Ein verbrauchsbasiertes Preismodell bindet KI-Ausgaben an Ergebnisse, und die Fungibilität sorgt für Beständigkeit, wenn Prioritäten sich ändern.
Julie Colwell
Principal Strategist
Workday
Mit erweiterten KI-Fähigkeiten verabschieden sich Anbieter von pauschalen Abonnementmodellen und setzen stattdessen auf nutzungsbasierte, ergebnisorientierte oder hybride Preisstrukturen. Für CFOs kann sich diese Variabilität wie ein Rückschritt bei der Budgetsicherheit anfühlen.
Doch dies ist nicht das erste Mal, dass ein Technologiewandel eine Umstellung auf neue Kostenmodelle erzwungen hat. Der Wechsel von On-Premise zu Cloud Computing machte die Budgetierung anfangs schwieriger, bis nutzungsbasierte Cloud-Ausgaben zum Standard wurden. Die KI-Preisgestaltung nimmt eine ähnliche Entwicklung. Da Lösungen für Ausgabenerfassung und -prognosen aufholen, wird es einfacher, nicht nur Prognosen zu erstellen, sondern auch den Mehrwert zu messen.
Studie
Seit den Anfängen der KI-Preisgestaltung haben wir eine enorme Entwicklung verzeichnet. Das „Tokenmaxxing“, bei dem der Token-Verbrauch als Indikator für die KI-Einführung galt, erlebte einen rasanten Aufstieg. Meta führte Studien zufolge eine interne Rangliste mit dem Spitznamen „Claudenomics“, die rund 85.000 Mitarbeitende nach Token-Nutzung einstufte, wobei der Top-Anwender in nur einem Monat 281 Milliarden Tokens verbraucht haben soll.
Der Fall kam genauso schnell. Innerhalb weniger Tage erklärte der CTO von Uber, dass das Unternehmen seine Tokenmaxxing-Ära beende, nachdem es sein gesamtes jährliches KI-Budget in den ersten Monaten des Jahres aufgebraucht hatte. Microsoft teilte seinen Entwicklern intern mit, dass Tokenmaxxing nicht länger das Optimierungsziel sei, legte Token-Budgets pro Mitarbeiter fest und wechselte standardmäßig zu einem günstigeren Modell. In der Zwischenzeit argumentierte IBM, dass „Value-Maxxing“ – die Optimierung im Hinblick auf Unternehmensergebnisse statt auf Nutzungsvolumen – das beständigere Framework sei.
„Value-Maxxing“ – die Optimierung im Hinblick auf Unternehmensergebnisse statt auf das Nutzungsvolumen – ist das beständigere Framework.
Die meisten Finanzführungskräfte haben eine Variante dieser Entwicklung in ihren eigenen Unternehmen beobachtet. Dies verdeutlicht die Herausforderung, ein langfristiges Preismodell zu finden, da sich der tatsächliche Mehrwert für Unternehmen durch KI weiterentwickelt.
Zunehmend fällt die Wahl der Finanzteams auf eine nutzungs- oder verbrauchsbasierte Preisgestaltung: Bezahlt wird für das, was verbraucht wird, statt einer pauschalen Gebühr, die von den Ergebnissen isoliert ist.
Bei der nutzungs- oder verbrauchsbasierten Preisgestaltung werden KI-Agenten gemessen, wenn eine Aufgabe abgeschlossen ist, nicht wenn eine Abfrage ausgeführt oder ein Token verbraucht wird. Bei diesem Modell sind abgeschlossene Aufgaben leicht messbar. Beispiel:
Dieses Preismodell führt zu einer grundlegend anderen Diskussion über die Budgetierung als das Zählen von Tokens. Eine Finanzführungskraft kann die Ausgaben des nächsten Jahres anhand des Anforderungs- oder Vertragsvolumens des Vorjahres prognostizieren, da die bepreiste Einheit eine Geschäftsaktion und kein Artefakt der Modellarchitektur ist.
Da Anbieter spezialisierte Agenten für verschiedene Funktionen auf den Markt bringen, besteht der einfachste Weg darin, für jeden Bereich eine separate, abrechenbare Einheit zu verkaufen – einen Pool für Recruiting-Agenten, einen für Finanz-Agenten und einen für Agenten der Rechtsabteilung. Isolierte Guthaben wirken präzise, doch in der Praxis rufen sie die veraltete Gewohnheiten der Lizenzierung von Software wieder hervor:
Strategien für Unternehmens-KI stehen nicht lange genug still, als dass eine solche Starrheit funktionieren könnte. Ein Finanzteam, das im Januar Budget für einen Agenten zur Vertragsprüfung bindet, stellt vielleicht im Juni fest, dass der Anwendungsfall mit dem höheren Mehrwert stattdessen in der Personalplanung liegt. Lassen sich für einen Zweck gebundene Ausgaben nicht ohne einen neuen Beschaffungszyklus für einen anderen Zweck nutzen, passt das Preismodell nicht zur Realität der KI-Einführung im Unternehmen.
Fungible Ausgaben – ein Budget, das dynamisch dorthin fließt, wo ein Agent oder eine Funktion gerade den größten Mehrwert erzielt – bilden die Grundlage für die nutzungsbasierte Preisgestaltung in der Praxis. Bei diesem Ansatz erwerben CFOs zunächst Kapazitäten und legen erst später fest, wofür sie genutzt werden – das entspricht eher der Art und Weise, wie sich die KI-Einführung in einem großen Unternehmen vollzieht.
Mit fungiblen Ausgaben erwerben CFOs zunächst Kapazitäten und legen erst später fest, wofür sie genutzt werden.
Während fungible Ausgaben besser zur KI-Einführung passen, wirft dies eine wichtige Frage auf: Wenn jedes Team aus demselben Pool schöpfen kann, wer ist dann verantwortlich für die getätigten Ausgaben? Den Pool einzuschränken, verfehlt den Zweck. Doch die Kombination von Fungibilität mit Echtzeit-Transparenz ermöglicht es CFOs, die Verlagerung von Ausgaben im gesamten Unternehmen zu verfolgen, anstatt sie erst am Ende eines Budgetzyklus festzustellen.
Die Preismodelle, die die Anfangsjahre einer Technologie überdauern, haben ein gemeinsames Muster:
Die tokenbasierte Preisgestaltung hatte Probleme, weil sich Nutzung und Mehrwert mit der Verbesserung der Modelle entkoppelten. Ein starres, isoliertes, nutzungsbasiertes Guthaben-Modell hätte ebenfalls Probleme – nur langsamer –, indem es Ausgaben an Annahmen darüber bindet, welcher KI-Anwendungsfall am wichtigsten ist. Da sich der Markt ständig verändert, können und sollten sich diese Anwendungsfälle entsprechend anpassen.
Die nutzerbasierte Preisgestaltung ist noch immer präsent. Dieses Modell basiert natürlich auf der Annahme, dass ein Mensch die Arbeit erledigt hat. Und viele Unternehmen – auch unsere eigenen Kunden – setzen weiterhin darauf, weil sie die Planbarkeit schätzen. Da KI-Agenten jedoch nicht nur zum Denken, sondern vor allem zum Handeln trainiert werden, wird die Wertmessung auf Ebene einzelner Aktionen oder Ergebnisse unverzichtbar. Der Mehrwert einer Lösung lässt sich längst nicht mehr an der Anzahl der Logins ablesen.
Die Messung des Mehrwerts auf der Ebene einer Aktion oder eines Ergebnisses wird zur Grundvoraussetzung.
Ist die bepreiste Einheit eine Aktion oder ein Ergebnis statt eines Tokens oder einer Lizenz, zahlt das Finanzteam nicht nur eine Rechnung. Es zahlt für den konkreten Mehrwert, den die KI dem Unternehmen einbringt.
Studie
Das wahre ROI-Problem liegt in der Diskrepanz zwischen dem investierten Aufwand und der tatsächlichen Wirkung. Entdecken Sie die Lösung.