Ein neuer Bericht stellt fest, dass einer von vier AI-Dollars verschwendet wird. Das verdeutlicht eine wachsende Realität für Unternehmen: Die Herausforderung besteht nicht mehr nur darin, AI bereitzustellen, sondern die Kosten für den Betrieb in großem Maßstab zu kontrollieren. Da sich die AI-Ausgaben über die Organisationen hinweg ausbreiten, wird das Kostenmanagement genauso wichtig wie die Einführung selbst.

Die Erkenntnis stammt vom AI-Softwareentwicklungsplattform-Anbieter Harness und seinem 2026 State of AI in FinOps report, der auf einer Umfrage unter 700 FinOps- und Engineering-Führungskräften basiert. FinOps — kurz für Financial Operations — entstand als Disziplin im Zuge des Wechsels zum Cloud-Computing, als Unternehmen erkannten, dass sie spezielle Verfahren zur Verwaltung variabler Infrastrukturkosten benötigen; inzwischen wird es auch auf AI angewendet. Laut Bericht fehlt mehr als der Hälfte der Organisationen eine dedizierte Verantwortlichkeit für AI-Kosten, was es erschwert, Ausgaben zu verfolgen oder Verschwendung zu identifizieren. Zudem setzen Unternehmen für Routineaufgaben häufig größere und teurere Modelle ein als nötig, während die zunehmende AI-Nutzung den Token-Verbrauch erhöht — also das Volumen an Textfragmenten, die Modelle verarbeiten und für die Anbieter abrechnen —, selbst wenn die Kosten pro Token sinken.

Related: OpenAI Cuts Model Prices Amid Enterprises' Concerns About AI Spend

Die Ergebnisse von Harness spiegeln einen breiteren Wandel in Enterprise AI wider. In den vergangenen zwei Jahren lag der Fokus darauf, generative AI im gesamten Unternehmen einzuführen. Nun besteht die Aufgabe darin, sicherzustellen, dass diese Implementierungen bei wachsender Nutzung finanziell tragfähig bleiben.

Die Ergebnisse standen nicht isoliert da. Eine diese Woche veröffentlichte EY survey ergab, dass Unternehmen zwar weiterhin in AI investieren, den Token-Kosten und dem ROI aber deutlich mehr Aufmerksamkeit schenken. Parallel dazu stellten Schneider Electric und AMD einen blueprint for AI factories vor, ein weiteres Zeichen dafür, dass Unternehmen sich davon entfernen, zu beweisen, dass AI funktioniert, und hin zum Aufbau einer Infrastruktur, die den Betrieb im großen Maßstab unterstützen kann.

Dieser Wandel zeigte sich auch in den Quartalszahlen der Hyperscaler, wobei Microsoft, Alphabet und Meta eher die Umsetzung von Deployments und Infrastruktur als schlicht steigende AI-Ausgaben betonten. Zusammengenommen legen die Entwicklungen der Woche nahe, dass die nächste Phase von Enterprise AI weniger durch die Höhe der Ausgaben als durch die Effektivität des Investitionsmanagements definiert sein wird.

Enterprise AI scheint einem vertrauten Muster zu folgen. Ähnlich wie zuvor beim Cloud-Computing weicht der frühe Wettlauf um die Einführung der Technologie einem stärkeren Fokus auf Kostenmanagement, Ertragsmessung und nachhaltige Skalierung von Deployments. Unternehmen, die AI als operative Fähigkeit und nicht als ergebnisoffenes Experiment behandeln, könnten künftig besser positioniert sein.

Auch in den AI-Nachrichten dieser Woche

Most US Companies Lack Mature AI Governance Frameworks: Trotz wachsender Investitionen in AI-Governance verfügen relativ wenige US-Unternehmen über ausgereifte Governance-Rahmenwerke, was Bedenken aufwirft, da Unternehmen zunehmend autonomere AI-Systeme einsetzen. Related: Vendor Developing Self-Improving AI Signs $410M AWS Deal

FCC Blocks Chinese Humanoid Robot Imports, Citing Security Risks: Die USA haben die Beschränkungen für chinesische humanoide Roboter ausgeweitet und dabei nationale Sicherheitsrisiken angeführt, während Washington seine Bemühungen zur Stärkung inländischer AI- und Robotikfähigkeiten intensiviert.

Core Scientific Doubles AI Capacity to 1.1 GW in $14B AMD Deal: Das Unternehmen erweiterte seine AI-Infrastrukturpläne über einen $14 billion Deal mit AMD auf 1.1 gigawatts und unterstreicht damit die anhaltenden Investitionen in die Rechenkapazität, die zur Unterstützung der wachsenden AI-Nachfrage benötigt wird.

Nvidia Pushes Ahead With Security Alliance for AI Openness: Nvidia und Dutzende Technologieunternehmen starteten die Open Secure AI Alliance, um offene AI-Sicherheitswerkzeuge zu entwickeln, und argumentieren, dass größere Offenheit die Cybersicherheit stärken werde, da AI-Systeme autonomer werden.

AI As a Mindset: A Growth Guide for CIOs: Ein neuer Leitfaden argumentiert, dass CIOs AI als organisatorische Transformation und nicht als Technologieprojekt betrachten müssen und Kulturen aufbauen sollten, die Experimentieren, Lernen und kontinuierliche Anpassung fördern.

AI Drives Data Center Uncertainty in Uptime's 2026 Survey: Die jüngste Umfrage des Uptime Institute ergab, dass AI Betreiber dazu zwingt, Strom-, Kühlungs- und Infrastrukturstrategien zu überdenken, um zunehmend anspruchsvolle Workloads zu unterstützen. Related: Samsung Agrees to Chip Deal With Broadcom