Tokenmaxxing: Der umstrittene Wettlauf um KI-Tokens in Unternehmen

"Tokenmaxxing" ist das neue Schlagwort in der Tech-Welt: Unternehmen und ihre Mitarbeiter maximieren aggressiv den Verbrauch von KI-Tokens, um ihre intensive Nutzung künstlicher Intelligenz zu demonstrieren. Was als technische Metrik begann, entwickelt sich zu einem umstrittenen Indikator für Produktivität und einem kostspieligen Wettlauf um die Vorreiterrolle in der KI-Adoption.

Was sind KI-Tokens und wie werden sie abgerechnet?

KI-Tokens sind die grundlegenden Einheiten, in die KI-Sprachmodelle Text zerlegen, um ihn zu verarbeiten. Ein Token kann ein kurzes Wort, eine Silbe, ein Wortteil oder ein Satzzeichen sein. Während OpenAI schätzt, dass ein Token im Englischen etwa vier Zeichen entspricht, deckt es im Deutschen aufgrund längerer Wörter und Umlaute oft nur eine Silbe ab; eine durchschnittliche A4-Seite kann so 500 bis 800 Tokens umfassen.

Kommerzielle KI-Anbieter wie OpenAI, Anthropic und Google rechnen ihre Dienste nach Tokens ab. Dabei wird zwischen Input-Tokens, die alle Eingaben des Nutzers oder eines Agenten umfassen, und Output-Tokens, die die generierten Antworten des Modells darstellen, unterschieden. Output-Tokens sind in der Regel deutlich teurer als Input-Tokens, wobei die Preise je nach Modellklasse von wenigen Cents bis zu mehreren Dollar pro Million Tokens reichen können. Leistungsfähigere Modelle wie Claude Opus oder GPT-5 sind dabei um ein Vielfaches kostspieliger als einfachere Varianten.

Der Wettlauf um KI-Adoption: Warum Unternehmen "tokenmaxxen"

Das aggressive Ausgeben von KI-Tokens, bekannt als "Tokenmaxxing", hat sich zu einem neuen Trend in der Unternehmenswelt entwickelt, der die intensive Nutzung von KI-Technologien demonstrieren soll. Was im Silicon Valley begann, verbreitet sich schnell: Visa gab stolz bekannt, seine Token-Nutzung von 1 Billion im Februar auf 2 Billionen im März verdoppelt zu haben. Dieser Ansatz spiegelt die Überzeugung wider, dass hohe Investitionen in KI notwendig sind, um die gesteckten Ziele zu erreichen.

Unternehmen wie JPMorgan und Disney nutzen interne Dashboards, um die KI-Nutzung ihrer Mitarbeiter zu verfolgen. Screenshots von Disneys "AI Adoption Dashboard" zeigen, wie die Mitarbeiter KI-Tools einsetzen. Diese Transparenz soll die Akzeptanz und den Einsatz von KI im gesamten Unternehmen fördern und die Mitarbeiter dazu anspornen, die neuen Technologien aktiv zu nutzen.

Interne Dashboards und der Wettbewerb

Die Debatte um Tokenmaxxing gewann an Fahrt, als im April Berichte über ein internes Leaderboard bei Meta Platforms, genannt "Claudenomics", bekannt wurden. Dieses von einem Mitarbeiter eingerichtete Dashboard rangierte Kollegen nach ihrem individuellen Token-Verbrauch und vergab Titel wie "Token Legend". Laut The Information verbrauchten Meta-Mitarbeiter in 30 Tagen insgesamt 60 Billionen Tokens, wobei der Top-Nutzer unter 250 Power-Usern durchschnittlich 281 Millionen Tokens pro Monat verbrauchte.

Solche Leaderboards sollen einen freundlichen Wettbewerb anregen und Mitarbeiter motivieren, KI-Tools intensiv zu nutzen. Anthony Moisant, Chief Information Officer von Indeed, äußerte jedoch Bedenken, dass solche Anreize zu falschen Ergebnissen führen können, da Menschen dazu neigen, das System zu "gamen", selbst wenn keine böswillige Absicht besteht. Das Meta-Leaderboard wurde nach öffentlicher Kritik in den sozialen Medien wieder offline genommen.

Die Kehrseite der Medaille: Kosten, Wildwuchs und Fehlanreize

Die aggressive Token-Nutzung birgt erhebliche finanzielle Risiken. Die monatlichen Rechnungen für autonome Agenten, die stundenlang im Hintergrund arbeiten, können schnell fünf- oder sechsstellige Summen erreichen, wie Beispiele von Cleo und Anthropic zeigen. Amy Butte, eine erfahrene CFO und strategische Beraterin bei Navan, kritisiert den Mangel an Standards und Key Performance Indicators (KPIs) für die KI-Entwicklung, was eine effektive Beurteilung der Ausgaben erschwert.

Ein weiteres Problem ist der sogenannte "AI Sprawl" oder "Shadow AI". Wenn mehrere Mitarbeiter in einer Abteilung ähnliche, aber nicht miteinander kommunizierende KI-Tools entwickeln, entsteht ein Wildwuchs, der schwer zu kontrollieren ist. Selbst hochentwickelte Unternehmen wie Amazon haben Schwierigkeiten, den Überblick über solche Projekte zu behalten. Bei Meta führte die übermäßige KI-Nutzung Berichten zufolge zu massiver Verschwendung, geringem Nutzen und sogar zu Systemausfällen (SEVs), die auf sorglose KI-Codegenerierung zurückzuführen waren, bei der die Menge über die Qualität gestellt wurde.

Startups im Dilemma: Investieren oder Sparen?

Für Startups stellt Tokenmaxxing ein besonderes Dilemma dar. Während einige Gründer die hohen Ausgaben als "stupiden" Trend ablehnen, sehen andere darin einen entscheidenden Wettbewerbsvorteil. Kavitta Ghai, Mitbegründerin von Nectir, setzte Mindestquoten für die Claude Code-Nutzung ihrer Ingenieure, die nun mehrere Tausend Dollar pro Monat für Tokens ausgeben. Sie betrachtet dies als Erfolg, auch wenn sie es nicht als "Tokenmaxxing" bezeichnet.

Aron Solberg, Mitbegründer von Risotto, sieht Token-Ausgaben als "Force Multiplier" für sein kleines Team und investiert monatlich 4.000 bis 5.000 US-Dollar in OpenAI- und Anthropic-Modelle, ein Zehntel dessen, was er noch vor sechs Monaten ausgab. Er zitiert das Sprichwort: "Man muss Geld ausgeben, um Geld zu verdienen." Auch Investoren fördern die Token-Ausgaben: Quang Hoang von Vybe empfiehlt Gründern, "mindestens ihren Gehaltsbetrag für Tokens" zu allozieren. Jensen Huang, CEO von Nvidia, äußerte sich "zutiefst beunruhigt", wenn ein Ingenieur mit einem Jahresgehalt von 500.000 US-Dollar nicht mindestens 250.000 US-Dollar an Tokens verbraucht. Beschleuniger wie Y Combinator bieten zudem kostenlose Token-Credits an, um Startups zu hohen Ausgaben zu ermutigen.

Eine neue Metrik unter der Lupe

Tokenmaxxing hat sich schnell von einer technischen Metrik zu einem Symbol für KI-Adoption und Produktivität entwickelt. Während Befürworter die Notwendigkeit betonen, in einem wettbewerbsintensiven Umfeld massiv in KI zu investieren, warnen Kritiker vor den enormen Kosten, dem Risiko von "Shadow AI" und den potenziellen Fehlanreizen, die zu ineffizienter oder gar schädlicher Nutzung führen können. Die Debatte zeigt, dass die Messung des tatsächlichen Nutzens von KI-Investitionen noch in den Kinderschuhen steckt und klare Standards sowie KPIs dringend benötigt werden, um den Wert von Token-Ausgaben effektiv beurteilen zu können.