Wie erstellt man einen Prüfpfad für Ausgabenentscheidungen im Bereich KI?

Sie erstellen einen Prüfpfad für Entscheidungen über KI-Ausgaben, indem Sie jede finanzielle Verpflichtung, die dahinterstehende Begründung, den Genehmiger sowie das erwartete Ergebnis dokumentieren. Das bedeutet, dass Sie KI-Investitionen mit derselben strengen Governance behandeln wie jede andere größere IT-Ausgabe, wobei Sie gleichzeitig die besondere Schnelligkeit und Undurchsichtigkeit berücksichtigen, die mit der Beschaffung von KI einhergehen. In den folgenden Abschnitten werden die einzelnen Aspekte dieser Herausforderung näher beleuchtet.

Warum lassen sich Ausgaben für KI schwerer nachverfolgen als herkömmliche IT-Kosten?

Die Ausgaben für KI lassen sich schwerer nachverfolgen als herkömmliche IT-Kosten, da sie eine Kombination aus unvorhersehbaren, nutzungsabhängigen Preismodellen, dezentraler Entscheidungsfindung und schnellen Iterationszyklen darstellen, die die üblichen Beschaffungskontrollen umgehen. Im Gegensatz zu einer Softwarelizenz oder einem Serververtrag können sich KI-Kosten unbemerkt über Teams, Modelle und API-Aufrufe hinweg ausweiten, bevor die Finanz- oder IT-Führung überhaupt einen Einzelposten sieht.

Mehrere strukturelle Faktoren erschweren die Nachverfolgung von KI-Ausgaben besonders:

• Verbrauchsabhängige Preisgestaltung: Die meisten KI-Dienste berechnen ihre Gebühren pro Token, pro Inferenz oder pro Rechenstunde. Die Kosten schwanken je nach Nutzungsmustern, die von den einzelnen Teams und nicht von der zentralen IT-Abteilung gesteuert werden.
• Dezentrale Einführung: Geschäftsbereiche und Produktteams beschaffen KI-Tools häufig direkt über Kreditkarten oder Cloud-Marktplätze und umgehen dabei die üblichen Genehmigungsabläufe.
• Schneller Modellwechsel: Da sich die Funktionen weiterentwickeln, wechseln Teams häufig die Modelle oder Anbieter, was es schwierig macht, stabile Kostenbasislinien festzulegen.
• Verschwommene Grenzen: Die Kosten für KI sind oft in den allgemeinen Cloud-Rechnungen enthalten, was es schwierig macht, die Ausgaben für KI von denen für die allgemeine Infrastruktur zu unterscheiden.

Das hat zur Folge, dass Cloud-Kosten erst im Nachhinein sichtbar werden, ohne dass eine Governance-Struktur vorhanden ist, die diese Kosten mit geschäftlichen Entscheidungen verknüpft. Dies ist dasselbe Muster, das wir im Cloud-Finanzmanagement im Allgemeinen beobachten, und es erfordert dieselbe Disziplin: eine strukturierte Rechenschaftspflicht, bevor die Ausgaben aus dem Ruder laufen.

Was umfasst ein Prüfpfad für KI-Ausgaben eigentlich?

Ein Prüfpfad für KI-Ausgaben umfasst eine dokumentierte Aufzeichnung aller finanziellen Entscheidungen im Zusammenhang mit KI, einschließlich der Angaben dazu, was gekauft wurde, wie viel es gekostet hat, wer den Kauf genehmigt hat, welches Geschäftsergebnis damit unterstützt werden sollte und ob dieses Ergebnis erreicht wurde. Es handelt sich dabei nicht lediglich um ein Transaktionsprotokoll, sondern um ein Governance-Instrument, das die Ausgaben mit den Absichten und Ergebnissen verknüpft.

Ein vollständiger Prüfpfad für KI-Ausgaben umfasst in der Regel die folgenden Elemente:

1. Protokoll der Entscheidung: Das Datum, der Entscheidungsträger und die konkrete KI-Investition oder -Zusage, die getätigt wird.
2. Geschäftliche Begründung: Eine schriftliche Erläuterung, warum dieser KI-Investition Vorrang eingeräumt wurde, welches Problem sie löst und welches Geschäftsziel sie unterstützt.
3. Kostenvoranschlag und Ist-Zahlen: Die zum Zeitpunkt der Genehmigung veranschlagten Ausgaben und die tatsächlich angefallenen Kosten im zeitlichen Verlauf.
4. Genehmigungskette: Wer hat auf den einzelnen Ebenen die Überprüfung vorgenommen und die Freigabe erteilt, einschließlich der IT-, Finanz- und Geschäftsleitung, soweit relevant.
5. Leistungskennzahlen: Die Kennzahlen, anhand derer bewertet wurde, ob die Investition den erwarteten Nutzen gebracht hat.
6. Zeitstempel der Überprüfung: Geplante Kontrollpunkte, an denen die Ausgabenentscheidung anhand der tatsächlichen Ergebnisse überprüft wurde.

Ohne diese Komponenten ist es unmöglich, dem Vorstand, den Wirtschaftsprüfern oder den Aufsichtsbehörden, die zunehmend eine dokumentierte Steuerung der Technologieausgaben erwarten, die Transparenz des KI-Budgets nachzuweisen.

Wie wird die Verantwortung für Entscheidungen über Ausgaben im Bereich KI geregelt?

Sie legen die Verantwortlichkeiten für Entscheidungen über KI-Ausgaben fest, indem Sie auf drei Ebenen klare Zuständigkeiten definieren: Wer verwaltet das Budget, wer genehmigt einzelne Verpflichtungen und wer ist für das Ergebnis verantwortlich? Für jede KI-Investition sollte es einen namentlich benannten Geschäftsverantwortlichen geben, nicht nur ein technisches Team, denn der Wert von KI-Ausgaben zeigt sich letztendlich in einem geschäftlichen Ergebnis und nicht in einem technischen Output.

In der Praxis versagt die Rechenschaftspflicht, wenn die Finanzabteilung, die IT-Abteilung und die Geschäftsbereiche jeweils aus ihrer eigenen Perspektive optimieren, ohne dass eine gemeinsame Führungsstruktur vorhanden ist. Dies ist eines der vier immer wiederkehrenden Probleme, die wir in Organisationen beobachten, die sich auf dem Weg zu einer ausgereiften Struktur befinden FinOps-Verfahren: Die Anwendungsteams bestimmen die Ausgaben, doch die IT muss die Rechnung bezahlen, und keine einzelne Funktion ist für den gesamten Entscheidungsprozess verantwortlich.

Um diese Lücke zu schließen, profitieren Unternehmen von folgenden Maßnahmen:

• Benannte AI-Budgetverantwortliche pro Initiative: Eine bestimmte Person im Geschäftsbereich, die sowohl für die Ausgaben als auch für das Ergebnis verantwortlich ist.
• Festgelegte Entscheidungsbefugnisse: Klare Grenzen dafür, was auf Teamebene genehmigt werden kann und was hingegen die Zustimmung der IT-Abteilung, der Finanzabteilung oder der Geschäftsleitung erfordert.
• Häufigkeit der funktionsübergreifenden Überprüfungen: Regelmäßige Besprechungen, bei denen die Finanzabteilung, die IT-Abteilung und die Geschäftsinhaber die Ausgaben für KI gemeinsam und nicht getrennt voneinander prüfen.
• Chargeback- oder Showback-Mechanismen: Eine Kostenverrechnung, die den Teams, die die KI-Kosten verursachen, diese transparent macht und so das Verantwortungsbewusstsein stärkt.

Welche Tools und Frameworks unterstützen die Nachvollziehbarkeit von KI-Ausgaben?

Zu den Tools und Frameworks, die die Nachvollziehbarkeit von KI-Ausgaben unterstützen, gehören FinOps-Frameworks für cloudbasierte KI-Kosten, IT-Finanzmanagement-Plattformen für die unternehmensweite Kostenverrechnung sowie Technology-Business-Management-Strukturen, die Technologieausgaben mit dem geschäftlichen Nutzen verknüpfen. Kein einzelnes Tool kann das Problem allein lösen. Nachvollziehbarkeit erfordert eine Kombination aus Dateninfrastruktur, Governance-Prozessen und organisatorischer Abstimmung.

Aus der Perspektive eines Rahmenwerks bietet das FinOps-Framework einen strukturierten Ansatz für das Management verbrauchsbasierter KI-Kosten, einschließlich Tagging-Standards, Zuweisungsrichtlinien und Optimierungszyklen. Durch die Integration mit einer TBM-Taxonomie lassen sich KI-Ausgaben von einzelnen Cloud-Diensten bis hin zu den von ihnen unterstützten Geschäftsfunktionen nachverfolgen. Diese Integration wandelt rohe Kostendaten in entscheidungsreife Erkenntnisse um.

Was die Tools betrifft, bieten Plattformen wie Apptio Cloudability detaillierte Einblicke in die Nutzung cloudbasierter KI, während die umfassendere Suite von Apptio die für eine formelle Nachprüfbarkeit erforderlichen Zuordnungs- und Berichtsstrukturen unterstützt. Mit den richtigen Tools sollten Sie jederzeit beantworten können, welche KI-Investitionen aktiv sind, wer dafür verantwortlich ist, welche Kosten damit verbunden sind und welchen Mehrwert sie generieren.

Für Unternehmen, die sowohl lokale als auch Cloud-basierte KI-Workloads verwalten, bietet die Kombination aus ITFM- und FinOps-Funktionen eine einheitliche Übersicht, die entscheidend ist, um fundierte Entscheidungen darüber zu treffen, wo KI-Workloads ausgeführt werden sollten und wie sich die Kosten in den verschiedenen Umgebungen vergleichen lassen.

Wie dokumentieren Sie die Gründe für Investitionsentscheidungen im Bereich KI?

Sie dokumentieren die Gründe für Investitionsentscheidungen im Bereich KI, indem Sie die zu beantwortende geschäftliche Fragestellung, die in Betracht gezogenen Alternativen, die erwarteten Kosten und den erwarteten Nutzen sowie die zur Erfolgsmessung herangezogenen Kriterien festhalten – und zwar zum Zeitpunkt der Entscheidungsfindung. Eine nachträgliche Dokumentation ist kein Prüfpfad. Es handelt sich um eine Rekonstruktion, die einer genauen Prüfung selten standhält.

Ein praktischer Ansatz besteht darin, die Dokumentation der Begründung direkt in den Genehmigungsworkflow zu integrieren. Bevor eine Ausgabe für KI genehmigt wird, sollte das antragstellende Team einen kurzen Investitionsbericht ausfüllen, der folgende Punkte behandelt:

• Welches geschäftliche Problem oder welche geschäftliche Chance wird mit dieser KI-Investition angegangen?
• Welche Alternativen wurden geprüft und warum wurde diese Option ausgewählt?
• Wie hoch sind die erwarteten Kosten über einen bestimmten Zeitraum?
• Welches messbare Ergebnis wird den Erfolg anzeigen?
• Was ist der Auslöser für eine Überprüfung, wenn die Kosten den Kostenvoranschlag überschreiten oder die Ergebnisse hinter den Erwartungen zurückbleiben?

Diese Zusammenfassung muss nicht umfangreich sein. Ein strukturiertes, einseitiges Format reicht für die meisten Entscheidungen über KI-Ausgaben unterhalb einer festgelegten Schwelle aus. Wichtig ist, dass sie vorliegt, dass sie zusammen mit den Finanzunterlagen aufbewahrt wird und dass sie in regelmäßigen Abständen überprüft wird. Strategisches Portfoliomanagement Hier kommen diese Grundsätze direkt zum Tragen: KI-Initiativen sind als Portfolioinvestitionen zu betrachten, die eine dokumentierte Begründung erfordern und nicht nur eine Zuweisung von Haushaltsmitteln.

Wann sollten Ausgaben für KI eine formelle Überprüfung oder Eskalation auslösen?

AI-Ausgaben sollten eine formelle Überprüfung oder Eskalation auslösen, wenn die Kosten einen vorab genehmigten Schwellenwert überschreiten, wenn sich das angestrebte Geschäftsergebnis geändert hat, wenn ein Ausgabeverhalten erheblich von der Prognose abweicht oder wenn ein neues AI-Projekt Risiken mit sich bringt, die bei der ursprünglichen Genehmigung nicht berücksichtigt wurden. Diese Auslöser sollten im Voraus definiert und nicht erst im Nachhinein ermittelt werden.

Zu den konkreten Eskalationsauslösern, die Sie in Ihr Governance-Modell integrieren sollten, gehören:

• Kostenabweichung über einem festgelegten Prozentsatz: Beispielsweise liegen die tatsächlichen Ausgaben in einem bestimmten Monat um mehr als 20% über dem genehmigten Kostenvoranschlag.
• Erweiterung des Anwendungsbereichs: Wenn ein KI-Tool, das ursprünglich für ein bestimmtes Team oder einen bestimmten Anwendungsfall genehmigt wurde, ohne neue Genehmigung in größerem Umfang eingesetzt wird.
• Hersteller- oder Modelländerungen: Wenn ein Team den KI-Anbieter oder das KI-Modell wechselt, ändert sich dadurch häufig sowohl die Kostenstruktur als auch das Risikoprofil.
• Diskrepanz bei den Ergebnissen: Wenn sich die Kennzahl, die durch die Investition verbessert werden sollte, nach einem festgelegten Zeitraum nicht wie erwartet entwickelt.
• Ereignisse im Zusammenhang mit regulatorischen Anforderungen oder der Einhaltung von Vorschriften: Wenn neue Anforderungen Einfluss darauf haben, wie KI-Tools eingesetzt werden können oder welche Daten sie verarbeiten dürfen.

Wenn Sie diese Auslöser in Ihren Governance-Rhythmus integrieren, werden Entscheidungen über KI-Ausgaben nicht nur zum Zeitpunkt der Genehmigung dokumentiert. Sie werden während ihres gesamten Lebenszyklus aktiv gesteuert – genau das ist für eine echte KI-Kosten-Governance erforderlich.

Wie wir Ihnen dabei helfen, eine KI-gestützte finanzielle Rechenschaftspflicht aufzubauen

Wir arbeiten mit Unternehmen zusammen, die über die reine Kostentransparenz hinausgehen und eine strukturierte, entscheidungsreife Steuerung ihrer KI- und Cloud-Ausgaben etablieren möchten. So sieht das in der Praxis aus:

• FinOps-Strategie und -Umsetzung: Wir entwickeln ein Governance-Modell, das Rollen, Entscheidungsbefugnisse und Genehmigungsprozesse für KI-Ausgaben definiert und dabei die Bereiche Finanzen, IT und Geschäft abstimmt.
• Kostenverrechnung und Kennzeichnung: Wir implementieren die Dateninfrastruktur, mit der KI-Kosten bestimmten Teams, Produkten und Geschäftsergebnissen zugeordnet werden können und nicht nur in einer Cloud-Rechnung zusammengefasst werden.
• Rahmenwerke für Prüfpfade: Wir unterstützen Sie dabei, Dokumentationsabläufe und Überprüfungsrhythmen zu etablieren, die einzelne Ausgabenentscheidungen in eine nachvollziehbare und überprüfbare Dokumentation umwandeln.
• Integration von TBM und FinOps: Wir verknüpfen das operative KI-Kostenmanagement mit dem strategischen IT-Finanzmanagement, sodass die Führungskräfte einen einheitlichen Überblick darüber erhalten, wohin die Technologieausgaben fließen und welchen Nutzen sie bringen.
• Bewertung des Reifegrades von FinOps: Wir bewerten Ihre derzeitigen KI- und Cloud-Fähigkeiten im Finanzmanagement und erstellen für Sie einen konkreten Fahrplan für Verbesserungen.

Wenn Sie einen klaren Nachverfolgungspfad für Ihre Ausgabenentscheidungen im Bereich KI schaffen und die dafür erforderliche Governance-Struktur aufbauen möchten, Nehmen Sie Kontakt mit uns auf um zu besprechen, wo wir anfangen sollen.