treffen und KI gezielt und sicher skalieren.“

Multi-Modell-Strategien bestimmen die Planung von KI-Portfolios

Als Reaktion auf unerwartete KI-Kosten haben mehr als die Hälfte (53 Prozent) der Unternehmen ihre Ausgabenkontrolle verstärkt. Dazu zählen strengere Budgets oder Kontrollen für betroffene Initiativen, unternehmensweite Kontrollen der KI-Ausgaben oder eine Reduzierung von Umfang oder Größenordnung der Initiative. Nur jedes fünfte Unternehmen überdachte seine Tools oder Prozesse, einschließlich der Frage, welche Aktivitäten von KI und welche von Menschen übernommen werden sollten, oder veränderte die KI-Lösung, die eingesetzten Modelle, deren Konfiguration oder das Modell-Routing.

Über diese unmittelbaren Maßnahmen hinaus gehen mehr als drei von fünf Führungskräften davon aus, dass ihr Unternehmen in den kommenden zwölf Monaten eine Multi-Modell-Strategie einführen wird. Dabei werden Modelle dynamisch anhand von Kosten, Leistungsfähigkeit, Latenz, Risiko und weiteren Anforderungen ausgewählt. Führungskräfte erwarten einen verstärkten Einsatz kostengünstigerer proprietärer Modelle, sofern diese für entsprechende Aufgaben ausreichen, sowie kleinere oder spezialisierte Modelle für bestimmte Anwendungsfälle. Fast drei von fünf Unternehmen planen zudem, den Einsatz von Open-Weight-Modellen auszuweiten. 1

AI Yield rückt erfolgreiche Geschäftsergebnisse in den Fokus

Obwohl zwei Drittel der Führungskräfte angeben, dass sie den Mehrwert von KI-Einsatz überprüfen können, sind die meisten Unternehmen nicht in der Lage, ihre KI-Ausgaben direkt mit erfolgreichen Geschäftsergebnissen zu verknüpfen. Entweder werden KI-Ausgaben nicht systematisch gemessen oder Unternehmen erfassen zwar Kosten oder Nutzung, aber keine erfolgreichen Geschäftsergebnisse. In manchen Unternehmen werden auch beide Größen erfasst, aber getrennt voneinander betrachtet. Einen ausreichenden Mehrwert nachzuweisen, um Genehmigung und Finanzierung für KI-Investitionen zu erhalten, bleibt eine besondere Herausforderung: 57 Prozent nennen dies als ihr größtes Hindernis.

Nur jedes fünfte Unternehmen berechnet den AI Yield, eine Kennzahl, die den nachweisbaren Wert KI-gestützter Ergebnisse den vollständigen Kosten gegenüberstellt, die für deren sichere Erbringung entstehen. Als Mehrwert werden am häufigsten höhere Mitarbeiterproduktivität beziehungsweise freigesetzte Kapazitäten genannt, gefolgt von niedrigeren Betriebskosten sowie schnelleren Prozessen oder Zykluszeiten. Weniger als ein Drittel (32 Prozent) nennt Umsatzwachstum, einschließlich Wachstum durch neue Produkte, Dienstleistungen oder Geschäftsmodelle.

Anhand welcher Kennzahlen die Wirtschaftlichkeit von KI beurteilt wird, dürfte sich den Studienergebnissen nach verändern. Derzeit orientieren sich 60 Prozent in erster Linie an den gesamten KI-Ausgaben im Verhältnis zum Budget. Für die kommenden sechs bis zwölf Monate erwarten jedoch nur noch 44 Prozent, dass diese Kennzahl Priorität haben wird. Die Erfolgsquote beim ersten Versuch („First-Pass Success Rate“ 2) könnte zur wichtigsten Kennzahl werden. Auch die Kosten pro abgeschlossener Aufgabe beziehungsweise pro abgeschlossenem Workflow sollen stärker priorisiert werden. Damit rücken erfolgreiche Ergebnisse und der konkrete Beitrag von KI stärker in den Vordergrund als der reine KI-Verbrauch.

„AI Compass“ von Capgemini

Diese Kurzstudie folgt auf die erste Ausgabe von The AI Compass, Capgeminis neuer Publikation zum Thema „geschäftlicher Mehrwert von KI“. Die erste Ausgabe, The Era of AI Yield: Mastering Tokenomics to Maximise Enterprise Value, untersucht, wie Unternehmen über Verbrauchs- und Kostenkennzahlen für KI hinausgehen und den AI Yield messen können: den nachweisbaren Wert KI-gestützter Ergebnisse abzüglich der vollständigen Kosten, die für die sichere Anwendung erforderlich sind. Die Publikation zeigt die Auswirkungen für CEOs und Technologieverantwortliche auf, von Kapitalallokation und Governance über Modell-Routing und Workflow Engineering bis hin zur menschlichen Kontrolle.

Methodik der Studie

Im September 2026 befragte das Capgemini Research Institute 500 Führungskräfte auf CXO-Ebene aus Unternehmen mit einem Jahresumsatz von mehr als einer Milliarde US-Dollar in zehn Ländern: USA, China, Indien, Vereinigtes Königreich, Frankreich, Deutschland, Japan, Niederlande, Italien und Spanien. Die Befragten kamen aus 13 Branchen und waren vor allem für KI-Strategie und -Leadership, Plattformen und Engineering, Wertrealisierung, Technologiefinanzierung sowie KI-Kostenmanagement verantwortlich. Ergänzt wurde die Befragung durch zwei ausführliche Interviews mit Branchenexperten.

---

[1] Open-weight models are AI models whose parameters (“weights”) are publicly available, enabling organizations to customize and deploy them with greater flexibility and control over cost.

[2] First-pass success rate refers to the percentage of AI-assisted tasks, workflows or outcomes completed successfully on the first attempt without rework, escalation, correction or additional human intervention.