Foto: Google Gemini · AI-generated
Gartners jüngste Prognose kam diese Woche mit einer Schlagzeile, die jeden CTO aufhorchen lassen sollte: Bis 2028 werden die Kosten für KI-Coding das weltweite Durchschnittsgehalt eines Entwicklers übersteigen — rund 2.000 US-Dollar pro Monat. Der Treiber ist simpel: Der Token-Verbrauch steigt schneller, als irgendwer budgetiert hat, und die Anbieter wechseln zu verbrauchsbasierten Abrechnungsmodellen, die Kosten schwer plan- und noch schwerer kontrollierbar machen.
Der Heise-Artikel zur Prognose lohnt die vollständige Lektüre. Die Kurzfassung: Unternehmen, die ohne Governance auf KI-Coding-Agents gesetzt haben, sehen jetzt zu, wie ihre Budgets verdampfen.
Das Warnsignal von Uber
Ubers CTO Praveen Neppalli Naga räumte im April ein, dass das jährliche Token-Budget des Unternehmens bereits aufgebraucht war. Ubers Präsident Andrew Macdonald legte im Mai nach: Der Nutzen von KI sei „unklar“ — ein messbarer Zuwachs an nützlichen Funktionen für Verbraucher habe sich nicht eingestellt.
Das ist kein kleines Startup, das ein Pilotprojekt schlecht managt. Das ist Uber — mit erstklassigem Engineering — das sein KI-Budget in Monaten verbrennt, ohne greifbare Ergebnisse vorweisen zu können.
Ein Drittel der deutschen Unternehmen ist von den Kosten überrascht
Laut einer Bitkom-Umfrage war rund ein Drittel der deutschen Unternehmen von den Kosten ihrer KI-Nutzung überrascht. Das deckt sich mit dem, was Gartner beschreibt: Anbietern fehlt die Transparenz bei der Token-Abrechnung, integrierte Kostenoptimierung gibt es nicht, und Unternehmen haben intern keine Kontrolle darüber, wie Agents Token verbrauchen.
Gartner-Analyst Nitish Tyagi bringt es auf den Punkt: Entwickler „neigen dazu, Komfort und Geschwindigkeit der Kosteneffizienz vorzuziehen.“ Ohne Governance steigen die KI-Kosten schneller als die Produktivitätsgewinne, die sie bringen sollen.
Das Modell, das wir stattdessen gewählt haben
Bei exbisoft haben wir die Vibe-Coding-Welle mit Interesse beobachtet — und uns dann bewusst für einen anderen Weg entschieden.
Wir haben unsere Entwickler behalten. Jeden einzelnen. Wir haben ihnen KI-Werkzeuge an die Hand gegeben — Claude Code, Cursor, GitHub Copilot — nicht als Ersatz, sondern als Verstärker. Unsere Entwickler sind erfahrene Ingenieure, die Architektur, Geschäftslogik, Grenzfälle und den Unterschied zwischen Code, der kompiliert, und Code, der in der Produktion jahrelang funktioniert, verstehen.
Der Unterschied zählt. Ein erfahrener Entwickler mit KI schreibt besseren Code, schneller. Ein KI-Agent ohne erfahrene Aufsicht schreibt plausiblen Code, der die Begegnung mit der Realität möglicherweise nicht übersteht — und verbraucht dabei Token in einem Ausmaß, das ihn teurer macht als den Menschen, den er ersetzen sollte.
Warum die Kostenkurve in die falsche Richtung kippt
Gartner benennt die strukturellen Gründe, warum die Kosten weiter steigen werden:
- Unkontrollierte Autonomie in agentischen Workflows — Agents, die rekursive Aufrufe machen, Kontextfenster aufblähen und Token ohne menschliche Checkpoints verbrauchen
- Überladene Kontextfenster — ganze Codebasen in Prompts füttern, wo gezielter Kontext ausreichen würde
- Preisdruck der Anbieter — Infrastrukturinvestitionen und Profitabilitätsprobleme werden die Modellpreise nach oben treiben, nicht nach unten
Die Empfehlungen — Token-Schwellenwerte, automatisiertes Monitoring, Aufgabensegmentierung auf kleinere Modelle, Prompt-Optimierungs-Training — sind alle sinnvoll. Aber sie behandeln das Symptom. Das eigentliche Problem: Unternehmen haben versucht, Entwickler-Urteilsvermögen durch Token-Durchsatz zu ersetzen.
Die wahre Produktivitätsgleichung
Die Frage war nie „Kann KI Code schreiben?“ Das kann sie. Die Frage ist: Zu welchen Kosten, in welcher Qualität und mit welchem Maß an menschlicher Aufsicht geht die Rechnung tatsächlich auf?
Unsere Antwort: KI ist ein Werkzeug, kein Ersatz. Ein Senior-Entwickler, der die Domäne kennt, die Randbedingungen versteht und KI für die mechanischen Teile einsetzt — Boilerplate, Testgenerierung, Refactoring, Dokumentation — erzielt echte Produktivitätsgewinne ohne ausufernde Token-Kosten. Er weiß, wann er das Werkzeug nutzt und wann er selbst denkt.
Das ist keine philosophische Position. Das ist ein Kostenmodell, das skaliert.
Unternehmen, die Entwickler durch KI-Agents ersetzen, werden mehr ausgeben und schlechtere Ergebnisse erhalten. Unternehmen, die in ihre Entwickler investieren und ihnen KI-Werkzeuge geben, werden weniger ausgeben und bessere Ergebnisse erzielen. Gartner hat jetzt einen Zeitrahmen genannt, wann die erste Gruppe das auf die harte Tour lernt.