Amazon hat nach eigenen Angaben mehrere KI-Projekte mit drastischen Kostenüberschreitungen identifiziert. Ein Vorhaben, das mithilfe von Anthropics Sprachmodell Claude Sonnet Autoren- mit Produktdaten abgleichen sollte, kostete 1,8 Millionen Dollar und überschritt sein Budget um 860 Prozent – der Fehlbetrag fiel erst nach fünf Monaten auf. Das Projekt lieferte am Ende kein brauchbares Ergebnis.
Drei KI-Projekte überziehen ihre Budgets deutlich
Bei einem internen Meeting am 28. Juli 2026, über das zuerst die Financial Times berichtete, legten Amazons leitende Ingenieure ihren Kolleginnen und Kollegen mehrere Fälle offen und bezeichneten die Ergebnisse als „katastrophal teuer”. Im größten Fall sollte Claude Sonnet doppelte oder falsch zugeordnete Autoreneinträge im Produktkatalog erkennen und mit den Einträgen auf der E-Commerce-Website abgleichen; die Kosten summierten sich auf 1,8 Millionen Dollar bei einer Budgetüberschreitung um 860 Prozent. Das zuständige Team hatte schrittweise handgeschriebenen Code durch KI-generierte Abfragen ersetzt, ohne die dabei nutzungsabhängig abgerechneten Token-Kosten laufend zu überwachen oder ein Ausgabenlimit festzulegen.
Bei einem Werkzeug zur Finanzprüfung fielen zusätzlich 541.000 Dollar an unvorhergesehenen Kosten an. Ein drittes Projekt, das Lieferzeiten im Logistiknetzwerk verkürzen sollte, verursachte 134.000 Dollar an ungeplanten Ausgaben – hier fiel der Fehler bereits nach rund zwei Wochen auf, beim Sonnet-Projekt hingegen erst nach fünf Monaten. Betroffen waren nur wenige Teams innerhalb der rund 300.000 Beschäftigten zählenden Amazon-Unternehmenssparte.
Amazon baut automatisierte Kostenkontrollen für KI-Projekte auf
Ursache der Überschreitungen sei die nutzungsabhängige Abrechnung moderner KI-Modelle: Programmfehler, die bei klassischem Code praktisch kostenlos zu beheben gewesen wären, könnten unter KI-Systemen schnell mehrere Hunderttausend Dollar verschlingen. Ein Amazon-Verantwortlicher räumte gegenüber den Kolleginnen und Kollegen ein: „Es ist schwierig herauszufinden, was KI-Nutzung im Einzelfall tatsächlich kostet.”
Amazon hatte zuvor eine interne Rangliste betrieben, die Beschäftigte nach ihrem KI-Tool-Verbrauch einstufte, und diese im Mai 2026 abgeschaltet, weil sie unbeabsichtigt zum reinen Token-Verbrauch anstachelte, statt Kosten zu sparen. Nun arbeiten die zuständigen Ingenieure an automatisierten Kontrollmechanismen mit festen Ausgabenobergrenzen und verpflichtenden Prüfungen durch Kolleginnen und Kollegen, die durchlaufende Kosten künftig frühzeitig stoppen sollen. Geplant sind unter anderem automatisierte Warnmeldungen bei ungewöhnlichem Kostenanstieg sowie eine verpflichtende interne Freigabe, bevor ein Team von klassischem Code auf KI-gestützte Verfahren umsteigt. Auch andere Konzerne wie Tesla, Uber, Meta und Walmart haben ihren Mitarbeitenden zuletzt feste Obergrenzen für KI-Ausgaben gesetzt, nachdem ähnliche Probleme aufgefallen waren.
Amazon widerspricht der Darstellung als Regelfall
Ein Amazon-Sprecher wies gegenüber der Financial Times zurück, dass die geschilderten Fälle den üblichen Umgang mit KI-Ausgaben im Konzern widerspiegelten, und bezeichnete sie als Einzelfälle. Der Bericht erscheint wenige Tage nach Amazons Quartalszahlen vom 30. Juli 2026, in denen der Konzern sein Investitionsbudget für 2026 auf rund 200 Milliarden Dollar bezifferte – größtenteils für KI- und Rechenzentrums-Infrastruktur. Amazon hatte zugleich zuletzt Zehntausende Stellen im Konzern gestrichen; Konzernchef Andy Jassy verwies dabei wiederholt auf künftige Effizienzgewinne durch KI, während das Unternehmen zugleich betont, KI sei nicht der Hauptgrund der meisten Kürzungen gewesen. Das Kostenproblem ist branchenweit bekannt: Erst kürzlich hatte OpenAI-Finanzchefin Sarah Friar öffentlich eingeräumt, dass viele Unternehmen den wirtschaftlichen Nutzen ihrer KI-Ausgaben nur schwer beziffern können.
Offen bleibt, ob die angekündigten Ausgabenobergrenzen ausreichen, um ähnliche Fehlkalkulationen zu verhindern, oder ob Amazon damit lediglich Symptome eines branchenweiten Problems mit der nutzungsabhängigen KI-Abrechnung behandelt. Entscheidend wird, ob sich die milliardenschweren KI-Investitionen der kommenden Quartale in nachweisbaren Effizienzgewinnen niederschlagen.
