Uber begrenzt KI-Ausgaben der Mitarbeiter auf 1.500 US-Dollar pro Seat nach Budgetüberschreitung

Uber forderte seine Entwickler auf, künstliche Intelligenz so intensiv wie möglich zu nutzen. Man verwandelte die Nutzung sogar in einen Wettbewerb.

Vier Monate später war das gesamte Jahresbudget verbraucht.

Laut TechCrunch hat Uber sein jährliches AI-Budget in etwa einem Drittel des Jahres aufgebraucht und dann schnell eine Obergrenze gesetzt. Das Unternehmen hatte die Mitarbeiter dazu angehalten, AI-Coding-Tools intensiv zu nutzen, und Teams untereinander nach Nutzungsintensität einzustufen. Die Mitarbeiter haben genau das getan, worum man sie gebeten hatte. Die Rechnung hat genau das getan, was man erwarten würde.

Was diese Sache zu mehr als einem witzigen internen Memo macht, ist, wer es gesagt hat und was gesagt wurde. Ubers Präsident und Chief Operating Officer (COO) Andrew Macdonald hat öffentlich infrage gestellt, ob die Ausgaben sich auszahlen, und in einem Podcast erklärt, es sei "sehr schwer, eine Verbindung" zwischen der stark gestiegenen AI-Nutzung des Unternehmens und irgendetwas Neuem herzustellen, das seine Kunden spüren könnten. Wenn der Betriebsleiter des Unternehmens die Ausgaben nicht mit dem Produkt verknüpfen kann, sollte jeder CEO, der das verfolgt, aufmerksam sein.

Wie ein Leaderboard ein Jahresbudget verbrannte

Das Setup klingt auf dem Papier vernünftig. Die Mitarbeiter schnell mit AI vertraut machen, die Hürden senken, die Intensivnutzer feiern. Die Einführung ist der schwierige Teil jeder neuen Technologie, warum sie also nicht spielerisch gestalten.

Wichtige Fakten

• Uber hat sein gesamtes AI-Jahresbudget in etwa vier Monaten aufgebraucht, was intern rund im April 2026 bekannt wurde. (TechCrunch, Juni 2026)
• Das Unternehmen setzte eine neue Obergrenze von 1.500 US-Dollar pro Mitarbeiter und Monat für jedes agentische Coding-Tool, einschließlich Claude Code und Cursor, verfolgt über ein internes Dashboard mit genehmigungspflichtigen Ausnahmen. (TechCrunch)
• Die Überschreitung folgte auf einen internen Anstoß, AI "so viel wie möglich" zu nutzen, wobei Teams auf Nutzungs-Leaderboards gegeneinander eingestuft wurden. (TechCrunch)

Das Problem liegt darin, was das Leaderboard tatsächlich belohnt hat. Es hat Verbrauch belohnt. Nicht Output, kein ausgeliefertes Feature, keine schnellere Veröffentlichung, keinen zufriedeneren Kunden. Nur verbrauchte Tokens. Die Kennzahl stieg also nach oben, das Budget leerte sich, und niemand konnte auf der anderen Seite des Buches auf einen entsprechenden Haufen Mehrwert zeigen.

Das eigentliche Problem ist nicht die Rechnung, sondern das fehlende ROI

Es wäre einfach, das unter "AI ist teuer" abzuhaken und weiterzumachen. Das würde die Lektion verpassen.

Die Kosten der zugrunde liegenden Tools sind tatsächlich gesunken. Das Problem ist, dass agentische Tools, die in einer Schleife planen und handeln, weit mehr Tokens pro Aufgabe verbrauchen als ein einfacher Chatbot-Prompt, sodass die Nutzung schnell skaliert und die Rechnung mit ihr. Ubers eigene Geschichte zeigt dieselbe Lücke, auf die viele Unternehmen jetzt stoßen: Die Ausgaben sind real und steigen, während das ROI hartnäckig schwer zu benennen bleibt. Das ist dieselbe Diskrepanz, die dahinter steckt, warum KI-Rechnungen im Unternehmen weiter steigen, obwohl Token-Preise fallen.

Wenn Ihr COO sagt, die Verbindung zwischen AI-Nutzung und Kundennutzen sei "noch nicht da", ist das keine Klage über Preise. Es ist ein Messproblem. Das Unternehmen hat das optimiert, was es sehen konnte (Nutzung), statt das, was es tatsächlich wollte (Ergebnisse), weil Nutzung leicht zu zählen und Ergebnisse schwer sind. Das ist genau die Falle, die AI von einer Investition in einen nicht gemessenen Kostenfaktor verwandelt, der nie als ROI auftaucht. Die Lösung ist kein kleineres Budget. Die Lösung ist eine bessere Frage.

Warum "Nutze es so viel wie möglich" die falsche Anweisung ist

Einführung ist ein Mittel, kein Zweck. Der Sinn eines AI-Tools ist ein besseres Ergebnis zu geringeren Kosten, keine höhere Nutzungszahl. In dem Moment, in dem Sie Nutzung zum Ziel machen, garantieren Sie drei Dinge: Die Ausgaben steigen, die intensivsten Nutzer sehen unabhängig von ihrem Output wie die besten Performer aus, und Sie verlieren die Fähigkeit, einen produktiven Dollar von einem verschwendeten zu unterscheiden.

Ein Nutzungs-Leaderboard ist eine Einführungsmetrik im Gewand einer Wertmetrik. Es fühlt sich nach Fortschritt an, weil der Chart steigt. Aber ein Vertriebsteam wird nicht danach beurteilt, wie viele Anrufe es tätigt, sondern nach Umsatz. Eine AI-Einführung verdient denselben Maßstab. Wenn Sie die Tokens nicht mit einem Ergebnis verknüpfen können, messen Sie keine Produktivität. Sie messen Begeisterung, und Begeisterung ist nicht kostenlos.

Das ist auch der Grund, warum das breitere Muster von AI-Investitionen, die keine klare Rendite liefern, sich immer wiederholt. Die Technologie funktioniert. Die Governance darum herum nicht.

Das AI-Cost-Governance-Playbook

Sie müssen Ihre AI-Einführung nicht verlangsamen, um sie zu kontrollieren. Sie brauchen von Anfang an Leitplanken, nicht erst wenn das Budget aufgebraucht ist. Fünf Maßnahmen für jeden CEO, der dieses Jahr AI-Tools finanziert.

Legen Sie Per-Seat- und Per-Tool-Budgets fest, bevor Sie skalieren, nicht danach. Ubers Obergrenze kam nach dem Geldausgeben. Richten Sie eine Obergrenze und ein Dashboard in der Pilotphase ein, damit die Ausgaben sichtbar und begrenzt sind, solange sie noch klein sind. Das ist gewöhnliche Kostendisziplin, angewandt auf eine neue Budgetlinie, nichts Exotisches.

Belohnen Sie Ergebnisse, niemals den bloßen Verbrauch. Schaffen Sie das Verbrauch-Leaderboard ab. Wenn Sie etwas feiern wollen, feiern Sie ein ausgeliefertes Feature, eine schnellere Durchlaufzeit, ein abgefangenes Support-Ticket, einen abgeschlossenen Deal. Verknüpfen Sie Anerkennung mit Ergebnissen, damit der Anreiz auf Mehrwert statt auf Volumen zeigt.

Koppeln Sie jede Ausweitung an eine echte ROI-Prüfung. Bevor Sie den Zugang erweitern oder eine Obergrenze anheben, verlangen Sie eine einfache Antwort auf eine Frage: Was hat der letzte Dollar gebracht? Wenn niemand es benennen kann, haben Sie Ihr Problem gefunden, bevor es sich potenziert, was genau ein disziplinierter Jahresplanungszyklus an die Oberfläche bringen soll.

Machen Sie AI-Ausgaben zu einer festen Budgetlinie mit einem Verantwortlichen. Behandeln Sie sie wie jeden anderen wesentlichen Kostenfaktor. Eine Person besitzt die Zahl, berichtet darüber und antwortet für das Verhältnis von Ausgaben zu Ergebnis. AI-Kosten können nicht in der Lücke zwischen IT und Finanzen sitzen, wo niemand sie beobachtet, was dieselbe Governance-Lücke ist, die solche Überraschungen ermöglicht.

Gehen Sie davon aus, dass die Nutzung steigen wird, und planen Sie die Kurve. Agentische Tools werden mehr genutzt, je mehr die Mitarbeiter ihnen vertrauen. Das ist Erfolg, kein Scheitern, aber nur wenn Sie es vorhersagen. Modellieren Sie die Ausgabenkurve so, wie Sie Headcount oder Cloud modellieren würden, damit das Wachstum eine Entscheidung ist, die Sie getroffen haben, und keine Rechnung, die Sie überrascht.

Uber ist keine Warnung, weil es zu viel für AI ausgegeben hat. Es ist eine Warnung, weil es ohne eine Möglichkeit ausgegeben hat zu wissen, ob die Ausgaben gewirkt haben, und es einen geplatzten Budget brauchte, um die Kontrollen einzuführen. Die Unternehmen, die das nächste Jahr mit AI gewinnen werden, sind nicht diejenigen, die die meisten Tokens verbrauchen. Sie werden diejenigen sein, die Ihnen auf den Dollar genau sagen können, was diese Tokens gebracht haben. Bauen Sie diese Antwort auf, bevor Sie die Ausgaben skalieren.

Häufig gestellte Fragen

Warum hat Uber die KI-Ausgaben der Mitarbeiter gedeckelt?

Uber hat sein gesamtes AI-Jahresbudget in etwa vier Monaten aufgebraucht, nachdem die Mitarbeiter aufgefordert worden waren, AI-Coding-Tools intensiv zu nutzen, und Teams nach Nutzung eingestuft worden waren. Das Unternehmen setzte dann eine Obergrenze von 1.500 US-Dollar pro Mitarbeiter und Monat für jedes agentische Coding-Tool, verfolgt über ein internes Dashboard, um die Ausgaben wieder unter Kontrolle zu bringen.

Was ist die Lektion für CEOs aus Ubers AI-Budgetüberschreitung?

Die Gefahr liegt im Anreiz, nicht im Preis. Den bloßen Verbrauch zu belohnen, treibt Ausgaben, ohne Mehrwert zu beweisen. CEOs sollten Per-Seat-Budgets und Dashboards vor der Skalierung einrichten, Ergebnisse statt Verbrauch belohnen und jede Ausweitung an eine klare ROI-Prüfung koppeln.

Warum steigen AI-Rechnungen, obwohl Token-Preise fallen?

Weil agentische AI-Tools in mehrstufigen Schleifen planen und handeln, die weit mehr Tokens pro Aufgabe verbrauchen als ein einzelner Chatbot-Prompt. Mit zunehmendem Vertrauen und steigender Nutzung wächst der Verbrauch schneller, als die Token-Preise fallen, sodass die Gesamtrechnung steigt, es sei denn, ein Unternehmen budgetiert und misst seine AI-Ausgaben aktiv.

Quelle: TechCrunch, 2. Juni 2026 | Fortune, 26. Mai 2026