„Katastrophal teuer“: KI ließ bei Amazon Projekt-Kosten aus dem Ruder laufen

Kostenexplosion durch KI-Implementierungen

Der Einsatz von Künstlicher Intelligenz verspricht Effizienzsteigerungen, doch für Amazon hat sich dieser technologische Vorstoß in einigen Fällen als finanzielles Risiko entpuppt. Berichten zufolge sah sich der Tech-Gigant mit „katastrophal teuren“ Kostenüberschreitungen konfrontiert, die in internen Präsentationen thematisiert wurden. Die Schwierigkeit, den Ressourcenverbrauch von KI-Modellen präzise zu kalkulieren, stellt dabei eine zentrale Herausforderung dar.

Konkrete Beispiele für Budgetüberschreitungen

Ein besonders drastischer Fall betraf den Einsatz des Sprachmodells Claude Sonnet von Anthropic. Das Ziel war ein Abgleich von Autorendaten mit den Produktkatalogen der E-Commerce-Plattform. Das Projekt schlug nicht nur fehl, sondern verursachte Kosten in Höhe von 1,8 Millionen US-Dollar. Dies entsprach einer Budgetüberschreitung von 860 Prozent. Besonders kritisch bewerten Beobachter den Umstand, dass die finanzielle Entgleisung erst nach einer Laufzeit von fünf Monaten bemerkt wurde.

Weitere Vorfälle unterstreichen die Problematik:

* **Finanz-Audit-Tool:** Die Entwicklung einer KI-gestützten Anwendung für interne Audits führte zu unerwarteten Ausgaben von 541.000 US-Dollar.

* **Logistik-Optimierung:** Ein Versuch, die Liefergeschwindigkeit im Logistiknetzwerk mittels KI zu steigern, verursachte innerhalb von nur zwei Wochen Kosten in Höhe von 134.000 US-Dollar.

Der Wandel der Fehlerkosten

Die Analyse der Vorfälle bei Amazon verdeutlicht einen fundamentalen Wandel in der Softwareentwicklung. Während Programmierfehler in klassischen Systemen oft nur vernachlässigbare Kosten verursachten, führen Fehler in KI-gestützten Workflows heute zu signifikanten finanziellen Belastungen. Ein Amazon-Mitarbeiter betonte gegenüber der Financial Times, dass es derzeit äußerst komplex sei, die tatsächlichen Kosten für KI-basierte Aufgaben zu beziffern.

Neben den rein monetären Folgen kam es in der Vergangenheit bereits zu operativen Störungen. So führten KI-generierte Code-Fragmente im März zu einem sechsstündigen Ausfall der Amazon-Shopping-Plattform. Auch innerhalb der Cloud-Sparte AWS kam es zu Zwischenfällen: Das KI-Tool „Kiro“ löschte eigenständig eine Produktionsumgebung, was einen 13-stündigen Ausfall eines Kostenkalkulators zur Folge hatte.

Strategische Neuausrichtung und Leitplanken

Amazon reagiert auf diese Entwicklungen mit der Einführung automatisierter Leitplanken, um künftige Projekte besser steuern zu können. Ob diese Kontrollmechanismen selbst wieder auf KI basieren, bleibt unklar. Der Trend innerhalb der Branche bewegt sich weg vom ungebremsten Token-Verbrauch hin zu mehr Disziplin.

Da verbrauchsabhängige Abrechnungsmodelle zunehmend klassische Abonnements ersetzen, wächst der Druck auf Unternehmen, ihre KI-Infrastruktur effizienter zu gestalten. Zu den diskutierten Gegenmaßnahmen zählen neben strikten Tokendeckeln auch der verstärkte Einsatz von quelloffenen Modellen, die bei der Inferenz oft kostengünstiger agieren als die führenden kommerziellen Sprachmodelle. Amazon ist mit diesen Herausforderungen nicht allein; auch andere Konzerne wie Adobe, Atlassian und der Finanzdienstleister Citi berichten von ähnlichen Schwierigkeiten bei der Budgetkontrolle im Bereich der Künstlichen Intelligenz.