Am 6. August 2026 hat Rippling veröffentlicht, was seine KI-Rechnung tat. Das machen sehr wenige Unternehmen.
Die Token-Ausgaben wuchsen um 80 Prozent im Monat. Ein Kostenmodell sah das Unternehmen auf dem Weg, 40 Prozent des Personalbudgets der Entwicklung für Token auszugeben, und im Folgejahr an die 90 Prozent heranzukommen.
Das sind die Zahlen, die alle zitieren. Die beiden Befunde darunter sind die, die Ihre Zeit wert sind.
Zuerst: Was diese Zahlen nicht sind
Es sind Prognosen, keine Rechnungen. Rippling schreibt, man sei „auf dem Weg gewesen, 40 Prozent des Personalbudgets der Entwicklung für Token auszugeben“, und spricht später von „einer Prognose, 40 Prozent auszugeben“. Mehrere Fachmedien haben daraus gemacht, Ripplings KI-Rechnung habe 40 Prozent des Entwicklungsbudgets erreicht. Hat sie nicht. Eine Hochrechnung, die eine Entscheidung ausgelöst hat, ist etwas anderes als eine Ausgabe, die angefallen ist, und der Unterschied zählt, wenn Sie es zitieren wollen.
Die 90 Prozent für das Folgejahr sind ebenfalls eine Prognose, und sie taucht in der Sekundärberichterstattung kaum auf, obwohl sie die eindrucksvollere der beiden ist.
Die kursierende Zahl von 600 Milliarden Token steht nicht in Ripplings Text. Ein Gesamtbetrag in Dollar auch nicht. Die einzige absolute Zahl ist ein Entwickler mit 50.000 Dollar im Monat.
Befund eins: Die Ausgaben waren extrem konzentriert
„Etwa 10 bis 15 Prozent unserer Beschäftigten verursachten rund 60 Prozent der gesamten KI-Ausgaben.“
Das ist der Satz, den man in die eigene Organisation mitnimmt. Er macht aus einem Preisproblem ein Verteilungsproblem, und die beiden haben völlig verschiedene Lösungen.
Verteilen sich die Kosten gleichmäßig über ein Team, ist der Hebel der Preis je Token, und Sie hängen an den Anbietern. Verursacht ein Zehntel der Leute sechs Zehntel der Rechnung, ist der Hebel intern, und Sie können ihn diese Woche ziehen. Welche der beiden Lagen bei Ihnen vorliegt, wissen Sie nur durch Nachsehen, und Rippling merkt an, dass schon das Nachsehen schwierig war: Die Finanzabteilung trug Daten von Hand aus mehreren Anbieter-Dashboards zusammen, und Entwickler schaufelten sie manuell in einen zentralen Datenspeicher.
Befund zwei: Die teure Einstellung hatte niemand gewählt
Das ist der Teil, der am weitesten trägt, und er wird leicht überlesen.
„Teure Voreinstellungen waren die Norm. Die neuesten Modelle standen auf schnellem Modus. Nicht, weil wir das intern entschieden hätten, sondern weil sich das nie jemand angesehen und Regeln dafür festgelegt hatte.“
Die kostspielige Konfiguration war keine Entscheidung, die jemand getroffen hat. Sie war eine Entscheidung, die niemand getroffen hat. Das ist ein anderer Fehler, und keine Budgetdisziplin fängt ihn, weil es keinen Moment gibt, in dem jemand die teure Option genehmigt.
Es hängt außerdem direkt mit etwas zusammen, worüber wir diese Woche geschrieben haben. Metas Coding-Agent bietet zwei Modellkennungen zu sehr unterschiedlichen Preisen, von denen eine Ihre Prompts an den Anbieter zurückgibt, und die Dokumentation sagt nicht, welche der Installer in Ihre Konfiguration schreibt. Dieselbe Form, anderer Anbieter: Die Einstellung, die über die Rechnung oder über die Daten entscheidet, hat niemand bewusst gesetzt.
Was sie getan haben, und was es brachte
Rippling ernannte 20 „KI-Kapitäne“ quer durchs Unternehmen, zuständig für Befähigung, Regeln und Governance, und baute eine Konsole, die Ausgaben je Person und je Modell sichtbar macht.
Das Ergebnis, in ihren Worten: „In der Entwicklung sind wir von einer Prognose, 40 Prozent des Personalbudgets für Token auszugeben, auf 10 bis 15 Prozent gekommen. Das sind zweistellige Millionenbeträge im Jahr.“
Ein Satz verdient das Zitat für das, was er nicht behauptet: „Beschränkungen machten die Entwickler klüger, nicht weniger fähig.“ Das ist Ripplings Einschätzung des eigenen Programms, und es ist die Art Aussage, die jedes Unternehmen über die eigenen Einsparungen trifft. Lesen Sie sie als Position, nicht als gemessenes Ergebnis.
Ihre frühere Bemerkung zur Produktivität ist vorsichtiger und interessanter: „Das Produktivitätssignal war real, aber nicht linear.“
Was daraus mitzunehmen ist
Finden Sie heraus, ob Ihre Ausgaben konzentriert sind, bevor Sie über Preise verhandeln. Die beiden Probleme sehen auf einer Rechnung identisch aus und haben sonst nichts gemeinsam.
Sehen Sie nach, worauf Ihre Voreinstellungen stehen und wann sie zuletzt jemand gewählt hat. Neuestes Modell, schnellster Modus und größter Kontext sind die Einstellungen, mit denen die meisten Werkzeuge ausgeliefert werden, und die am wenigsten wahrscheinlich entschieden wurden.
Behandeln Sie eine Prognose als Prognose, auch diese. Rippling hat auf eine Hochrechnung hin gehandelt, und das war richtig. Diese Hochrechnung als historische Ausgabe zu zitieren, ist es nicht.
Quellen
- Rippling, “From unchecked AI spend to complete control: How Rippling built AI Spend Console”, veröffentlicht am 6. August 2026, von Whitney Zack und Catalina Zhao: https://www.rippling.com/blog/introducing-ai-spend-console (abgerufen am 28. August 2026). Quelle des Wachstums von 80 Prozent im Monat, beider Prognosewerte, der Konzentration der Ausgaben auf 10 bis 15 Prozent der Beschäftigten, der 50.000 Dollar monatlich eines einzelnen Entwicklers, der zitierten Passage über teure Voreinstellungen, des Programms der KI-Kapitäne sowie der zitierten Ergebnisse und Produktivitätseinschätzungen. Alle Zitate wurden gegen den Quelltext der Seite geprüft, nicht gegen eine Zusammenfassung. Der Text enthält keinen Gesamtbetrag in Dollar und keine Tokenzahl; die häufig zitierte Zahl von 600 Milliarden Token steht nicht darin, geprüft am abgerufenen Text mit „token“ als Kontrollbegriff (14 Vorkommen, der Abruf war also intakt). Die Quelle existiert nur auf Englisch: Die Zitate in diesem Artikel sind eigene Übersetzung des Originals, keine wörtlichen deutschen Zitate.
