AI Radar ist die monatliche Kolumne von Jasmin Guthmann zu Agentic AI, Business Transformation und der Zukunft digitaler Wertschöpfung. Mit ihrer langjährigen Erfahrung in Technologie, Transformation und KI gehört sie zu den etablierten Stimmen, wenn es um die Zukunft digitaler Wertschöpfung geht. Im April 2025 erschien ihr Buch If There Is a Will, There Is a Way: Ein kompromissloser Leitfaden, Potenzial freizusetzen, indem man sich auf das konzentriert, was wirklich zählt. Ihre Botschaft: handeln, Verantwortung übernehmen, Haltung zeigen.
In der diva-e Conclusion Kolumne AI Radar teilt sie ihre Erfahrungen aus der Praxis, ordnet aktuelle Entwicklungen ein, hinterfragt Trends und zeigt, was technologische Veränderungen für Unternehmen, Führung und Organisationen bedeuten.
Enterprise-AI kommt häufig mit dem selben Rechenfehler
Vor ein paar Wochen landete eine RFP auf meinem Schreibtisch. Ein seriöses Unternehmen, ein ordentliches Budget, eine klare Absicht. Die zentrale Frage stand fein säuberlich in einer Excel-Tabelle: Wie viele FTEs können Agents im ersten Jahr ersetzen? Die Einsparungen waren bis auf die zweite Nachkommastelle durchgerechnet.
Und die Kosten für den Betrieb der Agents? Fehlten. Keine Zeile für Tokens. Keine für Orchestrierung, Monitoring oder Evaluation. Und auch keine für den Menschen, der die Ergebnisse prüft, wenn der Agent selbstbewusst etwas Falsches liefert.
Die Einsparungen: schwarz auf weiß in einer Excel-Tabelle. Die Kosten: irgendwo zwischen Hoffnung und Optimismus. Diese RFP ist kein Einzelfall – sie zeigt ziemlich genau, wo wir bei der Kalkulation von Enterprise AI gerade stehen.
Agents arbeiten nicht umsonst
Das ist der Teil, den die Excel-Tabelle nicht abbildet: Ein Agent kostet jedes Mal Geld, wenn er arbeitet. Für jeden neuen Versuch, jeden Tool-Aufruf, jeden zusätzlichen Kontext, den er mitzieht.
Früher war Software im Grunde: Lizenz kaufen, fertig. Agents sind eher eine Belegschaft mit laufenden Kosten. Klar, einen Agent einzustellen kostet fast nichts. Ihn tatsächlich arbeiten zu lassen, kostet sehr wohl – und zwar umso mehr, je größer das Volumen ist, das man eigentlich automatisieren wollte.
Die entscheidende Frage ist deshalb nicht: Wie viele FTEs ersetzt dieser Agent?
Sondern: Was kostet ein Vorgang, der von einem Agenten komplett bearbeitet wird – inklusive aller Fehlversuche?
Ein bearbeiteter Schadenfall. Ein qualifizierter Lead. Kosten pro Ergebnis... auf dieser Ebene sind manche agentischen Workflows erstaunlich günstig. Andere kosten mehr als die Menschen, die sie ersetzen sollen. Der große Unterschied: Sie machen ihre Fehler schneller und formulieren sie überzeugender.
Welche Variante man sich tatsächlich ins Haus geholt hat, lässt sich nur mit echten Zahlen beantworten. Und genau die trackt kaum jemand.
Der Kaiser ist immer noch nackt
Letzten Monat habe ich geschrieben, dass der Kaiser nackt ist und traf damit auf viel Zustimmung.
Kurzes Update für September: Der Kaiser hat die Rechnung für seine neue Garderobe offenbar immer noch nicht bekommen. Denn bei den Kosten ist es im Grunde dasselbe wie beim bekannten Pilot-Purgatorium – nur eine Spalte weiter rechts im Budget:
Piloten schaffen den Sprung in die Skalierung nicht, weil niemand die nötige Architektur gebaut hat. Business Cases scheitern an der Realität der Produktion, weil niemand die tatsächlichen Kosten pro Ergebnis berechnet hat. Beides hat denselben Ursprung: Wir treffen Entscheidungen auf Slides, rechnen in FTEs und verlassen uns auf Bauchgefühl – statt auf Ergebnisse und Zahlen.
Der Einwand, den ich an dieser Stelle immer wieder höre: „Die Tokenpreise fallen doch ständig. Das Problem wird sich von selbst lösen.“
Meine Antwort darauf: Ja, die Kosten pro Token sinken. Aber: Der Verbrauch pro Aufgabe steigt massiv.
Agents, die planen, es noch einmal versuchen, Tools aufrufen und ihre eigene Arbeit überprüfen, verbrauchen ein Vielfaches von dem, was ein einzelner Prompt 2024 noch gekostet hat. Darauf zu setzen, dass die sinkenden Tokenpreise schneller fallen als der eigene Verbrauch steigt, ist keine Strategie. Das ist ein Lottoschein mit laufender Burn Rate.
Was machen wir daraus?
Natürlich ist es leicht, als Kolumnistin auf die Excel-Tabellen anderer zu zeigen. Fair. Deshalb erzähle ich auch unsere Seite der Geschichte.
Die Blindspot bei den Kosten ist nur ein Symptom. Das eigentliche Problem liegt tiefer:
Was man nicht sehen kann, kann man auch nicht vernünftig kalkulieren. Und die meisten Unternehmen sehen heute noch nicht, womit ihre Agents interagieren, was sie tun und was dabei herauskommt. Die Systeme arbeiten nicht kollaborativ.
Das ist ein Architekturproblem, das am Ende beim CFO landet. In den vergangenen Monaten haben wir an unserer Antwort auf genau dieses Problem gearbeitet.
Den Namen verrate ich noch nicht. Aber, Spoiler: Etwas Größeres kommt. Vorgestellt wird es am 17. September 2026 auf der Conclusion Connect in Düsseldorf. Ich freue mich schon sehr drauf, an diesem Tag auf der Bühne zu moderieren. Auch mein diva-e Conclusion Team wird vor Ort sein. Außerdem: Kunden, die KI bereits produktiv einsetzen – Rechnung inklusive – verraten können, was Agents tatsächlich kosten und welchen Return sie tatsächlich liefern.
Die Excel-Tabelle darf gerne mitgebracht werden – die fehlende Kostenposition füllen wir gemeinsam aus.
