Rechenleistung wird wie Öl sein: Die Sicht eines CEOs auf die Kostenstrategie bei KI

Die meisten Unternehmen gehen bei der Verwaltung ihrer KI-Kosten falsch vor. Sie betrachten symbolische Ausgaben als Zeichen des Fortschritts – je höher die Rechnung, desto „KI-orientierter“ gilt das Unternehmen. Christian Fielitz, CEO von Doodle, vertritt die gegenteilige Ansicht: KI-Kosten sind eine Investitionsentscheidung, kein Statussymbol, und erfolgreich sein werden jene Unternehmen, die bewusst entscheiden, was sie intern abwickeln, was sie auslagern und wo sie die Kontrolle behalten. Rechenleistung selbst wird zur Massenware werden – „Rechenleistung wird wie Öl sein“ –, aber das bedeutet nicht, dass eure Rechnung sinkt. Es bedeutet, dass sich die strategische Frage von „Wie viel können wir ausgeben? “ zu „Was sollten wir selbst besitzen?“ verschiebt.

Dieser Beitrag fasst Fielitz’ Denkansatz zu den Kosten der KI zusammen, der auf seinem Gespräch in der „Vlad Catcher Show“ vom Juni 2026 basiert.

Das „Strawberry Fields“-Problem: Überleg mal, wer die Kostenempfehlung ausspricht

Bevor man den Ratschlägen anderer folgt, wie viel man für KI ausgeben soll, sollte man sich laut Fielitz erst mal überlegen, wer von der Antwort profitiert.

„Das ist ein bisschen so, als hättest du ein Erdbeerfeld und würdest behaupten: ‚Hey, wir lieben Erdbeeren, jeder sollte mehr Erdbeeren essen.‘ Wenn jemand nur 10 Erdbeeren isst, ist er natürlich nicht wirklich begeistert. Man sollte 20, 50 oder 500 Erdbeeren essen.“

Die Leute, die lautstark behaupten, dass mehr Token gleichbedeutend mit mehr Fortschritt sind, sind sehr oft genau die, die Token verkaufen. Das heißt nicht, dass sie Unrecht haben – aber es macht ihre Motivation erwähnenswert. „Kauf einfach Token, sonst machst du es falsch“ ist keine Strategie. Es ist ein Verkaufsargument, das sich als solche tarnt.

Das Fazit: Trenne das Signal (KI schafft echte Hebelwirkung) vom Verkaufsprozess (du solltest so viel davon wie möglich so schnell wie möglich nutzen).

Warum das Rechnen zur Massenware wird – und warum das deine Rechnung nicht senken wird

Fielitz äußert sich ganz eindeutig zur langfristigen Entwicklung der Rechenkosten:

„Die Grenzkosten werden sinken. Rechenleistung wird wie Öl sein oder wie Energie, die man aus der Erde holt. Für mich ist das eine der Sachen, die ganz sicher passieren werden.“

Bisher klingt das nach guten Nachrichten für Käufer. Aber hier ist der Haken: Dass die Kosten für die reine Rechenleistung sinken, bedeutet nicht, dass auch die Kosten für eure KI-Nutzung sinken – denn die wirtschaftlichen Verhältnisse auf der nächsthöheren Ebene sind völlig aus dem Gleichgewicht geraten:

„Wir wissen, dass diese Statistiken und die Analysen zu den aktuellen Investitionen in die Infrastruktur nicht mit den Investitionen in die Anwendungsebene oder dem Wert, der durch die Anwendungsebene geschaffen wird, im Einklang stehen.“

Einfach gesagt: Es fließt enormes Kapital in die KI-Infrastruktur, aber der Wert, der auf der Anwendungsebene generiert wird, hat noch nicht damit gleichgezogen. Wenn sich diese Lücke schließt, geschieht das in der Regel in Richtung höherer Preise für die Nutzer des Dienstes. Und das führt zu dem Punkt, den sich jeder Betreiber verinnerlichen sollte.

Die Lektion aus der Vergangenheit zu den Cloud-Kosten: Ein fünf Jahre altes Drehbuch, das sich erneut abspielt

Den Film haben wir schon mal gesehen, und zwar erst kürzlich.

„Wenn du einfach blind alles in LLMs steckst und dein Wissen sowie deine Kreativität an andere Systeme auslagerst, wirst du unweigerlich an einen Punkt gelangen, an dem dein Anbieter die Kosten erhöht – was übrigens vor etwa fünf Jahren bei der Cloud-Infrastruktur passiert ist. Plötzlich heißt es dann: ‚Oh je.‘ Das führte zu Multi-Cloud-Umgebungen, was wiederum zu der Frage führte: ‚Hey, sollten wir im Grunde wieder unsere eigenen Rechenzentren haben?‘“

Das Cloud-Analogon ist das nützlichste Denkmodell in der ganzen Diskussion. Günstige, reichlich verfügbare Cloud-Rechenleistung hat Unternehmen dazu veranlasst, alles in das Ökosystem eines einzigen Anbieters zu verlagern. Dann änderten sich die Preise, die Bindung an einen Anbieter wurde teuer, und das Pendel schwang zurück in Richtung Multi-Cloud und sogar hin zur Rückverlagerung in eigene Rechenzentren.

KI befindet sich auf demselben Entwicklungsweg, nur etwas früher. Die Unternehmen, die heute „blindlings alles in LLMs stecken“, bauen genau dieselbe Abhängigkeit auf, die Cloud-native Unternehmen in der zweiten Hälfte der 2010er Jahre abgebaut haben. Die Lehre daraus lautet nicht, KI zu meiden – sondern blinde Abhängigkeit zu vermeiden.

Was sollte intern erledigt und was ausgelagert werden: Ein Rahmenkonzept mit Kontrollpunkten

Was macht man denn nun eigentlich damit? Fielitz’ Antwort betrachtet die Kosten der KI nicht als Frage des Verbrauchs, sondern als Frage der Kontrolle:

„Die Kosten für KI im Griff zu haben – zu wissen, was man auslagern kann und was man bewusst intern behalten sollte, um damit Kontrolle auszuüben und sich einen Wettbewerbsvorteil zu verschaffen – ist ein sehr wichtiges Thema. Darüber reden wir ständig.“

Eine praktische Möglichkeit, das Rahmenwerk anzuwenden:

• Lagere die Standardkomponente aus. Allgemeine Modellfunktionen, bei denen die Umstellungskosten gering sind und kein Wettbewerbsvorteil entsteht, können an externe Anbieter übertragen werden. Das ist das „Öl“ – kauf es einfach auf dem Markt.

• Behalte die Kontrollpunkte im eigenen Haus. Alles, was einen echten Wettbewerbsvorteil darstellt oder Daten betrifft, deren Weitergabe du dir nicht leisten kannst, sollte streng kontrolliert werden. Bei Doodle erfordern Sicherheit und Datenschutz dies zwingend: „Manche Dinge müssen wir streng kontrollieren, selbst wenn wir sie gerne auslagern würden.“

• Wandle Kosten in Investitionen um. Wenn du eine Kompetenz bewusst intern abwickelst, nimmst du nicht einfach nur Kosten in Kauf – du sicherst dir damit einen Kontrollpunkt. „Du wandelst Kosten in eine echte Investition um und sagst: Okay, wir behalten die Kontrolle darüber.“

Die Disziplin steckt bewusst in diesem Wort. Das Problem liegt nicht im Outsourcing oder Insourcing – sondern darin, das eine oder das andere einfach aus Gewohnheit zu tun, anstatt es bewusst zu entscheiden.

Wenn KI mehr kostet als die Menschen, die sie eigentlich entlasten sollte

Es gibt außerdem eine kurzfristige Kostenfalle, die man in der allgemeinen Begeisterung leicht übersieht:

„Wenn man den Leuten einfach blindlings erlaubt, LLMs zu nutzen – und das gilt nicht nur für KI-Tools –, dann sieht man, dass die Kosten tatsächlich schon jetzt höher sind als bei Menschen.“

Eine unkontrollierte, pro Arbeitsplatz berechnete KI-Nutzung kann unbemerkt die Kosten für die menschliche Arbeit übersteigen, die sie eigentlich ergänzen sollte. Das ist kein Argument gegen KI, sondern ein Argument dafür, sie zu überwachen. Wenn du nicht sehen kannst, was KI pro Arbeitsablauf kostet und welchen Wert sie dabei schafft, kannst du sie nicht steuern – und „Wir sind stolz auf unsere KI-Rechnung“ wird zu einem sehr teuren Satz.

Das Paradoxon am Ende des Weges: Wer kauft noch, wenn niemand mehr da ist?

Fielitz beendet die Diskussion über die Kosten mit einer Frage, die die gesamte Debatte über KI-Ausgaben in ein neues Licht rückt:

„Wenn alles KI ist und es in den Unternehmen keine Menschen mehr gibt – wer soll dann dein Produkt kaufen? Denn wenn Roboter von Robotern kaufen … also vergiss das nicht.“

Das ist halb im Scherz gemeint und halb die wichtigste Frage bei der KI-Strategie für Unternehmen. Der Wert der Automatisierung aller Prozesse hängt davon ab, dass es jemanden gibt, an den man verkaufen kann. Eine Wirtschaft, in der Agenten mit Agenten handeln, ohne dass dahinter eine menschliche Nachfrage steht, ist kein Markt – sondern ein geschlossener Kreislauf. Die Konsequenz für die Kostenstrategie: Optimiere auf dauerhaften menschlichen Mehrwert, nicht auf maximale Automatisierung. Der Sinn dahinter, Zeit freizusetzen, besteht nicht darin, Menschen zu ersetzen, sondern ihnen die Arbeit zu überlassen, die nur Menschen erledigen können.

Das Fazit

Fielitz hütet sich davor, seine eigene Gewissheit zu übertreiben: „Wir sagen nicht, dass wir das schon herausfinden werden. Ich sage nur, dass wir intensive Diskussionen führen und versuchen, uns damit auseinanderzusetzen.“ Genau diese Bescheidenheit ist der springende Punkt. Die KI-Kostenstrategie für 2026 ist keine gelöste Gleichung – sie ist eine Disziplin:

1. Rabatt-Tipps von Leuten, die das Produkt verkaufen. (Das Erdbeerfeld.)

2. Rechnet damit, dass Rechenleistung zur Massenware wird – aber rechnet trotzdem damit, dass sich die Preise eures Anbieters ändern werden. (Die Kluft zwischen Infrastruktur und Anwendungen.)

3. Denk an die Cloud. Blinde Abhängigkeit hat ihren Preis – bereite dich schon jetzt darauf vor.

4. Wähle deine Kontrollpunkte bewusst aus. Lagere Standardleistungen aus, behalte Wettbewerbsvorteile im eigenen Haus und verwandle Kosten in Investitionen.

5. Einsatz von Tools. Unkontrollierte KI kann mehr kosten als die Menschen, die sie unterstützt.

6. Beziehe die Menschen mit ein – sie sind schließlich auch deine Kunden.

Behandle Ausgaben für KI so, wie du jede ernsthafte Investition behandeln würdest: mit einer Strategie, einem Kontrollplan und einer klaren Vorstellung davon, welchen Nutzen sie dir letztendlich bringt.

Dieser Beitrag stammt aus einem Interview mit Christian Fielitz vom Juni 2026 in der „Vlad Catcher Show“.