Microsoft drosselt KI-Kosten: Strikte Budgetgrenzen für alle Teams
Veröffentlicht am: 05.08.2026 um 15:01 Uhr | Redaktion boerse-global.de
Der Software-Riese Microsoft verschärft die Kontrolle über seine KI-Ausgaben und verordnet den eigenen Abteilungen strikte Budgetgrenzen. Ein interner Kurswechsel mit Signalwirkung für die gesamte Branche.
Microsoft reagiert auf explodierende Kosten im KI-Bereich und zieht die Zügel an. Die Konzernführung um Executive Vice President Jay Parikh hat die Entwicklerteams angewiesen, den sparsamen Umgang mit KI-Ressourcen zur Pflicht zu machen. Schluss sein soll mit der Praxis des sogenannten „Tokenmaxxing" – dem verschwenderischen Einsatz von KI-Rechenleistung ohne ausreichende Optimierung.
Effizienz statt Masse
Im Zentrum der neuen Strategie steht ein Wechsel des internen Standardmodells. Microsoft setzt für seine Mitarbeiter nun auf GPT-5.6 Sol von OpenAI, eine Variante, die als deutlich kostengünstiger gilt als bisher genutzte Hochleistungssysteme. Parikh machte die Richtung klar: Entscheidend sei der Impact pro Token, nicht die schiere Menge. „Die reine Anzahl der verbrauchten Tokens ist keine Kennzahl, die wir optimieren wollen", so die Botschaft an die Belegschaft.
Der Schritt sorgt intern für Diskussionen. Einige Mitarbeiter äußern die Sorge: Wenn schon die eigenen Ingenieure die KI-Produkte unter den neuen Budgetvorgaben kaum bezahlen könnten, wie sollten dann externe Kunden damit klarkommen?
Kontrolle mit App
Seit Juli 2026 arbeiten die Microsoft-Abteilungen mit konkreten KI-Ausgabenzielen. Interne Tools zeigen den Angestellten nun ihre persönlichen KI-Kosten in Echtzeit an. Der Bedarf ist offenbar groß: Viele Entwickler gaben zuvor monatlich mehrere hundert bis tausend Dollar für KI-Tokens aus.
Wer sich mit dem Einsatz neuer Technologien befasst, muss heute neben der Kostenkontrolle auch die strengen rechtlichen Rahmenbedingungen kennen. Dieser kostenlose Report klärt auf, welche KI-Systeme als Hochrisiko gelten und was Unternehmen jetzt konkret tun müssen. Umsetzungsleitfaden zum EU AI Act jetzt kostenlos sichern
Hintergrund ist ein Paradoxon der Branche: Während die Token-Preise seit Ende 2022 um rund 98 Prozent gefallen sind, haben sich die KI-Gesamtrechnungen vieler Unternehmen verdreifacht. Eine neue Disziplin namens „Tokenomics" hat sich etabliert – sie beschäftigt sich mit der Kostenkontrolle bei großen Sprachmodellen.
Die ganze Branche spart
Microsoft steht mit dem Sparkurs nicht allein. Auch Amazon, Adobe, Atlassian und Citi haben Maßnahmen ergriffen, um die KI-Nutzung zu steuern oder zu drosseln. Im Juni 2026 gründete die Linux Foundation die Tokenomics Foundation, um die branchenweiten Kostenprobleme anzugehen.
Die Effizienzbemühungen werden durch Studien untermauert: Laut Gartner erhöhen zwar 83 Prozent der CEOs ihre KI-Investitionen, doch rund 59 Prozent der KI-Projekte erreichen nie den Produktionsstatus. Für CIOs wird es zunehmend zur Herausforderung, Anwendungsfälle mit echtem Geschäftswert zu priorisieren. Langfristig allerdings, so prognostiziert Goldman Sachs, könnte der weltweite Token-Verbrauch zwischen 2026 und 2030 um das 24-Fache steigen.
Neben finanziellen Aspekten bringen neue KI-Gesetze auch neue Cyberrisiken mit sich, die für Unternehmen zur Herausforderung werden können. Dieser kostenlose Ratgeber verschafft IT-Verantwortlichen den nötigen Überblick über aktuelle Bedrohungen und gesetzliche Pflichten. Gratis-E-Book zu Cyber Security und KI-Risiken herunterladen
Open Source als Gegengewicht
Parallel zu den internen Sparmaßnahmen veröffentlichte Microsoft Research das Open-Source-Framework Orchard für das skalierbare Training von KI-Agenten. Die Plattform bietet eine gemeinsam Sandbox-Schicht auf Kubernetes-Basis und umfasst einen Datensatz mit 107.000 Software-Engineering-Pfaden sowie 3.000 Browser-Navigationsdatensätzen.
Unter der MIT-Lizenz veröffentlicht, verspricht das Framework bessere Agentenleistung bei gleichbleibender Effizienz. Die Variante Orchard-SWE erreicht beim Benchmark SWE-bench Verified einen Wert von 69,7 Prozent mit einem Modell von 3 Milliarden Parametern – mit Reranking-Techniken sogar 73,0 Prozent.
