Ein aktueller Bericht der UBS analysiert eine zunehmende Zurückhaltung bei KI-Investitionen im Enterprise-Bereich. Basierend auf Gesprächen mit IT-Führungskräften seit Anfang Juni geben etwa sechzig Prozent der befragten Unternehmen an, ihre KI-Ausgaben durch entsprechende Maßnahmen zu drosseln. Im Fokus steht dabei die Optimierung des Token-Verbrauchs, der bei vielen Unternehmen aufgrund steigender Rechnungen und unklarer Rentabilität zu einem zentralen Kostenfaktor geworden ist. Finanzvorstände und Technikkonzerne prüfen zunehmend die Wirtschaftlichkeit ihrer KI-Projekte. Die Analysten Karl Keirstead, Timothy Arcuri und Taylor McGinnis von der UBS stufen diese Entwicklung als moderaten, aber erkennbaren Marktgegenwind ein. Die Auswirkungen variieren je nach Reifegrad der KI-Integration. Während einige Organisationen deutliche Bremsen anlegen, passen andere ihre Budgets weniger stark an, entweder weil sie frühe Implementierungsphasen durchlaufen oder weil sie eine klare ROI-Perspektive sowie strategische Innovationsziele verfolgen. Trotz der Drosselung betonen die Analysten, dass keine grundsätzliche Abkehr von KI-Deployment erfolgt. Sie charakterisieren die Situation als gesundes Marktphänomen, das auf eine reifere Geschäftsphase hindeutet. Besonders direkt betroffen von diesen Einsparungen dürften führende proprietäre KI-Modellanbieter wie OpenAI und Anthropic sein. Parallel zeichnen sich Vorteile für Open-Source- und chinesische Modelle ab, etwa DeepSeek, die von Unternehmen vor allem für nicht programmiernahe Anwendungsfälle nachgefragt werden. Der Branchenwandel zeigt sich zudem in der praktischen Umsetzung: Statt KI-Experimente zu fahren, konzentrieren sich IT-Abteilungen auf die effiziente Nutzung weniger Tools. Ein befragtes Unternehmen reduzierte seine interne KI-Landschaft von fünf auf zwei Systeme, um das jährliche Token-Budget nicht vorzeitig zu erschöpfen. Die Optimierung des Token-Einsatzes wandelt sich damit von einer reaktiven Kostenmaßnahme zu einer kontinuierlichen Ingenieurdisziplin. Um den Kostendruck zu bewältigen, setzt die Branche verstärkt auf token-effizientere Architekturen und spezialisierte Modelle. Anbieter wie Google mit Gemini 3.5 Flash oder Anthropic mit Claude Sonnet 5 heben explizit reduzierte Rechenanforderungen und höhere Effizienz hervor. Langfristig könnten zudem nächste Hardware-Generationen und optimierte Trainingsmethoden die Token-Kosten weiter senken. Die UBS bleibt daher zuversichtlich: Der aktuelle Korrekturprozess markiert keine Krisenphase, sondern die notwendige Konsolidierung einer schnell wachsenden Technologiebranche, die nun den Übergang von der Pionierphase zur produktiven Skalierung vollzieht.