Eine ökonomische Frage wird immer offensichtlicher – Rechnet sich KI überhaupt?

Noch vor zwei Jahren galt das schwedische Fintech-Unternehmen Klarna als Musterbeispiel dafür, wie Künstliche Intelligenz (KI) Tausende Arbeitsplätze überflüssig machen kann. Das Unternehmen verkündete stolz, sein KI-Assistent erledige inzwischen die Arbeit von 700 Kundendienstmitarbeitern und bearbeite zwei Drittel aller Kundenanfragen. Bereits seit vergangenem Jahr ist die KI-Euphorie bei Klarna aber deutlich gedämpft.

Im Mai 2025 räumte Vorstandschef Sebastian Siemiatkowski ein, dass bei der Umstellung auf KI die Kostensenkung „ein zu dominierender Bewertungsmaßstab“ gewesen sei und dies letztlich zu einer geringeren Servicequalität geführt habe. Die Folge war eine Kehrtwende. Das Unternehmen stellt inzwischen wieder verstärkt menschliche Kundenberater ein. Ähnlich wie bei dem skandinavischen Zahlungsdienstleister ist inzwischen bei vielen Unternehmen Ernüchterung eingekehrt, wenn es um das Thema KI geht. Immer öfter geht es um die Frage: Rechnet sich der Einsatz von KI betriebswirtschaftlich überhaupt?

Menschen sind kostengünstiger

Eine Anfang Mai veröffentlichte Gartner-Studie unter 350 Großunternehmen mit einem Jahresumsatz von jeweils mehr als einer Milliarde US-Dollar kommt zu dem Ergebnis, dass Stellenstreichungen kein Garant für höhere Gewinne sind. Zwar kündigten rund 80 Prozent der befragten Unternehmen Personalabbau im Zusammenhang mit KI an, tatsächlich ließ sich jedoch nur ein Bruchteil der Einsparungen unmittelbar auf den Einsatz der Technologie zurückführen. „Personalabbau mag zwar finanziellen Spielraum schaffen, bringt aber keine Rendite“, fasst Gartner-Analystin Helen Poitevin das Ergebnis zusammen. Erfolgversprechender sei es, Beschäftigte mithilfe von KI produktiver zu machen. Entsprechend rechnen die Studienautoren langfristig sogar mit neuen Arbeitsplätzen für die Entwicklung, Steuerung und Überwachung von KI-Systemen. Es wird erwartet, dass bis 2027 die Hälfte der Stellen, die im Kundenservice durch KI ersetzt wurden, wieder neu besetzt werden.

Zu dieser Entwicklung tragen auch sogenannte Token-Kosten bei. Dabei handelt es sich um Texteinheiten, die von Sprachmodellen verarbeitet werden. Deren Kosten steigen bei intensiver Nutzung erheblich. Etliche Unternehmen sind inzwischen zu dem Fazit gekommen, dass es durchaus einzelne Bereiche gibt, bei denen menschliche Mitarbeiter kostengünstiger sind als permanente KI-Modelle. So setzt etwa der Chiphersteller Nvidia für bestimmte Aufgaben verstärkt wieder auf Menschen statt auf KI. Auch Microsoft oder Uber überprüfen ihre KI-Ausgaben deutlich kritischer als früher. Beide Unternehmen sehen sich inzwischen mit viel höheren KI-Ausgaben konfrontiert als ursprünglich geplant.

Wo bleiben die Einnahmen?

Führende KI-Anbieter haben zudem ihre Abrechnungsmodelle angepasst, was zu höheren Ausgaben führt. Hintergrund sind die extrem hohen Investitionen in Rechenzentren, Spezialchips und Stromversorgung. Allein die vier großen US-Konzerne Amazon, Microsoft, Alphabet (Google) und Meta haben 2025 rund 410 Milliarden Dollar in Rechenzentren und KI-Infrastruktur investiert.

Gleichzeitig wachsen die Umsätze aber nicht im gleichen Tempo. Silicon-Valley-Investor Sequoia Capital brachte das Problem bereits im vergangenen Jahr mit einer provokanten Frage auf den Punkt: „Wo bleiben die Einnahmen?“ Nach Berechnungen der Risikokapitalgesellschaft müssten die gigantischen Investitionen in KI-Infrastruktur durch Einnahmen in einer Größenordnung von mehreren hundert Milliarden US-Dollar gedeckt werden.

Hinzu kommen steigende Betriebskosten. Moderne KI-Modelle werden zwar leistungsfähiger, benötigen aber immer mehr Rechenleistung. Damit steigt der Strombedarf. Laut der International Energy Agency dürfte sich der weltweite Stromverbrauch von Rechenzentren bis 2030 auf rund 945 Terawattstunden nahezu verdoppeln. KI-Anwendungen gelten dabei als wichtigster Wachstumstreiber.

Inzwischen rückt ein weiteres Problem in den Fokus der Analysten: der rasante Wertverlust der milliardenschweren KI-Infrastruktur. Während klassische Rechenzentren über viele Jahre genutzt werden können, veralten KI-Server und die darin verbauten Hochleistungsprozessoren deutlich schneller.

Es droht eine neue Dotcom-Blase

Experten gehen davon aus, dass KI-Server der großen Cloud-Anbieter wegen des rasanten technischen Fortschritts eher am unteren Ende der üblichen Lebensdauer von drei bis sechs Jahren ersetzt werden müssen. Da die Hardware bis zu zwei Drittel der Baukosten eines KI-Rechenzentrums ausmacht, könnten allein die laufenden Ersatzinvestitionen die Wirtschaftlichkeit vieler Projekte erheblich belasten.

Insgesamt weckt die aktuelle KI-Entwicklung Erinnerungen an den Dotcom-Boom Ende der 1990er Jahre. Auch damals erwiesen sich die Erwartungen der Finanzmärkte als weit überzogen. Nach dem Platzen der Dotcom-Blase verschwanden zahlreiche Unternehmen, während sich tragfähige Geschäftsmodelle erst Jahre später durchsetzten.