Branden Jenkins war beim Abendessen, als ein Blick auf sein Handy den Abend veränderte. Beim Prüfen seines Dashboards zur KI-Nutzung stellte der CEO fest, dass seine Coding-Sitzung am Wochenende ihn 1.000 Dollar gekostet hatte — automatisch in 1.000-Dollar-Schritten von einer Karte abgebucht, die auf automatische Verlängerung eingestellt war.

Jenkins ist CEO von Maxio, einem durch Private Equity unterstützten Softwareunternehmen mit Hauptsitz in Atlanta, das in den nächsten Jahren auf einen Jahresumsatz von 100 Millionen Dollar zusteuert. Maxio verkauft Software für Abonnementabrechnung und Umsatzmanagement an andere B2B-Softwareunternehmen. Nach eigener Aussage steht er außerdem nahe an der Spitze des internen KI-Ausgabenrankings des Unternehmens — eine ungewöhnliche Position für einen Chief Executive. „Tausend sind nicht so viel, würde ich sagen, aber für ein Wochenende ist es ziemlich ärgerlich“, sagte er in einem Interview mit Fortune. Er beschrieb seinen KI-Agenten als „am Kochen“ und fasste seine Reaktion so zusammen: „Wow, ich bin ja schnell hier angekommen.“

Innerhalb seines Unternehmens — und darüber hinaus in der Corporate America insgesamt — ist der Vorfall zu einer Art Parabel dafür geworden, wie schnell „agentische“ KI-Tools Geld verbrauchen können, ohne dass es jemand sofort bemerkt, bis die Rechnung eintrifft. Jenkins sagte jedoch, die überraschende Rechnung sei nicht das, was ihn nachts wach halte. Das tiefere Problem sei chaotischer und menschlicher: die „Unsicherheit“ seiner eigenen Mitarbeiter, technologisch — und von ihm — überholt zu werden.

Wie aus einem Wochenende eine Lektion über 1.000 Dollar wurde

Jenkins bezeichnet sich als technischen CEO, der seine eigenen Agenten und Automatisierungen baut. Er könne mit Claude sogar vom Handy aus Code schreiben, wenn er nicht am Schreibtisch sitze — so sei er beim Abendessen damit gelandet, ein Projekt zu debuggen und weiterzuentwickeln. Die Token-Wallet, die er zur Finanzierung dieser Sitzungen eingerichtet hatte, war so konfiguriert, dass sie jedes Mal automatisch um 1.000 Dollar aufgeladen wurde, wenn sie leer war; seine Karte wurde stillschweigend wieder aufgefüllt, ohne dass ein weiterer Gedanke nötig war — bis er die Gesamtsumme sah.

„Ich habe keine Begrenzungen, an die ein Großteil meiner Mitarbeiter stößt, und sie müssen um Genehmigung bitten“, sagte Jenkins und beschrieb sein unbegrenztes internes Budget zugleich als Vorteil und als Belastung. „Also habe ich angefangen, näher hinzuschauen und zu fragen: ‚Wie sieht das eigentlich aus?'“

KI-Anbieter wie Anthropic und OpenAI rechnen nach Tokens ab — den Textbausteinen, die Modelle lesen und erzeugen — sodass sich die Kosten Zeile für Zeile summieren, wenn Gespräche länger werden und Wiederholungen dazukommen. Was er herausfand, so Jenkins, sei, dass ein Großteil der Verschwendung auf die Modellwahl und auf außer Kontrolle geratene Gesprächsdynamik zurückgehe — also darauf, dass ein KI-System einen Nutzer auf Wege führt, die nie beabsichtigt waren. „Oft sind es die Fehler des Agenten selbst, die Ihr Geld verbrennen“, sagte Jenkins. „Man findet sich irgendwie beim Plaudern wieder, und [die Dinge] entgleiten einem.“

Rückblickend auf seine Dialoge mit seinen Bots sagte er: „Du denkst so: ‚Ja, ja, gefällt mir, mehr davon, mehr davon.' Plötzlich landest du irgendwo, wo du nicht mehr weißt, wo, und dann sagst du: ‚Nein, das will ich überhaupt nicht.' Also ist ein Teil des Geldes einfach verschwendet, weil es dich dorthin geführt hat.“

Seine Erfahrung spiegelt ein inzwischen branchenweit gut dokumentiertes Muster wider. Gartner hat geschätzt, dass agentische KI-Modelle pro Aufgabe zwischen dem 5- und 30-Fachen der Tokens eines normalen Chatbot-Austauschs benötigen können, und eine WitnessAI-Umfrage ergab, dass 68% der US-Unternehmen sagen, dass zumindest einige ihrer KI-Initiativen im vergangenen Jahr das Budget überschritten haben, wobei ein Drittel angab, dass Überschreitungen „meistens oder immer“ auftreten. George Sivulka, CEO von Hebbia, brachte es einprägsam auf den Punkt, als er schrieb, dass man mit Agenten „you just hired a million bad employees“.

Die Folgen haben inzwischen sogar einen eigenen Spitznamen: „tokenmaxxing“, Branchenslang für die Maximierung ungedrosselter KI-Nutzung. Uber hat Berichten zufolge sein gesamtes KI-Coding-Budget für 2026 innerhalb von vier Monaten aufgebraucht, und Amazon hat Berichten zufolge in einem einzigen Monat 500 Millionen Dollar für KI ausgegeben, nachdem der Zugriff ohne Nutzungslimits freigeschaltet worden war — der Monat, in dem „tokenmaxxing“ starb. Jenkins' 1.000-Dollar-Wochenende ist im Vergleich dazu nur ein Rundungsfehler — aber der Punkt, so betonte er, ist, dass es echtes Geld ist. „Es gibt keinen Erstattungs-Button. In Claude gibt es keinen Einspruchs-Button“, sagte Jenkins und fügte hinzu, dass es den vielleicht geben sollte.

Tricks aus dem Alltag

Nach dem Vorfall beim Abendessen suchte Jenkins nach Wegen, seinen eigenen Tokenverbrauch zu senken — vieles davon, nach seinen Angaben, gelernt aus KI-Optimierungstipps, die auf TikTok kursieren, statt von seinem eigenen Engineering-Team. Er begann, verschiedene Aufgaben je nach Komplexität an unterschiedliche Modelle zu leiten: leichtere Modelle wie Claudes Haiku für einfache Mathematik, Modelle der mittleren Stufe für routinemäßiges Programmieren und die teuersten, am stärksten argumentierenden Modelle für echte strategische Planung.

Er setzte außerdem ein, was er Orchestrierungsschichten nannte — Drittanbieter-Tools, oft als kostenlose GitHub-Repositories verbreitet, die darauf ausgelegt sind, die KI-Ausgabe zu komprimieren und verschwendete Tokens zu reduzieren. Eines, das er „Caveman mode“ nannte, zwingt einen KI-Assistenten dazu, in kurzen, knappen Sätzen statt in langen, ausgearbeiteten Antworten zu antworten; Jenkins schätzte, dass dies den Tokenverbrauch um 70% senkt. Ein weiterer Modus, den er beschrieb, „grunt mode“, komprimiert Antworten auf ein oder zwei Wörter: „It’s very trite.“ Er nannte weitere Tools, darunter „Superpowers“ und „Ponytail“, als Teil desselben Untergrund-Ökosystems für Kostenspartricks.

Der Haken sei, sagte Jenkins, dass davon für normale Mitarbeiter nichts zugänglich sei. „Das sind Nerd-Sachen“, sagte er. „Brauchen wir Vertriebsleiter, Serviceleiter und Marketer, die so etwas finden?“ Genau diese Lücke — zwischen dem Wissen von Power-Usern wie ihm und dem Zugang, den der Rest der Belegschaft hat — sei der Punkt, an dem aus seiner Sicht das eigentliche organisatorische Risiko beginne.

Warum er vor Unsicherheit warnt, nicht vor Kosten

Auf die Frage, welche Probleme er beim Ausrollen von KI über seine mehreren hundert Mitarbeiter hinweg erlebt habe, nannte Jenkins die Kosten nicht an erster Stelle. Er benannte drei Kräfte, die er aktiv steuern müsse: Ineffizienz, Ungleichheit und — immer wieder — Unsicherheit.

Jenkins erklärte, er sei stolz darauf, dass in seinem Unternehmen alle durch Vibe-Coding-Berechtigungen zu Bauenden würden, doch der Wandel sei in sehr menschlicher Hinsicht störend.

„[Token-Überschreitung] ist eigentlich nicht das Problem, aber sie könnte leicht die Ausrede sein“, sagte Jenkins. Er beschrieb, wie er in Abteilungen seines eigenen Führungsteams ungefragt Tools und Automatisierungen baute, einfach weil er gelernt hatte, wie es geht — und wie die Reaktion zunehmend unruhig wurde. „Einer von ihnen kam zu mir und sagte: ‚Das hat mich nervös gemacht. Eigentlich sollte ich mit solchen Dingen zu Ihnen kommen. Ich muss aufholen. Ich fühle mich so weit hinten.'“

Das Muster habe sich laut Jenkins durch mehrere Managementebenen hinweg wiederholt: „Mache ich meinen Job? Halte ich mit? Wird das meinen Job ersetzen? Wird das meine Teammitglieder ersetzen?“

Er verwies auch auf eine Variante derselben Angst auf Abteilungsebene, die in ungleichem Zugang zu Tools wurzele. Sein Unternehmen habe zunächst ChatGPT im gesamten Unternehmen ausgerollt und dann die teurere Claude-Lizenz für eine kleinere Gruppe von rund 50 Mitarbeitern eingeführt, die sich auf Vertrieb und Marketing konzentrierte — was zu Widerstand bei den außen vor gelassenen Teams führte. „Die Leute sagten: Moment mal, warum habe ich Claude nicht? Warum bekommen die das und wir nicht?“, sagte er. „Das ist eine Ungleichheit.“

Jenkins argumentiert, dass diese Angst die Unternehmenskultur letztlich stärker zersetzt als jede einzelne aus dem Ruder gelaufene Rechnung, weil sie beeinflusst, ob Mitarbeiter die Tools überhaupt nutzen — oder sie aus Angst stillschweigend ablehnen.

Ein Organigramm für Menschen und Agenten bauen

Maxios Reaktion sei strukturell gewesen, sagte Jenkins. Das gesamte Executive Leadership Team durchlief einen formellen Org-Design-Prozess, in dem jede Führungskraft ihre Abteilung nicht nur nach den ihr unterstellten Menschen, sondern auch nach den KI-Agenten abbildete, die diese Menschen inzwischen direkt managen. Das Ergebnis sei ein buchstäbliches hybrides Organigramm — menschliche Namen und Agentenfunktionen übereinandergelegt —, das das Unternehmen als lebendes Managementdokument behandelt.

Außerdem habe das Unternehmen seine DevOps-Organisation ausgebaut, um gezielt die wachsende Zahl von intern gebauten, informell programmierten Tools zu steuern — das, was er und andere in der Branche als „vibe-coded“ Software bezeichnen —, die trotz ihres Ursprungs als Nebenprojekte zu tragenden Teilen des Geschäfts geworden seien. „Es kann nicht einfach bei Tim bleiben, der das am Wochenende vibe-coded hat“, sagte Jenkins und verwies auf das Kontinuitätsrisiko, falls der Mitarbeiter, der ein kritisches internes Tool gebaut hat, das Unternehmen verlässt oder krank wird, sowie auf ungeklärte Fragen zu Sicherheit und Skalierbarkeit. Das sei eine Governance-Frage, der sich immer mehr Unternehmen stellen müssten, da KI-gestütztes Bauen über Engineering-Teams hinausgehe.

Die größere finanzielle Geschichte sei seiner Darstellung nach nicht das gelegentliche vierstellige Token-Überziehen, sondern eine Verschiebung in der grundlegenden Arbeitsökonomie des Unternehmens. Der jährliche wiederkehrende Umsatz pro Mitarbeiter ist in der Softwarebranche eine Standardkennzahl für operative Effizienz und misst, wie viel Abonnementumsatz jeder Beschäftigte trägt. Jenkins sagte, dass Maxios Mitarbeiterzahl nicht mehr so stark mit dem Umsatz wächst wie früher, wodurch das Verhältnis von annual recurring revenue per employee steigt — eine Kennzahl, die für ihn das klarste Signal dafür ist, was KI tatsächlich mit seiner Kostenstruktur macht, im Gegensatz zur sichtbarer, aber vergleichsweise kleinen Token-Rechnung.

„Ich sage nicht, dass wir wegen KI massiv Stellen abbauen wollen, aber wir sollten nicht mit derselben Rate wachsen wie früher“, sagte Jenkins. „Das ist eine große Veränderung in unserem Geschäft, und sie ist vollständig auf KI zurückzuführen.“ Er stimmte auch zu, dass das gelegentliche Aufleuchten eines 1.000-Dollar-Tokenverbrauchs beim Abendessen wie eine Steuer sei, die man eben zahle — ein KI-Agenten-Kollege habe einfach die falsche Vorstellung davon bekommen, worin die Aufgabe bestand.

Jenkins sieht darin keinen Grund, zurückzurudern. „Im Moment gibt es so viel Gutes, das vieles davon überwiegt“, sagte er und argumentierte, dass die Effizienzgewinne durch die Einführung von KI groß genug seien, dass gelegentliche Verschwendung, durch Halluzinationen verursachte Umwege und selbst vierstellige Überraschungsrechnungen einfach der Preis des Fortschritts seien. Sein Engineering-Leiter winkte auf Jenkins’ Token-Spartricks, als er erstmals davon hörte, ab und sagte ihm, das Unternehmen sei „nicht auf dem Niveau, dass wir mehr für A.I. ausgeben als [für] Menschen, denn es gibt Beispiele dafür da draußen. Davon sind wir weit entfernt.“ Jenkins sagte, er widerspreche dem nicht — sei aber überzeugt, dass dieser Tag kommen werde. „Es wird wahrscheinlich so etwas geben.“

Für diese Geschichte nutzten Journalisten von Fortune generative KI als Recherchewerkzeug. Ein Redakteur prüfte die Genauigkeit der Informationen vor der Veröffentlichung.

Diese Geschichte wurde ursprünglich auf Fortune.com veröffentlicht.