Token Panic: Warum der KI-Preis ohne Ertrag nichts bedeutet

Im Handelsblatt Morning Briefing tauchte heute ein Begriff auf: „Token Panic“. Nutzungsbasierte KI-Abrechnung löst die Pauschalen ab - und erste Unternehmen fragen sich ernsthaft, ob Nachwuchskräfte nicht günstiger wären als KI-Tools.

Die Frage lässt sich beantworten. Nur sagt ein Preis für sich genommen nichts. Erst was dabei herauskommt, macht ihn teuer oder billig. Deshalb fragt niemand, ob ein Geschäftsführer teurer ist als ein Praktikant: Jeder rechnet automatisch mit, was beide einbringen. Bei KI wird genau das ausgeblendet.

Token Panic bezeichnet die Verunsicherung in Unternehmen durch den Wechsel von KI-Pauschalmodellen zu nutzungsbasierter Abrechnung. Die Kostenseite wird plötzlich sichtbar - die Ertragsseite bleibt dabei oft unklar. Laut KPMG (2024) haben 74 % der Unternehmen keinen vollständigen Überblick über ihre KI-Ausgaben. Ohne diese Grundlage ist jeder Kostenvergleich wertlos.

Warum der Preisvergleich KI vs. Nachwuchskraft in die falsche Richtung führt

Das Kernproblem: Verglichen werden Äpfel mit Orangen. Ein Junior-Mitarbeiter kostet im ersten Jahr inklusive Einarbeitung, Fehlerquoten und Opportunitätskosten oft deutlich mehr als sein direkter Beitrag in dieser Zeit. Die durchschnittliche Ramp-up-Zeit bis zur vollen Produktivität liegt laut gängigen Recruiting-Benchmarks bei 6 bis 12 Monaten - je nach Komplexität der Rolle.

KI-Tools haben Day-1-Produktivität - aber in eng definierten Aufgaben. Sie kennen nicht die Unternehmenskultur, den Kunden, die Geschichte des Projekts. Der richtige Vergleich ist nicht „Wer ist billiger?“ - sondern „Wer leistet was - und ist das messbar?“

Wer fünfmal so viel kostet und zwanzigmal so viel leistet, ist ein gutes Geschäft. Bei KI wie beim Menschen. Die Frage ist nicht der Preis, sondern was dabei herauskommt.

Was Unternehmen tatsächlich über ihre KI-Kosten wissen

74 % der Unternehmen haben laut KPMG (2024) keinen vollständigen Überblick über ihre KI-Ausgaben - obwohl die Budgets kontinuierlich steigen: Gartnerschätzt die durchschnittlichen KI-Investitionen pro Unternehmen auf ca. 1,3 Mio. USD jährlich (2024). Die Token-Kosten sind mittlerweile für jeden sichtbar. Was fehlt: die andere Seite der Rechnung.

Die Debatte dreht sich fast ausschließlich um den Inputpreis - also das, was KI kostet. Den Output, der diese Kosten erst einordnen würde, ignorieren die meisten. Das ist, als würde man einen Vertriebsmitarbeiter ausschließlich nach seinem Gehalt beurteilen, ohne je auf seine Abschlussquote zu schauen.

Wie misst man den Ertrag von KI-Tools?

Laut einer BCG/MIT-Studie (2024) messen nur ca. 35 % der Unternehmen den ROI ihrer KI-Initiativen systematisch. Dabei zeigen Unternehmen, die KI-Produktivität aktiv tracken, laut McKinsey (2023) Effizienzgewinne von 20 bis 45 % in wissensintensiven Tätigkeiten - bei strukturierten Aufgaben wie Dokumentenanalyse, Recherche oder Texterstellung noch deutlich mehr.

Gemessen wird am einfachsten dort, wo Ergebnisse klar definiert sind: Wie viele Dokumente wurden geprüft? Wie viele Kandidatenprofile vorqualifiziert? Wie lange hat ein Prozess vorher vs. nachher gedauert? Wo keine Metriken existieren, bleibt die Kostendebatte ohne Gegenpol.

Der Unterschied zwischen einer teuren und einer günstigen KI-Investition liegt nicht im Token-Preis. Er liegt darin, ob das Ergebnis messbar ist - und ob jemand hinschaut.

Was das für die Nachwuchs-Diskussion bedeutet

Juniorstellen folgen einer Logik, die mit Token-Preisen nicht vergleichbar ist: Sie bauen Wissen auf, das langfristig im Unternehmen bleibt. KI hat keine Lernkurve im organisatorischen Sinne - sie bleibt so gut wie das Modell, das man einsetzt, und so gut wie die Menschen, die es konfigurieren und steuern.

Das ist derselbe Gedanke, der im letzten Beitrag über KI als Filter vs. Beschleuniger stand: Die entscheidende Frage ist nicht, welches Tool man hat, sondern wer es sinnvoll einsetzen kann. Wer aus Kostengründen auf Nachwuchskräfte verzichtet, optimiert kurzfristig - und verliert mittelfristig die interne Kompetenz, KI überhaupt sinnvoll einzusetzen. Bei ucm.jobs erleben wir das konkret: Unternehmen ohne eigene Junioren haben Jahre später niemanden mehr, der versteht, was die KI-Tools eigentlich tun.

Welche Frage sollte statt „Was kostet KI?“ gestellt werden?

Die richtige Frage lautet: Was kostet eine Stunde qualifizierter Aufmerksamkeit - und wie viele davon bekomme ich pro eingesetztem Euro?

Diese Frage stellt KI und Menschen nicht gegeneinander. Sie rahmt beide als Investition ein, die einen messbaren Ertrag haben muss. Das setzt voraus, dass Unternehmen überhaupt erheben, was sie bekommen. Und genau daran scheitern gerade 74 % - also drei von vier Unternehmen, die gleichzeitig über Token-Preise diskutieren.

Wer den Ertrag nicht kennt, kann den Preis nicht einordnen. Wer den Preis nicht einordnen kann, trifft keine Entscheidung - er reagiert auf eine Schlagzeile.

Häufige Fragen

Was bedeutet „Token Panic“ im Kontext von KI-Kosten?

„Token Panic“ beschreibt die Verunsicherung, die entsteht, wenn nutzungsbasierte KI-Abrechnung die bisherigen Pauschalmodelle ablöst. Unternehmen sehen erstmals variable Kosten pro Nutzung - ohne die Ertragsseite zu kennen, die diese Kosten einordnen würde. Laut KPMG (2024) fehlt 74 % der Unternehmen genau diese Grundlage.

Warum messen so wenige Unternehmen den KI-ROI?

Laut BCG/MIT (2024) messen nur ca. 35 % der Unternehmen den ROI ihrer KI-Initiativen systematisch. Ein Hauptgrund: KI-Tools werden dezentral eingesetzt, ohne zentrale Kostenstellen - und vor allem ohne definierte Ergebnismetriken. Wo kein Output gemessen wird, fehlt auch der Gegenpart zur Kostendebatte.

Ersetzen KI-Tools Nachwuchskräfte?

Ein reiner Preisvergleich führt in die Irre. KI hat Day-1-Produktivität in definierten Aufgaben, aber keinen Wissensaufbau im organisatorischen Sinne. Juniorstellen schaffen langfristige interne Kompetenz - auch die Fähigkeit, KI sinnvoll einzusetzen. Wer beides gegeneinander ausspielt, verliert mittelfristig auf beiden Seiten. Einige Nachwuchskräfte werden mit Erfahrung teuer im Sinne von wertvoll - das ist kein Widerspruch zur KI-Debatte, sondern ihre Voraussetzung.