Token-Verschwendung ist ein Symptom
Die wahren Kosten der KI-Einführung ohne Befähigung.
KI ohne Schulung an Mitarbeiter weiterzugeben, hat Ihr Unternehmen Zeit, Geld und Personal gekostet. Studien von GitHub deuten darauf hin, dass zwischen 40% und 60% aller Ausgaben für KI-Token verschwendet werden. Verbrannt durch wiederholte Schritte, unklare Anweisungen und ungenaue Ausgaben, die überarbeitet werden müssen. Und die angebotenen Lösungen zur Reduzierung der Token-Verschwendung überzeugen nicht:
- Reden wie ein “Höhlenmensch”
- Eingeschränkte Zugriffszeiten
- Bei jedem zweiten Schritt den Kontext kürzen
Von einfacher Token-Verschwendung bis hin zu wachsenden internen und strukturellen Spannungen: Ein Mangel an Ehrlichkeit und Wissen rund um KI zehrt an der finanziellen und kulturellen Stabilität. Wenn dies anhält, geraten Unternehmen zunehmend unter finanziellen und operativen Druck, was mehr von ihnen zwingt, den Betrieb einzustellen. Die Lösung ist einfach, wenn auch weder schön noch beliebt: Unternehmen müssen sich und ihre Mitarbeiter ernsthaft im Umgang mit KI schulen.
Regeln, geschrieben in Blut statt in Geld
“Sicherheitsregeln werden mit Blut geschrieben”, schalt mich mein Chef bei Quiznos, nachdem ich mir beim falschen Reinigen einer Aufschnittmaschine die Finger aufgeschnitten hatte. Glauben Sie mir, dieser Fehler passierte nie wieder.
Aber Unternehmen bluten weiterhin Stück für Stück und nutzen KI auf erschreckend ineffiziente Weise. Statt Blut verlieren Unternehmen Geld. Aus diesem Grund werden die sich häufenden Fehler und Rechnungen als Geschäftskosten abgeschrieben.
| Metrik | April 2026 | Geschätzte Verschwendung |
|---|---|---|
| Monatliche Median-Kosten | 2.246 $ | 898 $ bis 1.348 $ |
| Durchschnittliche monatliche Kosten | 140.842 $ | 56.337 $ bis 84.505 $ |
| 75. Perzentil (oberste 25%) | 14.843 $ | 5.937 $ bis 8.906 $ |
| 90. Perzentil (oberste 10%) | 73.030 $ | 29.212 $ bis 43.818 $ |
| 95. Perzentil (oberste 5%) | 211.409 $ | 84.564 $ bis 126.845 $ |
| 99. Perzentil (oberste 1%) | 831.338 $ | 332.535 $ bis 498.803 $ |
Aber das muss nicht so sein. Indem wir in den Bediener der Maschine investieren, können wir die menschlichen und finanziellen Kosten der KI-Transformation senken.
Drill, Baby, drill!!!
Es gibt viele andere Blogs, die sich auf die einzelnen Schritte und Taktiken zur Reduzierung der Token-Ausgaben konzentrieren. Wir sprechen über einige philosophische und strategische Denkweisen, die Token-Kosten senken:
- Das Training sollte sich auf Kompetenz konzentrieren, nicht auf reine Vertrautheit.
- Ein Bediener, der seine Maschine versteht, nutzt sie besser, kreativer und effizienter.
- Befähigung ist ein Kraftmultiplikator; Unklarheit ist ein Kraftteiler.
Diese Denkweisen sind keine Anti-KI-Propaganda. Sie entstehen aus der Akzeptanz, dass KI eine standardisierte Technologie ist, die von Menschen genutzt wird. Es ist also die Qualität der Menschen, die die Ergebnisse beeinflusst, nicht die Modelle. Ihren Mitarbeitern eine kontinuierliche, tiefgehende und rollenspezifische Schulung zu bieten, ist der effektivste Weg, um Token-Verschwendung kurz- und langfristig zu reduzieren.
“Wenn ich Ihnen das sagen musste, bin ich froh, dass ich es getan habe”
Menschen zu unterrichten und zu schulen ist schwierig, auch weil jeder Annahmen darüber trifft, was Allgemeinwissen ist. Warum gehen wir also davon aus, dass Mitarbeiter eine Technologie wirklich verstehen, die erst seit kurzem allgegenwärtig ist? Wenn Sie nicht wüssten, dass ein Motor Benzin verbraucht, kämen Sie auf die Idee, auf die Tankanzeige zu schauen? Wäre ihr Zweck klar?
Die Annahme von Allgemeinwissen ist der Kern der Token-Verschwendung. Unternehmen und Mitarbeitern wurde nicht beigebracht, wie ein Modell funktioniert, was es kostet oder wo seine Stärken und Schwächen liegen. Stattdessen führte der Hype um die Geschwindigkeit und Fähigkeiten von KI zu einem “Move fast and break things”-Ansatz. Das führte zu außer Kontrolle geratenen Agenten, die aussichtslose Aufgaben im Verborgenen des Webs wiederholen, zu Mitarbeitern, die jede Konversation neu aufrollen, und zu Investitionen in fruchtlose KI-Projekte. Wenn Menschen besser geschult werden, leisten sie in der Regel auch Besseres. Bei einem Rollout im industriellen Maßstab kann die Befähigung eine Frage von Leben und Tod sein.
Befähigen oder sterben: Das M-14-Debakel und KI
Das M-14-Gewehr war ein Fertigungsdesaster, das Milliarden von Dollar und unzählige Leben kostete und direkt zum Ende der US Springfield Armory führte. Obwohl es viele beitragende Faktoren gab, war der wichtigste die übereilte Erstellung des Materials Requirement Document (MRD). Ein MRD sollte alles enthalten, was ein Hersteller wissen muss, um mit der Massenproduktion eines Artikels zu beginnen. Mit anderen Worten: Es war ein Befähigungspaket. Das übereilte MRD für das M-14 führte zu tiefgreifenden, fatalen Fehlern im Herstellungsprozess für den Lauf. Anstatt lediglich die Auslieferung zu verlangsamen, führte die mangelnde Befähigung dazu, dass fehlerhafte Arbeit im großen Maßstab geleistet wurde, was ein einzelnes Problem in ein weitreichendes Mysterium und eine Krise verwandelte.
Die Lektion ist, dass langsame Arbeit behoben werden kann, fehlerhafte Arbeit jedoch schwerer zu erkennen ist, mehr Probleme verursacht und Unsicherheit mit sich bringt. Jedes Mal, wenn ein nicht befähigtes Team KI einsetzt, erscheint diese fehlerhafte Arbeit auf der Rechnung als Token-Verschwendung sowie in anderen Kosten: Zeit für die Fehlerbehebung, das Analysieren halluzinierter Antworten oder die Durchführung zusätzlicher Überprüfungszyklen. Das ändert die Rechnung. Es geht nicht mehr nur um Rechenkosten versus Produktivitätsgewinn, sondern um Rechenkosten versus die Kosten für fehlerhafte Arbeit, die mit Maschinengeschwindigkeit geliefert wird.
Die richtigen Leute mit den richtigen Werkzeugen
Der Sinn von rollenbasiertem, werkzeugspezifischem Training ist nicht besseres Prompt-Engineering. Es geht darum, einen Ingenieur zu haben, der weiß, worauf er optimiert. Es geht darum, einen Analysten im Workflow zu haben, der fehlerhafte Antworten aufzeigen kann. Es geht um einen Marketingmanager, der weiß, welche Modelle für Analysen und welche für generative Aufgaben genutzt werden sollten. Es geht darum, Mitarbeiter zu haben, die sachkundig genug sind, um zu wissen, wann sie die Entscheidung eines Modells überstimmen müssen. Diese Fähigkeiten werden nicht in allgemeinen KI-Grundkursen entwickelt. Sie entstehen durch eine strukturierte Mitarbeiterqualifizierung, die auf den Werkzeugen aufbaut, die Ihr Unternehmen tatsächlich freigegeben und bereitgestellt hat.
Token-Verschwendung ist ein Symptom. Die Kosten, die Sie nicht sehen können, sind das, was eine nicht befähigte Belegschaft mit diesen Token produziert: selbstbewusst, schnell und manchmal falsch.
Wenn Ihre Token-Rechnung steigt, ist das Symptom sichtbar. Clairet behandelt die Ursache. Erfahren Sie, wie.
Quellen: GitHub, “Improving token efficiency in GitHub Agentic Workflows,” May 7, 2026; Ramp, “How Much Do AI Tokens Cost Businesses? 2026 Spending Benchmarks,” June 8, 2026 (Daten vom April 2026).