Nach Einschätzung des Tech-Beratungsunternehmens Gartner werden die Kosten für KI-gestützte Softwareentwicklung das Gehalt eines Durchschnittsentwicklers in zwei Jahren übersteigen. Gründe seien der wachsende Token-Konsum und die Umstellung auf verbrauchsbasierte Lizenzmodelle von KI-Anbietern, schreibt Gartner in einer Mitteilung. „Organisationen bewegen sich schnell vom Experimentieren zum skalierten Einsatz von KI-Coding-Agenten, aber viele unterschätzen die finanziellen Auswirkungen des steigenden Token-Verbrauchs“, so Gartner-Senior Analyst Nitish Tyagi. Entwickler neigten dazu, Geschwindigkeit und Komfort beim KI-Einsatz über die Kosteneffizienz zu stellen. „Ohne ein geregeltes technisches Betriebsmodell können die Kosten schneller eskalieren als die Produktivitätsgewinne, für die diese Tools entwickelt wurden“, so Tyagi.

Zudem mahnt Gartner eine höhere Transparenz der KI-Anbieter bei der Preisbildung an: Vielen Anbietern fehle es an Transparenz darüber, wie der Token-Verbrauch berechnet und in Rechnung gestellt werde, was die Fähigkeit der Unternehmen einschränke, Kosten genau zu prognostizieren und zu kontrollieren. „Die Führungskräfte in der Softwareentwicklung sind zunehmend besorgt, weil die Ausgaben für tokengesteuerte KI immer schwieriger zu rechtfertigen sind, wobei die Budgets oft früher als erwartet aufgebraucht sind“, so Tyagi.

Um steigende Kosten zu bewältigen und Budgetüberschreitungen zu vermeiden, empfiehlt Gartner, dass Software-Engineering-Führungskräfte ein diszipliniertes Betriebsmodell für die KI-Nutzung implementierten: Unter anderem sollten Organisationen klar definieren, wann KI-Coding-Agenten verwendet werden sollten, und ein angemessenes Maß an Autonomie für jede Aufgabe festlegen. Zudem sollte die Modellauswahl an die Komplexität der Aufgaben angepasst werden. Entwickler müssten zudem darin geschult werden, den Eingabekontext für KI-Systeme zu optimieren, indem sie nur relevante Informationen einschließen, Inhalte nach Möglichkeit zusammenfassen und unnötige Daten eliminieren, um den Token-Verbrauch zu reduzieren, ohne die Ausgabequalität zu beeinträchtigen.