{"id":2412,"date":"2026-10-13T08:00:00","date_gmt":"2026-10-13T06:00:00","guid":{"rendered":"https:\/\/www.itsvalue.com\/?p=2412"},"modified":"2026-09-30T20:29:15","modified_gmt":"2026-09-30T18:29:15","slug":"wie-sollten-die-kosten-fur-erfolglose-ki-experimente-aufgeteilt-werden","status":"publish","type":"post","link":"https:\/\/www.itsvalue.com\/de\/how-should-the-costs-of-unsuccessful-ai-experiments-be-allocated\/","title":{"rendered":"Wie sollten die Kosten f\u00fcr erfolglose KI-Experimente aufgeteilt werden?"},"content":{"rendered":"

Die Kosten f\u00fcr erfolglose KI-Experimente sollten danach aufgeteilt werden, wer die Initiative ergriffen hat, wer von den gewonnenen Erkenntnissen profitiert hat und welche Kostenkategorie der Art der Arbeit am besten entspricht. Die meisten Unternehmen behandeln die Kosten f\u00fcr KI-Experimente als Betriebsausgaben und verteilen sie auf die Gesch\u00e4ftsbereiche oder Technologiefunktionen, die das Projekt gef\u00f6rdert haben. In den folgenden Abschnitten werden die zentralen Fragen erl\u00e4utert, die eine solide Zuordnungsstrategie pr\u00e4gen \u2013 von der buchhalterischen Klassifizierung bis hin zur Gestaltung der Governance.<\/p>\n

Warum ist es so schwierig, die Kosten f\u00fcr KI-Experimente zuzuordnen?<\/h2>\n

Die Kosten f\u00fcr KI-Experimente lassen sich nur schwer zuordnen, da sich die damit verbundene Arbeit nicht eindeutig in herk\u00f6mmliche Kostenkategorien einordnen l\u00e4sst. Im Gegensatz zu einer Softwarelizenz oder einem Server-Rack liefert ein KI-Experiment ungewisse Ergebnisse, erstreckt sich \u00fcber mehrere Teams und schafft oft einen indirekten oder erst sp\u00e4ter zum Tragen kommenden Mehrwert. Scheitert das Experiment, gibt es keinen Verm\u00f6genswert, der aktiviert werden k\u00f6nnte, kein Produkt, das abgeschrieben werden m\u00fcsste, und keinen eindeutigen Verantwortlichen, dem die Kosten in Rechnung gestellt werden k\u00f6nnten.<\/p>\n

Mehrere strukturelle Faktoren versch\u00e4rfen das Problem. Erstens beinhalten KI-Projekte in der Regel gemeinsam genutzte Infrastruktur wie Cloud-Rechenleistung, Datenplattformen und Tools, die gleichzeitig mehreren Initiativen dienen. Eine genaue Aufteilung dieser Kosten erfordert Verfahren zur Kennzeichnung und Zuordnung, die viele Unternehmen noch nicht etabliert haben. Zweitens sind die beteiligten Teams \u2013 Dateningenieure, Datenwissenschaftler, Gesch\u00e4ftsanalysten und IT-Architekten \u2013 unterschiedlichen Kostenstellen zugeordnet, sodass die Personalkosten standardm\u00e4\u00dfig \u00fcber das gesamte Unternehmen verteilt sind.<\/p>\n

Drittens, und das ist vielleicht der wichtigste Punkt, ist die Verantwortlichkeit f\u00fcr KI-Experimente oft von vornherein unklar. Ein Gesch\u00e4ftsbereich schl\u00e4gt m\u00f6glicherweise den Anwendungsfall vor, die IT-Abteilung betreibt die Infrastruktur, und ein zentrales KI-Team stellt das Fachwissen zur Modellierung bereit. Wenn das Experiment scheitert, hat jede Partei ein Interesse daran, zu argumentieren, dass die Kosten woanders anzusiedeln sind. Ohne ein im Voraus vereinbartes Modell zur Kostenzuordnung wird die Diskussion reaktiv und politisch statt rational.<\/p>\n

Sollten fehlgeschlagene KI-Experimente als CapEx oder OpEx behandelt werden?<\/h2>\n

Fehlgeschlagene KI-Experimente werden fast immer als Betriebsausgaben und nicht als Investitionsausgaben behandelt. Um Kosten zu aktivieren, muss ein Unternehmen nachweisen k\u00f6nnen, dass der Verm\u00f6genswert k\u00fcnftigen wirtschaftlichen Nutzen generieren wird. Ein gescheitertes Experiment bringt per Definition keinen einsetzbaren Verm\u00f6genswert hervor, sodass die buchhalterischen Voraussetzungen f\u00fcr eine Aktivierung nicht gegeben sind. Die Kosten werden in der Periode, in der sie anfallen, in der Gewinn- und Verlustrechnung erfasst.<\/p>\n

Es gibt eine Nuance, die es zu beachten gilt. Einige Unternehmen f\u00fchren KI-Experimente in Phasen durch, wobei fr\u00fche Erkundungsarbeiten gem\u00e4\u00df den Rechnungslegungsvorschriften f\u00fcr Entwicklungsprojekte wie IAS 38 oder ASC 350 als OpEx und sp\u00e4tere Produktivierungsarbeiten als CapEx behandelt werden. Wird ein Experiment w\u00e4hrend der Erkundungsphase abgebrochen, stellt sich die Frage nach CapEx oder OpEx gar nicht erst. Wird es hingegen mitten in der Produktionsumsetzungsphase abgebrochen, m\u00fcssen alle zuvor aktivierten Entwicklungskosten abgeschrieben werden, was zu einem wesentlichen bilanziellen Ereignis f\u00fchren kann.<\/p>\n

F\u00fcr IT-Finanzmanager bedeutet dies in der Praxis, klare Phasengrenzen in die Steuerung von KI-Projekten einzubauen. Indem festgelegt wird, wann ein Projekt von der Explorationsphase in die Entwicklungsphase \u00fcbergeht, und diese Entscheidung dokumentiert wird, wird das Unternehmen vor unklaren Abschreibungen gesch\u00fctzt, und die Finanzteams erhalten die Informationen, die sie ben\u00f6tigen, um die Kosten von Anfang an korrekt zu verbuchen.<\/p>\n

Welche Kostenverteilungsmodelle eignen sich am besten f\u00fcr KI-Experimente?<\/h2>\n

Die effektivsten Kostenverteilungsmodelle f\u00fcr KI-Experimente sind solche, bei denen die Kosten dem Gesch\u00e4ftsbereich zugeordnet werden, der f\u00fcr den Anwendungsfall verantwortlich ist, w\u00e4hrend die Kosten f\u00fcr gemeinsam genutzte Infrastruktur proportional zum tats\u00e4chlichen Verbrauch verteilt werden. Ein direktes Chargeback-Modell funktioniert gut, wenn Gesch\u00e4ftsbereiche eine klare Tr\u00e4gerschaft f\u00fcr einzelne Experimente \u00fcbernehmen. Ein Showback-Modell, bei dem Kosten zwar ausgewiesen, aber nicht formell in Rechnung gestellt werden, eignet sich besser f\u00fcr Unternehmen, die noch dabei sind, KI-Kompetenz aufzubauen, und die nicht m\u00f6chten, dass finanzielle Reibungsverluste das Experimentieren behindern.<\/p>\n

Je nach Reifegrad der Organisation kommen drei Zuteilungsans\u00e4tze in Betracht:<\/p>\n