Wenn das Modell ins Unternehmen zieht, muss das Gedächtnis Ihnen gehören.

Eine neue nicht geschäftsführende Direktorin stellt bei ihrer zweiten Vorstandssitzung eine berechtigte Frage: Warum haben wir die Preiserhöhung des letzten Jahres genehmigt? Der Vorsitzende erinnert sich an die Sitzung. Der CFO erinnert sich an die Tabelle. Die Analyse, die die Entscheidung untermauerte, fand in einem langen Gespräch mit einem KI-Assistenten statt, in einem Konto, das einem Manager gehörte, der das Unternehmen inzwischen verlassen hat.

Niemand hat etwas falsch gemacht. Das Unternehmen hat sein Denken einfach an einem Ort aufbewahrt, der ihm nicht gehörte.

Das war tolerierbar, solange jedes Team dieselben ein oder zwei gehosteten KI-Tools nutzte. Es wird nicht tolerierbar bleiben, wenn sich die Kosten der KI ändern, und diese Kosten entwickeln sich in eine Richtung, auf die sich die meisten Vorstände nicht eingestellt haben.

Tokens werden billiger. Die Rechnung nicht.

Der Preis eines Tokens für ein bestimmtes Leistungsniveau sinkt kontinuierlich. Forscher von MIT FutureTech fanden heraus, dass der Preis für das Erreichen eines festen Benchmark-Leistungsniveaus jährlich um etwa das Fünf- bis Zehnfache fällt.

Die gleiche Studie ergab, dass die Kosten für den Betrieb von Frontier-Modellen jährlich um das Drei- bis Achtzehnfache steigen, weil die neuesten Modelle größer sind und vor ihrer Antwort länger nachdenken. Der BenchLM-Index, der veröffentlichte API-Preise verfolgt, beziffert seine Frontier-Stufe auf 72 Prozent höher als ein Jahr zuvor, während seine Mittelstufe im selben Zeitraum um 44,5 Prozent fiel.

Agenten vergrößern die Lücke. Gartner schätzt, dass eine agentenbasierte Aufgabe fünf- bis dreißigmal mehr Tokens verbraucht als ein Standard-Chatbot-Austausch, und erwartet, dass die Inferenzkosten pro agentenbasiertem Workflow bis 2028 um mehr als das Fünffache steigen. Der Rat des Analysten an Produktverantwortliche ist eindeutig: Verlassen Sie sich nicht darauf, dass bessere Token-Ökonomie die KI-Kosten ausgleicht.

Die billigeren Tokens kommen also, und die Rechnung steigt trotzdem, weil die Arbeit, die eine Organisation von der KI verlangt, schneller wächst, als der Preis fällt.

Wohin das die Unternehmen treibt

Die vernünftige Reaktion ist die, die viele Finanzvorstände bereits umsetzen: Schicken Sie den Frontier-Modellen nur die Arbeit, die sie wirklich brauchen, und lassen Sie das Routinevolumen auf kleineren Modellen laufen, oft Open-Weight-Modellen, die privat oder auf der eigenen Hardware des Unternehmens gehostet werden. Gartner nennt das Ergebnis „komplexe Multimodell-Ökosysteme“. In der Praxis bedeutet das, dass die KI, die Ihr Unternehmen nutzt, innerhalb eines bis zwei Jahre aus mehreren Modellen gleichzeitig bestehen wird, die sich alle paar Monate ändern, je nachdem, wie sich Preise und Fähigkeiten entwickeln.

Das ist eine vernünftige Kostenentscheidung mit einer unangenehmen Konsequenz.

Ein kleines lokales Modell weiß nichts über Ihr Unternehmen. Es hat Ihre Vorstandsunterlagen nicht gelesen, es war nicht im Raum, als die Preisentscheidung des letzten Jahres getroffen wurde, und sein Arbeitsgedächtnis ist kurz. Was auch immer es wissen muss, etwas muss es ihm liefern. Das Gleiche gilt für das Frontier-Modell, das Sie für die schwierigen Fragen mieten, und für jedes Modell, das beide im nächsten Frühjahr ersetzt.

Das Gedächtnis wird zu dem Teil, der bestehen bleiben muss

Wenn sich das Modell jedes Quartal ändert, kann das Gedächtnis der Organisation nicht in einem von ihnen leben, oder im Chatverlauf eines einzelnen Anbieters. Es muss sich an einem Ort befinden, den das Unternehmen besitzt, in einer Form, die jedes Modell lesen kann.

Deshalb wird das organisatorische Gedächtnis von einer netten Idee zur Grundvoraussetzung. Es ist der eine Teil des Systems, der das Modell überdauern muss.

Es muss auch die richtige Art von Gedächtnis sein. Ein Stapel aus jedem Transkript und jeder Ausgabe eines Agenten ist kein Gedächtnis; es ist eine größere Version des Problems. Für einen Vorstand hat ein nützliches Gedächtnis vier Eigenschaften:

• Eine Person hat es bestätigt. Der Entwurf eines Agenten bleibt ein Entwurf, bis jemand, der ihn nicht geschrieben hat, sagt, dass er richtig ist.
• Es verweist auf seine Quelle. Eine Antwort zur Preiserhöhung des letzten Jahres sollte mit dem Dokument und dem Protokoll zurückkommen, auf dem sie beruht.
• Die Organisation besitzt es, nicht die Trainingsdaten eines Modells und nicht das Konto eines ehemaligen Mitarbeiters.
• Jedes Modell kann es lesen, über einen offenen Standard wie das Model Context Protocol, sodass ein Modellwechsel nicht bedeutet, dass Sie das, was Sie wissen, neu aufbauen müssen.

Was ein Vorstand jetzt fragen kann

Drei Fragen sind ein paar Minuten bei der nächsten Sitzung wert.

Wo befindet sich die Begründung hinter unseren letzten drei wichtigen Entscheidungen, und wer könnte sie abrufen, wenn die Person, die die Arbeit geleistet hat, morgen das Unternehmen verließe?

Wenn wir im nächsten Quartal den KI-Anbieter wechseln würden, was würden wir verlieren?

Wenn ein Agent etwas zu unserem Datensatz hinzufügt, wer bestätigt es, bevor wir uns darauf verlassen?

Wenn die Antworten unangenehm sind, braucht die Lösung kein neues KI-Tool. Sie braucht einen Ort für das Gedächtnis und eine Regel, dass eine Person bestätigt, was hineinkommt.

Das ist das Problem, zu dessen Lösung wir Boardverse entwickelt haben: Ihr Team behält die KI, die es bereits nutzt, und der bestätigte Datensatz bleibt beim Unternehmen, lesbar für jedes Modell, das Sie als nächstes wählen.

Quellen: Gundlach, Lynch, Mertens and Thompson, MIT FutureTech, The Price of Progress. BenchLM Token Price Index, Oktober 2026. Gartner, 25. März 2026 und 17. August 2026.