Warum gibt es auf Unternehmensebene bei KI-Budgets immer ROI-Angst?

Der Gast gibt aus der Perspektive von siebzehn Jahren Technologiemanagement drei Gründe an, die alle auf Erfahrung und nicht auf Statistik basieren: Erstens ist die Ursachenzuordnung von Erträgen naturgemäß unklar; wenn die Beschwerderate sinkt, nachdem der Kundendienst KI-Tools eingeführt hat, ist unklar, ob es das Verdienst des Tools oder des Prozesses ist. Zweitens gibt es eine Asymmetrie zwischen sofortigen Ausgaben und verzögerten Erträgen; Rechnungen kommen monatlich, Erträge werden jährlich berechnet, und KI-Fähigkeiten verlieren schnell an Wert. Drittens betrachten viele Unternehmen die „Einführung von KI“ als Endpunkt statt als Startpunkt, und die Fähigkeit wird in keine der profitablen Geschäftslinien integriert. Es gibt nur eine Lösung: KI-Ausgaben müssen an spezifische Metriken spezifischer Geschäftslinien gebunden werden; wenn sie nicht gebunden werden können, werden sie nicht genehmigt.

Wie bestimmt eine Person, ob eine KI-Ausgabe Kosten oder Investition ist?

Drei Konten werden zusammen berechnet: das explizite Konto (monatliche Gebühren, API-Gebühren, fixe Ausgaben), das Zeitkonto (die durch das Tool eingesparte sich wiederholende Arbeit, umgerechnet in die eigenen Stundensätze; der Gast schätzt die Richtung auf das Drei- bis Fünffache der monatlichen Gebühren, ausdrücklich als persönliche Schätzung und nicht als Statistik) und das Opportunitätskonto (die durch die Tool-Site-Matrix generierte Traffic-Konversion, als Optionswert und nicht als Gehalt betrachtet). Solange das Zeitkonto unter den dreien gültig ist, ist die Ausgabe kein Konsum, sondern eine Investition. Dann dienen drei Fragen als Messlatte: Was passiert, wenn man es streicht, für wen es arbeitet und an wen die Rechnung gerichtet ist.

Wer zahlt die KI-Rechnung: Von der Geldverbrennung der Industrie in Höhe von 2780 Milliarden US-Dollar bis zur persönlichen Werkzeugrechnung von 699 Yuan pro Monat

Q: Was ist die Metrik für die von den Medien berichtete Geldverbrennung von 2780 Milliarden US-Dollar?

Dies ist die von den Medien am 20. September enthüllte Prognosemetrik von OpenAI: eine kumulierte Geldverbrennung von 2780 Milliarden US-Dollar bis 2030. Eine Prognose ist keine Tatsache, aber sie zeigt, dass selbst die beteiligte Partei nach einem Cash-Defizit in der Größenordnung von Hunderten Milliarden plant. Ein weiterer Ankerpunkt im gleichen Zeitraum ist Oracles KI-Infrastrukturinvestition von 28,5 Milliarden US-Dollar in einem Quartal, wobei das Management es immer noch für nicht genug hält; dies ist die von den Medien enthüllte Metrik für die Kapitalausgaben.

Auftakt: Eine Stromrechnung, die bei einem ganz normalen Haushalt in North Carolina ankommt

Die englische Ausgabe von La Noticia vom 20. September veröffentlichte einen Kommentar, dessen Titel sehr direkt fragte: Wer zahlt die Rechnung der KI. Das Szenario spielt im US-Bundesstaat North Carolina: KI-Rechenzentren siedeln sich dort scharenweise an, und das lokale Stromversorgungsunternehmen Duke Energy räumt ein, dass der durch die Rechenzentren angetriebene Strombedarf einen großen Teil des Stromverbrauchswachstums durch neue Wirtschaftsprojekte ausmacht.

Server laufen rund um die Uhr, sie müssen gekühlt werden, es werden Umspannwerke und Stromleitungen benötigt – all das kostet Geld. Der Kommentator fragt: Wenn das Projekt in ein paar Jahren schrumpft oder sogar abgezogen wird, wer bleibt dann auf den bereits entstandenen Stromnetzkosten sitzen?

Shiwen: Warum beginnen wir diese Ausgabe mit einer Stromrechnung?

Yongliang: Weil diese Rechnung uns alle nahe geht. Die Rechnungen auf Industrie-Ebene gehen in die Milliarden, auf Unternehmensebene in die Millionen, aber am Ende wird immer eine Rechnung an eine konkrete Person übergeben – sei es an die Stromrechnung einer Familie in North Carolina oder an meine monatlichen Werkzeugkosten von 699 Yuan. In dieser Ausgabe wollen wir die Rechnungen auf allen drei Ebenen Punkt für Punkt aufschlüsseln: Wer zahlt, wer setzt, wer ist besorgt. Klären wir zuerst die Regel für diese Ausgabe: Alle großen Zahlen stammen aus Medienquellen, ich werde sie einzeln kennzeichnen; wenn es um meine eigenen Rechnungen geht und ich schätze, werde ich ausdrücklich sagen, dass es sich um meine Schätzung handelt und nicht um Statistiken. Bei Rechnungen ist das Schlimmste, was passieren kann, unklare Bezugsgrößen.

Q1: Zuerst den Fall North Carolina aufschlüsseln – „Wer die Rechnung verursacht, der zahlt sie“

Shiwen: Was ist die Kernbehauptung dieses Kommentars?

Yongliang: Die Ein-Satz-Version: Wer die Rechnung verursacht, der sollte sie auch bezahlen.

Seine Schlusskette ist nicht kompliziert. Der Strombedarf von KI-Rechenzentren ist real, ebenso wie die Investitionen, aber wenn ein Stromversorgungsunternehmen für einen Großkunden hohe Summen für den Ausbau des Stromnetzes aufbringen muss, wird die Rechnung am Ende auf den Strompreis umgelegt. Wenn das Projekt gelingt, sind alle zufrieden; wenn das Projekt scheitert? Wo bleiben die Kosten der stillliegenden Infrastruktur? Seine Antwort ist eindeutig: Es dürfen nicht „wir alle“ sein.

Er hat einen Vergleich, den ich mir zunutze machen möchte, denn er ist präzise: Du bist willkommen zu investieren, aber die Regeln müssen zuerst klar sein, damit normale Bürger nicht zu „unfreiwilligen Teilhabern“ werden – gewöhnliche Familien haben nicht darüber abgestimmt, ob sie Rechenzentren subventionieren, nehmen aber über ihre monatliche Stromrechnung an diesem Hochsteinspiel teil. Seine Grundhaltung ist nicht radikal: Die Förderung der wirtschaftlichen Entwicklung ist das eine, die Öffentlichkeit das Standortrisiko eines großen Unternehmens absichern zu lassen, ist etwas anderes; diese beiden Dinge dürfen nicht vermischt werden.

Shiwen: Haben solche Befürchtungen eine reale Grundlage?

Yongliang: Ja. Das von ihm beschriebene Risikoszenario ist ein Drehbuch, das in der Branche bereits real passiert ist: Versorgungsunternehmen setzen Millionenbeträge für die Infrastruktur für ein riesiges Projekt, ein paar Jahre später schrumpft das Projekt oder wird ganz zurückgezogen, und das verbleibende Stromnetz und die Umspannwerke werden zu versunken Kosten, die von allen Nutzern umgelegt werden. Strombedarfsprognosen sind naturgemäß unsicher, und wer die Kosten von Fehlprognosen trägt – diese Frage existierte schon vor dem Aufkommen der KI, nur dass die KI die Größenordnung des Strombedarfs noch einmal nach oben geschraubt hat.

Zur Klarstellung: Dies ist ein Medienkommentar, keine Nachrichtenmeldung; seine Rolle besteht darin, Risiken vollständig zu erläutern und Fragen aufzuwerfen, nicht bereits entschiedene Fälle zu liefern.

Q2: Die Rechnung auf Industrie-Ebene – 278 Milliarden US-Dollar, 28,5 Milliarden US-Dollar und das Bremsmanöver der Builder

Shiwen: Wenn wir den Fokus auf die gesamte Industrie richten, welche Größenordnung hat dieser Geldverbrennungswettlauf aktuell?

Yongliang: Ich nenne zuerst zwei Zahlen, beide stammen aus den Medien, die Quellen werden klar gekennzeichnet.

Die erste Zahl: Laut Medienberichten lautet die Prognose von OpenAI, dass der kumulierte Cash-Burn bis 2030 bei 278 Milliarden US-Dollar liegen wird. Dies ist die am 20. September offengelegte Prognose-Quelle – eine Prognose ist keine Tatsache, aber sie zeigt, dass selbst die beteiligte Partei mit einer Finanzierungslücke in der Größenordnung von Hunderten Milliarden plant.

Die zweite Zahl: Laut Berichten beliefen sich Oracles Investitionen in die KI-Infrastruktur in einem Quartal auf 28,5 Milliarden US-Dollar, und das Management hält das immer noch für nicht genug. Um die Größenordnung spürbar zu machen, anders formuliert: Dies ist die von den Medien offengelegte Berichtsgrundlage für die Kapitalausgaben; diese Zahl für ein einziges Quartal übersteigt bereits die kumulierten Investitionen der allermeisten börsennotierten Unternehmen in ihrem gesamten Bestehen.

Beide Zahlen zusammen: Auf der einen Seite ein Cash-Burn in Milliardenhöhe, auf der anderen Seite Quartalsinvestitionen auf Rekordniveau, die immer noch als zu langsam empfunden werden. So sieht die aktuelle Situation der Rechnung auf Industrie-Ebene aus – die Gesamtsumme bestreitet niemand, das Problem ist, dass sie derzeit hauptsächlich durch Finanzierung und Erwartungen gestützt wird und noch nicht durch Einnahmen aufgefangen wird. Mit anderen Worten, auf der Rechnung dieser Ebene steht als Zahler „zukünftige Einnahmen“, und ob die Zukunft kommen will und wann sie kommt, ist genau der Einsatz bei diesem gesamten Hochsteinspiel. Kraftwerke werden bereits gebaut, Umspannwerke liegen bereits als Bauplan vor, diese Ausgaben sind die harte Realität von heute; die entsprechenden Einnahmen leben jedoch in Prognosen.

Shiwen: Sogar von Anthropic kamen abweichende Stimmen?

Yongliang: Laut Berichten hat der CEO von Anthropic einen Vorschlag für eine Pause in der KI-Entwicklung unterbreitet. Beachten Sie die Quelle: Dies sind Informationen auf Headline-Niveau aus Medienberichten; ich habe keinen Erstquellen-Text zum Umfang und zu den Bedingungen des Vorschlags, im Haupttext werden keine Details genannt. Aber selbst wenn man das nur als Signal betrachtet, ist es markant genug – selbst im Lager der überzeugtesten Builder gibt es Leute, die offen darüber diskutieren, ob man auf die Bremse treten sollte. Auf Marktseite gibt es bereits Investmentkommentare, die den Kernenergie-Betreiber Constellation als Anlageziel im Rahmen der „KI-Strom-Logik“ diskutieren; auch dies ist eine Kommentar-Perspektive, keine Nachricht. Kapital stimmt mit den Füßen über die Stromversorgungsstruktur des nächsten Jahrzehnts ab, und woher der Strom kommt und wer die Stromrechnung zahlt, ist genau die Frage, die der Kommentar in Q1 gestellt hat.

Q3：Die Rechnung auf Unternehmensebene – ROI-Angst und die „Kostenstellen“-Debatte

Shiwen: Die Rechnung der Branche wird durch Finanzierung gestützt – wie sieht das auf der Ebene eines Unternehmens aus?

Yongliang: Sie wird zu einem Tauziehen in Budgetsitzungen.

In den vergangenen siebzehn Jahren, in denen ich Teams geleitet habe – mit einem Spitzenwert von siebzig Personen –, bin ich mit dieser Tabelle am vertrautesten. Wenn AI-Ausgaben in das Budget aufgenommen werden, stellt sich immer dieselbe Frage: Ist es eine Kostenstelle oder eine Profit-Center? Rechenleistung, Modelle und Tools zu kaufen, ist einfach; das Geld auszugeben, ist leicht. Aber wann und in welcher Höhe es auf der Einnahmenseite zurückkommt, dafür bürgt niemand mit seiner Unterschrift. So sieht man eine allgegenwärtige ROI-Angst – die Rechnungsangst auf Unternehmensebene. Es geht nicht darum, dass man sich die Zahlungen nicht leisten kann, sondern darum, dass man nach der Zahlung nicht sagen kann, ob es der Wert war.

Shiwen: Woran liegt es, dass man es nicht sagen kann?

Yongliang: Drei Gründe, alle aus meiner Management-Perspektive, nicht statistisch belegt.

Erstens: Die Attribution von AI-Erträgen ist von Natur aus unscharf. Das Kundenservice-Team nutzt ein AI-Tool und die Beschwerderate sinkt – ist das das Verdienst des Tools oder das des optimierten Prozesses? Da die Attribution unklar ist, hält der ROI nur in Präsentationen stand; beim CFO fällt er in sich zusammen.

Zweitens: Es gibt eine Asymmetrie zwischen verzögerten Erträgen und sofortigen Ausgaben. Die Rechnungen kommen monatlich, die Erträge werden jährlich berechnet. In dem Jahr dazwischen wird derjenige, der das Geld ausgibt, im Konferenzraum ziemlich kurzatmig. Noch schlimmer ist, dass die AI-Fähigkeiten selbst schnell an Wert verlieren: Die Flagship-Konfiguration, die man dieses Jahr kauft, steht im nächsten Jahr vielleicht schon auf der Liste der Standardausstattung. Die Ausgabe ist ein starrer Betrag der aktuellen Periode, der Ertrag ein abgeschriebener zukünftiger Cashflow – dieser Zeitunterschied ist die wahre Quelle der ROI-Angst.

Drittens, und das ist das Schlimmste: Viele Unternehmen betrachten „AI implementiert zu haben“ als Endpunkt und nicht als Startpunkt. Das Tool wurde gekauft, die Schulung durchgeführt, die Pressemitteilung veröffentlicht – und dann passiert nichts mehr. Die Rechnung geht natürlich nicht auf – nicht, weil die AI das Geld nicht wert ist, sondern weil die mit diesem Geld gekauften Fähigkeiten in keine einzige profitabel Geschäftslinie integriert wurden.

Meine Erfahrung lautet: AI-Ausgaben müssen an spezifische Kennzahlen spezifischer Geschäftslinien gebunden werden; was sich nicht binden lässt, wird nicht genehmigt. Wenn dieser Schritt nicht gelingt, sind alle AI-Budgets Kostenstellen; gelingt er, haben sie die Chance, zu Profit-Centern zu werden.

Q4：Die Rechnung auf persönlicher Ebene – 699 Yuan pro Monat: Wie man die AI sich selbst am Leben erhalten lässt

Shiwen: Wenn es am Ende auf Sie selbst zurückfällt, wie sieht Ihre Rechnung aus?

Yongliang: Mein Budget für Tool-Kosten liegt bei 699 Yuan pro Monat. Das ist meine reale Situation.

699 Yuan im Monat, das sind über 8000 im Jahr. Auf Unternehmensebene ist dieser Betrag nicht einmal ein Klacks, aber für einen einzelnen Entwickler muss er eine Frage beantworten: Können Sie sich selbst erhalten? Mein Ansatz ist: Mit diesen 699 Yuan baue ich eine Matrix aus Tool-Websites auf und lasse die durch diese Websites generierten Online-Einnahmen die Tool-Kosten selbst decken. Das Ziel ist bescheiden – wenn am Monatsende bei der Abrechnung die Spalte für Tool-Kosten durch die Netto-Einnahmen ausgeglichen wird, ist diese Rechnung erledigt.

Shiwen: Wie gut geht diese Rechnung auf?

Yongliang: Methode und Schätzung kann ich nennen, die Zahlen nenne ich nicht; das ist meine Schätzung, keine Statistik. Meine Rechenmethode ist, drei Rechnungen gleichzeitig aufzumachen: Die erste ist die explizite Rechnung – Monatsgebühren, API-Aufruf-Kosten, fixe Ausgaben. Die zweite ist die Zeitrechnung – wie viele Stunden repetitiver Arbeit sparen mir diese 699 Yuan, umgerechnet nach meinen eigenen Stundensatz. Die Richtung ist klar: Die durch die Tools monatlich eingesparten Zeitkosten liegen konservativ beim Drei- bis Fünffachen der Monatsgebühr. Die dritte ist die Opportunitätsrechnung – der Traffic und die Konversionen, die entstehen, wenn die Matrix aus Tool-Websites einmal läuft. Dieser Teil schwankt am stärksten; ich behandle ihn wie eine Option, nicht wie ein festes Gehalt.

Von diesen drei Rechnungen: Solange die zweite aufgeht, ist diese Ausgabe keine Konsumtion mehr, sondern eine Investition; die dritte entscheidet, ob es zu einem Geschäft heranwachsen kann. Der Unterschied zwischen einer Person und einem Unternehmen ist nicht so groß wie man denkt – beide müssen die Frage beantworten: „Was kommt zurück, wenn dieses Geld hinausgeht?“. Nur ist die persönliche Rechnung einfacher, so einfach, dass man sich nicht auf „organisatorische Komplexität“ als Ausrede berufen kann. Es gibt auch einen kontraintuitiven Aspekt: Die Fehlertoleranz bei persönlichen Rechnungen ist tatsächlich höher als bei Unternehmensrechnungen. Wenn ein Unternehmen eine falsche Entscheidung trifft, können das Millionen an versunkenen Kosten plus ein ganzes Jahr an organisatorischer Moral sein. Wenn ich persönlich ein Tool falsch einschätze, liegt der maximale Verlust bei ein paar Dutzend Yuan Monatsgebühr; im nächsten Monat wird es einfach ausgetauscht. Daher ist die Einzelperson paradoxerweise der beste Ort, um zu üben, „wie man AI-Rechnungen gegengezeichnet“ – das Schulgeld ist billig, und der Unterzeichnende steht direkt vor dem Spiegel.

Q5：Zusammenfassung – Hinter der Rechnung stehen Entscheidungen und Erwartungsmanagement

Shiwen: Die Rechnungen auf allen drei Ebenen sind aufgestellt – was ist die Schlussfolgerung?

Yongliang: AI-Rechnungen werden nie von niemandem bezahlt, aber der Zahlende ist nicht zwingend derjenige, der das Geld ausgibt.

Die Haushalte in North Carolina könnten über die Stromrechnung das Standortrisiko von Rechenzentren bezahlen – das ist eine stillschweigende Weitergabe der Rechnung. Der Finanzmarkt bezahlt den Cashflow-Mangel von Startups – das ist eine verzögerte Einlösung der Rechnung. Das Unternehmensbudget bezahlt die Geste, „AI implementiert zu haben“ – das ist eine blindlings getätigte Zahlung. In allen drei Fällen ist die Wurzel des Problems dieselbe: Beim Ausgeben des Geldes schreibt niemand die vier Wörter „Wer bezahlt die Rechnung?“ in den Vertrag.

Die bemerkenswerteste Haltung, die man aus diesem North-Carolina-Kommentar mitnehmen sollte, ist weder Ausgrenzung noch Anti-Investition, sondern die Rechnung offen zu machen – Investitionen sind willkommen, aber die Regeln werden zuerst aufgestellt. Diese Haltung gilt auch für Unternehmen und Einzelpersonen: Wenn Sie ein AI-Budget genehmigen, vereinbaren Sie zuerst die Messgrößen für den Return; bevor Sie ein AI-Tool kaufen, überlegen Sie, für wen es arbeiten soll. Die Rechnung an sich ist nicht erschreckend; erschreckend ist es, wenn die Rechnung kommt und Sie feststellen, dass in der Unterschriftszeile Ihr eigener Name steht.

Zum Schluss noch ein Wort zum Erwartungsmanagement. Bei diesen drei Rechnungsebenen gehen im Wesentlichen immer die Erwartungen voraus und die Rechnung kommt danach: Die Branche baut heute Kraftwerke basierend auf den Einnahmen in zehn Jahren; das Unternehmen genehmigt das diesjährige Budget basierend auf der Effizienz im nächsten Jahr; ich zahle die Monatsgebühr dieses Monats basierend auf dem Potenzial der Tool-Website-Matrix. Erwartungsmanagement ist keine hohe Wissenschaft; es bedeutet einfach, sich vor jeder Unterschrift zu fragen: Wenn der Return ausbleibt, akzeptiere ich diesen Verlust und kann ich ihn abfangen? Wenn ja, unterschreibe ich; wenn nein, reduziere ich den Betrag auf einen Bereich, den ich akzeptieren kann, und unterschreibe dann. Diese Frage gilt universell – für die Branche, das Unternehmen und den Einzelnen.

Nachwort

Shiwen: Eine Zusammenfassung dieser Folge in einem Satz?

Yongliang: Das Knappste im AI-Zeitalter ist nicht Rechenleistung, sondern Menschen, die bereit sind, auf Rechnungen zu unterschreiben. Ob Branchen-, Unternehmens- oder persönlicher Ebene – die Rechnungsbeträge unterscheiden sich um neun Größenordnungen, aber das Format der Unterschriftszeile ist immer gleich: Wer entscheidet, trägt die Verantwortung.

Shiwen: Diesen Satz überlasse ich euch. Bis zum nächsten Mal.

【Tiefgang】Eine KI-Ausgabe: Wie beurteilt man, ob sie Kosten oder Investition ist?

Viele Leser denken vielleicht: Die Theorie ist klar, aber wie beurteilt man es, wenn es einen selbst betrifft? Ich leihe euch meinen Maßstab aus 17 Jahren Budgetprüfung: drei Punkte, alles Erfahrungswerte, keine Statistiken.

Erstens, fragt: „Was passiert, wenn man es streicht?“. Streicht man diese Ausgabe, schmerzt das Geschäft sofort, langsam oder gar nicht? Was sofort schmerzt, ist meist die Infrastruktur, was langsam schmerzt, sind meist Effizienzwerkzeuge, und was nicht schmerzt – wurde höchstwahrscheinlich gekauft, weil man dem damaligen Trend folgte.

Zweitens, fragt: „Für wen arbeitet es?“. Jede gute KI-Ausgabe hat ein konkretes Stellenprofil: Welchen Prozessschritt, welche Art von Arbeitszeit ersetzt es. Ausgaben, für die man kein Stellenprofil benennen kann, werden mit hoher Wahrscheinlichkeit zu Kostenzentren.

Drittens, fragt: „Auf wessen Namen lautet die Rechnung?“. Wenn eine Einzelperson ein Tool kauft, lautet die Rechnung auf den eigenen Namen, daher können Einzelpersonen diese Rechnung paradoxerweise leichter klären als Unternehmen – niemand fängt die Kosten für dich auf. Das erklärt auch, warum ich in dieser Ausgabe die persönliche Rechnung als Finale platziert habe: Nicht der Betrag ist wichtig, sondern die Klarheit der Unterschrift.

Informationsquellen dieser Ausgabe

La Noticia 2026-09-20 englischsprachiger Kommentar-Artikel „AI: Who Pays the Bill?“ (Medien-Kommentar-Perspektive, keine Nachrichtenberichterstattung; das North-Carolina-Szenario, die Äußerung von Duke Energy zum Stromanteil, die Metapher des „unfreiwilligen Partners“, die Position, dass „Wirtschaftsförderung nicht der Subventionierung von Risiken großer Unternehmen entspricht“, sind alles paraphrasierte Kommentar-Meinungen, der Haupttext zitiert nicht direkt aus dem Originaltext)
whalesbook 2026-09-20 Wiedergabe: OpenAI prognostiziert bis 2030 einen kumulierten Cash-Burn von 278 Milliarden US-Dollar (Prognose-Perspektive aus Medienoffenbarung, Haupttext markiert als „Laut Medienberichten“)
Memeburn 2026-09-15: Oracles KI-Infrastruktur-Investition von 28,5 Milliarden US-Dollar in einem Quartal ist immer noch „nicht genug“ (Medien-Perspektive, Haupttext markiert als „Laut Berichten“)
Blockonomi 2026-09-15/16: Der CEO von Anthropic unterbreitet einen Vorschlag zum Pausieren der KI-Entwicklung (Titel-Level-Perspektive der Medienberichterstattung, Haupttext markiert als „Berichten zufolge“)
Motley Fool Kommentar: Kernkraft-Betreiber Constellation wird von Anlegern als Anlageziel der „KI-Strom-Logik“ diskutiert (Investment-Kommentar-Perspektive, dient nur als Randbestätigung)