KI-Projekte lassen die Kosten in Unternehmen schnell explodieren. Wer Tokens wirtschaftlich einsetzen möchte, braucht Transparenz, Optimierung und Governance – ein Dreiklang, der an die frühen Cloud-Jahre erinnert.
Der Begriff „Tokenomics“ setzt sich aus „Token“ und „Economics“ zusammen. Ein Token ist eine kleine Texteinheit, die ein KI-Modell als Input verarbeitet oder als Output erzeugt – etwa ein Wort, Wortteil oder Satzzeichen. Inzwischen dient die Anzahl der Tokens auch als Abrechnungseinheit für KI-Leistungen – vergleichbar mit einer Kilowattstunde Strom oder einer CPU-Stunde. Frederik Marx, Senior Advisor IT Financial Management bei IBM Apptio, beschäftigt sich damit, wie Unternehmen mit jedem Token einen Mehrwert erzielen können.
Kostenexplosion nach der Wachstumsphase
Marx beobachtet in Firmen einen wiederkehrenden Reifegradzyklus: Nach Innovation, Adoption und Growth explodieren die Kosten. „Dann wachen die CFOs auf einmal auf und sagen: ,Wir müssen uns damit beschäftigen‘“, sagt Marx. Danach folgen Optimierung und Governance. Bei IBM selbst zeigen Entwicklungstools den Token-Verbrauch live an. Fortgeschrittene Plattformen nutzen Autorouting: Das System leitet Anfragen automatisch an ein günstigeres Modell weiter.
Der Vergleich mit den frühen Cloud-Jahren liegt für Marx nahe. KI-Modelle lassen sich einfach über APIs nutzen, was klassische Einkaufsprozesse teilweise umgeht. Die Abrechnung erfolgt meist verbrauchsorientiert. Analog zur FinOps Foundation gibt es inzwischen die Tokenomics Foundation. Die von der Linux Foundation im August 2026 ins Leben gerufene Organisation entwickelt offene Standards, Benchmarks und Best Practices für die KI-Ökonomie.
Vollkosten und Wertbeitrag von KI-Initiativen
Die reinen Token-Kosten machen laut Marx nur 15 bis 30 Prozent der gesamten Ausgaben einer KI-Initiative aus. Hinzu kommen Personal-, Trainings- und Integrationskosten. IBM Apptio bietet dafür zwei Werkzeuge: IBM Cloudability schafft Transparenz über die LLM-Nutzung und Kosten pro Business-Einheit. IBM Apptio Costing erfasst die Vollkosten und setzt sie im „AI ROI and Value“-Modul ins Verhältnis zum erzielten Wertbeitrag.
Zur Optimierung empfiehlt Marx, den Zugang zu Modellen zu beschränken, Budgetlimits zu setzen und Model-Gateways einzusetzen. Tagging bezeichnet er als „Königsdisziplin“, um aus Millionen Rechnungszeilen die Kosten den richtigen Projekten zuzuordnen. Erfolge zeigen sich etwa durch gekündigte Übersetzungsverträge oder gestiegene Kundenzufriedenheit im Ticketsystem.