Diese Kostenfallen bedenkt kaum jemand

Der KI-Zug ist nicht mehr im Bahnhof oder am Fahrt aufnehmen, er bewegt sich mit Höchstgeschwindigkeit in Richtung Zukunft. So kommt es, dass nun auch die letzten noch unsicheren Unternehmen aufspringen wollen. Der schnellste Weg dahin führt ohne Zweifel über die Cloud. Doch nicht nur ihre Nutzung hat das Potenzial, das Budget maximal auszureizen. Welche Kostenfallen noch bei der Einführung und dem Betrieb von KI lauern, hat Cloudian in seiner Enterprise AI Infrastructure Survey untersucht.

Kostenfalle 1: Aufwendige Datenaufbereitung und -integration
Die grösste Kostenfalle bei der Einführung von KI liegt laut 45 Prozent der für die Studie Befragten in der Aufbereitung und Integration von Daten. KI-Systeme benötigen grosse Mengen strukturierter, qualitativ hochwertiger Daten. Die liegen in Unternehmen jedoch häufig verteilt, unvollständig oder in unterschiedlichen Formaten vor. Dadurch entsteht ein hoher Aufwand, denn die Daten müssen die Mitarbeitenden der IT für die KI-Nutzung aufbereiten, standardisieren, teilweise anreichern und kennzeichnen. Auch die technische Anbindung des KI-Systems an bestehende ERP-, CRM- oder Produktionsplattformen kostet viel Zeit und damit Geld. Besonders kostentreibend ist, dass Unternehmen Probleme mit der Datenqualität oft erst während der Umsetzung erkennen. Zusätzliche Anforderungen, etwa in Bezug auf den Datenschutz erhöhen die Kosten ebenfalls.

Kostenfalle 2: Spezialisiertes Fachpersonal
Für 34 Prozent der Befragten sind die hohen Kosten für spezialisiertes KI-Fachpersonal eine zentrale Herausforderung, die kaum ein Unternehmen initial bedenkt. Für die Entwicklung, Einführung und den Betrieb von KI sind IT-Teams selten ausgebildet und selbst wenn sie Fachkenntnisse haben, kommen die neuen Aufgaben zu den bisherigen hinzu. In der Regel benötigen Unternehmen daher Data Scientists, Machine-Learning-Engineers, MLOps-Spezialisten oder KI-Architekten. Deren Verfügbarkeit am Markt ist jedoch stark begrenzt, wodurch überdurchschnittliche Gehälter und steigende Rekrutierungskosten entstehen. Auch Ausgaben für Weiterbildung, Zertifizierungen sowie externe Berater oder Implementierungspartner berücksichtigen die wenigsten beim initialen KI-Fahrplan.

Kostenfalle 3: Obligatorische Software-Lizenzen
Drittgrösste Kostenfalle bei der KI-Einführung (von 31 Prozent der Befragten genannt) sind die Software-Lizenzkosten. Viele Unternehmen denken zunächst vor allem daran, Entwicklungsplattformen anzuschaffen. Die zusätzlich obligatorischen Lösungen für Datenmanagement, Modelltraining, Deployment, Monitoring, Sicherheit und Governance treiben dann die Kosten weiter in die Höhe. Viele Anbieter arbeiten zudem mit nutzungs-, nutzer- oder funktionsbasierten Lizenzmodellen, wodurch die Ausgaben mit intensiverer Nutzung automatisch steigen. Da gerade bei Pilotprojekten in der Regel ein begrenzter Funktionsumfang und geringe Nutzeraccounts ausreichen, schlagen bei produktiver Nutzung dann schnell deutlich höhere Lizenzgebühren zu Buche. Hinzu kommen dann oft professionelle Funktionen, Supportleistungen oder Compliance-Module.

Kostenfalle 4: Schwierige Prognose der Gesamtbetriebskosten
Rund ein Viertel der Befragten (25 Prozent) nennt die schwierige Prognose der Gesamtbetriebskosten von Cloud-KI als potenzielle Kostenfalle. Unternehmen können zu Projektbeginn oft nur schwer abschätzen, welche Gesamtkosten über den kompletten Lebenszyklus hinweg tatsächlich entstehen. Neben offensichtlichen Rechenkosten fliessen gerade bei der Cloud auch Speicher, Datenbanken, Netzwerknutzung, Sicherheitsdienste, Monitoring, Support, Updates und Modellwartung in die Gesamtkalkulation ein. Besonders problematisch ist, dass Kosten im produktiven Betrieb häufig nicht linear, sondern zuweilen exponentiell wachsen.

Kostenfalle 5: Unvorhersehbare verbrauchsbasierte Cloud-Preise
23 Prozent der Befragten sehen in verbrauchsabhängigen Cloud-Preismodellen eine wesentliche Kostenfalle. Gerade die Gebühren für die Nutzung von Cloud-KI berechnen Anbieter häufig nach tatsächlicher Nutzung. Unternehmen bezahlen dann kontinuierlich für API-Aufrufe, GPU-Stunden, Tokens, Speicherzugriffe oder Datentransfers. Bereits kleine Änderungen im Nutzerverhalten haben dann erhebliche finanzielle Auswirkungen: Steigt beispielsweise die Anzahl der User oder werden zusätzliche Hintergrundprozesse wie Embedding, Retraining oder Monitoring aktiviert, wachsen die Kosten oft sprunghaft. Diese Dynamik erschwert die Budgetplanung erheblich, da die rein technische Skalierung unmittelbar zu finanzieller Unsicherheit im laufenden Betrieb führt.
«Wer KI zur DNA seiner Unternehmensstrategie machen möchte, sollte weitsichtig kalkulieren und sinnvoll investieren», erklärt Sascha Uhl, Senior Solutions Architect Channels and Alliances bei Cloudian. «Die Cloud ist beispielsweise als primäre Infrastruktur für den KI-Betrieb nicht immer die beste Wahl. Sie kann für Pilotprojekte und in der Testphase günstig als Sandbox herhalten, für umfangreiche KI-Anwendungen sind On-premises-Infrastrukturen allerdings oft die bessere Wahl.»

INFOS | KONTAKT
Cloudian B.V.
Fascinatio Boulevard 764
NL-2909 VA Capelle aan den IJssel
www.cloudian.com/de
treichartz@cloudian.com