Struktur spart KI-Kosten: Warum euer Markenwissen ein System braucht.

Laut einem aktuellen KPMG-Report hat nur ein Drittel der Unternehmen einen vollen Überblick über die eigenen KI-Kosten. Aus eigener Projekterfahrung mit KI weiß ich: Es liegt selten an der KI. Es liegt daran, wie das Wissen strukturiert ist, mit dem sie arbeitet. 

»Ein Drittel.« Diese Zahl blieb bei mir hängen, als ich über den KPMG-Report »Global AI Pulse Q2 2026« stolperte. Nur ein Drittel der befragten Unternehmen hat laut Report einen umfassenden Überblick über die eigenen KI-Kosten. 42 Prozent sehen nur einen Teil der Kosten. Der Rest merkt es erst bei der Rechnung – oder gar nicht. 

Fast die Hälfte der befragten Unternehmen hat den Einsatz eines KI-Agenten schon einmal überdacht, weil dessen Kosten den Nutzen überstiegen. Aus eigener Projekterfahrung mit KI weiß ich: Es liegt selten an der KI selbst. Es liegt daran, wie das Wissen strukturiert ist, mit dem sie arbeitet.

Das klingt nach einem KI-Problem. Ist es aber selten. 

Mehr Kontext ist nicht gleich mehr Wissen.

Jede Anfrage an ein KI-System wird in Tokens gemessen, kleinen Texteinheiten, aus denen sich Prompt, Kontext und Antwort zusammensetzen. Aber der Preis ist nur die Oberfläche. Entscheidend ist, wie präzise ein System überhaupt finden kann, was relevant ist. Ein zehnseitiges PDF verbraucht über 70 Prozent mehr Tokens als dieselbe Information in einer sauberen Markdown-Datei, vor allem, weil eingebettete Bilder und Formatierung mitverarbeitet werden, die inhaltlich nichts beitragen.

Mehr Inhalt ist nicht gleich mehr Kontext, und mehr Kontext ist nicht gleich mehr Wissen.
Oft bedeutet es nur mehr Rauschen, in dem ein System nach der richtigen Antwort sucht, und öfter danebengreift.

Was wir selbst gemessen haben.

Ich habe diesen Zusammenhang nicht nur beobachtet, sondern selbst getestet. In einem Projekt, bei dem größere Datenmengen strukturiert für eine KI-gestützte Auswertung aufbereitet wurden, war das Ergebnis vor allem eines: verlässlicher. Die KI fand die richtigen Informationen gezielter, statt in einem unübersichtlichen Dokumentenberg herumzuwühlen. Die niedrigeren Tokenkosten, bis zu 20 Prozent, und die kürzere Wartezeit kamen dabei quasi nebenbei mit. Die eigentliche Verbesserung war die Qualität der Antworten, nicht die Rechnung am Monatsende. 

Genau das ist der Kern unseres Markentresors. Wir strukturieren Unternehmenswissen nicht beliebig, sondern entlang des Positionierungsdesign-Ansatzes, mit unserer fast 35-jährigen Erfahrung in der strategischen Markenberatung: sechs Handlungsfelder, von Identität und Organisation über Leistung und Markt bis zu Profilierung und Kommunikation. Jedes Handlungsfeld wird zu einem eigenen Bereich im Markentresor, jede einzelne Erkenntnis zu einer eigenen, klar benannten Datei, nicht zu einem PDF-Bündel. Jede Datei folgt zusätzlich einer einheitlichen Notizstruktur, die das Wesentliche vorab zusammenfasst, bevor überhaupt der eigentliche Text gelesen werden muss. Ein KI-System findet dadurch gezielt, was eine Anfrage tatsächlich braucht, statt sich durch überflüssigen Kontext zu arbeiten, und liefert Antworten, die zum Unternehmen passen, statt zum Durchschnitt aller Trainingsdaten. 

Für Unternehmen heißt das im Alltag: Eure KI-Assistenten antworten mit eurem tatsächlichen Wissen statt mit dem Durchschnitt aller Trainingsdaten, das spart Korrekturschleifen und Nacharbeit. Das Wissen bleibt im Unternehmen erhalten, unabhängig davon, wer das Team irgendwann verlässt. Und weil jede Datei offen im Markdown-Format vorliegt, seid ihr an kein bestimmtes KI-Tool gebunden: Wechselt ihr das System, bleibt der Tresor bestehen. 

Wo die Herausforderungen wirklich liegen. 

Der KPMG-Report bestätigt etwas, das mich seit Längerem beschäftigt: Die Tokenkosten laufen nicht nur aus dem Ruder, weil KI zu teuer ist. Sie sind ein Symptom dafür, dass Wissen ungeordnet ins System gegeben wird, ohne klare Orientierung, was eigentlich relevant ist. Wer Budgets für KI-Nutzung plant, aber nicht weiß, wie strukturiert das Wissen dahinter liegt, löst das falsche Problem. Governance für KI-Kosten ist neu, das stimmt. Das Fundament, auf dem jede KI-Anfrage aufsetzt, ist es nicht. Wissen war schon vor der KI entweder geordnet oder es war es nicht, KI macht diesen Unterschied nur sichtbarer. 

Wie steht es um euer Wissen? Liegt es als durchsuchbare Struktur vor, mit der KI wirklich etwas anfangen kann, oder sammelt es sich weiter in PDFs und Ordnern, in denen jede KI-Anfrage zur Suche wird? 

Wenn ihr wissen wollt, wie ein solcher Einstieg für euer Unternehmen konkret aussehen könnte, und wie gut sich das tatsächlich umsetzen lässt: Lasst uns dazu ins Gespräch kommen. Ich zeige euch gern, wie wir dabei vorgehen.