Wenn KI nicht mehr nur eine Lizenz ist: Wie budgetieren wir Copilot und KI-Agenten 2027?

Wenn in Unternehmen über die Kosten von KI gesprochen wird, landet das Gespräch erstaunlich oft bei einer einzigen Frage: Was kostet die Lizenz pro Mitarbeiter? Ich glaube, diese Frage wird uns für die Planung 2027 nicht mehr reichen.

Bei Microsoft Copilot lässt sich gerade gut beobachten, wohin sich die wirtschaftliche Seite von Unternehmens-KI entwickelt. Neben der festen Lizenz pro Nutzer baut Microsoft eine Abrechnung nach Verbrauch auf, gemessen in sogenannten Copilot Credits. Das ist zunächst nur ein Abrechnungsmodell, dahinter steckt für Unternehmen aber eine deutlich interessantere Veränderung: KI wird von einer kalkulierbaren Softwarelizenz zu einer Ressource, deren Arbeit gemessen, budgetiert und wirtschaftlich bewertet werden will.

Ich ziehe das hier bewusst als Beobachtung eines Wandels auf. Wie Microsofts Preise 2027 aussehen, weiß heute niemand, darum geht es mir auch gar nicht. Mich interessiert, wie ein Unternehmen planen kann, wenn feste Lizenzen und bezahlte KI-Arbeit nebeneinanderstehen. Dafür habe ich ein Budgetmodell gebaut, das am Ende dieses Artikels mit Manual kostenlos zum Download bereitsteht.

Per Head oder per Minute: eine alte Frage in neuem Gewand

Aus dem Outsourcing im Kundenservice kenne ich diese Weggabelung seit vielen Jahren. Ausgelagerter Service wird grob nach drei Modellen abgerechnet: per Head, also pro fest eingeplantem Mitarbeiter, per Call oder Ticket, also pro bearbeitetem Kontakt, und per Minute. Bei Kyocera lief unser First Level per Head, gekoppelt an KPIs zu Erreichbarkeit und Annahmequote. Das war gut planbar, denn bezahlt wurde die eingeplante Kapazität, ganz gleich, wie viele Anrufe tatsächlich kamen. Wer dagegen nach Kontakt oder Minute abrechnet, bezahlt die Arbeit, die wirklich anfällt, und muss deshalb ziemlich genau wissen, wie viel davon anfällt.

Genau diese Frage stellt sich jetzt bei KI. Die Lizenz pro Nutzer ist das Modell per Head, die Copilot Credits sind die Abrechnung nach geleisteter Arbeit. Beide haben ihre Berechtigung, beide verlangen aber eine andere Art der Planung.

Was Microsoft tatsächlich dokumentiert

Microsoft beschreibt die Abrechnung nach Verbrauch ausdrücklich als Ergänzung zur festen Lizenz: „This model complements fixed subscription licensing with a flexible payment option that aligns to actual usage.“ (Microsoft Learn, Usage-Based Billing). Copilot Credits sind dabei die gemeinsame Einheit für alle Dienste, die so abgerechnet werden. Wie viele Credits eine Antwort, eine Aktion oder ein Arbeitsschritt verbraucht, hängt laut Microsoft von der Komplexität der Aufgabe ab, und die Credits werden auf Ebene des gesamten Unternehmens gebündelt (Microsoft, Copilot Credits Licensing Guidance).

Die Begründung finde ich bemerkenswert offen. Microsoft schreibt dort, dass der Aufwand für eine Aufgabe stark schwanken kann, „the amount of work required to complete a task can vary significantly“, und dass ein Modell, das die Kosten an die geleistete Arbeit koppelt, dieser Schwankung am besten gerecht wird. Im Pay-as-you-go kostet ein Credit derzeit 0,01 US-Dollar, mit dem ausdrücklichen Hinweis, dass sich Preise ändern können.

Für die Steuerung gibt es im Microsoft 365 Admin Center inzwischen ein eigenes Kostenmanagement. Dort lassen sich Ausgabenrichtlinien anlegen, Limits für die ganze Organisation und für einzelne Nutzer setzen und der Verbrauch nach Nutzer, Gruppe, Agent und Dienst auswerten.

Die Regel, die den Unterschied macht

Beim Nachlesen bin ich über eine Regel gestolpert, die in vielen Diskussionen untergeht. Nutzen Mitarbeitende mit Microsoft 365 Copilot Lizenz einen Agenten unter ihrer eigenen Anmeldung, fallen dafür laut Microsoft keine Credits an, in der Preistabelle steht schlicht „No charge“ (Microsoft Learn, Copilot Studio Billing rates). Credits entstehen vor allem in drei Fällen:

1. bei Copilot Cowork, das eine Lizenz voraussetzt, längere Aufgaben eigenständig abarbeitet und trotzdem über Credits abgerechnet wird,
2. bei Agenten, die nicht von einem Menschen gestartet werden, sondern automatisch durch ein Ereignis, etwa eine neue Bestellung oder ein eingehendes Dokument,
3. bei Kolleginnen und Kollegen ohne Lizenz, die über Copilot Chat auf Agenten zugreifen.

Damit verschiebt sich die Planung. Die variable Rechnung hängt weniger daran, wie viele Menschen KI nutzen, und mehr daran, wie viel Arbeit Agenten eigenständig erledigen. Zehn Agenten, die nachts eingehende Rechnungen prüfen, können mehr variable Kosten erzeugen als hundert lizenzierte Kolleginnen und Kollegen, die tagsüber Mails formulieren. Das folgt schlicht aus der Logik eines Modells, das nach Arbeit abrechnet.

Gleichzeitig entsteht eine Planungsfrage, die ich aus dem Outsourcing gut kenne: Lohnt sich für eine Rolle die feste Lizenz, oder ist die Abrechnung nach Verbrauch günstiger? Microsoft nennt das Erkennen solcher Nutzungsmuster selbst als einen Zweck des Pay-as-you-go, um zu sehen, ob sich feste Lizenzen rechnen (Microsoft Learn, Copilot Pay-as-you-go).

Genau hier beginnt AI FinOps

FinOps kommt aus der Cloud und beschreibt die Disziplin, variable IT-Kosten genauso ernsthaft zu steuern wie feste: mit klaren Verantwortlichen, Kostenzuordnung, Prognose und Schwellen, ab denen jemand hinschaut. Wenn KI-Verbrauch variabel wird, brauchen Unternehmen genau diese Disziplin auch für KI. Rechnungen zu kontrollieren reicht dafür allerdings nicht.

Ein tragfähiges KI-Kostenmodell verbindet aus meiner Sicht mindestens fünf Ebenen:

1. Lizenzen: Welche Rollen brauchen tatsächlich eine feste Copilot-Lizenz?
2. Verbrauch: Welche Prozesse, Agenten und Funktionen erzeugen zusätzliche Kosten über Credits?
3. Plattform und Betrieb: Was kosten Datenanbindung, Administration, Monitoring und technischer Betrieb?
4. Change und Governance: Was kosten Qualifizierung, Einführung, organisatorische Veränderung, Datenschutz und Regeln für den Einsatz?
5. Nutzen: Welche Arbeitszeit wird tatsächlich eingespart, welche Prozesse werden besser, und wie viel dieser Produktivität lässt sich wirtschaftlich überhaupt realisieren?

Der letzte Punkt wird am häufigsten unterschätzt. Zehn Minuten eingesparte Bearbeitungszeit sind noch lange keine zehn Minuten eingesparte Personalkosten, denn die gewonnene Zeit muss erst in etwas fließen, das dem Unternehmen etwas bringt. Produktivität und realisierter Nutzen sind zwei verschiedene Dinge…

Das KI-Budgetmodell 2027

Aus dieser Überlegung heraus habe ich versucht, das Thema einmal praktisch abzubilden, als Arbeitsmodell für ein Unternehmen, in dem feste Lizenzen und bezahlte KI-Arbeit nebeneinanderstehen. Das Modell ist eine Excel-Datei mit sechs Blättern:

1. Steuerung mit allen zentralen Annahmen, vom Lizenzpreis über den Credit-Preis bis zum Wert einer produktiven Stunde und der Realisierungsquote,
2. Use Cases mit sieben Beispiel-Anwendungsfällen, jeweils mit Nutzerzahl, Vorgängen, Credits pro Vorgang, Adoption, Zeitersparnis, Risikoabschlag und der Angabe, ob der Fall über Credits läuft oder in der Lizenz enthalten ist,
3. Monatsbudget mit Plan, Ist, Abweichung, Jahresprognose und einer Ampel für den Verbrauch,
4. Szenarien für Pilot, Basis, Skalierung und Stress,
5. Dashboard als verdichtete Sicht für die Geschäftsführung,
6. Quellen und Hinweise mit den geprüften Microsoft-Quellen, den Grenzen des Modells und einem Vorschlag für den Budgetprozess.

Damit lässt sich nicht nur fragen, wie viel KI sich ein Unternehmen leisten kann. Viel spannender finde ich die Frage, welcher Anwendungsfall sein Geld eigentlich wert ist.

Für Agenten enthält das Modell neben Pilot, Basis und Skalierung bewusst ein Stress-Szenario. Darin steigt nur der Verbrauch je Vorgang auf das Dreifache, etwa weil Agenten mehr Schritte brauchen als geplant, während Nutzerzahl und Nutzen gleich bleiben. So wird sichtbar, was passiert, wenn dieselbe Arbeit plötzlich teurer wird.

Was mich an der Beispielrechnung überrascht hat

Die Startwerte im Modell beschreiben ein fiktives Unternehmen mit 250 Mitarbeitenden und 100 Copilot-Lizenzen. Mit diesen Annahmen machen Lizenzen und Credits zusammen nur 18 Prozent des Budgets aus. Den größten Teil tragen der interne Betrieb mit 44 Prozent und die einmaligen Kosten für Einführung, Change und Governance mit 28 Prozent (eigene Beispielrechnung, KI-Budgetmodell 2027). Die Lizenz ist in dieser Rechnung der kleinste Posten, die Menschen, die KI zum Laufen bringen, sind der größte.

Ehrlich gesagt rechnet sich das erste Jahr mit diesen Startwerten nicht, der Portfolio-ROI liegt bei minus 45 Prozent, im Stress-Szenario bei minus 52 Prozent. Das liegt an den Einmalkosten, die komplett in 2027 fallen, und an einer bewusst vorsichtigen Realisierungsquote von 35 Prozent. Die Werte zeigen damit ziemlich gut, worum es geht: Ob sich KI rechnet, entscheidet sich weniger an der Lizenz als an der Frage, wie viel der gewonnenen Zeit tatsächlich im Geschäft ankommt.

KI-Budgetierung gehört an den ganzen Tisch

Finance muss verstehen, wie variable KI-Kosten entstehen. Die IT muss Verbrauch und technische Architektur beherrschen. Die Fachbereiche verantworten den Nutzen ihrer Anwendungsfälle, die Governance legt fest, was erlaubt und vertretbar ist, und die Führung entscheidet, welche Prozesse sich tatsächlich verändern sollen. Damit sitzen AI Governance, FinOps, Change Management und die klassische Wirtschaftlichkeitsrechnung plötzlich an einem Tisch, und genau deshalb ist KI-Budgetierung für mich ein Stück Change Management.

Vielleicht ist das die nächste Reifestufe der KI-Einführung. 2024 und 2025 haben viele Unternehmen darüber gesprochen, wie sie generative KI ausprobieren können. Danach kam die Frage, wo sie produktiv eingesetzt werden kann. Die nächste Frage wird vermutlich deutlich nüchterner: Welche KI-Arbeit wollen wir dauerhaft bezahlen? Diese Frage finde ich fast spannender als die Technologie dahinter.

Modell und Manual zum Download

Das KI-Budgetmodell 2027 und das Manual dazu stelle ich kostenlos zur Verfügung. Es ist ein Arbeitsmodell: Es zeigt einen möglichen Ansatz und ist ausdrücklich dafür gedacht, hinterfragt, umgebaut und mit echten Unternehmensdaten gefüttert zu werden. Alle Zahlen darin sind Startwerte, die Angaben zu Microsoft habe ich am 16. Oktober 2026 an den Originalquellen geprüft. Der Download läuft direkt hier über meine Homepage, ohne Registrierung und ohne E-Mail-Adresse, also ohne Einstiegshürde.

Modell und Manual gibt es auch auf Englisch:

Beides steht unter der Lizenz CC BY 4.0: Ihr dürft es nutzen, weitergeben und verändern, auch im Unternehmen und in Kundenprojekten, solange mein Name als Quelle genannt bleibt. Das Modell kommt ohne Gewähr, es ist eine Planungshilfe und ersetzt keine Rechts-, Steuer- oder Lizenzberatung. Microsoft, Microsoft 365 und Copilot sind Marken der Microsoft Corporation, das Modell steht in keiner Verbindung zu Microsoft.

Wenn ihr das Modell mit euren eigenen Zahlen füllt und an einer Stelle anders rechnen würdet, freue ich mich über eure Sicht.

Sucht ihr dabei Begleitung, etwa beim Finden der Anwendungsfälle, bei den Verbrauchsannahmen oder beim Budgetprozess selbst, findet ihr auf meiner Beratungsseite, wie ich mit Unternehmen arbeite.

Was ich mitnehme

Vielleicht sollten wir langsam aufhören, KI ausschließlich in Lizenzen zu denken. Wenn KI zunehmend Arbeit übernimmt, sollten wir anfangen, auch ihre Arbeit zu kalkulieren, mit derselben Sorgfalt, mit der wir im Service seit Jahren fragen, ob wir per Head oder per Minute bezahlen.

Quellen

1. Microsoft Learn: Usage-Based Billing and Cost Management for Copilot Credits, Seite vom 30.09.2026, abgerufen am 16.10.2026
2. Microsoft: Copilot Credits Licensing Guidance, abgerufen am 16.10.2026
3. Microsoft Learn: Billing rates and management, Microsoft Copilot Studio, Seite vom 03.08.2026, abgerufen am 16.10.2026
4. Microsoft Learn: Microsoft Copilot Pay-as-You-Go Service Overview, abgerufen am 16.10.2026

Dieser Artikel beruht auf öffentlich zugänglichen Microsoft-Dokumenten mit Stand 16. Oktober 2026 und auf meinem eigenen Budgetmodell. Die Zahlen der Beispielrechnung sind Annahmen für ein fiktives Unternehmen, Microsoft-Preise und Bedingungen können sich ändern.