Tokenomics: Accenture-Report zeigt Wege für ein besseres Management von KI-Ausgaben auf

Zürich – Während die Ausgaben für KI in Unternehmen steigen und Budgets überschreiten, zeigt eine global durchgeführte Accenture-Studie: Rund 80 Prozent der Token-Ausgaben lassen sich weiterhin nicht eindeutig quantifizierten Geschäftsergebnissen zuordnen.

Accenture hat für seine neue KI-Studie «The CIO’s Guide to AI Tokenomics» 750 Führungskräfte der C-Suite in 17 Ländern befragt, darunter auch in europäischen Märkten wie Deutschland, Frankreich, Italien, Spanien und dem Vereinigten Königreich. Die Studie liefert Erkenntnisse, die Unternehmen dabei unterstützen, die Nutzung von KI-Tokens im grossen Massstab transparent zu machen, zu steuern und abzurechnen.

Die Ergebnisse zeigen, dass jedes dritte Unternehmen sein jährliches Token-Budget bereits überschritten hat und die Ausgaben voraussichtlich weiter steigen werden. Gleichzeitig erwarten die befragten Führungskräfte, dass der jährliche Token-Verbrauch in den kommenden zwei Jahren um 78 Prozent zunehmen wird.

Token-Kosten steigen – doch der geschäftliche Nutzen bleibt oft unklar

Sinkende Token-Preise allein lösen das Kostenproblem nicht – im Gegenteil: 95 Prozent der Befragten stimmen zu, dass ein Rückgang der Token-Preise um 25 Prozent oder mehr zu insgesamt höheren KI-Ausgaben in ihrem Unternehmen führen würde. Gleichzeitig bleibt der Zusammenhang zwischen Ausgaben und Geschäftswert häufig unklar. Weniger als 20 Prozent der Token-Ausgaben lassen sich einem messbaren finanziellen Ergebnis zuordnen, und nur 35 Prozent der Unternehmen können für ihren grössten KI-Anwendungsfall die Kosten pro Geschäftsergebnis berechnen.

Tokens entwickeln sich damit zunehmend zu einem zentralen Kostenfaktor: Unternehmen wenden im Durchschnitt bereits ein Viertel ihres KI-Budgets für Tokens auf. 50 Prozent der Befragten zählen den Token-Verbrauch zu den drei grössten Kostentreibern im KI-Bereich.

Nur wenige Unternehmen nutzen bereits Strategien zur Kostensteuerung

Um Token-Kosten besser zu steuern und den geschaffenen Wert nachvollziehbar zu machen, stehen Unternehmen mehrere wirksame Hebel zur Verfügung – bislang werden diese jedoch erst zurückhaltend eingesetzt. So nutzen nur 30 Prozent der Unternehmen automatisiertes Modell-Routing, um für jede Aufgabe das passende Modell einzusetzen. Dies, obwohl es laut Befragten der wirksamste Hebel für mehr Kosteneffizienz im KI-Bereich ist. Accenture schätzt, dass nur rund 10 Prozent der KI-Anwendungsfälle tatsächlich die Leistungsfähigkeit von Frontier-Modellen benötigen. Dennoch werden derzeit mehr als die Hälfte (54 Prozent) aller KI-Anfragen an ein leistungsfähigeres Modell weitergeleitet, als für die jeweilige Aufgabe erforderlich wäre.

Auch bei der verursachungsgerechten Verrechnung besteht Nachholbedarf: Nur 7 Prozent der Unternehmen stellen einzelnen Geschäftsbereichen ihren Token-Verbrauch in Rechnung, obwohl dies einer der wichtigsten Hebel für Kostenoptimierung und Zuordnung zu Geschäftsergebnissen ist. Zudem verfügen erst 37 Prozent über ein eigenes Team für das Management von Token-Ausgaben; bei 48 Prozent liegt die Verantwortung gemeinsam bei IT und Finanzabteilung.

Die Accenture-Studie nennt fünf Hebel, mit denen Unternehmen ihre Token-Kosten besser steuern und optimieren können:

1. Transparenz über die KI-Nutzung vor dem Einsatz in der Produktion herstellen: Nachverfolgen, wer für einen KI-Anwendungsfall verantwortlich ist, welches Modell er nutzt, welche Kosten er verursacht und welche Ergebnisse er liefert, bevor der Anwendungsfall produktiv geht.
2. Verantwortlichkeit für KI-Ausgaben zuordnen: Teams für die von ihnen genutzten Ressourcen in die Pflicht nehmen.
3. Aufgaben dem richtigen Modell zuweisen: Frontier-Modelle für komplexe Aufgaben verwenden und mittels Modell-Routing bedarfsgerecht kostengünstigere Modelle einsetzen.
4. Den Value Case vor dem Einsatz definieren: Den erwarteten Mehrwert, die Kosten und die Erfolgskriterien festlegen, bevor ein KI-Anwendungsfall produktiv geht.
5. Mitarbeitende im effektiven Einsatz von KI schulen: Klare Orientierung dazu geben, welche Modelle sich für welche Aufgaben am besten eignen.

Bei jährlichen Token-Ausgaben von 10 Millionen US-Dollar steigen die Kosten innerhalb von zwei Jahren voraussichtlich auf 14.4 Millionen US-Dollar. Unternehmen, die die oben genannten Steuerungsmassnahmen umsetzen, könnten Budgetsteigerungen von bis zu 4.4 Millionen US-Dollar vermeiden – und ihre KI-Initiativen dennoch weiterverfolgen.

Um die Transparenz über KI-Kosten zu verbessern, Governance zu stärken und Ausgaben stärker mit Geschäftsergebnissen zu verknüpfen, investieren viele Unternehmen in Tools und Prozesse für das Management des Token-Verbrauchs im grossen Massstab. Accenture hat Accenture Tokenomics eingeführt, um Unternehmen dabei zu unterstützen, den Verbrauch von KI-Tokens mit messbarem geschäftlichem Mehrwert zu verknüpfen. Die Lösung sorgt zugleich für Transparenz, Kosten-Governance und kontinuierliche Optimierung über Workflows, Modelle und Agenten hinweg.

«Mit wachsender KI-Nutzung steigen auch die Anforderungen an die Steuerungsfähigkeit von Unternehmen. Wer KI und agentische Workflows skaliert, braucht eine belastbare Grundlage aus Daten, Plattformen und Rahmenbedingungen. Entscheidend ist, für jede Aufgabe das passende Modell zu nutzen – nicht immer das leistungsstärkste – und Transparenz über Kosten, Nutzung sowie Wirkung herzustellen. CIOs schaffen dafür die notwendige Architektur, doch die gesamte Geschäftsführung ist gefragt: Der Wert entsteht nur dann, wenn diese neue Basis über alle Unternehmensbereiche hinweg wirksam genutzt wird», sagt Tobias Regenfuss, Technology Lead DACH bei Accenture.

«KI-Kosten sichtbar zu machen, ist nur der erste Schritt. Entscheidend ist, welcher Geschäftsprozess durch KI besser wird und welchen messbaren Wert sie liefert. Dafür braucht es keine pauschalen Token-Limits, sondern Verantwortung: Fachbereiche müssen für ihre Use Cases, Budgets und Ergebnisse einstehen, während IT und Finance die notwendigen Voraussetzungen dafür schaffen. Wer den erwarteten geschäftlichen Nutzen vor der Skalierung klar definiert, kann KI-Investitionen zielführender ausbauen und überzeugend vertreten», sagt Kevin Eversmann, Global AI & Data Lead Industrial bei Accenture. (Accenture/mc/hfu)

---

Über die Studie: Die Studie zu AI-Tokenomics von Accenture basiert auf einer im Juli 2026 durchgeführten Primärbefragung von 750 Führungskräften – darunter CIOs, CTOs, CFOs, CEOs und weitere – aus Unternehmen mit einem Jahresumsatz von mehr als 1 Milliarde US-Dollar in 17 Märkten: Australien, Brasilien, Kanada, Frankreich, Deutschland, China, Italien, Indien, Japan, Mexiko, Saudi-Arabien, Spanien, Singapur, Südafrika, Vereinigte Arabische Emirate, Vereinigtes Königreich und USA. Ergänzend wurden zwischen Juni und Juli 2026 15 vertiefende Interviews mit Technologie- und Finanzverantwortlichen aus Fortune-500-Unternehmen geführt. Alle Befragten waren unmittelbar für Entscheidungen zu KI-Ausgaben verantwortlich. Darüber hinaus analysierte Accenture 9.368 berufliche Tätigkeiten aus der O*NET-Datenbank, um den Anteil der KI-Anwendungsfälle zu schätzen, die die Leistungsfähigkeit von Frontier-Modellen erfordern.