Wie sich versteckte KI-Kosten vermeiden lassen

Zahl und Vielfalt kommerzieller KI-LösungenKI-Lösungen nehmen rasant zu. Starke Unterschiede zeigen sich allerdings auch bei der Preisgestaltung. Im Vergleich zu klassischen Softwarelizenzierungs- beziehungsweise SaaS-Modellen fällt es vielen Verantwortlichen aus Bereichen wie Beschaffung, Einkauf und Lieferantenmanagement deshalb entsprechend schwer, die Kosten für eine KI-Implementierung zu prognostizieren. Alles zu Künstliche Intelligenz auf CIO.de

In der Regel unterscheiden sich die Offerten großer und kleiner KI-Anbieter teils stark voneinander. Weil verschiedene Definitionen von Metriken, zahlreiche Serviceangebote und variierende Funktionsumfänge existieren, wird ein Preisvergleich von Lösungen für KI-Verantwortliche in Unternehmen oft zum Rätselraten.

Ein Grund für die Schwierigkeit, KI-Lösungen hinsichtlich Funktionsumfang und Preisen vergleichen zu können, ist beispielsweise, dass ähnliche Begriffe für unterschiedliche Definitionen im KI-Umfeld verwendet werden und damit zuverlässige Berechnungen über die Gesamtkosten eines Projekts kaum möglich sind. Zuweilen sind aber auch Anbieter selbst gar nicht in der Lage, die tatsächlichen Kosten für eine großflächige KI-Implementierung im produktiven Betrieb exakt zu kalkulieren. Die Folge: Verantwortliche, die bis dato mit der Beschaffung konventioneller Software oder Mietmodellen wie SaaSSaaS vertraut sind, stochern in Sachen KI im Dunklen. Alles zu SaaS auf CIO.de

Unterschiedliche Preismodelle erschweren Kostenüberblick

Kein Wunder, dass Verantwortliche aus den Bereichen Beschaffung, Einkauf und Lieferantenmanagement nach Erkenntnissen von Gartner häufig die Befürchtung äußern, Preise für KI-Software beziehungsweise SaaS-Verträge ließen sich nicht fair aushandeln und versteckte Kosten nicht identifizieren. Unsicherheit herrscht aber auch, weil die meisten Preismodelle für KI-Lösungen nach Abonnements abgerechnet werden und auf einer monatlichen oder jährlichen Abrechnung basieren, während andere KI-Angebote als Pay-as-you-go-Modelle auf den Markt kommen.

Unübersichtlich wird es ferner deshalb, weil einige der großen IT-Anbieter wie Oracle dazu übergegangen sind, KI-Features in bestehende Suiten zu integrieren. Der Datenbank-Gigant stellt bestimmte KI-Funktionen ohne zusätzliche Kosten in einigen seiner Standardprodukte zur Verfügung. Andere Player wiederum erheben Zusatzkosten pro Benutzer. Dazu gehören Microsoft mit Copilot für Microsoft 365 und Salesforce mit Einstein for Sales und Einstein for Service, während wieder andere KI-Lösungsanbieter benutzerbasierte oder plattformorientierte Angebote präferieren.

Und schließlich gibt es Offerten, die sich an einer Gebühr für eine bestimmte Kapazität an Rechenleistung orientieren oder Guthaben-basierte Modelle beinhalten, deren Preise für eine bestimmte Menge an Credits (oder Token) im Vorfeld festgelegt werden. Dazu gehört ChatGPT. Die Lösung von OpenAI stützt sich auf eine Token-basierte Metrik, die Wortteile misst. Vertex-KI-Chat von Google verwendet hingegen eine zeichenbasierte Metrik, der eine Kombination aus Aufforderungen (Inputs) und Antworten (Outputs) zugrunde legt.

Vor und nach dem POC verhandeln

Angesichts dieses Wildwuchses an KI-Preismodellen sollte es für die Verantwortlichen in den Unternehmen klar sein, die Konditionen im Vorfeld größerer Projekte genau auszuhandeln. Dazu gehört, dass beispielsweise skalierbare Preise bevorzugt und versteckte Kosten identifiziert werden müssen. Anstatt ein GenAI-Produkt flächendeckend einzuführen, sollten interne Stakeholder im Unternehmen zudem dazu ermutigt werden, mit einem kleinen Proof of Concept (POC) zu beginnen.

Beim Aushandeln eines POC gilt es, gewisse Maßnahmen zu treffen - etwa, vertragliche Verflechtungen mit anderen Produkten desselben Anbieters zu vermeiden. Der POC sollte eine begrenzte Vertragslaufzeit haben und nicht in bestehende Verträge integriert werden. Außerdem muss sichergestellt sein, dass die Kosten für ein größeres Nachfolgeprojekt auch nach dem POC noch verhandelbar sind.

Um das Risiko unkontrollierbarer Kosten begrenzen zu können, haben sich folgende Maßnahmen bewährt:

• Preissperre mit Kosten pro Einheit, wenn Guthaben-/Token-Limits überschritten werden. Der Preis sollte eine Staffelung beinhalten, sodass die Kosten pro Einheit mit zunehmender Nutzung sinken.

• Ausgehandelten Preis für die Vertragslaufzeit festschreiben und vorteilhafte Preisänderungen während der Vertragslaufzeit oder bei der Vertragsverlängerung berücksichtigen.

• Ungenutzte Guthaben von einem Zeitraum zum nächsten oder von einer Vertragslaufzeit zur nächsten übertragen.

• Überprüfung, ob die Nutzung bestehende Verpflichtungen mit dem Anbieter positiv beeinflusst, wie zum Beispiel einem Microsoft Azure Consumption Commitment (MACC).

• Bereitstellung eines technischen Mechanismus, der warnt oder die Aktivität stoppt, wenn ein bestimmter Schwellenwert erreicht ist.

• Kostenobergrenze, bei der die Nutzung fortgesetzt wird, aber keine weiteren Überschreitungskosten anfallen.

KI-Anbieter könnten mit mehr Transparenz punkten

KI-Anbieter wiederum können sich mit einer klaren Gestaltung von Preismodellen einen Wettbewerbsvorteil sichern. Sie sollten schon während einer Ausschreibung mit voller Transparenz für die KI-Preisgestaltung punkten, um Kosten für ihre Kunden - einschließlich Abonnements und etwaiger Speicherplatzgebühren - nachvollziehbar zu gestalten. Dazu gehört auch, dass Dienstleistungen für Design und Implementierung sowie laufende Verwaltungs- und Betriebskosten in die Kostenkalkulation einfließen.

KI-Assistenten: Hilfestellung im GenAI-Preisdschungel

Ebenso müssen KI-Anbieter ihren Kunden erklären, auf welche bestehenden Anwendungen die KI-Software zugreifen muss, um reibungslos zu funktionieren. Ziel muss es sein, etwaige zusätzliche Lizenzierungskosten für einen direkten, indirekten oder digitalen Zugriff durch Applikationen ins Kalkül einzubeziehen. (ba)