Tomorrow - ein McKinsey Podcast

Wenn Einzelne plötzlich so viel KI nutzen, dass man über Token-Kosten spricht, ist das kein Alarmsignal. Es ist das Symptom einer Skalierungsphase. Im Podcast erklärt Sandra Durth, Partnerin bei McKinsey, warum sie diese Nutzer:innen „AI Super User" nennt: Wer neugierig genug ist, sich neue Tools wirklich anzueignen, baut genau die Fähigkeiten auf, die morgen den Unterschied machen. Genau darin sieht sie aktuell das eigentliche Investment. Für Unternehmen verschiebt sich damit die Frage: Es geht weniger darum, Nutzung zu begrenzen, als darum, individuelles Lernen in organisatorische Fähigkeit zu übersetzen. Das Gespräch zeigt, warum die Kosten dieser Nutzung leichter zu beziffern sind als ihr Wert — und warum Führung genau dort ansetzen muss. Diese Folge ist der dritte Teil unserer Miniserie „Die neue Ökonomie der KI".

Zu den weiteren Folgen:
Die neue Ökonomie der KI: Warum KI-Kosten trotz sinkender Preise explodieren
Die neue Ökonomie der KI: Rechnet sich der Agent?
See www.mckinsey.com/privacy-policy for privacy information

Im Podcast sprechen Daniel Rexhausen und Stefan Helmcke darüber, warum sich der Blick auf Klimatechnologien in den letzten Jahren grundlegend verschoben hat. Was früher vor allem unter Mission und Mandat lief, wird heute zunehmend als wirtschaftliche Chance gesehen. Viele Technologien sind bereits günstiger, schneller und teilweise auch besser als konventionelle Alternativen. Das Gespräch zeigt, warum sich die Diskussion heute weniger um das Ob dreht, sondern um Geschwindigkeit, Skalierung und industrielle Umsetzung. Für Unternehmen wird Nachhaltigkeit damit nicht nur zu einer gesellschaftlichen Aufgabe, sondern auch zu einer Frage von Wettbewerbsfähigkeit und P&L.
See www.mckinsey.com/privacy-policy for privacy information

Im Podcast sprechen Daniel Rexhausen und Stefan Helmcke darüber, warum sich der Blick auf Klimatechnologien in den letzten Jahren grundlegend verschoben hat. Was früher vor allem unter Mission und Mandat lief, wird heute zunehmend als wirtschaftliche Chance gesehen. Viele Technologien sind bereits günstiger, schneller und teilweise auch besser als konventionelle Alternativen. Das Gespräch zeigt, warum sich die Diskussion heute weniger um das Ob dreht, sondern um Geschwindigkeit, Skalierung und industrielle Umsetzung. Für Unternehmen wird Nachhaltigkeit damit nicht nur zu einer gesellschaftlichen Aufgabe, sondern auch zu einer Frage von Wettbewerbsfähigkeit und P&L.
See www.mckinsey.com/privacy-policy for privacy information

Die KI-Rechnung wird selten dort teuer, wo man hinschaut. Rund 72 Prozent der Kosten moderner KI-Systeme entstehen nicht beim Modell selbst, sondern in den Schritten dahinter. Wenn Anfragen weiterverarbeitet, wiederholt und überwacht werden. Genau das macht sie so tückisch: Sie bleiben lange unsichtbar, bis die Rechnung kommt. Im Podcast erklärt Thomas Elsner, Partner bei McKinsey, warum sich hier ein bekanntes Muster wiederholt: das der technischen Schulden, kurz Tech Debt. Wer diese Kosten nicht früh sichtbar macht, zahlt später doppelt. Elsner nennt das Phänomen Token Debt und zeigt vier konkrete Stellschrauben, mit denen sich der Spend in den Griff bekommen lässt. Eine zentrale Rolle spielt dabei ein sogenanntes AI Gateway, eine Art Schaltzentrale, die Anfragen automatisch zum günstigsten passenden Modell lenkt.
See www.mckinsey.com/privacy-policy for privacy information

Rund 93 Prozent der Unternehmen haben ihr KI-Budget im letzten halben Jahr überschritten. Und das, obwohl die Kosten pro Anfrage seit Chat GPT-4 um das rund 300-Fache gesunken sind. Im Podcast spricht Holger Hürtgen, Distinguished Partner bei McKinsey und Leiter von QuantumBlack in Deutschland, darüber, warum das kein Widerspruch ist, sondern ein bekanntes ökonomisches Muster: das Jevons-Paradox. Das besagt: Je günstiger eine Ressource wird, desto mehr wird sie genutzt. Die Gesamtkosten wachsen trotz sinkender Einzelpreise. Der promovierte Technomathematiker erklärt, wie Firmen KI künftig gezielt wie Kapital investieren und ab wann sich ein KI-Agent tatsächlich auszahlt.
See www.mckinsey.com/privacy-policy for privacy information