Die Ramp-Benchmarks zeigen, wohin Ihr KI-Geld floss
Sie wissen, wohin Ihr KI-Geld geflossen ist. Wissen Sie auch, was es gebracht hat?
Ramp hat dieses Jahr etwas Lesenswertes veröffentlicht. Anhand echter Zahlungsdaten von Tausenden Unternehmen haben sie aufgezeigt, wie die Ausgaben für KI-Token nach Unternehmensgröße, Modellklasse und Nutzungsintensität tatsächlich aussehen. Der monatliche Medianwert liegt bei 2.246 $. Das 75. Perzentil liegt bei 14.843 $. Das 90. Perzentil liegt bei 73.030 $. Die Token-Nutzung stieg zwischen Januar 2025 und April 2026 um 1.001 %.
Das sind reale Zahlen. Echte Rechnungsdaten. Aber was passiert, wenn wir die Token-Verschwendung berücksichtigen?
Wie die Benchmarks bei 40 % bis 60 % Token-Verschwendung aussehen
Die beiden vorherigen Beiträge dieser Serie argumentierten, dass Token-Verschwendung ein Verhaltensproblem ist, kein Infrastrukturproblem. Unqualifizierte Teams generieren Ergebnisse neu. Sie verwerfen den Kontext. Sie unterteilen Aufgaben nicht. Sie leiten alles an das größte Modell weiter, weil ihnen niemand gesagt hat, dass sie das nicht tun sollen.
Als das Entwicklerteam von GitHub seine eigenen agentenbasierten Produktions-Workflows überprüfte, fanden sie genug Verschwendung, um die effektiven Token-Kosten über ihre meistgenutzten Automatisierungen hinweg um 37 % bis 62 % zu senken, ohne das Ergebnis der Workflows zu verändern. So sehen die Benchmarks von Ramp aus, wenn man diese Spanne ansetzt.
Bei 40 % Verschwendung:
| Ausgabenklasse | Monatliche Gesamtsumme | Verschwendet | Produktiv |
|---|---|---|---|
| Median | 2.246 $ | 898 $ | 1.348 $ |
| 75. Perzentil | 14.843 $ | 5.937 $ | 8.906 $ |
| 90. Perzentil | 73.030 $ | 29.212 $ | 43.818 $ |
Bei 60 % Verschwendung:
| Ausgabenklasse | Monatliche Gesamtsumme | Verschwendet | Produktiv |
|---|---|---|---|
| Median | 2.246 $ | 1.348 $ | 898 $ |
| 75. Perzentil | 14.843 $ | 8.906 $ | 5.937 $ |
| 90. Perzentil | 73.030 $ | 43.818 $ | 29.212 $ |
Das Unternehmen im 90. Perzentil, das monatlich 73.030 $ ausgibt, erhält möglicherweise einen produktiven Token-Wert von 29.212 $. Die restlichen 43.818 $ sind Generierungsschleifen, Kontext-Dumps und uneingeschränkte Agentenaufrufe.
Rechnen Sie das aufs Jahr hoch. Im 90. Perzentil mit 60 % Verschwendung verschenken Sie etwa 525.000 $ pro Jahr. Nicht in Form von Effizienzgewinnen, die Sie noch nicht erzielt haben, sondern in Form von Ausgaben, die nichts produziert haben.
Welchen ROI erfordert das tatsächlich?
Wenn Ihre Verschwendungsrate bei 40 % liegt, müssen Ihre produktiven Token eine Rendite auf Ihre gesamte Rechnung erwirtschaften, nicht nur auf den Teil, der funktioniert hat. Wenn Sie einen 3-fachen ROI für Ihre KI-Investition anstreben, muss der produktive Teil das 5-fache einbringen, um die Verschwendung zu decken. Bei 60 % Verschwendung liegt diese Zahl beim 7,5-fachen.
| Verschwendungsrate | Ziel-ROI | Erforderliche Rendite der produktiven Ausgaben |
|---|---|---|
| 0 % (keine Verschwendung) | 3x | 3x |
| 40 % Verschwendung | 3x | 5x |
| 60 % Verschwendung | 3x | 7,5x |
Die meisten KI-Business-Cases basieren auf den nominalen Ausgaben. Sie berücksichtigen die Verschwendung nicht. Das bedeutet: Projekte, die auf dem Papier rentabel aussehen, erfordern möglicherweise Renditen, die nie realistisch waren. Und solche, die grenzwertig erschienen, sind womöglich bereits unrentabel. Diese Mathematik fehlt im Ramp-Bericht. Das ist keine Kritik. Es ist eine andere Frage.
Ramp zeigt Ihnen, wohin das Geld floss, nicht, was es gebracht hat
Das Produkt von Ramp zeigt Ihnen die Ausgaben nach Anbieter, Modell, Team und Monat. Das ist Ausgabentransparenz. Sie ist notwendig. Und sie endet vor der Frage, die tatsächlich entscheidet, ob Ihre KI-Investitionen funktionieren: Was haben diese Token produziert?
Nicht operativ im Gesamten. Sondern konkret. Hat der Workflow, der letzten Monat 4,2 Millionen Token verbraucht hat, die Liefergeschwindigkeit Ihres Teams verändert? Hat er einen Prüfschritt eliminiert? Hat er eine Umsatzkennzahl bewegt? Hat er Nacharbeiten reduziert, die Durchlaufzeit verkürzt oder ein messbares Ergebnis erzeugt, das es vorher nicht gab? War die Automatisierung oder Intelligenz effektiv oder einfach nur teuer?
Ohne Antworten auf diese Fragen haben Sie eine Rechnung. Sie haben keine Investmentthese.
Genau diese Lücke schließt Clairet. Kein Ausgaben-Tracking: Outcome Tracking. Jede KI-Initiative wird vor dem Start einer Baseline, einem Verantwortlichen und einer Erfolgskennzahl zugeordnet. Jedes Projekt wird an den versprochenen Ergebnissen gemessen, nicht an den verbrauchten Token. Zu wissen, wohin Ihr KI-Geld geflossen ist, ist der erste Schritt. Zu wissen, was es operativ und finanziell eingebracht hat, macht die nächste Investitionsentscheidung zu einer Entscheidung und nicht zu einer Vermutung.
Hype ist keine Strategie. Finden Sie Erkenntnisse und Orientierung mit Clairet. Demo anfordern.
Quellen: Ramp, “How Much Do AI Tokens Cost Businesses? 2026 Spending Benchmarks,” 8. Juni 2026 (Daten vom April 2026); GitHub, “Improving token efficiency in GitHub Agentic Workflows,” 7. Mai 2026.