Gartner: KI-Coding-Kosten übersteigen Entwicklergehälter bis 2028

Es gibt eine alte Geschichte über die Londoner Gaslaternen: Als sie erstmals aufgestellt wurden, zahlten Hausbesitzer eine Pauschalgebühr – und die halbe Stadt ließ sie tagsüber brennen. Dann kam der Zähler, und plötzlich konnte es sich niemand mehr leisten, einen Hausflur zu beleuchten. KI-Coding-Tools erleben gerade ihren Zähler-Moment, und die Rechnung am Monatsende wird manchem CFO den Kaffee verschlagen.

Bis 2028 wird laut Gartner die jährliche KI-Coding-Ausgabe pro Entwickler das Gehalt dieses Entwicklers übersteigen. Man muss das kurz auf sich wirken lassen: Das Werkzeug kostet mehr als die Person, die es bedient.

Die Zahlen

Die Prognose lässt sich auf eine Serviette schreiben: Steigender Token-Verbrauch großer Sprachmodelle plus die branchenweite Umstellung von sitzplatzbasierter auf verbrauchsbasierte Lizenzierung ergibt eine Kostenlinie, die schließlich die Lohnsumme übertrifft. Gartners Nitish Tyagi, Senior Principal Analyst, formulierte den Wandel unverblümt: „Organisationen wechseln rasch von der Experimentierphase zur skalierten Nutzung von KI-Coding-Agenten, unterschätzen dabei aber die finanziellen Auswirkungen des steigenden Token-Verbrauchs."

Token sind – für alle, die seit der Einführung von ChatGPT unter einem Stein gelebt haben – die Dateneinheiten, die von generativen KI-Modellen verarbeitet werden. Bei verbrauchsbasierter Abrechnung ist jede Eingabe, jedes Kontextfenster, jeder Wiederholungsversuch, jede autonome Agentenschleife ein Dreher am Zähler. Und der Zähler läuft, egal ob das Ergebnis in die Produktion gelangt oder nicht.

Der Vergleich mit den Londoner Gaslaternen passt erschreckend gut. Sitzplatzbasierte Preisgestaltung war die Pauschalgebühr: vorhersehbar, gedeckelt, gelegentlich verschwenderisch, aber begrenzt. Verbrauchsbasierte Preisgestaltung ist der Zähler: in der Theorie wirtschaftlich rational, in der Praxis katastrophal, wenn niemand im Haus weiß, wie man das Licht ausschaltet.

Tyagis zweite Warnung trifft den Kern: „Token-Disziplin entsteht nicht allein durch die Entscheidung der Entwickler, denn Entwickler optimieren tendenziell auf Geschwindigkeit und Bequemlichkeit statt auf Kosteneffizienz." Wer schon einmal gesehen hat, wie ein Ingenieur eine gesamte Codebasis in ein Chat-Fenster einfügt, um eine einzeilige Frage zu stellen, weiß genau, was damit gemeint ist. Das Verhalten ist auf individueller Ebene rational. Auf Organisationsebene ist es ruinös.

Das dritte Zitat sollte in jedem Büro eines VP of Engineering an der Wand hängen: „Ohne ein geregeltes Engineering-Betriebsmodell können die Kosten schneller eskalieren als die Produktivitätsgewinne, die diese Tools erzielen sollen." Übersetzt: Man kann am Ende mehr für die KI bezahlen als man durch ihren Einsatz spart – und das Controlling merkt es erst in Q4.

Der Gehaltsvergleich ist auch keine Übertreibung. Es ist die direkteste Art, wie Gartner hätte sagen können: „Ihre Einheitswirtschaft ist kaputt, und Sie wissen es noch nicht."

Was wirklich neu ist

Zunächst das Langweilige: Mehr für Werkzeuge als für Menschen zu zahlen ist nicht neu. Bloomberg-Terminals, Quant-Infrastruktur, GPU-Cluster, Salesforce-Lizenzen für große Vertriebsorganisationen – all das übersteigt in bestimmten Branchen regelmäßig die Pro-Kopf-Gehälter. Die schockierende Schlagzeile leistet also etwas Arbeit.

Was wirklich neu ist, ist die Form der Kostenkurve. Historisch gesehen war Entwickler-Tooling eine Stufenfunktion: Lizenz kaufen, voll ausnutzen, Grenzkosten für zusätzliche Nutzung nahe null. Jetzt sind die Grenzkosten jeder zusätzlichen Anfrage real, variabel und laut Gartner intransparent. „Viele Anbieter bieten keine Transparenz darüber, wie der Token-Verbrauch berechnet und abgerechnet wird", heißt es in der Mitteilung – eine höfliche Umschreibung dafür, dass der Zähler hinter einer verschlossenen Klappe sitzt.

Das zweite wirklich Neue ist die Agentenautonomie. Wenn ein Entwickler eine Eingabe macht, ist ein Mensch im Loop mit einem groben Kostengefühl. Wenn ein Agent einen mehrstufigen Workflow ausführt (planen, abrufen, generieren, prüfen, wiederholen), kann die Schleife tausende Male iterieren, bevor es jemand bemerkt. Gartner benennt ausdrücklich „ungezügelte Autonomie in agentengesteuerten Workflows" und „aufgeblähte Kontextfenster" als die primären Kostenlecks. Das ist der Unterschied zwischen dem Anlassen einer Gaslaterne und dem Beleuchten der gesamten Straße für eine Woche.

Das dritte neue Element ist die Nachfrageseite. Tyagis Prognose, dass „Gelegenheitsnutzer voraussichtlich rasch zu Hauptnutzern werden, wenn Vertrautheit und Abhängigkeit zunehmen", bedeutet: Die interne Pro-Kopf-Verbrauchsbasis, die 2026 festgelegt wurde, ist 2027 bereits wertlos. Die Pilotnutzer sind die günstigen. Die Nachzügler werden, sobald sie sich eingelebt haben, mehr verwenden, nicht weniger.

Auf der Angebotsseite steigen die Modellpreise selbst, anstatt zu sinken. „KI-Coding-Kosten werden weiter steigen, da Infrastrukturinvestitionen und Rentabilitätsprobleme den Modelpreisdruck erhöhen", sagte Tyagi. Das widerspricht der optimistischen Annahme, dass Inferenzkosten einem Mooreschen-Gesetz-ähnlichen Rückgang folgen. Bei Frontier-Modellen gilt das möglicherweise nicht. GPU-Verfügbarkeit, Energiekosten und Margendruck der Anbieter wirken in die entgegengesetzte Richtung. Die OpenAI-Preisseiten und vergleichbare Quellen sollten inzwischen wie ein Anleiheprospekt gelesen werden.

Was bei der KI-Entwicklung bereits eingepreist ist

Wer aufmerksam war, wusste bereits, dass verbrauchsbasierte Preisgestaltung kommen würde. Das sitzplatzbasierte Modell ergab nie Sinn für Funktionen, bei denen die Nutzung zwischen Anwendern um zwei Größenordnungen variiert. Anbieter haben den Wandel seit über einem Jahr angekündigt. Dieser Teil ist eingepreist.

Was nach meiner Erfahrung in Gesprächen mit Engineering-Leitern nicht eingepreist ist, ist die Governance-Schuld. Die meisten Teams betreiben Copilot-ähnliche Tools ohne Kostentransparenz auf Entwicklerebene, ohne Budget pro Repository, ohne Benachrichtigung, wenn der Token-Verbrauch bei einem bestimmten Branch ansteigt. Die MCP-Spezifikation liefert die Rohrleitungen für die Agentenintegration, aber niemand liefert bisher eine fertige FinOps-Schicht für Coding-Agenten. Gartner bestätigt das: „KI-Coding-Anbieter haben noch keine ausgereiften, integrierten Kostenoptimierungsfunktionen bereitgestellt."

Ebenfalls unterbewertet: die politischen Kosten einer Rücknahme von Autonomie. Wenn man seinen Ingenieuren einmal gesagt hat „lass den Agenten die volle Schleife laufen, es ist schneller", fühlt sich die Rücknahme zu „leite einfache Aufgaben an kleinere Modelle weiter, eskaliere zu Frontier-Modellen nur wenn nötig" wie eine Degradierung sowohl für den Entwickler als auch für das Werkzeug an. Tyagis Empfehlung, Aufgaben in entwicklergeführt, entwickler-mit-agent und vollständig agentengeführt zu klassifizieren, ist in der Theorie einfach. In der Praxis bedeutet es, Senior-Ingenieuren zu sagen, dass sie nicht einfach einen Claude Opus-Aufruf abfeuern dürfen, um eine Variable umzubenennen.

Was im aktuellen Diskurs überbewertet ist: die Panik. Niemandes Lohnsumme wurde letztes Jahr ersetzt, und niemandes Lohnsumme wird sich nächstes Jahr verdoppeln. Dies ist eine Fünf-Jahres-Geschichte über Einheitswirtschaft, kein Q3-Notfall. Teams, die es als FinOps-Problem in Zeitlupe behandeln – so wie Cloud-Ausgaben um 2015 eines wurden –, werden gut abschneiden.

Die Gegenmeinung

Hier ist das Argument der anderen Seite. Wenn KI-Coding-Kosten bis 2028 wirklich Entwicklergehälter übersteigen, dann gilt entweder (a) die Produktivitätsgewinne rechtfertigen es, in welchem Fall es egal ist, oder (b) sie tun es nicht, in welchem Fall der Markt korrigiert und die Preise sinken. Gartners Prognose setzt stillschweigend voraus, dass Anbieter die Preise weiter anheben können, ohne dass Nachfrageelastizität einsetzt. Das ist eine große Annahme.

Die Open-Source-Ausstiegsluke ist ebenfalls real. Wenn die API-Kosten für Frontier-Modelle hoch genug steigen, werden selbst gehostete Modelle auf Hugging Face-Infrastruktur für einen großen Anteil der Coding-Aufgaben wirtschaftlich rentabel. Nicht für die schwierigen. Aber für die „Benenne diese Funktion in 40 Dateien um"-Aufgaben? Ein quantisiertes 7B-Modell auf einem einzelnen H100 kann das den ganzen Tag für die Kosten des Stroms erledigen.

Meine ehrliche Einschätzung: Gartner hat mit dem Druck grundsätzlich recht und liegt mit dem Zeitplan wahrscheinlich falsch. Unternehmen werden das in den Budgetzyklen 2027 spüren, werden 2028 in Panik geraten, und bis 2029 wird es eine ausgereifte FinOps-für-KI-Kategorie geben, bei der Anbieter um Kostentransparenz konkurrieren, wie Cloud-Anbieter es letztendlich getan haben. Der Schmerz ist real. Der Gehalt-Kreuzungspunkt könnte eine Schlagzeile sein, die genau das nie eintritt, weil Governance zuerst eintrifft.

Wichtigste Erkenntnisse

• Gartners Kernprognose: KI-Coding-Kosten werden bis 2028 das durchschnittliche Entwicklergehalt übersteigen, getrieben durch das Wachstum des Token-Verbrauchs und den Wechsel zu verbrauchsbasierter Preisgestaltung.
• Die primären Kostenlecks sind ungezügelte Agentenautonomie, aufgeblähte Kontextfenster und kein strukturierter Feedback-Loop zur Nutzungsoptimierung. Alle drei sind Governance-Probleme, keine Tooling-Probleme.
• Arbeit nach Komplexität zuweisen. Kleine Modelle für häufige einfache Aufgaben, Frontier-Modelle nur wenn die Aufgabe es erfordert. Intelligentes Model-Routing ist die wirkungsvollste Kostenkontrolle.
• Token-Nutzungsprüfungen in Sprint-Retrospektiven einbauen. Wenn es nicht auf der gleichen Seite wie Velocity und Fehlerrate steht, wird es nicht verwaltet.
• Anbieter-Transparenz ist noch schwach. Bis integrierte Kostenoptimierung ausgereift ist, müssen Engineering-Leiter eigene Dashboards, Schwellenwerte und Eskalationsrichtlinien aufbauen. Niemand liefert das für Sie.

Zurück zu den Gaslaternen. Die Stadt, die sich an den Zähler anpasste, tat das nicht, indem sie die Laternen herausriss. Sie tat es, indem sie den Menschen beibrachte, den Schalter umzulegen. Die Engineering-Organisationen, die 2028 überleben, werden diejenigen sein, die Token-Verbrauch wie Strom behandelt haben: gemessen, überwacht und respektiert. Diejenigen, die das nicht tun, werden Gartner-Berichte über sich selbst lesen.