Vor nicht allzu langer Zeit führten Unternehmen interne Bestenlisten, um zu sehen, welches Team die meisten KI-Token in einem Monat verbrauchen konnte. Meta hatte eine. Amazon hatte eine. NVIDIAs CEO sagte öffentlich, er würde „zutiefst alarmiert" sein, wenn ein Software-Engineer mit 500.000 Dollar nicht jährlich 250.000 Dollar für Token ausgeben würde.
Diese Ära hat einen Namen: Tokenmaxxing, und sie ist vorbei.
Im April 2026 begannen Unternehmen, die FinOps Foundation anzurufen und sagten, dass sie bereits 3x ihr gesamtes Token-Budget für 2026 überschritten hatten, kaum vier Monate im Jahr. Das Gespräch verschob sich über Nacht von „schnell gehen und Token verbrauchen" zu „wir brauchen Schranken, wie kontrollieren wir das?"
Uber verbrauchte sein gesamtes KI-Coding-Budget für 2026 bis April. Microsoft beendete Claude Code-Abonnements in wichtigen Produktabteilungen. Und irgendwo dazwischen soll ein noch nicht genanntes Unternehmen Anfragen von einer Claude-Rechnung in Höhe von 500 Millionen Dollar haben, weil niemand eine Nutzungsbeschränkung festgelegt hatte.
Für Startups ist dies kein Problem nur großer Unternehmen. Es ist die Board-Konversation, die auf dich zukommt.
Was Tokenmaxxing wirklich war (und warum es damals sinnvoll war)
Tokenmaxxing beschrieb das Bestreben, so viele KI-Token wie möglich zu verbrauchen und starke Nutzung als Kurzform für Produktivität zu behandeln. Die Logik war nicht völlig verrückt – die frühe KI-Einführung erforderte Experimente, und wenn CEOs öffentlich verlangten, dass Teams schnell voranschreiten und die besten Modelle unabhängig von den Kosten nutzen, war „mehr Token verbrauchen" faktisch Unternehmenspolitik.
Das Problem ist, was danach passierte.
Eine Studie von 2.444 Unternehmen ergab, dass für jeden 1 Dollar, den Unternehmen für KI-Token ausgeben, 0,44 Dollar für die Behebung von KI-generierten Bugs gehen, 0,27 Dollar für das Umschreiben von KI-produced Code und 0,11 Dollar für Überprüfungs- und Merge-Verzögerungen. Das sind 0,82 Dollar von jedem Dollar, die für die Bereinigung der Ausgabe gehen, nicht um Wert daraus zu schaffen.
Das Engineering-Analytics-Unternehmen Faros AI stellte fest, dass Code-Churn – gelöschte versus hinzugefügte Codezeilen – unter hoher KI-Einführung um mehr als 800% anstieg. Mehr Token, mehr Verschwendung, mehr Überarbeit.
Tokenmaxxing maß nicht Produktivität. Es maß Aktivität. Das sind nicht dasselbe.
F&A: Die genauen Fragen, die dein Board jetzt stellt
F. Wie viel haben wir im letzten Quartal tatsächlich für KI ausgegeben?
Das klingt grundlegend. Die meisten Startups können es nicht saubernbeAnworten. Die wichtigste strukturelle Änderung, die du vornehmen kannst, besteht darin, KI-Ausgaben zu isolieren, damit sie sichtbar und zuordenbar sind. Markiere Kosten konsistent, damit du, wenn du die ROI-Erzählung aufbaust, die Kostenseite glaubwürdig ist. Wenn deine KI-Kosten in allgemeiner Cloud-Infrastruktur oder Engineering-Kopfzahl vergraben sind, gehst du unarmed in dieses Board-Gespräch.
F. Was haben wir dafür bekommen?
Boards, die 2024 fragten „Was ist deine KI-Strategie?", stellen jetzt die Frage „Wie viel kostet es, was gibt es zurück und wie weißt du das?" Nach Kyndryl's 2025 Readiness Report fühlen sich 61% der Senior Business Leader stärker unter Druck, KI-ROI zu beweisen als vor einem Jahr. Die Antwort, die Boards wollen, ist nicht „unsere Ingenieure sind produktiver." Es ist Auswirkung auf Umsatz, Kosteneinsparungen oder Zykluszeit-Kompression in tatsächlichen Zahlen.
F. Nutzen wir KI für die richtigen Dinge?
Die meisten Unternehmen automatisieren automatisch Aufgaben, die Leute nicht mögen, anstatt Aufgaben, die für das Geschäft am wertvollsten sind. Wenn die primären KI-Anwendungsfälle deines Teams das Zusammenfassen von E-Mails und das Generieren von Boilerplate sind, hat das Board recht zu hinterfragen, ob das die beste Verwendung des Budgets ist.
F. Wie lange bis wir eine echte Rückkehr sehen?
Halb der Investoren erwarten KI-Renditen innerhalb von sechs Monaten. Nur 16% der CEOs denken, dass das erreichbar ist. Diese Lücke ist, wo schlechte Board-Gespräche passieren. Setze die Timeline früh und erkläre sie klar; sonst wenden Boards den falschen Benchmark an und schließen, dass die Investition fehlgeschlagen ist, wenn sie einfach nur früh war.
Was Startups ihren Boards wirklich schulden: Ein praktisches Framework
1. Eine Kostenlinie, die sichtbar und gekennzeichnet ist
Du kannst keine Ausgaben verteidigen, die du nicht sehen kannst. Jede KI-bezogene Kosten – Model-API-Aufrufe, Agent-Infrastruktur, Tooling-Abonnements und Engineering-Zeit für KI-Projekte – muss separat gekennzeichnet und verfolgt werden. 97% der CFOs sagen, dass ihre Boards einen regelmäßigen Bericht zur KI-Investition und zum Fortschritt erwarten, wobei Kosteneinsparungen, ROI und Produktivitätssteigerungen an der Spitze stehen. Geben Sie diesen Bericht, bevor sie danach fragen müssen.
2. Eine Use-Case-Liste, nicht eine Philosophie
„Wir integrieren KI in das gesamte Geschäft" ist keine Board-Aktualisierung. Was Boards brauchen, ist eine kurze, ehrliche Liste: welche spezifischen Use Cases live sind, was sie zu betreiben kosten und welches messbare Ergebnis jede produziert. Drei Use Cases, die du messen kannst, schlagen zwölf, die du „erkundest".
3. Führende Indikatoren, während du auf nachlaufende wartest
KI-ROI dauert länger, um in den Umsatz zu zeigen, als die meisten Leute erwarten. Die Metriken, die das Board-Vertrauen aufrechterhalten, teilen drei Merkmale: baselined (gemessen gegen einen dokumentierten Vorher-Status), einheitsbasiert (Kosten pro Aufgabe, Zykluszeit, Fehlerrate, nicht vage „Produktivität"), und rückverfolgbar (durch Daten belegt, nicht behauptet). Wenn deine Amortisierung 18 Monate entfernt ist, zeige die Flugbahn im sechsten Monat.
4. Eine ehrliche Antwort darüber, was nicht funktioniert
Das Schlimmste, das in einem Board-KI-Gespräch passieren kann, ist, dass man dabei erwischt wird, etwas zu verteidigen, das vor Monaten ruhig fehlgeschlagen ist. Wähle die Use Cases, die nicht liefern, sage es und erkläre, was du anders machst. Boards können mit einem Pivot umgehen. Sie müssen einem Team vertrauen, das nur Siege meldet.
Der Wandel, der bereits stattgefunden hat
Tokenmaxxing war das KI-Äquivalent, Developer-Ausgabe nach Zeilen Code zu messen. Jeder wusste, dass es eine fehlerhafte Metrik war – es war nur einfacher als die Messung der tatsächlichen Auswirkung.
Die Korrektur ist kein Rückzug von KI. Trotz des Pullback von starker Token-Nutzung bleibt die Verwendung von Generative AI auf einem Allzeithoch. Google meldete, dass Gemini von 480 Billionen Token pro Monat im Mai 2025 auf 3,2 Billiarden Token pro Monat im Mai 2026 anstieg. Die Technologie wird mehr als je zuvor verwendet. Der Unterschied ist, dass die kostenlosen Pass auf Verantwortung weg ist.
Für Startups ist das tatsächlich gute Nachrichten. Wenn du zu deinem nächsten Board-Treffen mit einer sauberen Kostenlinie, einer kurzen Liste von Use Cases, die funktionieren, und ehrlichen Zahlen erscheinen kannst, bist du bereits vor den meisten.
Das Board fragt dich nicht, KI zu verlangsamen. Sie fragen dich, was du damit machst. Das ist eine vernünftige Frage.
TL;DR
Tokenmaxxing – das Rennen, so viele KI-Token wie möglich zu verbrauchen – kollabierte, als Unternehmen wie Uber ihr gesamtes KI-Coding-Budget 2026 bis April verbrauchten und ein ungenanntes Unternehmen eine Claude-Rechnung in Höhe von 500 Millionen Dollar mit keinen Schranken aufgebaut hatte. Boards akzeptieren keine Nutzungsstatistiken und Produktivitätsansprüche mehr als Beweis; Sie wollen jetzt eine saubere Kostenlinie, spezifische Use Cases und echte Zahlen gebunden an Umsatz oder Einsparungen. Startups, die mit sichtbaren Ausgaben, ehrlichen Metriken und einem realistischen Zeitrahmen in dieses Gespräch gehen, werden dem Großteil, der immer noch Aktivität anstatt Ergebnisse misst, voraus sein.
Interessiert an der Gründung eines hochleistungsfähigen Remote-Tech-Teams?
Schau dir MyNextDeveloper an, eine Plattform, auf der du die Top 3% der Software-Ingenieure finden kannst, die leidenschaftlich für Innovation engagiert sind. Unsere on-demand, dediziert und gründliche Software-Talent-Lösungen bieten eine umfassende Lösung für alle deine Software-Anforderungen.
Besuche unsere Website, um zu erkunden, wie wir dir beim Zusammenstellen deines perfekten Teams helfen können.
