KI: Vorteile nutzen, technische Souveränität bewahren
Es ist oftmals nur ein einziger Satz – mit weitreichenden Folgen: „Zur langfristigen Sicherstellung unseres Dienstes stellen wir auf ein tokenbasiertes Abrechnungsmodell um.“ Eine solche Nachricht dürfte mittlerweile viele Entwicklerteams erreicht haben. Im praktischen Alltag bedeutet dies, dass monatliche feste Lizenzgebühren pro Entwickler durch variable Kosten ersetzt werden. Ein Bugfix ist nötig? Die Kosten dafür hängen jetzt davon ab, wie viele Iterationen das Modell erfordert. Allgemein ausgedrückt: Entwicklungsprozesse werden durch KI verbessert – verursachen aber mittlerweile Produktivitätskosten, die von einem externen Anbieter bestimmt werden. Dies erschwert nicht nur die Kostenplanung, sondern schafft auch Abhängigkeit.
Ausgangspunkt dieser Entwicklung war, dass KI nicht mehr nur als eine Art „intelligentes Nachschlagewerk“ oder für Autocomplete-Aufgaben genutzt wird, sondern sich zu einem „autonomen Mitarbeiter“ entwickelt hat. Ein KI-Agent übernimmt Aufgaben, analysiert Dutzende Dateien, führt Tests aus. Erzielt er keine Lösung, liest er den Kontext erneut und liefert eine neue Lösung. So werden Prozesse vielfach neu initiiert. Jede Iteration verbraucht dabei Tausende bis Hunderttausende Token. Die dadurch entstehenden Kosten können hoch sein: So kann ein einzelnes Refactoring mit einem nutzungsbasierten Preismodell höhere Kosten verursachen als der Betrieb des Servers, auf dem die Anwendung läuft. Zum Vergleich: Der erste GitHub-Copilot war noch kalkulierbar – eine monatliche Flatrate, überschaubare Code-Vervollständigung als Leistung. Unternehmen bezahlten für Software als Leistung.
Autonome KI-Agenten: hohe Kosten
2026 ist die Situation eine vollständig andere: Autonome KI-Agenten gehören längst zum Entwickleralltag. Unternehmen bezahlen zunehmend für Rechenleistung. Sie kaufen Computing-Kapazitäten, damit KI-Agenten Entwicklungs- und Geschäftsprozesse eigenständig ausführen. Während ein einzelner Entwickler noch kontrollierbare Kosten verursacht und Prompts, Pull Requests, ADRs oder Dokumentationen wirtschaftlich durchzuführen sind, ist dies bei automatisierten Entwicklungsprozessen anders: Übernimmt ein Agent Code-Reviews oder Dokumentationen, analysiert er bei jedem Push den Repository-Kontext und generiert Verbesserungsvorschläge. Bei größeren Entwicklerteams und zahlreichen Pull Requests pro Tag summiert sich der Tokenverbrauch so schnell auf Millionen von Token pro Monat.
Besonders hohe Kosten verursachen vollständig autonome Workflows. Agenten priorisieren Support-Tickets, analysieren Logs oder treffen Entscheidungen rund um die Uhr. Ohne klare Begrenzungen steigt der Tokenverbrauch exponentiell – und gleichzeitig wächst die Abhängigkeit vom Anbieter. Wird das Angebot vom Markt genommen oder steigen die Preise deutlich, kann das zur Folge haben, dass bei Unternehmen zentrale Entwicklungsprozesse stillstehen. Es führt somit kein Weg an der Frage vorbei, ob dieser Ansatz langfristig wirtschaftlich und strategisch zu vertreten ist.
Systeme und Architekturen: Wissen bewahren
Dieser Vendor-Lock-in und die steigenden Tokenpreise sind mitnichten das einzige Risiko für Unternehmen. Noch kritischer ist die schleichende Auslagerung des Unternehmenswissens. Übernehmen proprietäre Modelle das Verständnis der Codebasis und architektonische Entscheidungen, verlagert sich das Wissen über Geschäftslogik und Systemzusammenhänge zunehmend – weg von den Entwicklerteams, hin zum KI-Anbieter. In der Folge beschäftigen sich Entwickler immer weniger mit dem eigenen Code und verlassen sich zunehmend auf den KI-Agenten. Sollte dieser nicht mehr verfügbar sein – aus welchem Grund auch immer – so bleibt im ungünstigsten Fall ein System zurück, dessen Architektur und Regeln kaum noch jemand im Unternehmen vollständig versteht. Der Lock-in betrifft dann nicht mehr Infrastruktur oder Datenbanken, sondern das Wissen über das eigene Produkt – und dieses gilt es zwingend zu bewahren.
Sinkende Qualität als weiterer Risikofaktor
Neben hohen Kosten und Abhängigkeiten sowie Wissensverlusten gibt es ein drittes Risiko, mit dem Entwicklerteams konfrontiert sind und das es zu beseitigen gilt: die schleichende Qualitätsverschlechterung von KI-Modellen. Frontier-Modelle werden mit öffentlich verfügbaren Daten trainiert. Gleichzeitig wächst der Anteil KI-generierter Inhalte im Internet rasant. Enthalten diese Trainingsdaten fehlerhaften Code, veraltete Sicherheitsmuster oder halluzinierte Logik, sinkt langfristig auch die Qualität der Modellantworten. Setzt ein Unternehmen ausschließlich auf proprietäre APIs, macht es sich deshalb nicht nur von Preisen abhängig, sondern auch von der Qualität eines Systems, dessen Trainingsdaten kaum kontrollierbar sind und dessen Entwicklung zunehmend negativ verläuft.
Technische Souveränität zurückgewinnen
Es ist offensichtlich, dass Unternehmen durch KI-Agenten mit unterschiedlichen Risiken konfrontiert werden: starke Anbieterabhängigkeit und hohe Kosten durch tokenbasierte Abrechnungsmodelle, die Auslagerung von entscheidendem Wissen um Architekturen und Systeme sowie nachlassende Qualität von KI-Modellen. Um diese Risiken beherrschen zu können, müssen Unternehmen handeln. Die Lösung liegt dabei nicht im Verzicht auf KI. Vielmehr gilt es, sich von bloßen Nutzern zu „Eigentümern“ zu entwickeln und technische Souveränität zu erlangen. Hierfür stehen verschiedene konkrete Maßnahmen zur Verfügung, wie beispielsweise
- die Nutzung von Open-Source-Modellen wie Llama, Mistral oder Kimi,
- der Einsatz kleinerer und spezialisierter KI-Systeme auf eigener, lokaler Infrastruktur,
- die Feinabstimmung eigener Modelle mit unternehmensspezifischen Codebasen und der eigenen Dokumentation,
- die Nutzung agnostischer Entwicklungsumgebungen und Abstraktionsebenen, die einen einfachen Wechsel des LLM-Anbieters ermöglichen.
Ziel des Einsatzes von KI sollte sein, dass Entwickler produktiver arbeiten können – und nicht, dass eine kritische Abhängigkeit von einem einzelnen Anbieter geschaffen wird. Langfristig erfolgreich werden diejenigen Unternehmen sein, die KI konsequent einsetzen und zugleich ihre technische Souveränität bewahren. Das wertvollste Asset eines Softwareunternehmens ist das Wissen über die eigenen Systeme. Dieses sollte niemals ausgelagert werden und muss stets in der eigenen Hand bleiben.
