Warum KI 2026 dieselbe Verschwendung sichtbar macht wie Meetings

Thomas 12 Januar 2026

KI ist kein Spielzeug mehr

KI – oder präziser: LLMs – hat sich etabliert. Alle nutzen sie. Manche gut, manche weniger gut. Aber darum soll es hier nicht gehen. Mir geht es um die ökonomische Seite des KI-Einsatzes.

Die OpenAIs dieser Welt haben es seit 2022 geschafft, die Tokenpreise niedrig zu halten (grob in der Größenordnung von $2–$10 pro 1 Million Tokens, je nach Modell). Dadurch waren die Kosten für viele Anwendungsfälle praktisch zu vernachlässigen.

Ich glaube, das wird sich 2026 ändern. Zeit, sich die Auswirkungen anzusehen.

Wir werden einen Mix aus Pay-per-Token und Volumenverträgen sehen. Und in diesem Mix werden Kosten relevant werden – so relevant, dass sie Entscheidungen erzwingen. Das ist gut, weil sich der Diskurs verschiebt: weg von „KI kann alles“ hin zu „Lohnt sich dieser KI-Einsatz für uns?“. Erst dann entsteht eine Feedback-Loop.

Sobald KI Geld kostet, werden Nutzungsmuster sichtbar – und bewertbar.

Die Rückkehr einer bekannten Verschwendung

Das Schöne ist: Diese Situation kennen wir bereits. Ich nehme ein anderes Beispiel, um den Punkt klar zu machen: Meetings.

Meetings haben geringe Einzelkosten. Die Frequenz ist hoch. Und oft fehlt ein Feedback auf Wirkung. Genau deshalb werden Meetings selten konsequent hinterfragt.

Warum ist das so? Meetings vermitteln Aktivität. Koordination fühlt sich nach Arbeit an – und damit nach Wert. Aber nüchtern betrachtet ist ein Meeting nicht automatisch wertvoll.

Bei KI ist es ähnlich. Jeder einzelne Prompt ist schnell geschrieben. Und die Antworten von LLMs sind so gestaltet, dass sie häufig ein Gefühl von Erfolg und Fortschritt erzeugen. Wir haben den Eindruck, produktiv zu sein.

Verschwendung entsteht selten durch große Fehlentscheidungen, sondern durch oft wiederholte, kaum überprüfte Mikro-Kosten.

KI ohne Work-Feedback-Loop

In jeder Tätigkeit – groß oder klein – steckt eine Work-Feedback-Loop. Ohne Feedback haben wir zwar Arbeit geleistet, wissen aber nicht, ob sie sinnvoll war.

Beim Einsatz von KI sehen wir typische Fälle, denen genau dieser Feedback-Teil fehlt:

Zusammenfassen ohne Entscheidung
Analysieren ohne Konsequenz
Generieren ohne Nutzung

Wichtig: Output ist nicht gleich Wirkung. Daran sieht man: KI verstärkt Systeme – sie korrigiert sie nicht.

Wenn man das präziser formuliert: Tokens erzeugen keinen Wert.

Wert entsteht erst, wenn eine Entscheidung getroffen wird oder sich ein Systemzustand ändert. Passiert das nicht, sind Tokens eine Kostenstelle ohne Wertschöpfung. Und das passiert oft – gerade weil KI so leicht verfügbar ist. Wir unterliegen der Fehlannahme, dass mehr Information automatisch zu besseren Ergebnissen führt.

Wert entsteht nicht durch Wissen, sondern durch wirksame Entscheidungen.

Sichtbarkeit ist kein Fortschritt

Es gibt noch eine weitere Ebene: Psychologie.

KI wird auch aus psychologischen Gründen gern eingesetzt. Neben dem Mechanismus, dass LLMs häufig Zustimmung und „Fortschrittsgefühl“ liefern, treten Motive wie Kontrolle, Modernität und das Gefühl von Momentum in den Vordergrund. Diese Rückkopplungen kennen wir bereits: Status-Meetings, Dashboards oder agile Rituale – ebenfalls oft ohne echte Wirkung.

Zu häufig geht es um narrative Arbeit statt Systemarbeit. Viele KI-Anwendungen kaufen Beruhigung, nicht Flow.

Wenn Kosten sichtbar werden

Was passiert, wenn die Kosten steigen? In dem Moment wird Verschwendung messbar: Wie viele Tokens brauchten wir für diese Ticketbeschreibung? Wie viele für diese Meeting-Zusammenfassung? Wie viele für diese Entscheidung?

Dann stellt man schnell fest: Unter Budgetdruck fällt die Bewertung des KI-Einsatzes anders aus. Das Flow-Problem – KI als Aktivitätsgenerator ohne Wirkung – war vorher schon da. Durch relevante Kosten wird es nur unübersehbar.

Ökonomie diszipliniert nicht – sie entlarvt.

Was KI Teams tatsächlich abverlangen wird

Was bedeutet das? Teams müssen klar unterscheiden zwischen Arbeit, die Systeme bewegt, und Arbeit, die Systeme nur beschreibt. Beim KI-Einsatz wird die zentrale Frage lauter werden: Wird unsere Entscheidung dadurch besser oder schneller – oder nur besser begründet?

Das ist keine Tool-Frage. Das ist eine Systemfrage.

KI zwingt Teams, sich mit Wirkung auseinanderzusetzen – nicht mit Effizienz.