Die IT-Verantwortlichen großer US-Gesundheitssysteme setzen verstärkt auf neue Strategien zur Kontrolle token-basierter Abrechnungskosten für generative Künstliche Intelligenz (KI). Wie das Beispiel von Jefferson Health verdeutlicht, können Effizienzgewinne zwar massiv sein, bergen jedoch erhebliche finanzielle Risiken durch unkontrollierten Token-Verbrauch. In einem konkreten Fall ermöglichte der Einsatz von KI den Abschluss einer Arbeitsleistung, die regulär zwei Wochen beansprucht hätte, in nur vier Stunden – bei Kosten von 75 US-Dollar.
Abgestufte Zugriffsmodelle und Verhandlungsstrategien
Um die Ausgaben steuerbar zu halten, hat Jefferson Health ein Modell mit verschiedenen Zugriffsstufen eingeführt. Während eine Basisversion des Copilot-Systems kostenlos zur Verfügung steht, wird für eine Plus-Variante eine Festgebühr fällig. Hochspezialisierte Anwendungen wie CoWorks werden hingegen auf Token-Basis abgerechnet. Um die Planbarkeit zu erhöhen, verhandelt die Organisation derzeit Token-Investitionen mit dem KI-Entwickler Anthropic.
Auch andere Gesundheitssysteme haben spezifische Kontrollmechanismen implementiert. UVA Health evaluiert derzeit verschiedene Zugriffsstufen, um Innovation mit Sparsamkeit in Einklang zu bringen. Emory Healthcare verfolgt den Ansatz, Modelle mit der niedrigsten Intensität zu wählen, und fordert von Softwareanbietern detaillierte Finanzdaten ein. Atrium Health Wake Forest Baptist fokussiert sich bei der Bewertung von KI-Projekten primär auf die Kosten pro erzieltem Ergebnis.
Akademische und administrative Kontrollrahmen
An der Stanford Medicine kommt der sogenannte FURM-Rahmen zum Einsatz, um die Token-Kosten systematisch zu überwachen. Houston Methodist setzt auf ein dediziertes Komitee für die Kapitalrendite (ROI), welches jede KI-Investition prüft. Brown University Health nutzt eine Kombination aus Pauschalpreisen, Pilotprojekten und FinOps-Methoden, um die Budgetdisziplin zu wahren.
Ein CIO des Texas A&M University Systems warnte davor, dass herkömmliche Token-Budgets derzeit häufig gesprengt würden. Als Alternative könnten On-Premise-Lösungen fungieren, die bei einem Bruchteil der Kosten eine Qualität von 90 Prozent im Vergleich zu Cloud-basierten Modellen erreichen könnten.
Dominanz von Epic und Hürden für Startups
Eine Studie unter 112 Führungskräften durch Redesign Health zeigt eine deutliche Konsolidierung im Markt. Demnach verfolgen 71 Prozent der Gesundheitssysteme eine Strategie, bei der die Integration in das System des Anbieters Epic oberste Priorität hat. 91 Prozent der Befragten gaben an, der KI-Roadmap von Epic zu vertrauen. Derzeit entfallen bereits 57 Prozent der Budgets für Informationssysteme auf diesen Anbieter.
Wer sich mit dem Einsatz von KI-Systemen befasst, muss neben der Kostenkontrolle auch die rechtlichen Rahmenbedingungen in Europa im Blick behalten. Dieser kostenlose Ratgeber bietet einen praxisnahen Überblick über Risikoklassen und Dokumentationspflichten für Unternehmen. EU AI Act in 5 Schritten verstehen: Fristen, Pflichten und Risikoklassen kompakt erklärt
Für externe Startups erschwert diese Marktdynamik den Einstieg: 78 Prozent der befragten Organisationen verlangen von unabhängigen Anbietern eine höhere Kapitalrendite als von Epic-integrierten Lösungen. Als primäre Einsatzgebiete für KI im Gesundheitswesen gelten derzeit klinische Anwendungen (48 Prozent), die Bildgebung (44 Prozent) sowie Patienteninteraktionen (40 Prozent).
Branchenübergreifender Trend zur Token-Optimierung
Die Herausforderung steigender Kosten ist kein rein medizinisches Phänomen. Analysten der UBS beobachteten in einer aktuellen Unternehmensumfrage eine generelle Verschiebung von der Maximierung der Token-Nutzung hin zur Optimierung des Verbrauchs. Strategien wie Modell-Routing, der Einsatz kleinerer Sprachmodelle und Prompt-Kompression gewinnen an Bedeutung.
Das Unternehmen Rippling berichtete, dass die KI-Kosten zeitweise darauf zusteuerten, 40 Prozent der Lohnsumme im Bereich Forschung und Entwicklung (R&D) zu erreichen. Durch Gegenmaßnahmen konnte dieser Anteil auf 15 Prozent gesenkt werden. Daten des Unternehmens zeigen die Konzentration der Kosten: Zwischen 10 und 15 Prozent der Mitarbeiter verursachten 60 Prozent der KI-Ausgaben. In einem Extremfall verursachte ein einzelner Ingenieur monatliche Kosten von 50.000 US-Dollar.
Die zunehmende Integration von KI-Systemen in den Arbeitsalltag stellt Unternehmen nicht nur vor finanzielle, sondern auch vor neue regulatorische Herausforderungen. Erfahren Sie in diesem kostenlosen Report, welche KI-Systeme als Hochrisiko gelten und was Verantwortliche jetzt konkret tun müssen. Umsetzleitfaden zur EU-KI-Verordnung jetzt kostenlos herunterladen
Auch die Berater von EY haben reagiert und ein Büro zur Realisierung von KI-Werten gegründet. Durch einen internen KI-Router konnte der Token-Verbrauch in einigen Abteilungen um bis zu 60 Prozent gesenkt werden. Experten von Goldman Sachs prognostizieren trotz dieser Sparmaßnahmen einen 24-fachen Anstieg des weltweiten Token-Verbrauchs zwischen 2026 und 2030. Erste Unternehmen wie PMG haben bereits strikte Tageslimits von 50 US-Dollar pro Mitarbeiter für die Token-Nutzung eingeführt.
