Im Juni 2026 prognostizierte Gartner, dass die Kosten für KI-gestütztes Coding bis 2028 das durchschnittliche Entwicklergehalt übersteigen werden. Treiber sind der steigende Token-Verbrauch und die Verlagerung von platzbasierter zu verbrauchsbasierter Abrechnung. 

Der für mich wichtigere Punkt in dieser Ankündigung ist ein anderer. Laut Gartner entsteht Token-Disziplin nicht aus eigener Initiative der Entwickler, denn diese optimieren eher auf Geschwindigkeit und Komfort als auf Kosten. Ich stimme dem zu, aber nicht weil Entwickler unachtsam sind, sondern weil in den meisten Setups niemand sehen kann, was die Arbeit tatsächlich kostet. 

Die sinnvollere Frage lautet daher nicht „Wie viel KI-Budget brauchen wir?”, sondern: „Können wir sehen und steuern, was wir ausgeben?” Das vergangene Jahr haben wir damit verbracht, eine Antwort auf die zweite Frage zu entwickeln. Dieser Artikel stellt die vier Bausteine vor, die wir heute einsetzen, und beschreibt jeweils die Entscheidung dahinter, die jede Organisation für sich selbst treffen muss. 

Warum eine Budgetzahl allein nicht weiterhilft 

Wer keinerlei Daten hat, braucht einen Ausgangspunkt. Meiner liegt bei rund 200 Euro pro Entwickler und Monat. Diese Zahl haben wir vor einem Jahr errechnet. Seit dem sind führenden Modelle teurer geworden und die Zahl verschiebt sie sich eher nach oben als nach unten. Sie liegt am unteren Ende der am Markt genannten Werte: Gartner Peer Insights ermittelte, dass 23 % der Tech-Führungskräfte bereits 200 bis 500 US-Dollar pro Entwickler und Monat für Tokens bei Coding-Agenten ausgeben. Anthropic beziffert die Enterprise-Nutzung von Claude Code auf 150 bis 250 US-Dollar pro Monat. 

Die Zahl ist jedoch das Uninteressanteste. Der Verbrauch ist hochgradig individuell: Er hängt von der Codebasis, den Prozessen und den Menschen ab, weshalb ein Durchschnittswert über ein konkretes Team kaum etwas aussagt. 

Was ohne Kostentransparenz passiert, ist gut belegt. Microsoft gab Entwicklern einer Abteilung im Dezember 2025 Zugang zu Claude Code und stornierte bis Juni 2026 die meisten Lizenzen, nachdem die Token-Abrechnung das Jahresbudget weit vor Ablauf aufgebraucht hatte. Uber meldete durchschnittliche monatliche KI-Tool-Kosten von 150 bis 250 US-Dollar pro Entwickler. Vielnutzer kamen vor Einführung von Obergrenzen auf 500 bis 2.000 US-Dollar. In beiden Fällen funktionierte das Tool. Das war das Problem: Entwickler nutzten es intensiv und niemand bemerkte es, bis die Rechnung eintraf. 

Gleichzeitig stellen Anbieter auf verbrauchsbasierte Abrechnung um. Beispielsweise stellte GitHub im Juni 2026 alle Copilot-Tarife auf nutzungsbasierte Abrechnung um. Auch Flatrate-Abonnements sind kein Ausweg, da sie nicht auf Enterprise-Teamgrößen skalieren: Anthropics Team-Plan ist auf 150 Plätze begrenzt. 

Vier Bausteine für sichtbare und steuerbare KI-Kosten

1. Ein unabhängiges AI-Gateway

Die erste Entscheidung betrifft die Art des Einkaufs. Man kann einen Enterprise-Plan bei einem einzigen Anbieter abschließen. Man kann aber auch ein unabhängiges AI-Gateway vor mehrere Anbieter schalten und Zugang, Budgets sowie Messung auf Infrastrukturebene verwalten. 

Wir haben uns bewusst für das Gateway entschieden. Enterprise-Preise sind in der Regel nichts anderes als API-Tarife abzüglich eines Mengenrabatts. Der eigentliche Grund ist daher strategische Positionierung: In den vergangenen Monaten hat jeweils eines von drei oder vier Frontier-Modellen verschiedener Anbieter vorübergehend bei Kosten oder Leistung geführt. Das Gateway sitzt zwischen unseren Tools und allen Anbietern. Entwickler erhalten Projektschlüssel statt Anbieter-Accounts, jede Anfrage wird nach Projekt, Person und Modell protokolliert. Ein Modellwechsel erfordert somit keinen neuen Vertrag. 

Das Gateway eröffnet zudem eine Option, die ein Einzelanbieter-Vertrag verschlossen hält: Modelle auf eigener Hardware. Der Betrieb eines erstklassigen Modells on-premise ist nach wie vor teuer. Mit rund 35.000 Euro an GPU-Hardware können wir ein Modell der Opus-Klasse für eine einzelne Session betreiben. Was in der Praxis funktioniert, ist ein effizientes Open-Weight-Modell: DeepSeek V4 Flash läuft vollständig auf unserer Hardware auf etwa Sonnet-Niveau – für rund 50 parallele Nutzer. Kein Anbieter erhält dabei Daten, was KI-gestützte Arbeit auch bei Projekten ermöglicht, bei denen Kunden externe Anbieter nicht zulassen. 

Gartner sieht dieselbe Entwicklung. Im Market Guide for AI Gateways prognostiziert das Analystenhaus, dass bis 2028 bereits 70 % der Softwareentwicklungsteams, die Anwendungen mit mehreren KI-Modellen entwickeln, AI Gateways nutzen werden. 2025 lag dieser Anteil noch bei 25 %.

Diagramm, das die Gateway-Infrastruktur darstellt, mit mehreren Programmierwerkzeugen, die in das Gateway einspeisen, und mehreren KI-Anbietern, die aus dem Gateway herausführen

2. Token-Tracking und projektbezogene Budgets

Die zweite Entscheidung betrifft die Budgetverantwortung. Meist liegt es nahe, das Budget zentral zu verwalten. Bei uns verbleibt im Zentrum nur das, was eine Gesamtübersicht erfordert: welche Modelle verfügbar sind, wie viel Schulung notwendig ist, ob in Hardware investiert werden soll. Ob ein bestimmtes Nutzungsmuster seinen Wert hat, lässt sich nur auf Projektebene beurteilen. 

Jede Anfrage über das Gateway wird daher per Projektschlüssel einem Projekt zugeordnet, und die Projektverantwortlichen sehen den Verbrauch nach Person und Modell. Sie verteilen das Budget nach Erfahrung und vor allem nach Verantwortung. Die für den Projekterfolg verantwortlichen Architekten setzen ein, was sie für notwendig halten. Wer diese Tools noch erlernt, darunter viele erfahrene Entwickler, kann schnell viel ausgeben und dies mit wenig Ergebnis. 

Das verschiebt auch die ROI-Frage: von „Wie viel brauchen wir?” zu „Wie viel kann dieses Projekt tragen?” Wie bei jeder Investition müssen sich KI-Ausgaben durch ihren Ertrag rechtfertigen und das ist nur dort möglich, wo Kosten und Ergebnis nebeneinander sichtbar sind. 

Budgetgrenzen werden durchaus erreicht. Der extremste Fall, den ich erlebt habe: Jemand nutzte sein persönliches KI-Budget mit einem Frontier-Modell, erzielte ein ausgezeichnetes Ergebnis, während das Budget in einer halben Stunde aufgebraucht war. Das ist kein Missbrauch, sondern was echte Arbeit kostet. 

Wir stocken Budgets nicht still auf, weil alle dieselbe Ausgangsbasis haben sollen. Wenn es einen geschäftlichen Grund für mehr gibt, wird der Aufwand einem Projekt zugeordnet, wo er überprüft werden kann. Für den privaten Gebrauch können Mitarbeitende persönliche Abonnements über ihr individuelles F&E-Budget erwerben. 

3. Modellwahl passend zur Aufgabe 

Sobald der Verbrauch im Gateway sichtbar war, viel eines sofort auf: Wir nutzten viel zu viel Opus. Als eines der leistungsstärksten verfügbaren Modelle wird es schnell zum Standard. Doch Frontier-Modelle rechtfertigen ihren Preis bei der Planung und der Erarbeitung eines Ansatzes. Implementierung und einfachere Aufgaben lassen sich mit kleineren Modellen mit sehr guter Erfolgsquote erledigen. 

Der zweite Erkenntnis betrifft die Arbeitsweise. Sprachmodelle haben kein eigenes Gedächtnis. Bei jeder neuen Nachricht wird der gesamte bisherige Gesprächsverlauf erneut an den Anbieter gesendet. Und für all diese Daten fallen Kosten an. Zwischengespeicherte Inhalte sind günstiger, derzeit 10 % des Eingabetarifs bei Anthropic, aber 10 % einer sehr großen Zahl ist immer noch eine beachtliche Summe. Lange Sessions mit vielen kleinen Nachrichten bedeuten, immer wieder für Kontext zu zahlen, der längst keinen Nutzen mehr hat. Wenige, größere Anfragen sind besser als viele kleine und lange Sessions sollten zurückgesetzt statt verlängert werden. 

Beides sind Verhaltensänderungen, keine technischen Lösungen. Und keine davon ist ohne Kostentransparenz möglich. 

Gartners Empfehlungen decken sich damit fast vollständig: einfachere, häufig wiederkehrende Aufgaben an kleinere Modelle routen, Frontier-Modelle für komplexe Arbeit reservieren und Context Engineering zur Pflichtpraxis machen. 

4. Agenten in einer isolierten Umgebung 

Die vierte Entscheidung betrifft die Risikoakzeptanz. Coding-Agenten schlagen nicht nur Code vor, sie führen Befehle auch aus und ändern Dateien. Man kann einen Agenten auf einem Laptop laufen lassen – viele Organisationen tun das. Meiner Ansicht nach ist es dann nur eine Frage der Zeit, bis etwas schiefgeht: ein gelöschtes Verzeichnis oder eine Aktion, die niemand beabsichtigt hatte. 

Deshalb laufen unsere Agenten in einem standardisierten Container. Er sieht nur den zugewiesenen Projektordner, und sein Netzwerkzugang ist auf das Gateway beschränkt. Er kann die Maschine nicht beschädigen. Es gibt natürlich einen Trade-off: Teams außerhalb des Engineering-Bereichs benötigen die Hilfe eines Entwicklers für die Einrichtung. Das akzeptieren wir, weil die Alternative darin besteht, zu hoffen, dass nichts passiert. Dieselbe Logik gilt für Menschen. Bei uns ist Schulung Voraussetzung für den Zugang und nicht etwas, das im Nachhinein erfolgt. 

Zwei Büroangestellte unterhalten sich, während ein humanoider Roboter arbeitet

Gartners Analyse bestätigt, dass man die Grenze um den Agenten selbst ziehen sollte. Im Market Guide for Guardian Agents erwartet das Analystenhaus, dass bis 2028 mindestens 80 % der unautorisierten KI-Agenten-Transaktionen auf interne Richtlinienverstöße, übermäßige Datenweitergabe oder fehlgeleitetes KI-Verhalten zurückzuführen sein werden – nicht auf böswillige Angriffe von außen. Mit anderen Worten: Man sollte weniger einen externen Angriff fürchten als den eigenen Agenten, der das tut, was man ihm gesagt hat, aber auf eine Art, die niemand erwartet hatte. 

Wo anfangen

  • Diesen Monat: Herausfinden, was die Teams tatsächlich verbrauchen. Wenn das nicht möglich ist, ist das bereits die erste Erkenntnis.
  • Vor der Festlegung einer Zahl: Entscheiden, wie eingekauft wird – Enterprise-Plan bei einem einzigen Anbieter oder anbieterunabhängige Messung über ein Gateway. 
  • Bei der Festlegung einer Zahl: Bei rund 200 Euro pro Entwickler und Monat starten, den Projekten zuweisen und Projektverantwortlichen die Verteilung überlassen. 
  • Fortlaufend: Modellmix und Session-Länge beobachten und Agenten isolieren, bevor man sie skaliert. 

Unternehmen, die damit erfolgreich umgehen wollen, müssen mehr können, als nur die richtige Zahl zu schätzen. Entscheidend ist, dass sie diese Frage auch dann noch beantworten können, wenn sich die Zahlen verändern.  

Wie Cloudflight helfen kann 

Gateway, projektbezogene Messung, Modellwahl und Agenten-Isolation sind für uns keine abstrakten Konzepte. So liefern wir heute Software. Wenn Sie Ihren Engineering-Teams KI-Fähigkeiten geben möchten, ohne die Kosten erst im Quartalsbericht zu entdecken, beginnt das Gespräch bei Ihrer Architektur – nicht bei der Budgetzeile.

Sprechen Sie mit uns über KI-gestütztes Software-Engineering.