Wie ein Loch im Geldbeutel: So lassen sich unnötige KI-Ausgaben reduzieren

In keinem anderen Bereich der IT fließt momentan so viel Investitionskapital wie in KI. Gleichzeitig bleibt kaum eine Technologie so viel Potenzial schuldig. Wo lassen sich „unnötige“ Kosten senken? Und welche Optimierungsmaßnahmen zeigen bei welchen Anbietern die größte Wirkung?

Während die Ausgaben für Rechenzentren, Desktop-Software und Public-Cloud-Lizenzen teilweise sinken, zeigt die KI-Kurve weiter nach oben. Laut Flexera State of ITAM Report 2026 rechnen 47 Prozent der befragten ITAM-Fachleute damit, dass KI-Software in den kommenden Jahren einen deutlich größeren Raum im IT-Portfolio einnehmen wird – und damit wohl auch einen größeren Teil des IT-Budgets verschlingt.

Damit rückt der ROI von KI-Investitionen in den Fokus: Bringen die Ausgaben tatsächlich Mehrwert? Zwischen Zukunftsversprechen und messbarer Wirkung klafft in vielen Unternehmen noch immer eine Lücke. Denn teuer ist nicht nur KI an sich. Teuer wird es vor allem dort, wo Unternehmen für KI bezahlen, die keinen entsprechenden Nutzen stiftet. Genau solche Fehlausgaben nehmen zu: 59 Prozent der Unternehmen berichten, dass ihre unnötigen KI-Ausgaben gegenüber dem Vorjahr gestiegen sind.

Viel Adoption, wenig Kontrolle

Woran liegt es, dass sich KI so schlecht managen lässt? Ein zentraler Grund ist fehlende Governance. Viele Unternehmen wissen schlicht nicht genau genug, welche KI-Tools im Einsatz sind, wer sie nutzt und ob Verträge zur tatsächlichen Nutzung passen. Zwar geben 48 Prozent an, KI-Nutzung zu verfolgen und Verträge entsprechend anzupassen. Geht es jedoch um echte Transparenz, kann nicht einmal ein Drittel der ITAM-Teams auf belastbare Daten zur eingesetzten KI-Software zugreifen. Tatsächlich gehört das Tracking und die Adoption neuer KI-Lösungen in der Flexera-Umfrage zur ITAM-Herausforderung Nummer eins.

Eine weitere Governance-Baustelle liegt bei der Kostenzuordnung. Mehr als die Hälfte der Unternehmen verbucht KI-Ausgaben weiterhin unter den regulären Softwareausgaben, statt sie separat auszuweisen. Das klingt nach einem buchhalterischen Detail, ist aber für Governance entscheidend: Solange KI-Kosten nicht sichtbar abgegrenzt werden, lassen sie sich kaum datenbasiert verfolgen, bewerten oder an konkrete KPIs knüpfen.

Mehr sparen, weniger ausgeben

KI zeigt damit exemplarisch, was für das gesamte Software- und IT-Portfolio gilt: Ohne Transparenz über Nutzung, Verträge und Kosten entstehen schnell vermeidbare Ausgaben. Die IT-Agenda insgesamt folgt daher einer doppelten Strategie: mehr sparen, weniger ausgeben. Das klingt zunächst tautologisch, beschreibt aber zwei unterschiedliche Hebel. „Mehr sparen“ meint die aktive Optimierung bestehender Softwareausgaben. „Weniger ausgeben“ bezieht sich dagegen auf die Reduzierung künftiger Ausgaben. Folgende Maßnahmen haben sich in der Praxis als besonders wirksam erwiesen:

Lizenzen downgraden

Nicht jeder Mitarbeiter braucht den vollen Funktionsumfang einer Software. Ein gezieltes Lizenz-Downgrade – also der Wechsel auf eine günstigere Lizenzstufe – ist deshalb einer der effektivsten Wege, Softwarekosten zu senken. Voraussetzung ist eine gründliche Bestandsaufnahme. Wer beispielsweise nur E-Mails schreibt und Dokumente bearbeitet, braucht keine Enterprise-Lizenz mit vollem Collaboration- und Security-Paket. Der Aufwand lohnt sich, sowohl kurzfristig bei den Lizenzkosten als auch langfristig bei Vertragsverlängerungen.

Microsoft ist dafür ein gutes Beispiel: 21 Prozent der Unternehmen downgraden Microsoft 365 von E5 auf E3, weitere 12 Prozent von E3 auf E1. Noch stärker ins Gewicht fällt jedoch die Reduktion ungenutzter Lizenzen: 34 Prozent passen die Anzahl der Lizenzen an die tatsächliche Nutzung an. Das zeigt, wie viel Sparpotenzial allein durch das konsequente Monitoring der Nutzung entsteht.

Virtuelle Umgebungen richtig dimensionieren

Wer virtuelle Maschinen nicht sauber dimensioniert, zahlt schnell für ungenutzte Kapazitäten. Beim sogenannten Rightsizing geht es darum, virtuelle Umgebungen so zu konfigurieren, dass sie den tatsächlichen Bedarf abbilden. Besonders relevant ist dabei Sub-Capacity-Licensing: Viele Anbieter erlauben es, Lizenzen nur für die tatsächlich genutzten Prozessorkerne abzurechnen, statt für den gesamten physischen Host. Voraussetzung ist eine präzise Dokumentation der Umgebung – inklusive klarer Trennung von Produktions- und Nicht-Produktionssystemen.

Bei IBM liegt der wichtigste Hebel im Rightsizing virtueller Umgebungen: 29 Prozent der Unternehmen nutzen dafür Sub-Capacity-Licensing. Ergänzend helfen korrekt konfigurierte Geräterollen und das Entfernen ungenutzter Installationen, Lizenzkosten stärker am tatsächlichen Bedarf auszurichten. Dahinter steht ein einfaches Prinzip: Wer seine virtuelle Infrastruktur kennt, zahlt nur für das, was er wirklich braucht.

Abos auf den Prüfstand

SaaS-Modelle verführen zur Bequemlichkeit: Abonnements lassen sich schnell abschließen, verlängern sich automatisch und wachsen so still und heimlich mit dem Unternehmen. Doch was einmal sinnvoll war, passt selten dauerhaft. Abteilungen verändern sich, Tools werden abgelöst, Bedarfe verschieben sich. Wer SaaS-Abonnements nicht regelmäßig prüft, zahlt schnell für Funktionen und Zugänge, die niemand mehr braucht. Entscheidend ist deshalb ein strukturiertes Abonnement-Management: Welche Pakete werden tatsächlich genutzt? Wo gibt es Überschneidungen? Und welches Modell passt zum aktuellen Bedarf?

ServiceNow verdeutlicht das eindrücklich: 43 Prozent der Unternehmen reduzieren bewusst die Lizenzen für nicht genutzte Abos. Daneben wechseln sie von uneingeschränkten auf rollenbasierte Fulfiller-Lizenzen oder richten ihre Nutzung verstärkt auf günstigere Abonnementmodelle aus. Das Fazit: Wer SaaS-Verträge aktiv steuert statt passiv verlängert, schöpft erhebliches Sparpotenzial aus.

Physische Infrastruktur optimieren

Viele Softwareanbieter lizenzieren nicht nach tatsächlicher Nutzung, sondern nach physischer Infrastruktur – etwa nach Anzahl der Prozessorkerne oder Hosts. Wer Workloads auf vielen oder besonders leistungsstarken Servern betreibt, zahlt entsprechend, unabhängig von der tatsächlichen Auslastung. Entscheidend ist deshalb gezielte Konsolidierung: Workloads sollten auf möglichst wenige, dedizierte Hosts mit klar definierten Kernen konzentriert werden. Bei Cloud-Migrationen kann zudem BYOL helfen, vorhandene Lizenzen strategisch weiter zu nutzen, statt automatisch in teurere nutzungsbasierte Modelle zu wechseln.

Bei Oracle beispielsweise zählt vor allem, wo und wie groß die Umgebung ist: 46 Prozent der Unternehmen begrenzen die physischen Kerne und Hosts, auf denen Oracle-Workloads laufen. Weitere Einsparungen lassen sich durch den Abbau ungenutzter Anwendungen, Datenbankoptionen und Management Packs sowie durch Portfolio-Rationalisierung realisieren – etwa bei Oracle Java. Der Effekt ist unmittelbar: Weniger lizenzrelevante Infrastruktur bedeutet eine kleinere Kostenbasis.

KI als neuer Kostentyp

Bei KI reicht klassisches Lizenzmanagement nicht mehr aus. Die Kosten ergeben sich nicht nur über klar definierte Softwarelizenzen, sondern über einen neuen Ausgabentyp: nutzungsbasierte Modelle, KI-Add-ons in bestehenden Anwendungen, eigenständig gebuchte Tools und Funktionen, die in Paketen mitlaufen. Unternehmen müssen KI deshalb nicht nur optimieren, sondern zunächst kontrollierbar machen – als eigene Kostenkategorie, mit Transparenz über Tools, Nutzung, Verträge und Verantwortlichkeiten.

Drei Best Practices sind dafür zentral. Erstens: Shadow-AI sichtbar machen, bevor aus einzelnen Tools unkontrollierter Wildwuchs entsteht. Zweitens: bestehende Softwareverträge auf enthaltene KI-Funktionen prüfen, um Doppelzahlungen und unnötige Zusatzkäufe zu vermeiden. Drittens: die tatsächliche Nutzung laufend messen, damit Vertragsmodelle zum Verbrauch passen und nicht umgekehrt.

Auf externe Expertise setzen

ITAM ist komplex, ressourcenintensiv und wird durch KI, Cloud und SaaS immer anspruchsvoller. Viele Unternehmen stoßen mit internen Teams an Grenzen. Managed Service Provider, kurz MSPs, können hier gezielt entlasten. Dabei geht es nicht zwingend um vollständige Auslagerung: 75 Prozent der Unternehmen arbeiten bereits mit einem oder mehreren MSPs zusammen – als Verstärkung bei Audit-Abwehr, Datenqualität oder der Optimierung komplexer Vertragsstrukturen.

KI-Governance ist kein Nice-to-have. Sie ist die Voraussetzung dafür, dass KI-Investitionen messbaren Nutzen stiften. Wer Software-Assets heute konsequent verwaltet, schafft die Grundlage für fundierte Entscheidungen von morgen. Das gilt für klassische Software seit Jahren – und für KI ab sofort.