Die Ausgaben für KI-gestützte Entwicklungswerkzeuge steigen innerhalb von sechs Monaten um das Zehnfache. Das Unternehmen baut eine zentrale Steuerungsebene auf, statt die Werkzeugvielfalt einzuschränken. Sie schafft Transparenz und Kontrolle, ohne die Wahlfreiheit der Entwickler zu opfern.
JetBrains, Hersteller von IDEs wie IntelliJ IDEA und PyCharm, nutzt selbst KI-Tools in der Softwareentwicklung. Dort explodierten die Kosten. Ende 2025 war es ein überschaubarer Posten, wenige Monate später ein ernstes Thema für das Finanzteam. JetBrains zog nicht die Bremse, reduzierte die Werkzeugvielfalt nicht auf ein oder zwei Produkte, sondern wählte einen anderen Weg.
Eine Kostenexplosion ohne Erklärung
Der Auslöser war eine einfache Beobachtung: Die meisten Entwickler nutzten zwischen drei und fünf verschiedene KI-Tools pro Monat. Mal ein Code-Vervollständiger, mal ein Chat-Assistent, mal ein Agent für automatisierte Refactorings. Ab Januar 2026 stieg der Token-Verbrauch stark an – zeitgleich mit dem Erscheinen neuer Modelle wie Claude Opus 4.5 und 4.6. Diese liefern bessere Ergebnisse, verbrauchen aber auch deutlich mehr Tokens pro Anfrage. Die KI-Ausgaben des Unternehmens vervielfachten sich.
Das eigentliche Problem war nicht die Höhe der Summe, sondern die Intransparenz. Wer gab wie viel aus? Welches Tool verursachte die größten Kosten? Waren die Ausgaben gerechtfertigt? Auf diese Fragen gab es zunächst keine Antwort. JetBrains sammelte vier Tage lang manuell Nutzungs- und Kostendaten aus verschiedenen Providerkonten und trug sie in Spreadsheets ein. Das Ergebnis war eine Momentaufnahme, die veraltet war, sobald das Dokument fertig war.
Vom Excel-Sheet zum Live-Dashboard
Die manuelle Datensammlung war nur der erste Schritt. JetBrains automatisierte den Prozess über die APIs der KI-Provider. Die Daten flossen in interne Dashboards, die aktuelle und prognostizierte Ausgaben anzeigten. Teams und Manager sahen auf einen Blick, welche Abteilung, welches Projekt und welches Tool wie viel Tokens konsumierte. Das war ein Fortschritt – die Kosten wurden sichtbar.
Aber Sichtbarkeit allein reicht nicht. Die Dashboards waren ein Beobachtungsposten, kein Steuerungselement. Die Anfragen der Entwickler gingen weiterhin direkt vom Werkzeug zum Provider. Um Limits zu setzen oder Budgets zu verteilen, braucht man eine Instanz zwischen den Menschen und den Modellen. Diese Instanz baute JetBrains als Nächstes auf. Ein interner Entwickler hatte bereits ein kleines Wrapper-Tool geschrieben, um eigene KI-Aufrufe zu standardisieren. Daraus wurde die Central CLI – eine gemeinsame Kommandozeilen-Schnittstelle für hauseigene und externe KI-Tools.
Central CLI: Ein gemeinsamer Zugang
Die Idee ist einfach: Alle KI-Anfragen, die über die Central CLI laufen, werden durch die bestehende KI-Plattform von JetBrains geroutet. Dadurch entsteht ein zentraler Kontrollpunkt zwischen Entwicklern und Modellanbietern. Die Plattform sieht den Datenverkehr und kann ihn steuern. JetBrains kann sein eigenes KI-Gutschriftensystem auf Drittanbieter-Tools anwenden, Manager können Ausgabenlimits festlegen und den Verbrauch in Echtzeit überwachen.
Die Central CLI ist ein Pflichtweg, aber kein Verbotsweg. Entwickler können aus einer breiten Palette unterstützter Werkzeuge wählen – sie müssen sie nur über dieses eine Tor einbinden. Das trennt zwei Aspekte: die Auswahl des besten Werkzeugs für eine Aufgabe und die Kontrolle über die Kosten. Bei JetBrains zeigte sich das schnell. Innerhalb weniger Wochen übernahmen mehr als 1.000 Entwickler die Central CLI. Sie wurde angenommen, weil sie den Arbeitsfluss nicht behindert, sondern lediglich eine Buchhaltungs- und Steuerungsebene darunterlegt.
Warum JetBrains nicht auf Werkzeugverbote setzt
In anderen Firmen sieht man oft den Reflex, die Zahl der KI-Tools auf ein oder zwei Standardprodukte zu reduzieren. Accenture hat seine Mitarbeiter laut ITPro aufgefordert, unnötige KI-Nutzung einzuschränken. Uber führte nach vier Monaten, in denen das gesamte Jahresbudget für KI aufgebraucht war, monatliche Limits ein. Solche Maßnahmen sind verständlich, aber sie lösen das Problem auf Kosten der Produktivität. Der Markt für KI-Tools ist jung und verändert sich rasant. Welches Werkzeug für eine Aufgabe ideal ist, kann sich in wenigen Monaten ändern. Wer auf ein einziges Tool setzt, riskiert, die nächste Welle besserer Modelle zu verpassen.
JetBrains argumentiert, dass eine zentrale Zugriffsebene Werkzeugvielfalt und Kostenkontrolle verbindet. Entwickler behalten ihre Freiheit, aber jede Anfrage läuft durch einen gemeinsamen Kanal, der Governance ermöglicht. Das ähnelt dem Konzept eines API-Gateways im Microservices-Umfeld: Eine gemeinsame Schicht über verschiedenen Diensten setzt Sicherheitsrichtlinien, Rate-Limiting und Monitoring durch, ohne die Dienste selbst zu verändern. Die Central CLI ist im Grunde ein Gateway für KI-Ressourcen.
Was du daraus lernen kannst
Der Fall JetBrains ist Teil eines größeren Trends. Die FinOps Foundation hat generative KI in ihr Regelwerk aufgenommen und empfiehlt zentralisierte Ansätze, um KI-Nutzung und -Kosten zu verfolgen. Auch in deinem Unternehmen dürfte das Thema bald anstehen. Wenn du Softwarearchitekt oder Team-Lead bist, lohnt es sich, frühzeitig über eine ähnliche Steuerungsebene nachzudenken. Du musst nicht sofort ein eigenes CLI bauen, aber stelle dir die Fragen: Wie fließen KI-Anfragen in unserer Umgebung? Wer hat welche Budgets? Wo entstehen unkontrollierte Ausgaben?
Eine zentrale Zugriffsschicht ist ein möglicher Baustein. Du kannst auch Richtlinien definieren, welche Tools eingesetzt werden dürfen – aber das sollte nicht der erste Schritt sein. Erhöhe zuerst die Transparenz. Starte mit einer einfachen Kostenerfassung, wie JetBrains es getan hat. Arbeite dich zu einem automatisierten Dashboard vor. Erst wenn du siehst, wo das Geld hinfließt, kannst du sinnvoll eingreifen. Und wenn du eine Steuerungsmöglichkeit einführst, sorge dafür, dass sie Entwickler nicht ausbremst. Sonst sinkt die Akzeptanz.
Ein erster Schritt – nicht die ganze Lösung
Trotz des Erfolgs: Die Central CLI ist keine vollständige Lösung. Einige terminalbasierte Agenten und persönliche Abonnements laufen weiterhin am System vorbei. Auch die Frage, wie KI-Budgets fair auf Teams verteilt werden, ist noch nicht geklärt. JetBrains arbeitet daran, aber es ist ein iterativer Prozess. Das sollte dich nicht abschrecken. Ein Unternehmen wie JetBrains, das selbst Entwicklerwerkzeuge herstellt, kämpft mit diesen Herausforderungen – das zeigt, wie grundlegend das Problem ist.
Am Ende geht es nicht darum, die KI-Nutzung zu drosseln, sondern sie zu steuern. JetBrains hat gezeigt, dass eine zentrale Zugriffsebene Kontrolle und Flexibilität ermöglicht. Für dich als Architekt heißt das: Bau keine Verbote, baue Tore. Gib deinen Teams Werkzeuge, aber sorge dafür, dass alle durch eine messbare, steuerbare Schnittstelle gehen. So bleibt die KI-Revolution produktiv und wirtschaftlich tragfähig.
Quelle: infoq.com
