Warum Unternehmen Schwierigkeiten haben, den Return on Investment (ROI) von KI zu berechnen

Die erste Welle des „Tokenmaxxing“ – in der CEOs eine aggressive, unkontrollierte KI-Nutzung förderten – trifft auf einen harten Realitätscheck, da Unternehmensbudgets nun genauer unter die Lupe genommen werden. Während Unternehmen die Experimentierphase hinter sich lassen, hat sich die zentrale Herausforderung von der bloßen Einführung hin zum Nachweis eines greifbaren Return on Investment (ROI) verschoben.

Vom Tokenmaxxing zur Budgetverantwortung

Anfang dieses Jahres war das Silicon Valley vom „Tokenmaxxing“ geprägt – einem Trend, bei dem Organisationen die KI-Nutzung bis an ihre absoluten Grenzen trieben, um die Leistungsfähigkeit zu maximieren. Die finanziellen Auswirkungen dieses ungezügelten Enthusiasmus treten nun jedoch zutage. Berichten zufolge haben große Akteure wie Uber ihr jährliches KI-Budget bereits innerhalb weniger Monate aufgebraucht.

Dieser Anstieg des Verbrauchs hat zu einer Korrekturphase in der Unternehmenslandschaft geführt. Wir beobachten, dass Organisationen ihre Ausgaben zurückfahren, etwa indem Unternehmen Claude-Lizenzen für bestimmte Abteilungen streichen; sogar Meta hat Berichten zufolge sein internes KI-Leaderboard eingestellt. Diese Schritte signalisieren einen Wandel von einer „Wachstum um jeden Preis“-Mentalität hin zu strenger fiskalischer Disziplin und Ressourcenmanagement.

Die Suche nach „Magic Moments“ und persönlichen Agenten

Trotz der Budgetverknappung bleibt NEA-Partnerin Tiffany Luck optimistisch, was das transformative Potenzial von KI angeht, insbesondere im Konsumgütersektor. Luck betont die Bedeutung der Identifizierung von „Magic Moments“ – jenen spezifischen Momenten, in denen KI einem Endnutzer einen unbestreitbaren, hochwertigen Nutzen bietet.

Die Branche bewegt sich über einfache Chatbots hinaus in Richtung der Entwicklung hochentwickelter persönlicher Agenten. Diese Agenten stellen die nächste Grenze der KI dar und wandeln sich von reaktiven Werkzeugen zu proaktiven Assistenten, die in der Lage sind, komplexe Aufgaben zu bewältigen. Für Risikokapitalgeber und Gründer besteht das Ziel darin, über generische LLM-Implementierungen hinauszugehen und spezialisierte Agenten zu entwickeln, die Probleme mit hohem Reibungsverlust auf eine Weise lösen, die ihre erheblichen Betriebskosten rechtfertigt.

Der Aufstieg des AI Spend Managements

Da die Lücke zwischen dem KI-Hype und der tatsächlichen Produktivität schrumpft, entsteht ein neuer Startup-Subsektor, um diese Kluft zu überbrücken. Unternehmen haben derzeit Schwierigkeiten, die detaillierten Kosten für Modell-API-Aufrufe, Rechenleistung (Compute) und Seat-Lizenzen im Verhältnis zum tatsächlich generierten Wert zu verfolgen.

Dies hat eine enorme Chance für Startups geschaffen, die sich auf KI-Observability und Spend Management konzentrieren. Unternehmen suchen nach Tools, die Transparenz über ihren KI-Stack bieten und es ihnen ermöglichen, genau zu sehen, wo Token verbraucht werden und ob diese Token Umsätze generieren oder lediglich die Gemeinkosten erhöhen. Die Fähigkeit, KI-Ausgaben spezifischen Geschäftsergebnissen zuzuordnen, wird der entscheidende Faktor für Unternehmen sein, die KI erfolgreich in ihre Kernprozesse integrieren.

Wichtigste Erkenntnisse