Unternehmen suchen neue Wege zur Kostenkontrolle bei KI

Unternehmen suchen vermehrt nach Wegen, die steigenden Kosten für die Einführung und Nutzung künstlicher Intelligenz (KI) zu kontrollieren. Drei Hauptstrategien zeichnen sich ab: die effektive Nutzung von Agenten-Frameworks (Agent Harness), die Auswahl des passenden Modells für jede Aufgabe und die Optimierung der Inferenzökonomie (Inference Economics).

Der Wert von KI wird zunehmend danach beurteilt, wie sie die Produktivität steigert, ohne die Projektkosten in die Höhe zu treiben. Wenn KI von Pilotprojekten in den täglichen Geschäftsablauf übergeht, beginnen die Kosten für einzelne Modellaufrufe, Tokens und Computerressourcen sich zu summieren. Unternehmen konzentrieren sich daher nicht nur auf die Auswahl der Modelle, sondern auch auf das gesamte Design des KI-Systems unter dem Gesichtspunkt der Kosteneffizienz.

Agenten-Frameworks verwalten, wie KI-Agenten mit Modellen interagieren, indem sie die Informationszufuhr und Aufgabenverteilung optimieren. Beispielsweise hat Sarvam AI mit seinem Code-Agenten Sarvam Code gezeigt, dass Aufgaben zu einem Bruchteil der Kosten von Konkurrenzlösungen erledigt werden können. Dies wird erreicht, indem Aufgaben zwischen verschiedenen Agenten und Modellen weitergeleitet werden, wobei kleinere und kostengünstigere Modelle für Routineaufgaben verwendet und leistungsfähigere Modelle für komplexe Herausforderungen reserviert werden.

Die Inferenzökonomie zielt darauf ab, die direkten Betriebskosten für den Betrieb von KI zu senken. Dazu gehört die Eliminierung unnötiger KI-Aufrufe in Arbeitsabläufen, bei denen herkömmliche Software ausreicht. AIONOS beispielsweise senkte die Kosten für einen Telekommunikationsbetreiber, indem es routinemäßige Kundendienstschritte auf traditionelle Systeme verlagerte und die verbleibenden KI-Funktionen optimierte. Ein erheblicher Teil der Aufgaben erforderte keine KI mehr, was zu erheblichen Gesamteinsparungen führte.

Die Kombination dieser Strategien hilft Unternehmen, erhebliche produktivitätssteigernde Vorteile durch KI zu erzielen, ohne dass die Kosten aus dem Ruder laufen. Präzise Modellauswahl, effiziente Nutzung von Agenten-Frameworks und optimierte Inferenzprozesse sind entscheidend für eine skalierbare und wirtschaftliche KI-Implementierung.