Eine Halluzination abschreiben

Wir bereinigen derzeit unser EBITDA um einen ausgeklügelten Papagei, der das Internet gelesen hat.

Nicht nur meins. Wir alle, als Branche. In jedem Unternehmen der Welt ist der am schnellsten wachsende Posten im Budget etwas, das es vor drei Jahren nicht gab, das keinen Schreibtisch hat und sich standhaft weigert, die eigene Preisgestaltung zu erklären.

Dein Unternehmen versucht gerade, eine Halluzination abzuschreiben. Irgendwo am Ende des Flurs sitzt deine Finanzabteilung in einem fensterlosen Raum, schwitzt über Tabellen und überlegt, wie man eine Stimmung aktiviert.

Gartner nennt $2,52 Billionen globale KI-Ausgaben in diesem Jahr.¹ Das sind 44% mehr als im Vorjahr. Trotzdem berichten nur 14% der CFOs von einem klaren, messbaren ROI.² Fünfundneunzig Prozent der Pilotprojekte mit generativer KI liefern keinen greifbaren Effekt auf die GuV.³

Wir geben in nie dagewesenem Umfang Geld für etwas aus, das wir nicht sinnvoll nachverfolgen können. Und es wird gleich sechsmal schlimmer.

Auf jeden Dollar für Tools kommen sechs für die Arbeit

Sequoia hat letzte Woche einen Beitrag veröffentlicht: “Services: The New Software”. Er ist eine brillante Schatzkarte und zeigt genau, wo der KI-Goldrausch stattfindet. Was er auslässt: Es sind die CFOs der Unternehmen, die gezwungen werden, die Schaufeln blind zu bezahlen.

Die These ist einfach. Für jeden Dollar, den ein Unternehmen für Software-Tools ausgibt, gibt es sechs Dollar für die Services aus, die diese Tools unterstützen. Eine QuickBooks-Lizenz für $10K ist nichts gegen den Buchhalter für $120K, der tatsächlich die Bücher schließt. Die echte KI-Chance liegt also nicht darin, ein besseres QuickBooks zu bauen. Sie liegt darin, das Ding zu bauen, das die Bücher schließt.

Damit das klar ist: Du ersetzt nicht bloß Jim aus der Buchhaltung. Du ersetzt Jim durch einen Algorithmus, der eine Million Rechnungen pro Sekunde verarbeitet, virtuellen Gin trinkt, keine Ahnung hat, was Geld überhaupt ist, und sich aggressiv weigert, seinen Rechenweg zu zeigen. Jims Gehalt von $120K ist weg. Dafür zahlst du jetzt $400K an API-Aufrufen an ein Wesen, das man nicht auf einen Performance Improvement Plan setzen kann.

Sequoia nennt sie “Autopiloten”. Keine Copiloten, die einer Fachkraft bei der Arbeit helfen, sondern Autopiloten, die das Ergebnis direkt liefern. Die NDA entwerfen. Den Schadenfall bearbeiten. Das IT-Ticket sortieren. Käufer ist nicht mehr die Kanzlei oder der Makler. Käufer ist das Unternehmen, das die Arbeit erledigt haben will.

Sie haben den TAM kartiert, und er ist riesig. Versicherungsmakler: $140–200 Mrd. Managed IT Services: über $100 Mrd. Buchhaltung und Wirtschaftsprüfung: $50–80 Mrd. Recruiting: über $200 Mrd. Unternehmensberatung: $300–400 Mrd.

Lies den Beitrag, das Framework ist phänomenal. Aber ich will über den Teil reden, den er auslässt: Wie bekommst du eigentlich eine detaillierte Quittung von einem Vogel?

3.600 Kopierer

Gestern Abend bin ich auf LinkedIn wegen Kopierern leicht aus dem Ruder gelaufen. Die Metapher: Unternehmen bestellen 600 Kopierer, ohne zu wissen, was sie drucken wollen. Die KI-Ausgaben explodieren, und niemand bringt sie mit Umsatz in Verbindung.

Ich habe zu klein gedacht. Sequoias Verhältnis von 6:1 verändert die Rechnung.

Sagen wir, du hast 600 Entwickler. Jeder bekommt einen KI-Coding-Assistenten für $20 pro Monat. Das sind $144K im Jahr. Viel Geld, aber nachvollziehbar. Du weißt, wer einen Platz hat. Du weißt, was geliefert wurde. Dein CFO kann eine gerade Linie von den Ausgaben zum Personalplan ziehen.

Jetzt wende die 6:1 an.

Diese $144K Tool-Ausgaben bedeuten $864K Ausgaben für KI-Services: die ausgelagerte Autopilot-Buchhaltung, der agentische IT-Support, die automatisierte Schadenbearbeitung. Dieses Geld steht nicht in einer Personalzeile. Es kommt als Lieferantenrechnung, als API-Abrechnung und als Beratungsvertrag, ohne jede Verbindung zu einem Projekt, einem Produkt oder einem finanziellen Ergebnis.

Du hast nicht 600 Kopierer gekauft. Du hast 3.600 gekauft. Und 3.000 davon stehen irgendwo auf einem Feld, gerade festgefahren, und drucken aggressiv leere Seiten in den Wind, berechnen dir $140 die Stunde für “strategischen Durchsatz” und schicken deiner Kreditorenbuchhaltung Rechnungen mit dem Betreff “KI-gestützte Transformation, NICHT ANTWORTEN”.

79% der gesamten KI-Ausgaben. 0% zugeordnet.

Die Sichtbarkeitslücke

In der Unternehmens-KI gibt es zwei Trendlinien, die rechtlich nicht im selben Diagramm erlaubt sein sollten.

Eine Linie geht senkrecht nach oben. Die andere zuckt kaum. Der Raum dazwischen, ungefähr $2 Billionen, ist Geld, das irgendwohin geflossen ist, und niemand im Finanzbereich kann erklären, wohin. Es sind die Spesen des Papageis. Es sind die Beratungshonorare des Mixers. Es sind $2 Billionen “Schau, die Ergebnisse sind großartig, können wir das nicht nächstes Quartal besprechen?”

Sequoias Karte hat eine fehlende Achse

Sequoias Chancenkarte hat zwei Dimensionen: wie viel der Arbeit “Intelligenz” ist (regelbasiert) im Gegensatz zu “Urteilsvermögen” (Instinkt), und wie viel schon ausgelagert ist. Autopiloten gewinnen dort, wo die Intelligenz hoch ist und die Arbeit ausgelagert wird. Der Lieferantenwechsel ist reibungslos.

Tolles Framework. Aber es fehlt eine Dimension.

Die dritte Achse ist, wie schwer sich Kosten zuordnen lassen. Und sie hängt genau mit dem Falschen zusammen.

X-Achse: Wie leicht sich etwas mit KI automatisieren lässt. Y-Achse: Wie schwer sich die Kosten zuordnen lassen. Je leichter die Automatisierung, desto schwerer die Buchhaltung.

Die Branchen, die Sequoia als größte Goldminen für Autopiloten identifiziert hat, sind genau die, in denen die Kostenzuordnung ein Albtraum ist. Versicherungsmakler? Die KI-Rechenkosten pro Police sind unsichtbar. Managed IT Services? Den Token-Verbrauch pro Ticket kannst du ohne Tooling, das es nicht gibt, nicht kennen. Und die Buchhaltung, die Ironie sollte körperlich wehtun, hat die schlechteste Zuordnung von allen, weil mehrere KI-Tools jeden Auftrag anfassen und niemand festhält, welcher Papagei das Hauptbuch tatsächlich abgestimmt hat.

Sequoia hat kartiert, wohin das Geld fließen wird. Dieses Diagramm zeigt, wo es verschwinden wird.

Autopiloten machen das Problem schlimmer, nicht besser

Auf diesen Punkt komme ich immer wieder zurück.

Bei einem Copiloten, sagen wir Harvey, der an eine Kanzlei verkauft, gibt es eine Spur aus Papier. Eine Lizenz pro Platz. Eine Fachkraft, die das Tool benutzt hat. Eine Mandatsnummer. Drei Kostenzeilen, ein Ergebnis. Lästig abzustimmen, aber durchaus machbar.

Bei einem Autopiloten, einer KI, die dem Unternehmen die fertige NDA direkt verkauft, kaufst du das Ergebnis blind. Eine Rechnung. Keine Aufschlüsselung. Du zahlst McKinsey-Sätze für einen Mixer, der ein Synonymwörterbuch verschluckt hat, und weißt nicht, wie viel davon Rechenleistung war, wie viel menschliche Prüfung und wie viel der Mixer selbst.

Standardmäßig landen diese Kosten in den laufenden Betriebsausgaben.

Wenn dein Finanzteam nicht belegen kann, dass sie nach IAS 38 oder ASC 350-40 als F&E oder aktivierte Softwareentwicklung gelten, ist es ein glatter Treffer in der GuV. Deine Marge sinkt. Du verpasst F&E-Steuergutschriften im Wert von 6–10% der förderfähigen Ausgaben. Das Geld fällt genau durch die Lücke zwischen “wir haben ein Ergebnis gekauft” und “wir können nicht belegen, was das Ergebnis in der Herstellung gekostet hat”.

Gleiche Ausgaben. $250K Unterschied bei der Marge.

Stell dir die Vorstandssitzung vor. Dein CFO schwitzt durch ein Hemd, das mehr gekostet hat als die Miete der meisten Leute, und versucht zu erklären, warum das EBITDA trotz Rekordleistung um 8% gesunken ist. Die echte Antwort, “ein empfindungsfähiger PDF-Leser hat entschieden, dass er einen Q3-Bonus verdient, und wir müssen seine Stimmungen rechtlich als Betriebsausgaben einstufen”, kommt bei institutionellen Investoren nicht gut an. Also sagt er stattdessen “wir investieren in die KI-native Transformation”. Alle nicken, und niemand stellt eine Nachfrage, weil niemand weiß, welche Nachfrage man stellen sollte.

So etwas hatten wir schon (ungefähr)

2014 führten Unternehmen die Cloud ohne Kostenkontrolle ein. Die AWS-Rechnungen verdoppelten sich jedes Jahr. CFOs bekamen Rechnungen, die sie keinem Team zuordnen konnten, geschweige denn einem Produkt.

Aber die Cloud war nur der gemietete Computer von jemand anderem. Wenn eine vergessene EC2-Instanz sechs Monate lief, lief sie eben. Sie kostete Geld, aber sie war inaktiv. Der schlimmste Fall war 2014, dass du über das Wochenende einen Server laufen ließest und $5.000 verschwendetest.

KI ist nicht inaktiv. Der schlimmste Fall ist 2026, dass du vergessen hast, einen virtuellen McKinsey-Berater zu feuern, der sechs Monate lang 40.000 nutzlose Jira-Tickets halluziniert und dir pro Token Rechnungen stellt. Er läuft nicht im Leerlauf. Er trifft Entscheidungen. Du beschäftigst einen Geist, der 24/7 arbeitet, selbstbewusst Unsinn in großem Maßstab erzeugt und nicht gefeuert werden kann, weil sich niemand erinnert, wer ihn eingestellt hat.

Bis 2018 war FinOps eine Disziplin. Bis 2020 lieferte niemand mehr eine Cloud-Last ohne Tag für die Kostenzuordnung aus. Die Branche baute eine ganze Governance-Schicht, weil unkontrollierte Cloud-Ausgaben die Margen auffraßen.

KI braucht dasselbe. Nur ist die Kurve steiler.

Die Cloud erreichte ihren Governance-Moment bei etwa dem 3,4-Fachen der Anfangsausgaben. KI hat das 5-Fache längst überschritten, und es gibt nichts Vergleichbares.

Und sie ist aus einem Grund grundsätzlich schwerer zu fassen als die Cloud: KI-Kosten sind keine Infrastrukturkosten. Es sind Personalkosten mit anderem Hut.

Der Autopilot, der die Bücher schließt, war früher ein Mensch. Ein Mensch in deinem Personalplan, in deinem F&E-Aktivierungsmodell, in deiner Steuergutschrift-Meldung. Ein Mensch, den dein Workforce-Planning-Team prognostizieren konnte. Ein Mensch, der, und das ist entscheidend, zum 1:1 erschien, erklärte, woran er gearbeitet hatte, und Feedback annahm.

Heute ist dieser Mensch dein bestbezahlter Freelancer: eine Wolke aus Mathematik, die nie schläft, keinen Stundenzettel ausfüllt, die Juniors gelegentlich mit Gaslighting verunsichert und nicht auf einen PIP gesetzt werden kann. Die Arbeit passiert weiterhin. Die Kostenstruktur hat sich von “Gehalt plus Nebenleistungen” zu “Token plus API-Aufrufe” verschoben. Aber niemand hat das Personalmodell angepasst, denn ehrlich gesagt, was trägst du überhaupt ins Feld “Rolle” ein? Körperloser Wissensarbeiter (halluzinationsanfällig)?

Wie planst du Personal, wenn die Hälfte deiner “Köpfe” ein API-Aufruf ist? Wie prognostizierst du Kapazität, wenn das, was die Arbeit macht, im Millisekundentakt abrechnet, unberechenbar skaliert und manchmal einfach Dinge erfindet?

Das ist kein Finanzproblem und auch kein Engineering-Problem. Es ist ein Workforce-Engineering-Problem. Und es ist das, das fast niemand löst.

Die Pointe

Sequoia hat recht. Der Markt für Services stellt den Softwaremarkt in den Schatten. Autopiloten werden Arbeitsbudgets abgreifen, die sechsmal so groß sind wie die Tool-Budgets, um die alle kämpfen.

Aber jemand muss die Bücher in Ordnung bringen. Nicht die von der KI generierten Bücher, sondern die echten. Die, in denen du deinem Vorstand erklärst, wofür du $864K ausgegeben hast, mit welchem Projekt das zusammenhing, ob es als CapEx gilt und wie viel davon du als F&E-Steuergutschrift zurückholen kannst.

Denn im Moment überweisen wir gemeinsam Millionen an eine äußerst meinungsstarke Wolke aus Mathematik. Wir sehen ihre Stundenzettel nicht. Wir können ihre Methodik nicht prüfen. Und wenn wir sie bitten, ihre Preise zu erklären, schreibt sie ein sehr selbstbewusstes Gedicht über Synergie.

Die Kopierer drucken weiter. Inzwischen sind es 3.600. Und der Papagei hat gerade die nächste Rechnung geschickt.

Will Hackett ist CTO und Mitgründer von Flowstate, einer Workforce-Engineering-Plattform für moderne Engineering-Teams.

Gartner, “Worldwide AI Spending Will Total $2.5 Trillion in 2026,” January 2026. ↩
RGP, “The AI Foundational Divide: From Ambition to Readiness,” December 2025. Umfrage unter 200 US-CFOs aus Technologie, Gesundheitswesen, Finanzdienstleistungen und Handel/Konsumgütern ($500 Mio. bis über $10 Mrd. Umsatz). ↩
MIT 2025 AI Report, zitiert in Forschung des Stanford HAI. ↩