Wie Adesso der KI-Kostenexplosion trotzt

>



Mit der Umstellung auf agentischer Softwareentwicklung stieg der Token-Verbrauch bei Adesso exponentiell – und zwang den IT-Dienstleister zum Umdenken, Adesso SE



Einer aktuellen KPMG-Studie zufolge, haben viele Unternehmen zwar erste Maßnahmen zur Steuerung ihrer KI-Ausgaben eingeführt, die Transparenz über die tatsächlichen Betriebskosten ist jedoch noch begrenzt. So räumt fast ein Viertel der befragten Führungskräfte (23 Prozent) Schwierigkeiten mit nutzungsabhängigen KI-Kosten, und 42 Prozent haben nur einen teilweisen Überblick über die KI-Ausgaben.



Hinzu kommen für 33 Prozent der befragten Führungskräfte Herausforderungen beim Verständnis der KI-Kostenstrukturen (einschließlich Token) was die Vorhersage, Steuerung und Optimierung der Ausgaben erschwert.



Frank Dobelmann, CTO bei Adesso, kennt das Problem nur zu gut: Bei dem Dortmunder IT-Dienstleister sind im Zuge der Umstellung von agiler auf agentischer Softwareentwicklung die Kosten drastisch gestiegen – der Verbrauch der Token hat sich allein seit Herbst 2025 verhundertfacht.



Aus Sicht von Dobelmann sind das Wachstumsschmerzen, die bei Disruptionen zwangsläufig entstehen, wenn sich die Experimentierphase dem Ende zuneigt und der ROI in den Fokus rückt. Was das Unternehmen aber nicht davon abhielt, die KI-Kosten einzudämmen: Mit einem zentralisierten Hub, in dem bereits 450 Milliarden Token von rund 4.800 Mitarbeitenden zusammengelaufen sind.



Der Ausgangspunkt lag im Frühjahr 2025. In einem zweitägigen Offsite-Meeting zog sich das Unternehmen bewusst aus dem Tagesgeschäft zurück, um die Entwicklungen rund um KI einzuordnen. Vertreter von SAP, Microsoft, Salesforce und anderen Technologieanbietern sowie internationale Experten und Influencer lieferten bei dieser Gelegenheit Einblicke in den Markt. Eine Erkenntnis zog sich dabei durch alle Vorträge, berichtet Dobelmann im Gespräch mit der Computerwoche: „Niemand konnte den weiteren Verlauf präzise vorhersagen, doch allen war klar, dass KI größer werden würde als jede technologische Veränderung der vergangenen Jahre.“



Aus dieser Erkenntnis entstand die Entscheidung, eine eigene „AI Force“ aufzubauen. Das Tagesgeschäft lasse keinen Raum, um eine derart tiefgreifende Veränderung zu begleiten, so Dobelmann. Deshalb seien Experten aus verschiedenen Bereichen der Softwareentwicklung zusammengezogen worden, die sich ausschließlich mit dem Thema Transformation zu einem agentischen Unternehmen beschäftigen und die Entwicklung des Unternehmens steuern.



Von Code-Assistenten zu agentenbasierter Entwicklung



Zunächst stand die Frage im Mittelpunkt, wie sich Code-Assistenten sinnvoll einsetzen und möglichst lokal betreiben lassen, um die Kosten unter Kontrolle zu halten. Doch diese Phase dauerte nur kurz. Im Herbst 2025 begann mit leistungsfähigen agentischen Modellen wie Claude Opus eine neue Entwicklungsstufe.



“Das war für uns ein echter Meilenstein”, so der Adesso-CTO. “Plötzlich wurde klar, dass die Möglichkeiten weit über klassische Code-Assistenten hinausgehen.”



Um die Mitarbeitenden frühzeitig an die neuen Werkzeuge heranzuführen, stellte das Unternehmen allen Entwicklern einen Zugang zu den führenden KI-Modellen zur Verfügung. Jeder erhielt ein monatliches Testbudget von 50 Euro, das weder der eigenen Kostenstelle noch der Führungskraft belastet wurde. Ziel war dabei nicht, möglichst viele Token zu verbrauchen, sondern Erfahrungen zu sammeln und Kompetenzen aufzubauen.



Mit dem Übergang zur agentischen Softwareentwicklung änderte sich das Bild jedoch grundlegend. Während die Nutzung zunächst langsam anstieg, entwickelte sich der Token-Verbrauch plötzlich exponentiell.



Glücklicherweise hatte das Unternehmen bereits frühzeitig einen zentralen AI Hub aufgebaut – ein LLM-basiertes Gateway, über das sämtliche lokalen und externen Modelle verschiedener Anbieter genutzt werden. Dadurch standen von Beginn an detaillierte Daten über Nutzung und Kosten sämtlicher KI-Anwendungen zur Verfügung – vom unternehmensweiten Chatbot bis hin zu KI-Funktionen innerhalb der Softwareentwicklung.



“Die Rechnungen kommen dadurch zwar nicht später”, so Dobelmann. „Aber so haben wir jederzeit Transparenz darüber, wohin sich unsere Kosten entwickeln. Genau diese Transparenz ist entscheidend.”


width="1024" height="576" sizes="auto, (max-width: 1024px) 100vw, 1024px">



Frank Dobelmann, CTO von Adesso: “Nicht jede Aufgabe erfordert das leistungsfähigste Modell.” Adesso SE



Neue Kostenposition, aber deutlich höherer Nutzen



Die steigenden Token-Kosten bewertet der Adesso-CTO nicht grundsätzlich negativ. Allerdings entstehe mit agentischer Softwareentwicklung erstmals eine neue Kostenart, die in klassischen Projekt- und Kundenverträgen bislang überhaupt nicht vorgesehen war.



“2024 hatte praktisch niemand Token-Kosten in seinen Verträgen berücksichtigt. Jetzt müssen wir unseren Kunden erklären, dass diese neue Kostenposition zwar entsteht, der wirtschaftliche Nutzen aber deutlich größer ist”, konstatiert Dobelmann.



Dazu stellte Adesso bestehende Softwareprojekte schrittweise von klassischer agiler Entwicklung auf agentische Entwicklung um. Während der Übergangsphase arbeiteten zwei Teams parallel: Eines entwickelte weiterhin klassisch agil, das andere setzte bereits vollständig auf Agentic Development. Anhand definierter KPIs wurden beide Ansätze miteinander verglichen.



Erst als sich die Ergebnisse eindeutig bestätigten, erfolgte die vollständige Umstellung. Gemeinsam mit den Kunden wurden dafür zunächst pauschale Token-Budgets vereinbart, da sich der tatsächliche Verbrauch zu Beginn noch nicht zuverlässig prognostizieren ließ.



Im Rückblick habe sich dieser Ansatz bewährt, berichtet Dobelmann. In einzelnen Projekten konnten demnach Produktivitätsgewinne von bis zu 60 Prozent erzielt werden. Die Projekte würden dadurch aber nicht kleiner oder günstiger, sondern lieferten im gleichen Zeitraum deutlich mehr Software und damit einen wesentlich höheren Business Value.



Agenten brauchen Leitplanken



Mit dem verstärkten Einsatz autonom arbeitender Agenten rückt aber inzwischen ein anderes Thema in den Vordergrund: deren Kontrolle. Die Disziplin habe sich bereits deutlich weiterentwickelt, berichtet der Adesso-CTO: Während anfangs vor allem Prompt Engineering im Mittelpunkt gestanden habe, gehe es heute um sogenanntes Harness- oder auch Loop-Engineering – also darum, Agenten innerhalb klar definierter Leitplanken sicher, möglichst weitreichend wirkend,zu steuern.



Dazu gehören Sandboxing-Mechanismen, klar abgegrenzte Ausführungsumgebungen sowie das Prinzip, Agenten möglichst eng auf eine einzige Aufgabe zu beschränken.



“Unsere Agenten bekommen genau einen Auftrag und beenden sich anschließend wieder”, erklärt er. “Dadurch verhindern wir, dass sie über längere Zeit Kontext aufbauen oder eigenständig Aufgaben übernehmen, die wir ihnen nie gegeben haben.”



Intern trägt dieses Prinzip den Namen „RONIN YOLO“ – ein Architekturansatz, bei dem spezialisierte Agenten ausschließlich eine klar definierte Aufgabe erledigen und sich anschließend wieder terminieren. Dadurch bleiben sie kontrollierbar, effizient und sicher.



Transparenz statt Bauchgefühl



Um die Wirtschaftlichkeit von Agentic Development bewerten zu können, setzt Adesso auf ein umfangreiches Kennzahlensystem. Die Grundlage dafür bildet der vorgenannte „AI Hub“. Künftig sollen diese Daten über Power BI den entsprechenden Mitarbeitenden zur Verfügung stehen, verspricht Dobelmann. So werde transparent, welche Kosten beispielsweise in Beratungsprojekten, Implementierungsprojekten oder beim Einsatz unterschiedlicher Modelle entstehen.



“Im Moment bauen wir erst den Erfahrungsschatz weiter auf”, erklärt er. Während sich klassische agile Softwareentwicklung auf jahrzehntelange Erfahrungswerte stützen könne, existierten für agentische Entwicklung bislang erst wenige Jahre belastbarer Daten. Um künftig Projekte verlässlicher kalkulieren zu können, sollen deshalb systematisch Telemetriedaten aus allen Projekten gesammelt und ausgewertet werden.



Wirtschaftlichkeit als neues Entwickler-Kriterium



Eine weitere Erkenntnis aus den vergangenen Monaten: Das leistungsfähigste KI-Modell ist nicht automatisch die wirtschaftlichste Wahl. Anfangs griffen viele Entwickler bevorzugt zu den teuersten Frontier-Modellen wie Claude Opus, berichtet der Manager. Darauf habe das Unternehmen reagiert, indem es Standardmodelle neu definierte und den Entwicklern klare Empfehlungen für den passenden Modelleinsatz gab.



Interessanterweise entspreche dies auch den Empfehlungen der Modellhersteller selbst, so Dobelmann. Nicht jede Aufgabe erfordere das leistungsfähigste Modell. Adesso betreibe daher Open-Source-Modelle auf einem eigenen GPU-Cluster und baue diesen angemessen weiter aus.



Der bewusste und wirtschaftliche Umgang mit dem Token-Verbrauch werde damit zu einer neuen Kernkompetenz von Softwareentwicklern, befindet er: “Früher mussten Entwickler gute Software sauber programmieren; heute müssen sie zudem den Token-Verbrauch und Kosten dafür im Blick haben. “



Lokale Modelle als strategische Absicherung



Der Aufbau eigener KI-Infrastruktur ist zwar mit erheblichen Investitionen verbunden, für ein Softwareunternehmen wie Adesso rechnet sich dieser Aufwand dem CTO zufolge jedoch schnell. Gleichzeitig sei dies mehr als eine reine Kostenfrage.



„Lokale Open-Source-Modelle erhöhen die technologische Souveränität und reduzieren die Abhängigkeit von US-amerikanischen Frontier-Modellen“, führt Dobelmann aus und erinnert an das Hin und Her bei Anthropic Fable.



Sollte der Zugang zu einzelnen Modellen durch regulatorische oder geopolitische Entwicklungen eingeschränkt werden, bleibe das Unternehmen handlungsfähig. Zwar lägen Open-Source-Modelle häufig sechs bis neun Monate hinter den neuesten kommerziellen Modellen zurück, für viele Anwendungsfälle seien sie jedoch bereits heute leistungsfähig genug – und aufgrund der deutlich geringeren Betriebskosten eine wirtschaftlich attraktive Alternative.



Da der „AI Hub“ mandantenfähig aufgebaut wurde, können inzwischen auch Kunden auf diese lokalen Modelle zugreifen, ohne selbst eine eigene Infrastruktur betreiben zu müssen.



Produktivität wird auf Projektebene gemessen



Die Produktivität einzelner Entwickler anhand ihres Token-Verbrauchs zu bewerten, lehnt das Unternehmen ab. Stattdessen steht die Qualifizierung der Mitarbeitenden im Vordergrund.



Dafür wurde ein eigenes Schulungsprogramm für agentengestützte Softwareentwicklung entwickelt, berichtet der Adesso-Manager. Bootcamps, zielgruppenspezifische Trainings für Entwickler, Architekten und Berater sowie spielerische Elemente sollen den Einstieg erleichtern und die Akzeptanz erhöhen. Nicht jeder Mitarbeitende arbeite bereits in einem agentischen Projekt, so Dobelmann. Umso wichtiger sei es, frühzeitig Kompetenzen aufzubauen, da künftig nahezu jedes Softwareprojekt KI-Anteile enthalten werde.



Der Erfolg werde deshalb nicht auf Ebene einzelner Entwickler gemessen, sondern anhand der Ergebnisse ganzer Projekte.



Neue Geschäftsmodelle für agentische Entwicklung



Die höhere Produktivität verändert auch die Preisgestaltung im Projektgeschäft. Nach Einschätzung des Managers werden klassische Festpreisprojekte wieder an Bedeutung gewinnen.



Durch agentenbasierte Entwicklung lasse sich der Leistungsumfang wesentlich genauer kalkulieren und komplette Modernisierungsprojekte wirtschaftlich anbieten, erklärt er – etwa bei der Transformation von Mainframe-Anwendungen. Dort kombiniere Adesso  eigene Migrationsmethoden inzwischen mit agentischer Softwareentwicklung und könne Projekte realisieren, die bislang wirtschaftlich kaum darstellbar gewesen seien.



Neben klassischen Festpreisen erwartet er künftig auch mehr wertbasierte Vergütungsmodelle. Wenn sich Software deutlich schneller entwickeln lasse, verliere die Abrechnung nach Zeit und Material an Bedeutung. Stattdessen könnten Dienstleister stärker am tatsächlich erzielten Geschäftsnutzen beteiligt werden – etwa über Bonus-Malus-Regelungen oder Erfolgsbeteiligungen. Ergänzend werde es Modelle geben, bei denen Token-Kosten transparent als eigene Kostenposition ausgewiesen und an den Kunden weitergegeben werden.



Zum wirtschaftlichen Nutzen der eigenen KI-Infrastruktur nennt Dobelmann keine konkreten Einsparbeträge. Sein Fazit fällt dennoch eindeutig aus: Die Investitionen in den lokalen GPU-Cluster amortisieren sich durch die Einsparungen bei kostenpflichtigen Frontier-Modellen.