🎙️ The Long Table

<!-- Episode card -->
<article class="lt-card">
  <div class="lt-card__top">
  <div class="lt-card__thumb">
    <img src="https://media.doit.com/long-table/1d53f70a86f9-ep01-thumb-1080x1080-2x.webp" alt="JR Storment bei The Long Table" loading="lazy">
  </div>
  <div class="lt-card__body">
    <span class="lt-card__number">Folge 01</span>
    <h3 class="lt-card__title">JR Storment über FinOps, Tokenomics und was KI als Nächstes verändert</h3>
    <p class="lt-card__desc">JR Storment ist zu Gast in der ersten Folge – ein Gespräch über die Entwicklung von FinOps, das Aufkommen von Tokenomics und darüber, womit KI Führungskräfte in Sachen Konsum, Wert und Accountability konfrontiert.</p>
    <div class="lt-card__meta">
      <span class="lt-card__date">Aug. 2026</span>
      <span class="lt-card__dot" aria-hidden="true">&middot;</span>
      <span class="lt-card__duration">52 Min.</span>
    </div>
    <div class="lt-card__platforms">
      <a href="https://www.youtube.com/@TheLongTable_DoiT" class="lt-platform" aria-label="Auf YouTube ansehen">YouTube</a>
      <a href="https://open.spotify.com/show/7Mt563pLWYsuYN92uFSUQ8" class="lt-platform" aria-label="Auf Spotify anhören">Spotify</a>
      <a href="https://podcasts.apple.com/us/podcast/the-long-table/id6807056597" class="lt-platform" aria-label="Auf Apple Podcasts anhören">Apple Podcasts</a>
    </div>
  </div>
</div>

  <details class="lt-card__transcript">
<summary class="lt-transcript__summary">
  <span class="lt-transcript__label">Das vollständige Transkript lesen</span>
  <span class="lt-transcript__chevron" aria-hidden="true">&#9660;</span>
</summary>

<div class="lt-transcript__body">
  <nav class="lt-transcript__toc" aria-label="Kapitel des Transkripts">
    <p class="lt-transcript__toclabel">Direkt zu einem Abschnitt</p>
    <ol>
      <li><a href="#cold-open">Cold Open</a> <time>0:00</time></li>
      <li><a href="#welcome">Willkommen zur Show</a> <time>0:19</time></li>
      <li><a href="#finops-to-ai-reset">Von FinOps bei Citi zum KI-Reset</a> <time>0:49</time></li>
      <li><a href="#boards-ask-about-cost">Wenn Boards nach KI-Kosten fragen</a> <time>3:08</time></li>
      <li><a href="#token-maxing-rise-fall">Aufstieg und Fall des Token-Maxing</a> <time>5:30</time></li>
      <li><a href="#foundation-origin">Wie die Tokenomics Foundation entstand</a> <time>8:58</time></li>
      <li><a href="#not-about-tokens">Bei Tokenomics geht es nicht um Tokens</a> <time>13:39</time></li>
      <li><a href="#gas-price-problem">Das Benzinpreis-Problem bei Token-Kosten</a> <time>18:48</time></li>
      <li><a href="#where-finops-ends">Wo FinOps endet und Tokenomics beginnt</a> <time>23:54</time></li>
      <li><a href="#model-selection">Modellauswahl und alles drumherum</a> <time>36:25</time></li>
      <li><a href="#energy-scarce-resource">Energie als neue knappe Ressource</a> <time>40:37</time></li>
      <li><a href="#where-it-lives">Wo gehört Tokenomics in der Organisation hin?</a> <time>43:06</time></li>
      <li><a href="#blind-men-elephant">Die blinden Männer und der Elefant</a> <time>46:04</time></li>
      <li><a href="#saas-pricing-agents">SaaS-Pricing im Zeitalter der Agenten</a> <time>52:04</time></li>
      <li><a href="#shoulders-of-giants">Auf den Schultern von Riesen</a> <time>59:35</time></li>
      <li><a href="#which-bucket-matters">Welcher Bucket zählt am meisten: Produktion, Konsum oder Wert</a> <time>1:05:56</time></li>
      <li><a href="#shift-left-shift-up">Shift left, shift up</a> <time>1:12:52</time></li>
      <li><a href="#launch-speed">Ein Launch inmitten von mehr Tempo, mehr Lärm</a> <time>1:14:55</time></li>
      <li><a href="#favorite-ai-use">Liebste unkonventionelle KI-Anwendung</a> <time>1:20:31</time></li>
    </ol>
  </nav>

  <div class="lt-transcript__content">
  <h3 class="lt-transcript__chapter" id="cold-open">Cold Open <time>0:00</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">0:00</time></p>
    <p class="lt-turn__line">Das ist Tokenomics im Moment. Fragt man verschiedene Leute, die an unterschiedlichen Stellen sitzen, es zu beschreiben, bekommt man völlig unterschiedliche Antworten. Das Ding ist: Alle haben recht, aber keiner sieht das große Ganze.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="welcome">Willkommen zur Show <time>0:19</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">0:19</time></p>
    <p class="lt-turn__line">Also, JR, vielen Dank, dass du heute in der Show bist. Ich freue mich riesig auf dieses Gespräch. Schön, dass wir es hinbekommen haben – von der ersten Idee vor zwei Wochen bis dahin, jetzt persönlich hier bei dir zu sein. Ich freue mich darauf, die nächsten anderthalb Stunden über alles rund um Tokenomics zu sprechen.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">0:33</time></p>
    <p class="lt-turn__line">Richtig schön, dich hier zu haben, auf meinem Heimatterrain in Südkalifornien. Ich habe das Gefühl, wir sehen uns immer nur auf Konferenzen und kommen nie wirklich dazu, uns hinzusetzen. Und das Problem mit KI ist, glaube ich, dass wir alles nur noch zusammenfassen und schnell machen wollen. Deshalb freue ich mich darauf, mit dir mal eine Ebene tiefer einzusteigen.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">0:48</time></p>
    <p class="lt-turn__line">Super, dann legen wir los.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="finops-to-ai-reset">Von FinOps bei Citi zum KI-Reset <time>0:49</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">0:49</time></p>
    <p class="lt-turn__line">Okay, ich würde tatsächlich damit anfangen, als du und ich zum ersten Mal ins Gespräch kamen – du warst bei Citi, ja, du warst in der FinOps-Welt und hast das dort gemacht, großes Unternehmen, viele Clouds, all diese Dinge. Wir haben über die Jahre beobachtet, wie viele Unternehmen wie Citi diesen Graben überquert haben: wie man FinOps macht – von den frühen Innovatoren über die frühe Mehrheit, die es einigermaßen im Griff hatte, bis dahin, richtig gut darin zu werden, mit der Zeit reifer zu werden. Dann hat sich alles geändert, oder? Mit KI, vor ein paar Jahren. Und wir wurden quasi auf Anfang zurückgesetzt: Wie machen wir das alles? Dinge, die du bei Citi gemacht hast, bevor du dahin gewechselt bist, wo du jetzt bist – ihr habt Jahre gebraucht, um das herauszufinden, oder? Und währenddessen finden es alle anderen auch gerade heraus, und wir stehen mit dem ganzen KI-Zeug im Grunde wieder da, wo FinOps, sagen wir, 2020 stand.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:36</time></p>
    <p class="lt-turn__line">Ja, das ist so witzig. Selbst in FinOps gab es immer diese Punkte, an denen man das Rad neu erfinden musste, oder? Ein Beispiel: 2014, VMs, S3, Buckets und alles. Die Idee von Ownership war wirklich wichtig, und wir sagten: Lasst uns alles taggen, damit wir aus dem Chaos an CUR-Dateien, die jeder hat, an Dashboards, überhaupt etwas verstehen. Und dann kommt so etwas wie Serverless, das man taggen kann, und dann kommt Kubernetes, bei dem es viel mehr um Multi-Tenancy geht. Dieses Problem haben wir gelöst, wir sagten: Namespaces sind so etwas wie ein Proxy für Tags. Und bei KI gibt es jetzt diesen starken Drang zu sagen: Wir könnten einfach das draufflicken, was vorher funktioniert hat. Aber ich habe schon bei der Citibank gesehen, wo die Nähte waren, wo die Grenzen lagen. Du hast einen Provisioned-Throughput-Request – klingt wie ein Savings Plan –, und plötzlich heißt es: Jeder im Unternehmen wird KI nutzen, und wir sehen einen einzigen Posten auf der Rechnung. Und man denkt: Wie denken wir eigentlich über Accountability nach, oder? Und auf einmal denken wir über all diese Initiativen nach: Sollten wir ein Gateway haben, über das wir alles tracken, was rein- und rausgeht? Selbst jetzt finde ich FinOps und Tokenomics wirklich interessant, denn anfangs klingt es gleich, oder? Und als ich dann viel mehr über Tokenomics gelernt habe, wurde mir klar: Es erweitert quasi den Scope, ja, oder? Und zwar nicht nur den Scope der Disziplin, sondern auch den Scope, wen es überhaupt interessiert.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">3:07</time></p>
    <p class="lt-turn__line">Richtig. Und das ist so eine Sache.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="boards-ask-about-cost">Wenn Boards nach KI-Kosten fragen <time>3:08</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">3:08</time></p>
    <p class="lt-turn__line">Weißt du, diese Woche habe ich viel Zeit mit CEOs von Private-Equity-Unternehmen verbracht, und das ganze Thema war FinOps – oder vielmehr KI, KI aus Governance- und aus Kostensicht. Und ich kann mich nicht erinnern, wann CEOs zuletzt so nach Informationen über Kosten verlangt haben. Nicht nur auf der Ebene von: Hey, die Cloud-Kosten sind uns sehr wichtig, sondern eher: Wie messen wir, wie steuern wir, und wie halten wir unsere Unternehmen nicht davon ab, KI zu nutzen – ohne das Unternehmen in den Ruin zu treiben? Ja, oder? Das ist ein sehr interessantes Paradigma.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">3:40</time></p>
    <p class="lt-turn__line">Ich würde nur ein paar Monate zurückgehen. Ich habe von vielen Leuten auf dieser Ebene gehört, dass wir in einem existenziellen Krisenmoment stecken, was den Stand von KI angeht. Und das war erst im März oder April, als es noch diese ganze Begeisterung gab: Nutzt so viel KI wie möglich, die ganze Zeit, die Token-Leaderboards, all das. Aber zu deinem Punkt, dass CEOs nicht über Kosten sprachen und Boards nicht über Kosten nachdachten: Die KI-Ausgaben sind so dramatisch gestiegen, dass sie es plötzlich als existenzielle Krise betrachten mussten – wird das unsere Gesamtmargen tatsächlich zerschlagen? Können wir die Services, die wir bisher liefern, unter den aktuellen Modellen überhaupt noch sinnvoll liefern? Und ich glaube, es hat sich stark verschoben: von "KI soll ganz im Zeichen von Transformation und Innovation stehen – wie mache ich mit KI das, was vorher nicht ging" zu "Moment mal, wir sind gar nicht sicher, ob wir die gewünschten Ergebnisse bekommen, und wir müssen mehr über Kosten als über Wert nachdenken". Da gab es einen Pendelschlag: KI stand ganz für das Versprechen, und dann schwang es zurück. Ich meine, gerade leben wir in dieser Welt aus Budget-Deckeln und harten Grenzen, wie viel KI die Leute nutzen dürfen. Ich habe heute Morgen mit einem Freund gesprochen – ein Fortune-50-Unternehmen –, und die bekommen täglich E-Mails: ihre Token-Nutzung, ihre Token-Kosten, ihre gesamten KI-Kosten. Und sie bekommen tatsächlich Druck von oben, weniger zu nutzen – was völlig verrückt ist im Vergleich zu vor drei Monaten, als es noch hieß: Nutzt mehr, mehr, mehr. Wir sind also in diesen Modus aus Kontrolle und Angst geschwungen, und ich glaube, es wird wieder etwas zurückschwingen Richtung: Okay, wie setzen wir die richtige KI für die richtigen Dinge ein und holen den größten Wert heraus? Aber es ist ein seltsamer Moment. Riesige Investitionen fließen in den Bereich, und gleichzeitig erkennen die Leute, dass "mehr KI nutzen" nicht unbedingt …</p>
  </div>
  <h3 class="lt-transcript__chapter" id="token-maxing-rise-fall">Aufstieg und Fall des Token-Maxing <time>5:30</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">5:30</time></p>
    <p class="lt-turn__line">… ein gutes Geschäftsmodell ist. Ja, total. Ich glaube, Token-Maxing hat ungefähr vier Tage gehalten – ich glaube, Meta kam raus und sagte: Ja, machen wir. Und auf einer Ebene verstehe ich es, denn sobald man die Technologie einmal ausprobiert hat, auf dem privaten ChatGPT-Account oder sonst wo, sieht man ihre Kraft. Ich erinnere mich, als ChatGPT rauskam – ich glaube, das war am Ende von re:Invent vor ein paar Jahren –, haben meine Freunde und ich es nonstop benutzt. Wir konnten es nicht glauben. Ich glaube, ich habe eine SageMaker-Ankündigung ins Hindi übersetzt, nur um zu sehen, ob es funktioniert. Hat es? Ich kann kein Hindi lesen. Ich habe es meinen Eltern geschickt, und sie meinten: "Das ist gutes Hindi." Nett, oder? Es ist einfach so: Wenn man an Public Cloud denkt – niemand konsumiert sie so, wie wir KI konsumieren, oder? Und ich glaube, es gibt diesen Druck, nicht nur über die Use Cases nachzudenken, wie sie Unternehmen helfen können. Wirklich interessant ist, dass jetzt Druck auf den CxOs lastet. Anders als bei der Public Cloud, wo der Druck vielleicht war: Hey, zieht aus den Rechenzentren um, es gibt mehr Resilienz, ihr könnt automatisch hoch- und runterskalieren – all die guten Vorteile der Public Cloud, die ja nicht verschwunden sind. Aber bei KI gibt es diesen Druck: Du brauchst eine Story fürs Board. Du musst zeigen, was du mit KI machst. Und ich glaube, das Zeitalter des Experimentierens – wir probieren POCs, wir probieren dies und das – hat sich, zu deinem Punkt, sehr schnell verwandelt in: Was ist der ROI? Und beim ROI geht es nicht einmal um den Druck, die Kosten zu minimieren. Es geht eher darum: Wir wollen dort investieren, wo es quantifizierbar ist, oder? Wo es wirklich hilft. Und wenn Experimente mir keinen Wert zeigen können, wollen wir schnell wissen, wann wir sie abbrechen.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">7:00</time></p>
    <p class="lt-turn__line">Ja. Ja.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">7:00</time></p>
    <p class="lt-turn__line">Genau. Und ich weiß, Uber und alle, die dieses Jahr damit rauskamen, sagten: Unsere Strategie, dass jeder KI nutzen darf – wir haben unser Budget schon gesprengt. Und das finde ich immer witzig: Wie hättest du im Januar das Budget für etwas kennen sollen, das Technologie ist? Jede Woche gehe ich auf Twitter, und es ist komplett anders,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">7:15</time></p>
    <p class="lt-turn__line">oder?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">7:16</time></p>
    <p class="lt-turn__line">Genau. Erst war OpenAI großartig. Dann ist Anthropic großartig. Jetzt sind Open-Source-Modelle großartig. Reasoning-Modelle, und so weiter und so fort. Es ist eine wahre Informationsflut, die auf alle einprasselt.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">7:26</time></p>
    <p class="lt-turn__line">Und ich glaube, wir durchlaufen dasselbe wie bei der Cloud: Die Leute sagten, migriert so schnell wie menschenmöglich, bringt alles rüber, und die Kosten klären wir später. Und dann kam das große Erwachen – daraus ist FinOps gewissermaßen entstanden. Wir erleben dasselbe mit KI, nur dass die Cloud im Kern etwas Neues auf der Plattformebene war, oder? Wir sind von einer Hosting-Art zur anderen gewechselt. Ja, es gibt bessere Services – Dinge wie BigQuery und Redshift, die im Rechenzentrum wirklich schwer umzusetzen sind. Aber es war einfach eine andere Art, diese Technologieschicht zu betreiben. Und wo wir bei KI die interessanten Fälle hören – ich hasse diesen Begriff, weil er in der Cloud-Welt inflationär benutzt wurde, und ich habe ihn schon damals gehasst: Transformations-Use-Cases. Es fühlt sich an wie der schwammigste Begriff überhaupt. Also: Moment mal – wir können nicht einfach sagen, nutzt die KI, um das, was ihr schon macht, besser zu machen. Ich muss es im Sinne einer 10x-Rendite betrachten statt einer 50-Prozent-Verbesserung, oder? Die Leute finden das gerade heraus, und hier verschiebt sich für uns, wenn wir auf den Tokenomics-Bereich schauen, das Gespräch plötzlich: von "lasst uns die Plattformebene optimieren", dem FinOps, hin zu – in der Tokenomics-Welt – wie berühren diese KI-Ausgaben jeden Teil des Geschäfts? Wie stellen wir auf der einen Seite sicher, dass wir überhaupt genug davon bekommen, genug KI, bei der Token-Factory-Effektivität, um Jensens Begriff zu nutzen – bis hin zu: Wie verändern diese skalierenden, hochvariablen KI-Kosten die Art, wie ich mein gesamtes Angebot für Kunden neu schnüren muss? Und in der Mitte nutzen wir das Ganze dann hoffentlich effizient.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="foundation-origin">Wie die Tokenomics Foundation entstand <time>8:58</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">8:58</time></p>
    <p class="lt-turn__line">Ja, apropos Tokenomics: Wie wir alle wissen, ist die Tokenomics Foundation gestartet – ich glaube, inzwischen vor ein paar Monaten –, und wir haben kürzlich ein Governing Board angekündigt, dem ich angehöre, kleiner Hinweis. Aber ich würde gern die Geschichte hören, wie es dazu kam, oder? FinOps ist heute allgegenwärtig. Als ich mit FinOps angefangen habe, hieß es Cloud Financial Management, es hieß Optimierung, und so weiter und so fort. Und jetzt haben wir uns auf dieses eine Wort geeinigt. Ich würde also gern mehr darüber hören, was der Gedanke hinter der Gründung einer neuen Foundation war.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">9:25</time></p>
    <p class="lt-turn__line">Ich würde damit anfangen, dass ich den Namen Tokenomics gehasst habe, als ich ihn gehört habe. Ich war wirklich dagegen, und ich habe ihn auch erst ziemlich spät gehört. Dieser Begriff – jetzt, wo ich rückblickend recherchiert habe – kam, glaube ich, Mitte 2025 auf, nicht bezogen auf Krypto, sondern auf diesen Bereich, durch die SemiAnalysis-Crew um Dylan Patel, die auf Token-Factory-Effektivität schaute: wie man NVIDIA- oder AMD- oder sonstige Hardware in Token-Output verwandelt. Und im Januar 2026 oder so fingen, glaube ich, andere an, Paper dazu zu veröffentlichen und über diesen Bereich zu sprechen. Ich war tatsächlich in Manhattan – in New York, wo du wohnst –, bei einem Event mit einer Gruppe globaler CIOs. Da waren JPMC und BNY, und das wurde zum Zeitpunkt des Events veröffentlicht. Diese globalen CIOs sprachen dort über Tech Value, und ich habe mir einen von ihnen geschnappt – riesiges Unternehmen, verantwortlich für Milliarden und Abermilliarden an Budget –, habe ihn beiseitegenommen und gefragt: "Hey, was ist gerade deine größte Herausforderung?" Und diese Person wusste nicht, was ich mache, wusste nichts über mich, und sagte, ohne zu zögern: Tokenomics. Das war im April, und mir ist das Herz regelrecht in die Hose gerutscht, weil ich dachte: Oh, das ist ein unperfekter Begriff für etwas, das sehr nach dem klingt, was wir FinOps für KI nennen würden. Ich habe es erst mal beiseitegeschoben, und später am selben Tag saß ich mit einem Head of Platforms eines Asset-Managers in Midtown Manhattan zusammen, und der fragte: "Was macht ihr mit diesem Tokenomics-Ding?" Und in der Woche darauf war ich beim Offsite der Linux Foundation. Unser CEO kommt auf uns zu – er führt all diese Gespräche mit Tech-Führungskräften auf der ganzen Welt – und fragt: "Was macht ihr mit diesem Tokenomics-Ding?" Und so ging es Punkt für Punkt für Punkt. Und das Witzige daran: Das sind alles Leute, die mehrere Ebenen unter sich Teams haben, die FinOps machen, seit Jahren. FinOps untermauert die Effizienz ihrer Infrastruktur, ihrer Cloud, ihrer Private Cloud, ihrer Rechenzentrumsarbeit und all dieser Bereiche. Aber über diese Bereiche haben sie nie gesprochen, denn Tokenomics ist im Kern eine Disziplin – und wir müssen hier wahrscheinlich 20, 30 Minuten darüber reden, was für eine Disziplin es ist –, die Mitte des Jahres anfing, in Board-Gespräche vorzudringen. Ja, weil die Ausgaben so dramatisch in die Höhe schossen, aber auch, weil wir in diesem Zeitalter der Knappheit leben. Diese riesigen Unternehmen, die viel KI brauchen oder glauben, viel KI zu brauchen, wurden rate-limited. Modelle wurden ihnen entzogen. Sie bekamen keine Hardware. Es fehlte also die Möglichkeit, das zu bekommen, von dem sie wussten, dass sie es brauchen. Und auf der anderen Seite drängten ihre Boards auf höchster Ebene, und die CEOs kamen dazu. Bei demselben Event in Manhattan im April erzählten uns diese globalen CIOs und CTOs, dass ihre CEOs – Titanen der Industrie – am Wochenende nach Hause gehen, Dinge vibe-coden und sie dem globalen CIO zeigen: Warum können eure Teams das nicht? Da hattest du also CEOs, die sagten: Ich will, dass ihr alles, was wir tun, so schnell ändert, quasi über Nacht, und diese massive Transformation treibt. Und die sitzen da und denken: Moment mal, neben mir sitzt der CFO, der sagt: "Ja, super, macht all diese tollen Sachen, aber wir haben dieses Budget, das wir letztes Jahr festgelegt haben, und wir müssen an Aktienkurse denken. Ihr könnt also nicht unbegrenzt Geld dafür ausgeben." Sie steckten also fest – zurück zu diesem existenziellen Krisenmoment: Mein Board sagt, ich muss transformieren. Mein CEO drückt mich hart, all diese Innovation zu liefern. Mein CFO schwitzt buchstäblich, weil diese kleinen KI-Kosten, die neben den Gesamt-IT-Ausgaben erst so groß waren, dann so groß wurden und dann so groß – in manchen Fällen hören wir von 50 Prozent Wachstum, Monat für Monat, bei KI. Was machen wir damit? Und so entstanden erste Gespräche darüber, was Tokenomics war. Beziehungsweise: was Tokenomics ist, oder? Und das ist das Erste, worauf wir dabei immer stoßen: Wo fängt es an, wo hört es auf? Wie verhält es sich zu Bestehendem wie FinOps? Und genau das haben wir im April, Mai dieses Jahres erkannt: Das mussten wir herausfinden und definieren.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">13:18</time></p>
    <p class="lt-turn__line">Und wenn man über Tokenomics nachdenkt – der Name ist interessant. Zu deinem Punkt: Nachdem ich jetzt mehr darüber gelernt habe, könnte die anfängliche Verwirrung daher kommen, dass das Wort Tokens darin steckt. Geht es um die Bewertung von Tokens? Ist es eine Disziplin? Ist es, zu deinem Punkt, eine Methodik? Wie würdest du die Tokenomics Foundation definieren – den Zweck von Tokenomics?</p>
  </div>
  <h3 class="lt-transcript__chapter" id="not-about-tokens">Bei Tokenomics geht es nicht um Tokens <time>13:39</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">13:39</time></p>
    <p class="lt-turn__line">Tokenomics ist, sagen wir mal, vielleicht eine Disziplin, denn alle finden gerade heraus, wie sie aussieht. Im Kern geht es darum, die gesamte Supply Chain der KI zu betrachten. Von: Ich habe Dinge in einer KI-Factory auf Hardware-Ebene erzeugt – über: Ich habe diese Dinge hoffentlich effizient konsumiert und meine Nutzung prognostiziert – bis hin zu: Ich habe am Ende Wert geliefert. Also von Energie über diese Intelligenzschicht bis zum Wert. Der Wert-Teil ist wirklich knifflig, denn es geht nicht um Tokens, es geht nicht um einzelne Services, es geht nicht einmal um erledigte Aufgaben. Es geht darum, welche Ergebnisse das Ganze bewirkt. Was ich den Leuten jetzt immer wieder einschärfen muss – wenn ich mit Leuten wie dir spreche, die jeden Tag darin arbeiten, mit CEOs sprechen, mit globalen Führungskräften: Bei Tokenomics geht es nicht um Tokens,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Sprecher 1</strong><time class="lt-turn__ts">14:35</time></p>
    <p class="lt-turn__line">oder?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">14:36</time></p>
    <p class="lt-turn__line">Seltsam: Tokenomics, aber es geht nicht um Tokens – dabei steckt es doch im Namen. Und bei Tokenomics geht es ganz sicher nicht ums Token-Zählen. Es ist ein unperfekter Name für ein komplexeres Konzept. Wenn ich ein Synonym nennen müsste: Tokenomics ist KI-Ökonomie. Ich habe unserer Community mit meiner Keynote zur Ankündigung vielleicht keinen Gefallen getan, weil ich mich so stark auf Tokens konzentriert habe. Denn das Interessante an Tokens ist, dass sie der gesamte Zustand der KI sind – man kann sie durch alle Ebenen verfolgen. Aber als Begriff geht es bei Tokenomics nicht um Token-Kosten. Es geht um alle Kosten rund um KI. Und um es noch komplizierter zu machen – weshalb wir viele CFOs sehen, die sich stark in dieses Gespräch einbringen: Wir sprechen nicht nur über die direkten KI-Kosten, oder? Nicht nur über die Kosten für Hardware, Services, Hyperscaler und Speicher. Wir sprechen über all die Personalkosten für das Management der Hardware und des Rechenzentrums, die Engineering-Kosten für die Nutzung dieser Services und die Arbeitskosten am Ende der Kette. Und vieles davon mündet in Gespräche darüber: Wie viele Leute brauche ich in meiner Organisation, gemessen an KI-Outputs und -Inputs? Was ist der Wert eines Engineers? Wie sollten wir unsere Engineers vergüten? Wie sieht das aus? Um also zum Anfang deiner Frage zurückzukommen: Worum geht es bei Tokenomics? Darum, den größten Wert aus eurer KI zu holen. Aber die Definition – oder sagen wir die Grenzen, wo es anfängt und aufhört – ist noch unklar. Es gibt noch viel Definitionsarbeit zu leisten,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">15:56</time></p>
    <p class="lt-turn__line">und in gewisser Weise ist das ein Feature, kein Bug, oder? Der Grund, warum wir eine Foundation dafür brauchen, ist, dass die klügsten Köpfe darüber nachdenken müssen. Vor FinOps hat jeder sein eigenes Ding gemacht. Vielleicht gab es ein Tool, vielleicht hattest du dein eigenes Spreadsheet, in dem du Dinge berechnet hast. Ja. Und bei mir hat das FinOps-Framework wirklich klick gemacht, weil es eben nicht darum geht, alles zu machen, oder? Sondern darum, was dein Unternehmen jetzt braucht – und es gibt einen Einstieg, egal ob du bei null anfängst oder schon fortgeschritten bist. Ich liebe das Crawl-Walk-Run-Modell dafür. Wenn du dich wirklich nur auf Optimierung konzentrierst – da gibt es vieles, was du tun kannst, und so denkt man über Rate-Optimierung und Usage-Optimierung nach. Und es ist eine dieser Sachen, auf die man sicher auch allein kommen könnte, aber für viele Unternehmen, die nicht die Mittel haben, eine FinOps-Person einzustellen, die keine dedizierte Person haben, kein Team oder, bei manchen Unternehmen, die wir kennen, eine ganze Armee an Leuten, die sich dem widmet, wie wir Kosten zuordnen, wie wir optimieren, wie wir Governance aufbauen – da nimmt einem die Foundation viele Hausaufgaben ab, erledigt von Leuten, die dieses Problem schon gelöst haben. Und bei Tokenomics ist die spannende Herausforderung, dass der Scope so viel größer ist, oder? Zu deinem Punkt: Es geht nicht nur um die Effizienz der Kostenminimierung. Das ist ein Vektor, ein wirklich wichtiger Teil. Aber vieles dreht sich auch darum: Woher wissen wir, wo wir mehr investieren sollten? Während es bei der Public Cloud hieß: Ja, wir migrieren, etwa aus den Rechenzentren – oder, als cloud-natives Unternehmen: Halten wir die Kosten auf einem Niveau, mit dem wir zufrieden sind.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">17:24</time></p>
    <p class="lt-turn__line">Ja.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">17:24</time></p>
    <p class="lt-turn__line">Bei KI gibt es, glaube ich, auch Druck von der anderen Seite, und ich stelle mir diese Glockenkurve vor. Du kennst das Meme: Ein Mitarbeiter, der gar keine KI nutzt, steht links, und du sagst: Du musst KI nutzen – und das betrifft nicht nur Engineering, sondern Marketing, Vertrieb, und so weiter, weil es dich wirklich effizienter macht. Auf der anderen Seite: Wenn du zu viel KI nutzt, lautet die Frage: Was machst du da eigentlich? Du hast 10.000 Dollar ausgegeben – was hast du dafür zurückbekommen? Und in der Mitte liegt der Grund, warum es keine Technologie ist, bei der man sagt: Unser Unternehmen braucht das nicht, darum kümmern wir uns später, oder? Denk mal drüber nach: Jedes einzelne Unternehmen, privat, börsennotiert, Fortune 100, Fortune 5, muss sich intensiv damit beschäftigen, weil es weiß, dass es fürs Unternehmen transformativ sein kann. Aber obendrauf: Diese Vorstellung, dass jeder einfach KI lernt und sie automatisch nutzt – der Grund, warum es überall FDEs gibt, ist, dass es eben nicht so einfach ist, oder? Die Integration in den bestehenden Kontext deines Unternehmens – du hast es sicher selbst erlebt: Du versuchst, etwas mit generischem Claude zu schreiben, es versteht deine Ideen nicht, es versteht deinen Kontext nicht, es versteht dein Denken nicht. Und sobald du anfängst, damit zu spielen und Skills-Dateien oder Ähnliches aufzubauen, hilft es dir wirklich – beim Brainstorming, beim Erzeugen eines Outputs, mit dem du zufrieden bist, und irgendwann erreichst du einen autonomen Punkt, an dem der Human in the Loop nicht mehr wirklich gebraucht wird.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">18:47</time></p>
    <p class="lt-turn__line">Ja.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="gas-price-problem">Das Benzinpreis-Problem bei Token-Kosten <time>18:48</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">18:48</time></p>
    <p class="lt-turn__line">Lass mich das fragen: Wie denkst du bei Tokens, Token-Kosten und allem drumherum über die Unit-Ebene nach? Wir reden über Tokens, und ich bin wirklich gespannt auf deine Sicht, denn ich habe eine Analogie, die ich nutze, aber</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">19:02</time></p>
    <p class="lt-turn__line">na, was ist deine Analogie?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">19:03</time></p>
    <p class="lt-turn__line">Ich versuche es so zurückzuführen – ich glaube, ich habe das gestern mit jemandem benutzt: Nur auf Token-Kosten zu schauen, ist wie nur auf den Benzinpreis zu schauen, oder? Du planst einen Roadtrip und willst ausrechnen, wie viel Geld du für Benzin brauchst. Wenn du nur auf den Benzinpreis von 4 Dollar pro Gallone schaust, hilft dir das auf einer Ebene, aber du musst auch wissen, welches Auto du fährst. Habe ich einen Rennwagen? Einen Hybrid? Wie lange fahren wir? Wie viele Stopps machen wir? Es berücksichtigt nicht: Was, wenn wir falsch abbiegen und 50 Meilen in die andere Richtung fahren? Und so weiter und so fort. Für mich ist es sehr ähnlich, Token-Kosten isoliert zu betrachten, oder? So war es auch letztes Jahr, als die Idee von Reasoning-Modellen und Agenten gerade erst abhob, aber noch nicht allgegenwärtig war. Und heute – das ist dir sicher auch schon passiert: Du bittest Claude, etwas zu tun, gehst weg, kommst zurück, und es denkt immer noch, und du so: Nein, whoa, whoa, whoa, du denkst zu viel nach über</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">19:54</time></p>
    <p class="lt-turn__line">das Ding, du denkst zu viel nach, genau. Und es ist ein bisschen wie Menschen zu führen, oder? Manchmal setzt du jemanden auf ein Projekt an, er verschwindet für zwei Wochen im Rabbit Hole und kommt zurück, und du denkst: Moment mal! Hättest du dich einfach früh mit deinen ersten Ideen bei mir gemeldet, hätten wir eine Menge Zeit gespart. Und das führt zu dem, finde ich, spannenden Aspekt von Tokenomics und KI generell: Wir denken jetzt darüber nach, wie man nicht-menschliche Arbeitskräfte managt, oder? Das berührt auch die ganz rechte Seite der Tokenomics-Gleichung: Wie bilanziert man nicht-menschliche Arbeitskräfte? Kann man die Arbeit, die ein Agent leistet, kapitalisieren – wie manche CFOs fragen? Und genauso wirft es spannende regionale Fragen auf: Ein Engineer in San Francisco kostet etwas ganz anderes als ein Engineer in einer anderen Region, oder? Und die Menge an KI, mit der du diese Person ausstatten willst, ändert sich entsprechend. Das ist dein Punkt mit dem Benzinpreis: Mal hast du den Camry, mal den Ferrari. Vielleicht ist das Ziel, von A nach B zu kommen, vielleicht willst du aber auch einen richtig schönen Roadtrip – und all das muss einfließen.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">20:53</time></p>
    <p class="lt-turn__line">Ja. Gartner kam, glaube ich, letztes Jahr oder sogar dieses Jahr mit der Aussage raus, dass Reasoning-Tokens fünf- bis 30-mal teurer sein können als vorher. Tokens ergaben preislich früher Sinn: Bei einem Chatbot kennst du die Input-Tokens, das Modell, den Preis bis zu den Output-Tokens. Jetzt hast du Agenten, die selbst aufrufen und denken können. Sie machen eine Menge Reasoning, und was dich wirklich interessiert, ist der Output. Aber selbst auf Output-Ebene: Wenn ein Modell pro Token billiger ist, aber doppelt so lange bis zum Ergebnis braucht, weil es viel Reasoning macht, sehr gesprächig – versus ein Modell, das viel teurer ist, aber schneller zum gewünschten Ergebnis kommt: Letzteres ist auf lange Sicht vielleicht günstiger. Günstiger pro Aufgabe, günstiger pro was auch immer. Meine These ist wirklich, dass man den Rahmen eine Ebene höher abstrahieren muss: Was ist der Punkt, oder? Was macht ihr mit KI? Soll etwas erweitert werden? Beispiel: Du hast ein Callcenter und willst KI für erfolgreiche Anrufe einsetzen – 80 Prozent der Fragen sind dieselben. Als Hotel: Hey, kann ich später einchecken? Später auschecken? Wenn KI das beantworten kann, interessiert dich nicht der Token-Preis dafür, sondern: Was sind die Kosten pro Ergebnis eines erfolgreichen Anrufs? Und ohne dieses Informationsniveau – wenn du nur auf eine Rechnung schaust – ist es sehr schwer zu rechtfertigen: Ja, wir haben letzten Monat eine Million Dollar für Bedrock oder Vertex AI oder irgendein Modell ausgegeben. Sollten wir mehr investieren oder nicht?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">22:22</time></p>
    <p class="lt-turn__line">Ja, und ich</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">22:23</time></p>
    <p class="lt-turn__line">ich glaube, dieses Gespräch auf CxO-Ebene erfordert ein Maß an Datenklarheit, das nicht nur die Kosten betrifft, sondern auch die ROI-Seite, die Wert-Seite von Tokenomics.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">22:34</time></p>
    <p class="lt-turn__line">Manchmal fühle ich mich alt, wenn ich auf die Cloud-Zeit zurückblicke – die Cloud ist jetzt fast 20 Jahre alt. Aber das Gespräch, das Anfang der 2010er geführt wurde, ist dem hier verblüffend ähnlich: Vor der Cloud konnte im Grunde niemand über Nacht einen Haufen Ressourcen oder Infrastruktur hochfahren und dem Unternehmen massive Kosten verursachen – so wie es Engineers in der Cloud taten, als sie zum ersten Mal Zugriff auf AWS und all das bekamen. Vieles davon war die Reaktion auf den Wechsel von diesem langen, langsamen Beschaffungszyklus der Rechenzentren, wo man wusste, was man ausgeben würde. Die Cloud hat das gesprengt, und dann haben wir es in den Griff bekommen – mit Enablement und Leitplanken rund um das, was Engineers hochfahren können. Und diese Reise beschleunigen wir jetzt in der KI-Welt: Jetzt kann jede einzelne Person in deiner Organisation Geld ausgeben – aber jede einzelne Person kann auch einen riesigen Einfluss auf das haben, was sie tut, oder? Wenn wir also auf diese Reise schauen und darauf, was mit Tokenomics passieren muss: Wir kommen an den Punkt, an dem wir Technologie nicht mehr nur als Mittel sehen, die Produktionsgeschwindigkeit des Widgets zu erhöhen, sondern: Wie transformieren wir? Lass mich die Frage zurückspielen: Wo siehst du die Grenzen zwischen Tokenomics und den bisherigen Herangehensweisen – FinOps oder anderen?</p>
  </div>
  <h3 class="lt-transcript__chapter" id="where-finops-ends">Wo FinOps endet und Tokenomics beginnt <time>23:54</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">23:54</time></p>
    <p class="lt-turn__line">Ja, interessante Frage. Ich sehe zwei Blickwinkel. Erstens: Die Lektionen aus FinOps lassen sich hier anwenden, und der Rahmen weitet sich. In FinOps haben wir, zu deinem Punkt, Kosten eigentlich nie als mehr betrachtet als einen Stückpreis für etwas. Wir bedienen unsere Kunden, der Umsatz ist so hoch, die Cloud-Kosten so hoch. Aber es gibt Dinge in FinOps, die sich, glaube ich, wegen KI jetzt selbst weiterentwickeln müssen, oder? Ein Beispiel ist diese Idee, dass Ownership der Grund ist, jemandem Kosten zuzurechnen. Showback und Chargeback basieren meist auf Tagging. Man sagt: Euer Team hat das Ding hochgefahren, also gehört es euch. Ihr sollt es optimieren, ihr sollt es governen, ihr sollt effizient sein – mit Technologie wie einem EKS-Cluster oder so. Und bei KI sehen wir jetzt schon die Risse in diesem Modell, oder? Denk an Serverless oder einen gemeinsam genutzten Kubernetes-Cluster: Dein Team fährt das Serverless-Ding hoch, ein anderes Team konsumiert es nonstop, und du bekommst die Rechnung, weil es auf dich getaggt ist. Ähnlich bei Kubernetes: Gut, du kannst delegieren – dieser Namespace oder dieser Node gehört dir, das sind deine Kosten. Aber es gibt all diese Nebenkosten, oder? Wenn ein Service, sagen wir, dem Produktteam A gehört und Unmengen an Egress-Kosten ins Internet produziert – diese Kosten sind ungetaggt, und das Beste, was wir hatten, war: Teilen wir es proportional auf, biegen wir die Zahlen ein bisschen zurecht. Genau. Und mit KI ist das jetzt der Normalfall und nicht mehr der fortgeschrittene Modus. Wir sind also ohnehin gezwungen, uns dem in FinOps zu stellen, und deshalb glaube ich, dass vieles davon auf der Tokenomics-Seite passiert. Das Lösen von ROI ist ein weiteres Beispiel: In FinOps hieß das Unit Economics, oder? Und schau – ich spreche seit 15 oder 10 Jahren mit Kunden über Unit Economics. Viele Unternehmen sind immer noch nicht da, weil es ein</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">25:56</time></p>
    <p class="lt-turn__line">in vielerlei Hinsicht ambitioniertes Ziel ist,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">25:58</time></p>
    <p class="lt-turn__line">und es ist schwierig, weil die Daten für Unit Pricing nicht aus der Cloud kommen, oder? Sie kommen aus deinem Geschäft. Wenn also die Kosten für etwas in Salesforce liegen, etwas anderes in Excel lebt, noch etwas woanders – dann ergibt es total Sinn, die Punkte zu verbinden: Was habe ich dafür zurückbekommen? Aber mit KI ist das kein Nice-to-have mehr, kein ambitioniertes Ziel, wie du sagst. Es ist das, was man lösen muss – denn wie sonst willst du Geld in dieses extrem teure, extrem schnelllebige Umfeld investieren, in dem es etwas gibt, das du mit KI in deinem Unternehmen erreichen willst? Ja,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">26:35</time></p>
    <p class="lt-turn__line">und – vielleicht eine leicht kontroverse These angesichts des Zeitpunkts – ich glaube tatsächlich, dass wir Token-Maxing als Konzept künftig wieder häufiger sehen werden, weil dieses Pendel zurückschwingen wird. Gerade hieß es: Kopf einziehen, wenn du keine KI nutzt. Jetzt heißt es: Kopf einziehen, wenn du zu viel nutzt. Aber wir wollen ja, dass die Leute befähigt werden. Das andere Interessante, das wir rund um Tokenomics sehen – und ich komme gleich zu den Unit Economics –, ist, wie sich das bis zur Kapitalinvestition im Rechenzentrum zurückverfolgen lässt und ganz rechts mit Aktienkursen verbindet. Letzte Woche habe ich den Geschäftsbericht von SpaceX gelesen, und darin steckte ein Abschnitt über ihren Umsatz pro Watt im Rechenzentrum. Sie nannten eine Zahl für den Umsatz pro Watt im Vorquartal, und der ist enorm gesprungen – etwa 3x im laufenden Quartal. Daraus konnten sie ableiten: Wenn wir wissen, wie viele Gigawatt an Kapazität dazukommen, und wir den Umsatz pro Watt kennen, können wir den KI-Umsatz hochrechnen. Und das war – so die These dieses Artikels – ein Treiber vieler Kursrallyes. Da ist die Tokenomics-Supply-Chain in Aktion: Die Kerneinheit auf dieser Seite ist: Ich habe so viel Kapazität – wie viel kann ich pro Watt verkaufen? Für ein Infrastrukturunternehmen ist das einfach, oder? Und das ist wohl eher ein Gespräch für die ganz Großen: Wie monetarisieren wir unseren Zugang zu GPUs und zugehöriger Hardware? Für alle anderen wird das Unit-Gespräch kniffliger, denn es geht nicht nur um: Wie habe ich die Aufgabe schneller erledigt? Sondern: Wie habe ich mit KI mehr Umsatz und Output erzielt? Ich hatte buchstäblich auf der Fahrt hierher einen Anruf von jemandem aus einem riesigen Unternehmen: Sie bauen nach und nach viel Personal ab, weil sie mehr Output ermöglichen – zumindest ist das die Botschaft, die sie von KI-befähigten Leuten bekommen. Was ist also das richtige Maß? Das richtige Maß ist, glaube ich, keine einzelne Unit-Metrik – war es nie –, sondern pro Team, pro Organisation, pro Produkt: Wie holen wir zunächst mehr Effizienz aus diesen einzelnen Einheiten? Und dann: Wie treiben wir hintenraus mehr Umsatz? Wir sehen viel von dieser Verbindung, und deshalb machen wir auch diese Arbeit. Du hast mich gefragt, was Tokenomics ist, und ich wünschte, ich könnte dir eine einfache Antwort geben. Ich habe eine Meinung dazu, aber die Branche findet das gerade heraus. Was wir wissen – zurück zu deiner Frage, warum wir das machen: Der Begriff Tokenomics und die Idee dahinter sind gerade im Zeitgeist, auf jeder Ebene – bei CEOs, CFOs, CIOs, sogar in den Geschäftsberichten von Billionen-Dollar-Unternehmen. Weil er das Denken um ein Konzept bündelt: Es gibt eine ganze Supply Chain rund um KI, die mit Energie beginnt und am Ende in Umsatz und Aktienkursen mündet, und dazwischen liegt eine Menge Arbeit, die wir verbinden müssen. Im Moment gibt es einen Haufen getrennter Disziplinen, und FinOps ist eine davon. Sie sitzt auf der Plattformebene – Cloud, variable Technologie, SaaS, Software, diese Dinge. Dann hast du Rechenzentrumsleute, die hier drüben Kapitalinvestitionen aufbauen, und dann noch eine ganz andere Gruppe von Business-Leuten, und Tokenomics will das zusammenziehen. Man kann es also einfach beschreiben als: Energie nehmen, in Intelligenz verwandeln und hinten Wert treiben. Oder man sagt, es ist synonym mit FinOps für KI. Teile davon stimmen – aber hier entwickelt sich ein größerer roter Faden, und ich glaube, wir werden im Grunde eine neue Disziplin entstehen sehen. Ich versuche, nicht dogmatisch zu sein, und das ist wirklich schwer für jemanden in diesem Feld: Wie wird es heißen? Umfasst es das Alte, oder ist das Neue etwas Eigenes? Wir wissen es einfach noch nicht. Genau deshalb freue ich mich so, solche Gespräche wie dieses mit dir zu führen, um das herauszufinden.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">30:26</time></p>
    <p class="lt-turn__line">Ja, am Ende des Tages ist es nur ein Name, oder? Ich frage mich bei FinOps heute noch: Steht es für Financial Operations? Für Financial …? Oh,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">30:33</time></p>
    <p class="lt-turn__line">ich habe diesen Begriff gehasst. Ich weiß – aber auch ein furchtbarer Name. Ja,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">30:37</time></p>
    <p class="lt-turn__line">es ist nur ein Name. Aber der Wert von so etwas wie der FinOps Foundation und jetzt der Tokenomics Foundation ist, dass wir gewissermaßen offen und gemeinsam bauen, oder? Niemand hat es gelöst, denn fairerweise: Für jedes Unternehmen sieht die Lösung anders aus. So wie das Framework nicht präskriptiv war, sondern eher fragte: Was braucht ihr, oder? Was priorisiert ihr gerade? Geht es darum, Klarheit über die Daten zu bekommen – und wenn ihr die Daten habt, wollt ihr dann über mehr Effizienz nachdenken? Und wenn ihr effizient seid: Wie verhindert ihr den Fin-oops-Moment, wie ich ihn gern nenne? Den liebe ich auch, ja. Und ich bin sicher, gerade bei Tokenomics sind die Fragen ähnlich, aber für KI sehr viel nuancierter.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">31:18</time></p>
    <p class="lt-turn__line">Und noch etwas – wo du von den FinOps-Momenten sprichst: Die Leute fragen mich seit ein paar Wochen – und ich sage nein, nein –, ob Tokenomics ein Rebranding von FinOps ist, ob auf Disziplin- oder Foundation-Ebene. Und die Antwort ist: absolut nicht. Einer der Momente, als ich recherchiert habe, ob wir dafür eine neue Foundation hochziehen oder was wir überhaupt tun: Ich hatte diese großartige Phase von fünf, sechs Tagen, in der ich 20 der Fortune 25 ans Telefon bekam – Leute, die ich dort kannte, die in diesem Feld sind. Die nahmen Anrufe an einem Samstag und Sonntag an, um sieben Uhr morgens an einem Samstag, um über dieses Zeug zu reden. Und einer von ihnen sagte: Witzig, dass du mich fragst, ob es dasselbe oder etwas anderes ist – ich komme gerade aus einem Meeting mit unserem, ich glaube, es war ihr CIO, und der sagte: Das FinOps-Zeug ist wirklich wichtig, kümmere dich weiter darum, es ist der Großteil unserer Ausgaben, ein großer Brocken. Aber ich will, dass du das in den Normalbetrieb überführst – das macht ihr seit Jahren, lass das laufen. Und ich will, dass du etwa 80 Prozent deiner klügsten Leute darauf ansetzt, dieses Tokenomics-Ding zu verstehen, denn das skaliert wie verrückt, und unser Board stellt Fragen dazu. Das war für mich so ein prägender Moment: Ihr müsst die FinOps-Arbeit weitermachen, in der ihr gut geworden seid – und ihr müsst zusätzlich dieses neue Ding herausfinden. Übertragen auf das, was wir in der Foundation tun: Wir behalten alles, was wir auf der FinOps-Foundation-Seite machen. FinOps X lebt weiter, hat jetzt eine Schwesterkonferenz. Die Trainings leben weiter. Die Working Groups leben weiter. Alles läuft dort, unser Team ist dort. Und wir bauen ein neues Team auf, um dieses Fragezeichen zu lösen: Was ist das, und wie macht man es? Denn das braucht eine Menge Investment, und wir können die FinOps-Arbeit nicht stoppen – sonst laufen dort die Kosten aus dem Ruder, unsere Prognosen stimmen nicht mehr, und wir bekommen Probleme. Das spielt sich gerade so ab. Mit der Zeit wird die Frage: Ist das alles dasselbe, oder sind es zwei verschiedene Dinge? Und das werden wir unterwegs herausfinden. Ja,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">33:15</time></p>
    <p class="lt-turn__line">und diese Frage wurde ja schon bei ITAM gestellt, oder? ITFM. Steht uns da eine Verschmelzung bevor –</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">33:20</time></p>
    <p class="lt-turn__line">selbst jetzt, oder? Ja,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">33:21</time></p>
    <p class="lt-turn__line">und ich finde, die Wert-Seite, der ROI zum Beispiel, existierte in FinOps auch schon immer. Aber da war es okay zu schätzen, weil es kontrollierte Ausgaben waren. Etwas Steuerbares, das man sehen konnte, mit Leitplanken um alles herum. Und die Leute, die die Cloud anfassen, sind das Engineering-Team, das DevOps-Team, die SREs, das IT-Team. Auf CxO-Ebene hieß es: Ich vertraue meinem CTO oder CIO oder IT-Direktor, die haben das im Griff. Und selbst wenn die Daten nicht perfekt sind, selbst ohne Unit Economics – okay, denn uns interessieren die gesamten Cloud-Ausgaben im Aggregat. Und am Ende nutzen wir die Cloud, um Geschäftsprozesse abzubilden, Software zu bauen oder was auch immer. Bei KI ist das ganz anders, denn mit KI machst du zwei Dinge. Erstens: Du wertest vielleicht dein Produkt auf, damit deine Kunden ein besseres Erlebnis haben, oder? Statt Konfigurationen zu lernen: Sag mir auf Englisch, was du tun willst, und wir finden es einfach heraus.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">34:20</time></p>
    <p class="lt-turn__line">Jep.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">34:21</time></p>
    <p class="lt-turn__line">Aber dann gibt es noch die andere Seite, um die sich FinOps, glaube ich, nie kümmern musste: KI kann euch intern bei der operativen Effizienz helfen, oder? Du hast keine Marketing-Leute, die EC2-Instanzen hochfahren, um ihren Tag zu verbessern – aber mit KI jetzt eben doch, genau. Das gab es immer: Eine falsche Zeile Code konnte aus einer t3.micro für einen Cent pro Stunde 99 Dollar pro Stunde machen, wenn du daraus auf AWS eine p5 gemacht hast. Und mit KI bekommt jetzt jeder Zugang zu einem Chatbot-Äquivalent – ob kontrolliert, weil man den Scope begrenzt. Und die Leitplanken, die es heute gibt, sind einfach eine Zahl: Hey, wir begrenzen dich auf 200 Dollar im Monat, und mit gutem Grund erweitern wir das. Und wenn du diese Technologien nutzt, kannst du nicht einfach sagen: Hey, ich habe nur eine Frage, klär das im Hintergrund. Du nutzt Claude, und es ist dies und das. Und natürlich will jeder so viel Intelligenz wie möglich, oder? Die Leute sind nicht darauf trainiert zu denken: Diese Aufgabe sollte ein Haiku-Modell übernehmen. Man will natürlich die maximale Intelligenz. Und die Experimentierphase, in der man KI lernt, braucht einen Ausgaben-Topf: Um KI zu lernen, kannst du nicht 40 Stunden in einen Kurs gehen und es dann können. Der beste Weg, KI zu lernen, ist, KI zu nutzen. Viele Freunde fragen mich: "Hey, wie werde ich richtig, richtig gut in Claude?" Und ich so: "Warum fragst du nicht Claude?" Was übersehe ich? Was kann ich damit machen? Und dieser explorative Charakter von KI bedeutet auch: Es ist wirklich schwer, am 1. Januar beim Budgetieren – oder im November fürs nächste Jahr – zu wissen, wie hoch die Ausgaben sein werden. Jevons-Paradoxon, oder? Ja, natürlich werden Tokens immer billiger und billiger. Aber was das dann heißt: na ja, die Tokens für Inferenz auf demselben Niveau. DeepSeek hat gerade</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">36:12</time></p>
    <p class="lt-turn__line">Erhöhungen bei einigen ihrer Token-Preise angekündigt. Richtig, richtig. Das ist die hochvariable Natur der Sache. Aber du hast etwas angesprochen, das immer der Einstieg in dieses Gespräch ist: Wir fangen alle an, über Modellauswahl zu reden.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">36:24</time></p>
    <p class="lt-turn__line">Ja,</p>
  </div>
  <h3 class="lt-transcript__chapter" id="model-selection">Modellauswahl und alles drumherum <time>36:25</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">36:25</time></p>
    <p class="lt-turn__line">und die Modellauswahl ist entscheidend. Ich würde sagen, sie ist eines der prägendsten Elemente von Tokenomics in der Optimierungsschicht – wir denken ja in Produktion und Konsum, was die Optimierung einschließt, und dann in der Wert-Seite. Eines meiner Lieblingszitate von Dario von vor ein paar Monaten ist, dass die Modelle am Ende der Exponentialkurve ankommen. Die Modelle werden nicht mit jedem Release dramatisch besser. Ich bin von 4.8 auf 5 gegangen und habe gehofft, dass sich mein Leben ändert – und es hat sich nicht wirklich geändert, oder? Das Modell ist also ein wichtiger Teil, und beim Modell führen wir oft das Token-Gespräch, da sitzt viel von der Token-Kosten-Diskussion. Aber der andere Teil ist der gesamte Harness um das Modell herum: die Kontext-Schichten, die Intelligenz-Schichten, der Speicher, die Menschen, das Training dieser Menschen, das Enablement. Ich glaube, wir werden in Tokenomics als Disziplin und in der Foundation immer einen Arbeitsstrang haben, der sich um Modellauswahl und Prompt Engineering dreht, darum, dass man seinen KV-Cache nicht kaputtmacht – all diese Kernthemen. Aber zunehmend sagen die Leute: Wie bekomme ich den ganzen Kontext, den mein Geschäft braucht, da hinein? Ich hatte das gestern mit jemandem aus meinem Team – großartiger Typ, ich nenne ihn beim Namen: Stephen Arthur. Er hat einen Haufen Hardware zu Hause, alles abgesichert, und er lässt Open-Weights-Modelle darauf laufen. Es ist großartig – die Tokens sind quasi gratis, weil er sein ganzes Geld für die Hardware ausgegeben hat. Ich bekam Ergebnisse von ihm und dachte: Das stimmt nicht. Und uns wurde klar: Ich habe hier drüben ein ganzes Claude-Setup mit dem Rest des Teams, alles verbunden – und sein Open-Weights-Modell, das in mancher Hinsicht mächtiger und definitiv kosteneffizienter sein sollte, hatte diesen ganzen Kontext nicht. Also: "Hey, Mann, du musst einen Teil davon wieder rüberziehen." Und da sind wir wieder: Es geht nicht um Kosten pro Token, oder? Ich bin in dem Fall der Budget-Verantwortliche und sage ihm: Bitte hör auf, die billigere Option zu nutzen, weil dir der Kontext fehlt. Und wir sehen die Großen da draußen – ich nenne keine einzelnen Namen –, die riesigen Technologieanbieter, die sagen: Klar, wir können jedes Modell einwechseln, das ihr wollt, aber wir haben Zugriff auf all eure anderen Daten – in eurer Datenbank, eurem Datastore, eurer E-Mail, eurem Kalender, eurer CMDB. Genau da entsteht der Wert. Und damit sind wir, nebenbei, wieder bei Tokenomics als Gesamtbetrachtung: Token-Kosten und Modellauswahl sind die Spitze des Eisbergs, und wenn wir uns zu sehr darauf konzentrieren, sehen wir den Wald vor lauter Bäumen nicht. Es ist</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">38:51</time></p>
    <p class="lt-turn__line">witzig, dass du die Tokenomics-Seite von Open-Source-Modellen erwähnst. AT&amp;T kam letzte Woche beim Earnings Call damit raus: Bis zu 25 Prozent ihrer Token-Ausgaben laufen über Open Source, und sie wollen auf etwa 70 Prozent kommen oder so. Und weißt du, witzig: Als ich zum ersten Mal die Token-Erzeugung in der Tokenomics Foundation gesehen habe, war ich ziemlich verwirrt – mein Mindset war: Als FinOps-Praktiker habe ich mich wirklich darum gekümmert, die Daten zu segmentieren, zu optimieren, zu governen. Die Energie, die AWS für die Erzeugung eines Tokens nutzt, war mir nie wichtig. Aber je mehr ich lerne, desto mehr sehe ich: Es wird eine Mischung verschiedener Wege geben, wie wir Tokens erzeugen, oder? Cloud natürlich, diese Service-Provider, aber auch diese Neo-Clouds, Fireworks, die Open-Source-Modelle hosten können. Und Effizienz ist nicht gleich Effizienz: Dieselbe Hardware auf AWS, GCP, diesen Neo-Clouds, im eigenen Rechenzentrum – du bekommst sehr unterschiedliche Ergebnisse. Da werden viele Effizienzgewinne erzielt, und wie vergleicht man das, um zu sagen, wo wir künftig investieren? Du musst auf die Erzeugung der Tokens schauen, oder? Und herausfinden: Was ist der Maßstab, mit dem wir eine ehrliche Diskussion führen können: Investieren wir mehr? Gehen wir zurück ins Rechenzentrum und kaufen einen Haufen NVIDIA-Hardware, oder zahlen wir weiter für Claude? Zu deinem Punkt: weil das Ökosystem da ist, wo wir sein wollen. Auch wenn es billiger ist, braucht es vielleicht viel mehr Kontext-Laden oder Daten-Herumkopieren, damit wir es nutzen können. Versus: Es ist die Prämie – Prämie in Anführungszeichen – wert, etwas wie Claude zu nutzen, weil es schneller funktioniert, wir am Ende weniger Tokens verbrauchen und zum gewünschten Ergebnis kommen, ohne neun Stunden mit Claude hin und her zu gehen – was Spaß macht, aber manchmal auch anstrengend ist.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="energy-scarce-resource">Energie als neue knappe Ressource <time>40:37</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">40:37</time></p>
    <p class="lt-turn__line">Na ja, ich habe nicht gesagt, dass Claude in dem Fall besser war – aber die Claude-Instanz, die ich nutze, hat MCP-Verbindungen zu einem Haufen anderer Systeme, die wir nutzen, viel geteilten Speicher, Skills-Dateien, Zugriff auf unsere Datenbanken, und all diese Verbindungen machen es wertvoll. Wir könnten Claude in dem Fall leicht gegen das lokale Modell tauschen, das er laufen lässt, wenn dieses lokale Modell Verbindungen zu all dem hätte. Aber ich will auf das zurückkommen, was du über Energie gesagt hast, denn das ist ein wirklich spannender Bereich. Wenn Leute fragen: Wie ist das fundamental anders als FinOps? – und wir haben das auf der Konferenz kurz berührt: FinOps geht davon aus, dass man die Assets, die man braucht, einfach beschaffen kann. Sie sind da, unendlich skalierbar. Du drückst einen Knopf oder schreibst Code, und es kommt zurück. Das berührt auch ITAM, das du erwähnt hast, oder? Also viel stärker die Compliance- und Security-Aspekte, Procurement und Sourcing. Aber wenn du über KI-Services nachdenkst – gerade als großes Unternehmen in großem Maßstab –, musst du sagen: Ich weiß nicht, ob ich an die Hardware komme. Selbst wenn ich einen Cloud-Provider nutze, weiß ich nicht, ob dieser Provider zur richtigen Zeit genug Energie hat, wenn ich das große Was-auch-immer hochfahren will. Und Energie wird – und ich will klarstellen: Wenn wir über Energie reden, reden wir nicht unbedingt über Nachhaltigkeit, auch wenn das ein Teilaspekt sein kann. Energie wird zu einem begrenzten Asset, über das wir nachdenken müssen: Haben wir genug, wenn wir ein großer Anbieter sind, der viel betreibt? Und wir müssen über die Kosten dieser Energie nachdenken, die in meinen Umsatz pro Watt einfließen – wie im SpaceX-Beispiel oder anderswo. Wir sehen also die ersten Energie-Gespräche. Und wenn ich mit Rechenzentrumsanbietern spreche, mit denen wir arbeiten: Die versuchen, nicht nur den richtigen Preis für die Energie zu bekommen, sondern die richtigen Quellen, oder? Sie brauchen ihre Diesel-Notstromaggregate und das Netz, sie müssen Solar kaufen, sie brauchen den ganzen Mix, weil sie nicht genug bekommen. All das führt zurück zu der Idee, dass es in der KI-Welt eine Ressourcenknappheit gibt: Manche Anbieter sind langsamer, weil sie nicht genug Energie und Hardware haben, und manche großen Unternehmen können nicht kaufen, was sie brauchen. Tokenomics schaut also auch auf diesen linken Bereich – in Jensens Worten die Token-Factory-Effektivität: Wie verwandle ich Energie mit der richtigen Hardware und dem richtigen Kapitaleinsatz in Output-Tokens – du hast es gesagt, und ich sage es oft auch so –, aber eigentlich in einen KI-Service. Diese Services lassen sich in gewisser Hinsicht auf Tokens herunterbrechen, aber es sind all die umhüllenden Schichten aus Speicher, Datenbank, Storage und allem drumherum.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="where-it-lives">Wo gehört Tokenomics in der Organisation hin? <time>43:06</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">43:06</time></p>
    <p class="lt-turn__line">Du sprichst einen interessanten Punkt bei der Energie an, oder? Verglichen mit FinOps, wo wir uns wirklich auf die Cloud und ihre Nutzung konzentriert haben – und natürlich haben wir angefangen zu erweitern: Daten-Clouds, SaaS. Ich glaube, Cloud Plus war ein Begriff, den wir früher benutzt haben,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">43:21</time></p>
    <p class="lt-turn__line">manche ja, richtig – wir auch, eine Zeit lang. Ja, und</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">43:24</time></p>
    <p class="lt-turn__line">und ich finde, zumindest bei KI, wegen dieser Abwägungen: Es reicht nicht zu sagen, wir nutzen Open-Source-Modelle, weil billiger. Billiger schon – aber wo lässt du sie laufen? Auf eigener Hardware? Hast du die Stromquellen, um das zu betreiben? Lässt du es bei einem anderen Anbieter laufen – dann ist es im Grunde wieder Infrastructure as a Service, und so weiter und so fort. Meine Frage ist: In jeder Organisation, die jetzt über Tokenomics nachdenkt – und das ist nichts, was man später als Nice-to-have angeht, oder? Bei FinOps heißt es oft: Wir sind zu klein für FinOps, wir brauchen keine dedizierte Person, keine Tools, wir kriegen das hin. Tokenomics ist das Gegenteil: Wir brauchen jemanden, der sich darauf konzentriert – und oft kommt das vom Board und den CxOs. Wir müssen uns auf Tokenomics konzentrieren, weil die Kraft, die Fähigkeit, wie du vorhin sagtest, unser gesamtes Geschäft zu transformieren, zu gewaltig ist, um sie zu ignorieren. Wo, denkst du, sitzt Tokenomics als Disziplin in einem Unternehmen? Klassisch beim FinOps-Team? Sollte es eine ganz eigene Disziplin sein, wie die CAIOs, die wir jetzt überall sehen? Wo landet es?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">44:34</time></p>
    <p class="lt-turn__line">Ich weiß es nicht. Wir sind sehr vorsichtig damit, einen Tokenomics-Praktiker zu definieren, so wie es, glaube ich, einen FinOps-Praktiker gibt – es sei denn, wir sehen das Muster wirklich wieder und wieder und wieder –, weil es so viele verschiedene Bereiche berührt. Wenn du jemanden von einer NeoCloud anrufst und nach Tokenomics fragst, oder jemanden bei einer Cloud, oder jemanden in einer großen Bank in New York aus einem Finance-Team, bekommst du komplett unterschiedliche Antworten darauf, was es ist und wo es sitzt. Nach den Gesprächen, die ich gerade führe, sehen wir es als Begriff für ein Set an Fähigkeiten – eine Disziplin, wenn man so will –, das aber über die Organisation verteilt werden muss, an viele verschiedene Stellen. Ich höre von vielen unserer Leute in diesen großen Unternehmen: Sie bekommen den Anruf, quasi vom CEO heruntergereicht: Ich will, dass du die Tokenomics-Praxis aufbaust, und du sollst uns helfen, die richtigen Personas zu finden, wen wir einstellen müssen, das Team. Und ich kann im Moment nicht klar sagen, wo das genau sitzen oder wer es führen sollte. Ich sehe Datenpunkte: Manche hängen es direkt neben FinOps – super, einfach. Aber dann schauen sie meist nur auf die Konsum-Schicht in der Mitte. Manche hängen es ins Team des Chief AI Officer. Manche, wenn viel Hardware im Spiel ist, verschieben es weiter nach links zu den Leuten dort. Es ist wie das Gleichnis von den blinden Männern und dem Elefanten.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">46:00</time></p>
    <p class="lt-turn__line">Welches Gleichnis? Das kenne ich nicht. Das kennst du nicht? Okay, okay. Erzähl mal. Okay,</p>
  </div>
  <h3 class="lt-transcript__chapter" id="blind-men-elephant">Die blinden Männer und der Elefant <time>46:04</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">46:04</time></p>
    <p class="lt-turn__line">das habe ich in der Grundschule gehört. Es gibt sechs blinde Männer, von denen keiner je einen Elefanten gesehen hat, und sie werden in einen Palast gebracht, um zum ersten Mal einen Elefanten zu erleben. Der Elefant steht in der Mitte des Raums, und die sechs blinden Männer nähern sich ihm aus verschiedenen Richtungen. Einer legt die Hände auf den Rüssel und sagt: "Oh, ein Elefant! Er ist wie eine Schlange." Ein anderer fasst den Schwanz an: "Ein Elefant! Er ist wie ein Seil." Ein weiterer berührt das Bein: "Ein Elefant! Er ist wie ein Baumstamm." Genau das ist Tokenomics im Moment. Du fragst verschiedene Leute, die an unterschiedlichen Stellen sitzen, es zu beschreiben, und bekommst völlig unterschiedliche Antworten. Das Ding ist: Alle haben recht, aber keiner sieht das große Ganze.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">46:45</time></p>
    <p class="lt-turn__line">Wirklich interessant. Ich glaube, es könnte daran liegen, dass FinOps ein Opfer seines eigenen Erfolgs ist. Wenn wir an FinOps denken, als wir die Foundation gegründet haben: Es gab viele Learnings, es brauchte viel Arbeit, um dahin zu kommen, wo es heute ist. Und wenn man Tokenomics Foundation hört, denkt man vielleicht: Oh cool, ihr habt das ja schon gelöst,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">47:06</time></p>
    <p class="lt-turn__line">genau, und</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">47:07</time></p>
    <p class="lt-turn__line">und die Leute erinnern sich nicht, wie viel Arbeit es war, wie viel Denkleistung von Menschen, die an dieser Idee gezogen und geschoben haben – wie man eine Cloud-Disziplin aufbaut –, um dahin zu kommen, wo wir heute sind.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">47:18</time></p>
    <p class="lt-turn__line">Absolut. Und wir haben angefangen – wenn ich "wir" sage, meine ich auch Mike Fuller, den Co-Autor des FinOps-Buchs; ich bezeichne ihn immer als das Hirn hinter FinOps. Wir haben diese Gespräche 2014 begonnen, oder? Und erst 2018 dachten wir: Oh, vielleicht ist das hier tatsächlich eine Disziplin. Dann haben wir 2019 versucht, sie zu dokumentieren, und ich würde sagen, um 2021 hatten wir das Gefühl, sie gut im Griff zu haben. 2022, 23, 24 sah man reife Praktiken – und dann hat KI alles gesprengt und zurückgesetzt. Zu deinem Punkt: So etwas klärt sich nicht über Nacht, und wir sind mit Tokenomics genau wieder in diesem Zyklus, führen diese tiefen Gespräche: Was ist es, wer macht es? Wir haben all das vor fünf Jahren in FinOps gemacht, aber es hatte nie dieses Maß an Aufmerksamkeit, und es war nie so – ich wollte sagen dringend, aber es war nie so kritisch, es herauszufinden, weil die Cloud damals nur ein Teil war und die Leute dann lernten, FinOps auf andere Bereiche anzuwenden. Hier sind wir zurück bei diesem existenziellen Krisenmoment, in dem wir als Branche gemeinsam – und ich bin so froh, dass ihr das macht, und all die anderen Mitglieder docken hier an – das klären müssen. Denn wir wollen nicht, dass sich bei KI die Cloud-Repatriierungs-Story wiederholt: All dieses Investment fließt rein, und dann sagen die Leute, es lohnt sich nicht wirklich, oder? Das hat Konsequenzen für einzelne Unternehmen und große Konsequenzen für die Weltwirtschaft. Und dieses Klären, diese Effizienzarbeit – ich klinge, als würde ich es größer machen, als es ist, aber wir müssen wirklich herausfinden, wie wir all dieses Investment in Wert und Output verwandeln, oder? Und die Menschen dabei mitnehmen.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">48:47</time></p>
    <p class="lt-turn__line">Ja, in gewisser Weise geben einem beide Foundations am Ende des Tages vor allem das Vertrauen, Technologien zu nutzen, oder? Das Vertrauen, in der Cloud Geld auszugeben, ohne Angst, dass die Rechnung steigt. Unit Economics hilft dir zu erkennen: Der Stückpreis sinkt sogar, wir haben mehr Volumen. Ja. Mein Beispiel war immer: Du bist als Series-A-Unternehmen auf der Titelseite von TechCrunch und bekommst den Anomalie-Alarm, dass sich deine Cloud-Rechnung in zwei Tagen verdreifacht hat. Alle drehen durch, schauen drauf – und jemand sagt: Ja, weil sich unser Traffic verdreifacht hat.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">49:15</time></p>
    <p class="lt-turn__line">Es war Black Friday, wir haben all dieses Geld verdient. Genau. Und da ist dieses ganze Ding mit "Was gemessen wird, wird verbessert" – ich werde es wahrscheinlich falsch zitieren, aber ich glaube, es ist Goodwins Gesetz, das im Kern sagt: Sobald man ein Ziel an eine Kennzahl hängt, hört die Kennzahl auf, nützlich zu sein. Und das ist tatsächlich auch die Herausforderung bei Unit Economics: Wir wollen zu Unit Economics kommen, bei denen wir Geschäftswert gegen Kosten betrachten. Aber wenn wir anfangen, nur auf Kosten pro Transaktion zu optimieren – total –, ist das vielleicht die falsche Metrik, oder? Das ist, glaube ich, eine der Schwierigkeiten: Unit Economics als Konzept ist in Organisationen angekommen, aber die Gespräche darüber endeten oft auf der Plattformebene – was ist die Unit-Economics-Kennzahl für die Plattform – und haben sich nicht genug mit dem Produkt verbunden.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">49:59</time></p>
    <p class="lt-turn__line">Ja, und die Gamification: Sobald es eine Kennzahl gibt – Token-Maxing entstand, weil jemand sagte: Ihr müsst mehr Tokens nutzen, ihr müsst lernen, KI zu nutzen. Okay, aber die Qualität dessen, was du tust, ist völlig verschieden. Der eine stellt nur wiederholt dieselben Fragen, der andere lernt wirklich, wendet an und wird effizienter in seiner Arbeitsweise, um denselben Output zu bekommen, der ihm wichtig ist. Aber wenn du ein Maß ansetzt wie: Diese Gruppe darf nur 100 Dollar pro Woche oder Monat für KI ausgeben – dann verpasst du irgendwie das große Ganze, nämlich: Was bringen dir diese 100 Dollar wirklich? Darum geht es, und das will man quantifizieren und messen können. Denn wenn du das nicht messen kannst, wird es zu einer Kostenzahl, einem absoluten Wert, oder? Und weißt du, witzig: Anfangs, vielleicht letztes Jahr, vor zwei Jahren, gab es immer ein separates Budget für KI. Wir probieren viel aus, Experimente sind okay, POCs, was auch immer. Und zunehmend heißt es jetzt: Entweder wird es in unser Cloud-Gesamtbudget integriert,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">50:56</time></p>
    <p class="lt-turn__line">oder es bleibt separat</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">50:58</time></p>
    <p class="lt-turn__line">für die Teams. Ja. Themenwechsel für einen Moment: Ich würde gern deine Meinung hören, wie sich die Landschaft für SaaS-Unternehmen entwickelt. Traditionell war es ein Seat-basiertes Modell, und plötzlich – mit Seats und Cloud hast du Unit Economics, du kannst steuern, du hast Margenschutz. Mit KI: Sagen wir, du integrierst einen Chatbot in dein Kundenerlebnis – wir erinnern uns alle an die Chipotle-Sache, als jemand herausfand: Wenn ich einfach den Chipotle-Chatbot anzapfe, ist das ein persönliches GPT, gratis, ich muss nichts dafür tun. Das Abrechnungsmodell, gerade für diese SaaS-Services – vor allem, wenn du ein bestehendes SaaS-Geschäft hast und das Ding draufsetzt: Da ist jetzt so viel Variabilität im Spiel, oder? Ein Kunde sagt: Statt APIs rufe ich euren MCP-Server auf, oder ich frage alle fünf Sekunden auf Englisch nach. API-Kosten konntest du früher managen – aber mit einem LLM-Übersetzer in der Mitte geht es immer noch an die API, um dieselben Daten zu holen, nur anders, weil es für die Leute einfacher ist. Wie, glaubst du, wird sich die Branche beim SaaS-Pricing entwickeln? Ich</p>
  </div>
  <h3 class="lt-transcript__chapter" id="saas-pricing-agents">SaaS-Pricing im Zeitalter der Agenten <time>52:04</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">52:04</time></p>
    <p class="lt-turn__line">Ich habe heute eine Schlagzeile über ein Unternehmen gesehen, dessen Aktienkurs abgestürzt war, und das Etikett, das man ihnen verpasst hat – der Grabspruch, oder wie man das nennt –, war: Die sind doch nur ein KI-Wrapper. Und das ist das große Thema. Das Risiko für viele SaaS-Unternehmen gerade – und das führt zu einer existenzielleren Frage für SaaS- und Software-Unternehmen: Wo sitzt der Wert? Sitzt er in der zugrunde liegenden KI? In dem Spezialwissen, das ihr draufgelegt? In den Daten, die ihr habt? Wie sieht das aus? Die Komponente des variablen Konsums ist gerade riesig, und was in dem Gespräch fehlt – du sagtest, API-Aufrufe kann man tracken, managen, prognostizieren: Hier kommt "agentisch" ins Spiel. Wir haben "agentisch" übrigens noch kaum gesagt. Was</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">52:50</time></p>
    <p class="lt-turn__line">heißt: Wir haben eine Stunde überstanden, ohne "Agent" zu sagen. Unglaublich. Was,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">52:53</time></p>
    <p class="lt-turn__line">weißt du: Du bittest den Chatbot dieses SaaS-Angebots, etwas zu tun, und er tut nicht nur das eine Ding. Er fährt eine Reihe von Agenten hoch, die mit Agenten interagieren, losziehen und weitere Agenten erzeugen, Schleifen, Retries, Fehlschläge – das kann viel Wert schaffen, und es kann hintenraus auch einfach viele Kosten erzeugen, oder? Ich höre viele solcher Gespräche – heute Morgen war ich mit einem Riesen dran, nenn sie ein SaaS-Unternehmen, du würdest vielleicht Plattform-Unternehmen sagen, sie selbst vielleicht Cloud-Unternehmen: Sie nutzen viele verschiedene KI-Modelle, die sie durchreichen, und müssen neu bepreisen, wie sie an ihre Kunden verkaufen, herausfinden, was ihr Nutzen ist und wie ihre Margen dabei aussehen. Ich höre andere, die damit kämpfen, Modellkosten einfach direkt durchzureichen – manche machen das eins zu eins, manche mit Aufschlag, manche mit Credit-Systemen, manche mit Credits plus direktem Aufschlag. Es fühlt sich an – und um 20 Jahre zurückzugehen: Salesforce war einer der Ersten, die ein SaaS-Modell obendrauf gebaut und das Pricing herausgefunden haben. Wir sind damit alle wieder bei null. Da gelten gerade keine Regeln mehr: Es gibt kein richtiges oder falsches Pricing, aber jeder muss die variable Komponente lösen und dann klären, ob er ein KI-Unternehmen ist oder ein KI-Wrapper-Unternehmen. Und kann man Wert haben, wenn man nur KI umhüllt? Wie sieht das aus? Zu deiner eigentlichen Frage, ob Seat-Modelle bleiben: Ich glaube ja, aber wir sehen erste Aufspaltungen: Ist der Seat für einen Menschen oder für einen Agenten, oder? Wer war das – ServiceNow hat, glaube ich, gute wie schlechte Schlagzeilen gemacht mit ihrem Tollgate-Ding: Wenn Agenten zugreifen, berechnen wir anders. Und das ergibt eigentlich Sinn, denn ich kann nur so schnell tippen – aber meine Agenten können die ganze Nacht durchlaufen.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">54:41</time></p>
    <p class="lt-turn__line">In gewisser Weise beschleunigt die Entwicklung, die wir in FinOps mit SaaS-Kosten begonnen haben, die FinOps-Adoption, oder? Denn plötzlich – zu deinem Punkt – waren SaaS-Kosten vielleicht nicht Teil von FinOps, solange sie Seat-basiert waren, weil man nicht jeden Tag Seats hinzufügt und entfernt. Der Vorteil der FinOps-Effizienz ist ja: Die Maßnahme, die du jetzt ergreifst, spart jetzt Kosten. Du optimierst einen Kubernetes-Cluster und siehst den Nutzen sofort, du wartest kein Jahr oder so.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">55:13</time></p>
    <p class="lt-turn__line">Ich vermisse diese Zeiten jetzt schon. FinOps ist in dieser Hinsicht so sauber. So sauber. Du handelst, bekommst sofort oder ziemlich schnell Ergebnisse, komplett nachvollziehbar – und davon haben wir etwas verloren.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">55:21</time></p>
    <p class="lt-turn__line">Aber jetzt, zu deinem Punkt: Wenn diese SaaS-Unternehmen – oder Technologieunternehmen, in Ermangelung eines besseren Wortes; SaaS ist vielleicht nicht mehr das richtige Wort – variables Pricing machen, dann sind deine KI-Kosten nicht mehr nur die internen Token-Ausgaben, denn all diese SaaS-Anbieter werden selbst nach Konsum berechnet und reichen die Kosten womöglich an dich durch. Und wenn du dann fragst: Was ist unser gesamtes KI-Budget? Wie denkst du über diese Dinge am Rand nach, oder? Dinge, die vielleicht sogar das übersteigen, was du intern für reine, in Anführungszeichen, KI ausgibst. Wenn ein SaaS-Anbieter, den du nutzt, dir Kosten berechnet, weil alle seinen schicken neuen Chatbot nutzen, und du die Rechnung dafür bekommst, oder? Plötzlich geht es darum zu verstehen, was die Total Cost of Ownership ist – was sich wieder so leicht sagt, Total Cost of Ownership,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">56:10</time></p>
    <p class="lt-turn__line">TCO,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">56:10</time></p>
    <p class="lt-turn__line">TCO, oder? Es war schon vorher schwierig, aber jetzt: Wo sitzt das im Budget? Und ich glaube wirklich, dass sich diese Frage Ownership versus Konsum wieder und wieder und wieder stellen wird. Wenn ein Produktteam vier SaaS-Anbieter nutzt, alle mit verbrauchsbasierten Kosten, dazu KI-Ausgaben, dazu dynamische Dinge in der Cloud – all das zusammen sind die Kosten, dieses Produkt zu bauen. Nicht nur das eine oder das andere. Und diese Aufspaltung – diese Kosten sitzen bei diesem Team, jene bei jenem Team: In gewisser Weise werden alle Gespräche, die wir in FinOps begonnen haben, beschleunigt. Die Konvergenz von ITFM, ITAM und FinOps zum Beispiel – weil es jetzt keine Wahl mehr gibt.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">56:53</time></p>
    <p class="lt-turn__line">Genau, daran habe ich auch gerade gedacht: Ein Teil dieses TCO-Zeugs ist klassisches ITFM – alle Kosten zusammenrollen, sicherstellen, dass sie da sind. Nebenbei: Eine der besten TCO-Beschreibungen, die ich kürzlich gehört habe, war "Tokens, Koffein und Outputs" – deutlich cooler als Total Cost of Ownership. Aber genau hier müssen wir alle ein bisschen verdammtes Dogma loslassen, was die Disziplin ist und wo sie sitzt. Du brauchst die TCO-ITFM-Sicht. Du brauchst das ITAM-Lizenz-Compliance-Zeug, Procurement. Du brauchst die variable, verantwortliche Kosteneffizienz-Arbeit von FinOps, die Tokenomics-Skalierung über diese Supply Chain, bis hinein in Modelle und Caching und all die Dinge, die die anderen schlicht nicht machen. Das muss alles zusammenkommen, und am Ende geht es um Technologiewert.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">57:39</time></p>
    <p class="lt-turn__line">Ja,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">57:40</time></p>
    <p class="lt-turn__line">Technologiewert ist der Kern. Wir haben sogar unseren kleinen Dachbereich in der Linux Foundation in "Technology Value" umbenannt, weil er sich aufgefächert hat: Tokenomics ist drin, wir arbeiten jetzt an ITFM-Themen. Es gibt Abrechnungsdaten, Kosten- und Nutzungsdinge wie die FOCUS-Spezifikation – du warst damals, in deinen Citi-Zeiten, im Steering Committee. Es geht darum, alle Daten zusammenzubringen, um Entscheidungen zu treffen. Und du hast Accountability erwähnt – darüber haben wir kaum gesprochen, oder? Eines der schönsten Dinge der FinOps-Welt – und ich weiß, ihr habt Produkte in diesem Bereich – war: Man konnte einen Teil der Infrastrukturausgaben nehmen und sagen: "Das gehört dir. Das gehört dir." Und wenn du handelst, kann ich dir zeigen, dass deine Maßnahme Wirkung hatte, oder? Deshalb sage ich so bewusst: Moment, bei Tokenomics geht es nicht um Token-Kosten. Ja, es stecken Token-Kosten drin – so wie es bei FinOps nicht nur um deine Instanz geht,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Sprecher 1</strong><time class="lt-turn__ts">58:32</time></p>
    <p class="lt-turn__line">oder?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">58:32</time></p>
    <p class="lt-turn__line">Genau. Oder wenn du mit deinem Taxifahrer, Uber-Fahrer oder deiner Mutter unterwegs bist und sie sagen: Oh, du machst Cloud – du machst den Speicher vom iPhone, die Fotos. Nein, bei Cloud geht es auch nicht um Storage. Es sind Gesamtkosten, oder? Wir müssen also so denken, wie FinOps es geschafft hat, alle möglichen Dinge abzudecken – dank ITFM und ITAM und all der anderen Disziplinen. Und Tokenomics muss dieses Ganze wirklich denken und darf die Learnings all dieser anderen Teile der Organisation nicht verlieren, die das ausgearbeitet haben. Das war mein größter Punkt, wenn Leute fragen: Warum habt ihr Tokenomics ausgegliedert? Wir haben Tokenomics gar nicht ausgegliedert – das passierte bereits in den Organisationen. Wir hörten von FinOps-Verantwortlichen in riesigen Unternehmen, denen die gesamte Infrastruktur gehörte, dass ein anderer Teil der Organisation dabei war, grundlegende Prinzipien von Accountability und Konsum-Management in anderen KI-Bereichen neu zu erfinden – ohne das Wissen zu nutzen, das wir alle gemeinsam in den letzten 20 Jahren aufgebaut haben, oder? Tokenomics muss also all das betrachten. Und es stellt sich heraus: Es gibt auch Neues.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="shoulders-of-giants">Auf den Schultern von Riesen <time>59:35</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">59:35</time></p>
    <p class="lt-turn__line">Ja, in gewisser Weise stehen wir auf den Schultern von Riesen. All die Arbeit rund um ITAM, FinOps wird nicht weggeworfen, oder? Was wir eigentlich sagen, ist: Vielleicht ist es ein Weckruf – all diese getrennten Funktionen, an deren Verbesserung wir einzeln gearbeitet haben, kommen mit KI gewissermaßen zusammen. Es ist eine vereinende Kraft: Um zu lösen, wie wir den Wert von KI in unserem Unternehmen quantifizierbar maximieren, braucht man all diese Funktionen – wie die Avengers aus verschiedenen Teams: ITAM, Finance, Procurement, all diese Akteure, die es immer gab. Aber jetzt gibt es eine gemeinsame Mission: Wie ermöglichen wir KI in unserem Unternehmen, ohne pleitezugehen und ohne uns zu beschränken und zurückzufallen?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:00:16</time></p>
    <p class="lt-turn__line">Ja, genau. Es</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:00:17</time></p>
    <p class="lt-turn__line">es ist so eine feine Balance, die man in der Mitte finden muss. Zu deinem Punkt mit dem Pendel: Wenn Modelle billiger werden, wenn wir aus diesem Mindset herauskommen von "Oh nein, wir geben zu viel aus" – ich habe das Gefühl, sobald wir anfangen, den geschaffenen Wert zu zeigen – denn gerade ist er vielleicht nicht quantifizierbar, und die Angst vor dem Unbekannten ist: Wir geben jeden Monat 50 Prozent mehr für KI aus, und unser Budget von vor einem Jahr heißt, wir sind schon am Limit. Aber wenn ich dir den Wert zeige, den du tatsächlich herausbekommen hast, sagst du plötzlich: Lasst uns verdoppeln. Lasst uns Stellen finden, wo wir mehr investieren, statt woanders, um unser Unternehmen wachsen zu lassen – weil wir sehen, dass der Umsatz dadurch wächst, dass die operative Effizienz dadurch steigt. Und ich glaube, die Angst dreht sich weniger darum, ob wir KI nutzen sollten – wir wissen, dass wir KI nutzen werden. Die Angst ist oft, dass wir nicht wirklich sagen können, ob wir sie richtig nutzen, oder? Ja, was anfängt mit</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:01:11</time></p>
    <p class="lt-turn__line">Sichtbarkeit und Accountability und diesen Dingen. Das gehört dazu. Aber du hast mich kurz verloren, als du die Avengers erwähnt hast – ich habe angefangen zu überlegen, welche Disziplin welcher Avenger wäre.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:01:20</time></p>
    <p class="lt-turn__line">Ja, ich glaube, Hulk wäre definitiv – niemand will der Hulk sein. Ja, genau. Aber in gewisser Weise – ich erinnere mich an dieses Gespräch bei FinOps X in den letzten Jahren: Sogar Gartner hatte das Thema. Wo stehen ITAM und FinOps? Ich erinnere mich, ich glaube, du hast darüber gesprochen. Sie waren mit die Ersten, die sagten,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:01:38</time></p>
    <p class="lt-turn__line">sie würden zusammenwachsen. Genau. Ja.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:01:40</time></p>
    <p class="lt-turn__line">Und sie haben drei mögliche Szenarien skizziert: ITAM absorbiert FinOps, FinOps absorbiert was auch immer, oder sie verschmelzen. Und für mich ist das der Punkt: Es wird nicht verschmelzen, weil es verschiedene Disziplinen sind – wir erkennen, dass es ohnehin dieselbe Disziplin ist.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:01:55</time></p>
    <p class="lt-turn__line">Und wir müssen mit dieser Disziplin-Frage auch aufhören. Das war eine der Sachen: Wir hatten dieses Executive Forum, das wir als FinOps Foundation gestartet haben, dann kam ITAM dazu, vor Tokenomics, und es ging immer darum, wie all diese Dinge zusammenpassen. Jedes Mal, wenn wir ein Executive Forum machten, gab es etwa zehn Themen – und dann, etwa im März dieses Jahres, hieß es: Uns interessiert gar nichts mehr, außer den skalierenden KI-Kosten. Und als wir fragten: Ist das jetzt ITFM, oder die TBM-Varianten, oder ITAM oder SAM oder ITSM oder FinOps – such dir dein Akronym aus –, sagten diese Führungskräfte, die den Druck vom Board bekommen: Es ist uns egal. Bittet uns nicht um weitere Gespräche darüber, wo das sitzt. Wir wollen einfach den Wert der Dinge zeigen, oder? Und bemerkenswert: Wenn ich einen globalen CIO frage: Hey, wer macht bei euch FinOps? – dann heißt es: Okay, da ist dieses Team, es sitzt im Platform Engineering oder im Infrastruktur-Team. Ich stelle dieselbe Frage – das ist ein echtes Beispiel, ich kann das Unternehmen nicht nennen – nach der Person, die Tokenomics macht: "Na ja, da muss ich dich dem CFO-Team vorstellen, dem Team des Chief AI Officer, denen da drüben." Die Reichweite war viel breiter, oder? Und in dem, was wir in den Executive Foren gehört haben, sehen wir eine echte Integration von Technologie ins Geschäft: Jedes Unternehmen ist jetzt ein Technologieunternehmen. Banken sind Technologieunternehmen, und KI macht das so. Wir können also keines dieser Dinge mehr in Einzeldisziplinen denken.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:03:28</time></p>
    <p class="lt-turn__line">Ja, ich glaube, KI führt sie gewissermaßen zusammen, in dem Sinne, dass ich dieses Maß an Daten und Accountability brauche – sagen wir aus FinOps, oder? Denn oft wird bei FinOps und KI übersehen: Wenn du einen Agenten hast – wir denken bei Effizienz in FinOps an eine Datenbank, VMs oder Kubernetes: Wir wollen nur konsumieren, was wir brauchen, und Auslastung ist eine gute Metrik dafür. Stell dir eine Welt vor, in der dein Kubernetes-Cluster in einem Monat tausendfach hochskaliert. Das Team, dem er gehört, sagt: "Wir sind doch effizient – 80 Prozent Auslastung, wir skalieren angemessen." Und plötzlich merkst du: Okay, die Kosten sind gestiegen, aber was haben wir dafür bekommen? Vielleicht ist es ein außer Kontrolle geratener Agent, den jemand gebaut hat, der sagt: "Hey, ich muss skalieren" oder "Ich muss das Ding tausendmal am Tag aufrufen." Dieses einzelne Team bekommt die Rechnung nicht – ja, das Team, das die Ursache setzt. Die Ownership liegt beim Plattform-Team, und die sagen: "Wir skalieren angemessen, was sollen wir tun? Wir können nicht den Server von jemand anderem abschalten." Und das Team, dem der Server gehört, sagt: "Wir konsumieren das nicht, wir stellen einen Service in unserem Unternehmen bereit." Oft ist schon der bloße Blick auf die KI-Ausgaben eine Lehrstunde – und die KI-Ausgaben sind die Summe dieser vier verschiedenen Dinge.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:04:46</time></p>
    <p class="lt-turn__line">So wahr, so wahr. Und wenn man versucht, Token-Maxing –</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:04:49</time></p>
    <p class="lt-turn__line">ja,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:04:50</time></p>
    <p class="lt-turn__line">Token-Maxing ist ein großartiges Beispiel: Wenn du ein Ziel an eine einzelne Metrik hängst, bekommst du den falschen Output. Wenn du ein Ziel auf die Nutzung eines Hammers setzt, hast du einen Haufen eingeschlagener Fenster im Büro – aber deine Hammer-Metrik wird glänzen, oder? Dasselbe mit Kubernetes-Auslastungsmetriken: Super, hoch ausgelastet – aber ausgelastet mit Dingen, die keinen Wert schaffen. Und hier müssen wir aus Disziplinen und Silos rund um Technologie ausbrechen und das Ganze wieder ans Geschäft anbinden.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:05:16</time></p>
    <p class="lt-turn__line">Mal angenommen – in Tokenomics gibt es ja die Erzeugung von Tokens, den Konsum, den Wert. Welcher Bereich wird deiner Meinung nach den größten Einfluss haben? Sagen wir, im nächsten Jahr – ich bin Teil des Governing Board, und es gibt viel Diskussion: Woran arbeiten wir, was ist die Priorität? Gibt es einen, der für dich heraussticht, im Sinne von: Das müssen wir so schnell wie möglich richtig hinbekommen – diese Dinge sind alle wirklich wichtig, aber wenn wir dieses zuerst lösen – von den drei Disziplinen, nicht Disziplinen, drei</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:05:46</time></p>
    <p class="lt-turn__line">Buckets, Buckets,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:05:47</time></p>
    <p class="lt-turn__line">Buckets von Tokenomics – welcher sticht für dich am meisten heraus, wenn überhaupt?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:05:51</time></p>
    <p class="lt-turn__line">Ich gebe zu: Als jemand im Governing Board frage ich dich zurück – was sollten wir deiner Meinung nach zuerst angehen?</p>
  </div>
  <h3 class="lt-transcript__chapter" id="which-bucket-matters">Welcher Bucket zählt am meisten: Produktion, Konsum oder Wert <time>1:05:56</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:05:56</time></p>
    <p class="lt-turn__line">Ja, gute Frage. Ich glaube, der Wert ist das, wo es endet, oder? Denn ohne Verständnis für den Konsum, ohne Verständnis für die Erzeugung ist es sehr schwer, zur Wert-Seite zu kommen. Aber der größte ROI – kein Wortspiel beabsichtigt, ich weiß, das gehört wohl zum Wert-Gespräch – ist das "Na und?": Wir haben die Ausgaben getätigt – ist das gut oder schlecht? Du brauchst die Wert-Seite, um zu sagen: Was bekommen wir zurück, oder? Sind wir produktiver? Wächst der Umsatz dadurch? Erreichen wir operative Effizienz? Und das Nice-to-have von Unit Economics in FinOps – ich habe mit vielen Kunden gesprochen, die sagen: Ja, das ist ein 2030-Thema, Alter. Jetzt will ich einfach optimieren. Jetzt will ich Showback, ich will, dass Teams sich verantwortlich fühlen. Bei KI heißt es: Ja, wir können euch alle Daten zeigen, aber wir müssen die Frage auf C-Level- und Board-Ebene beantworten: Na und? Sollen wir mehr davon machen, weniger davon? Sollen wir unsere KI-Ausgaben verdoppeln – denn auch wenn sie steigen, sollten sie vielleicht stärker steigen, schaut, was wir zurückbekommen. Richtig. Für mich ist es also der Wert, und ich glaube, das ist der schwierigste Bereich, weil er manchmal so qualitativ ist, oder? Wenn ich Modell A versus Modell B nutze und meine Marketing-Texte mit Modell B viel besser sind, es aber zehnmal teurer ist – das ist viel mehr Hausaufgabe für Unternehmen: Wie verbinde ich die Punkte? Beispiel Marketing: Ich habe 1.000 Dollar für Claude ausgegeben, um One-Pager für eine Konferenz zu machen – nicht, dass ich 1.000 ausgeben würde, vielleicht, was auch immer. Falls jemand zuhört: hypothetisch, hypothetisch, oder? Aber um den Bogen zum Wert zu schlagen: Es ist nicht nur die Zahl, nicht nur die Stunden, die ich durch Claude gespart habe. Vielleicht ist die Metrik MQLs. Vielleicht: wie viele Menschen jetzt, wegen der Texte, die sitzen, die vielleicht auf jede einzelne E-Mail personalisiert sind, die ich rausschicke. Diese Dinge zu erfassen ist nicht leicht, oder? Auf der Wert-Seite geht es darum, so viele verstreute Ereignisse zu verknüpfen, um zum eigentlichen Ding zu kommen. Da wird, glaube ich, viel vom Wert – schon wieder kein Wortspiel beabsichtigt – aus Tokenomics kommen: Was ist ein Framework? Wenn du ein SaaS-Unternehmen bist und Kunden bedienst – was heißt Wert für dich? Versus, stell dir eine Bank vor, oder? Du fährst viele Analysen für deine Grid-Workloads oder HPC-Workloads – vielleicht ist es pro Transaktion. Und im Handel, im Kundensupport: Callcenter werden jetzt effizienter. Wert wird also nicht nur eine Sache sein. Bei Unit Economics dachten wir: Finde den Divisor, oder? Eine Million Dollar geteilt durch n sind deine Unit Economics. Hier wird es viel mehr darum gehen: Was sind die verschiedenen Bausteine, um ans Ziel zu kommen und Wert zu definieren? Und vielleicht ist Schritt A, den Token-Preis pro Einheit – oder vielmehr pro Ergebnis – zu bekommen, und dann hängt das am eingesparten Produktivitätswert. Was ist der Umsatzwert? Was ist X? Es können mehrere Dinge sein, die wir als Wert definieren.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:08:52</time></p>
    <p class="lt-turn__line">Wert ist absolut der Fokus, den wir brauchen. Ich würde ein wenig dagegenhalten: Wir müssen irgendwie alles machen, weil alle Buckets eng verbunden sind. Das geht zurück auf Zähler und Nenner in den Unit Economics: Die Leute unterschätzen, wie schwer es ist, die Gesamtkosten einer Sache zu bekommen – ob KI-Ausgaben, Cloud-Ausgaben oder sonst etwas. Da ist also Arbeit zu tun: alle Kosten, die mit einer Technologienutzung verbunden sind, zu verknüpfen und nachzuverfolgen, und dann intern mit den Finance-Teams zu sprechen: Rechnen wir die tatsächlichen Personalkosten mit ein? Und auf der Produktionsseite sehen wir die Umwandlung von Energie und Kapital in Services – ein ganzer Arbeitskomplex, der historisch von ein paar großen Hyperscalern erledigt wurde, über den wir in der FinOps-Welt nie nachdenken mussten und jetzt eben doch. Du hast vorhin Open-Weights-Modelle erwähnt – darüber könnten wir lange reden. Das ist ein wichtiger Teil des Mix. Die Linux Foundation stand vor ein paar Wochen hinter dieser großen Initiative, die sicherstellen soll, dass Open Weights Teil des Gesprächs ist – und das ist auch nur einer der Pfeile im Köcher, oder? Ein großes Unternehmen wird Open Weights haben, ein paar Frontier-Modelle und gutes altes Machine Learning im Hintergrund. Wir müssen also schauen, wie wir darin effizienter werden. Wir müssen auf die Schicht aus Konsum, Allokation, Optimierung, Accountability schauen. Die Wert-Seite ist wahrscheinlich in vielerlei Hinsicht das größte unbeackerte Feld. Wir prüfen, ob es dort konsistente Ansätze gibt, Konsum zu Wert, weil manche Unternehmen ähnliche Maße haben – aber darunter wird es branchenspezifische Dinge geben. Wir haben im Grunde eine vierte Working Group, einen vierten Bucket, wenn du so willst – Produktion, Konsum, Wert, und darunter die definitorische Terminologie, grundlegende Frameworks, Personas, wer es macht – Arbeit, die entwickelt werden muss. Und um das mit dem vierten Teil unserer kleinen Gruppe unter dem Tech-Value-Dach der Linux Foundation zu verbinden: Da ist die FOCUS-Spezifikation – tatsächlich das einzige Stück, das ich heute als standardisiert bezeichnen würde, weil alle Hyperscaler sie nutzen und ein Haufen Datenerzeuger. Aber was müssen wir in die FOCUS-Spec aufnehmen, um diese KI-Konzepte durchzutragen? Ja, Token-Ausgaben-Konzepte, ja, LLM-Konzepte – aber es gibt gerade auch eine echte Herausforderung: Die Leute beschaffen dasselbe Stück KI – in diesem Fall könnten wir sagen: einen Token oder etwas anderes – aus mehreren verschiedenen Quellen. Ich bekomme mein Claude vielleicht gerade aus vier Quellen: direkt, weiterverkauft, per Kreditkarte im Enterprise, oder unter der Haube von irgendeinem anderen Service, der es an mich weiterverkauft. Deshalb passt alles in die Tokenomics-Supply-Chain, wenn du so willst: Wenn auf Rechenzentrumsebene etwas schiefläuft, kaskadiert das nicht nur in das Pricing eines Unternehmens, sondern in das Pricing aller, weil alles verflochten ist, oder? Wir haben über die blinden Männer und den Elefanten gesprochen, die alle eine andere Sicht darauf haben. Die andere Elefanten-Metapher hier ist: Wie isst man einen Elefanten? Bissen für Bissen, oder? Wir bauen also verschiedene Working Groups auf, die jeweils daran arbeiten. Aber im Kern von allem steht Bildung, oder? Zuallererst: Lasst uns ein gemeinsames Verständnis schaffen, damit, wenn das Board-Mitglied zum CEO geht und der CEO zum CFO und der CFO zu allen anderen und fragt: "Was machen wir mit diesem Tokenomics-Ding?", wir alle sicher sind, dass wir über denselben Elefanten reden, oder? Und nicht über eine einzelne Komponente – und dann die Verantwortung klären: Wer muss welche Teile machen? Denn ja, Token-Kosten sind wichtig, aber das ist ein winziger Ausschnitt. Modellauswahl ist wichtig, aber ein winziger Ausschnitt – und dann zählt all die andere Arbeit, die all diese anderen Teile der Organisation leisten. Worüber wir noch nicht gesprochen haben, ist noch ein Begriff – ich warte immer, wie lange es dauert, bis jemand ihn sagt: Shift left.</p>
  </div>
  <h3 class="lt-transcript__chapter" id="shift-left-shift-up">Shift left, shift up <time>1:12:52</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:12:52</time></p>
    <p class="lt-turn__line">Ah ja, mein alter Freund Shift left. Ja.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:12:55</time></p>
    <p class="lt-turn__line">Also: Wie siehst du Shift left und Tokenomics und KI, und wie verändert das die Dinge?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:13:01</time></p>
    <p class="lt-turn__line">Weißt du, ich glaube, was wirklich passiert – Shift left … Ich glaube, was wir eigentlich gemacht haben, ist das, worüber wir letztes Jahr gesprochen haben: Wir shiften nach oben, oder? Das war ein großes Problem, das wir hatten: Als FinOps-Praktiker gehst du in den Raum und fängst an, über Savings Plans und Effizienz-Ratings zu reden, und der CxO sagt: Erzähl mir von dieser ganz anderen Sache, oder? Von dem, was mich interessiert: Ich muss für die nächsten drei Jahre prognostizieren, wo das Investment hingeht. Mit KI hat es auf der oberen Ebene angefangen, oder? Es gibt keinen Grund für ein Shift up, denn es startete schon oben. Die CxOs sind die, die Druck machen: Ich brauche dieses Maß an Granularität, ich brauche diese Bewertung, ich brauche Daten auf Niveau X über all unsere Ausgaben. Es sind nicht wir als FinOps-Praktiker, die einen CxO von unten her überzeugen müssen, sich zu interessieren. Es war bottom-up – genau. Die Dynamik</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:13:50</time></p>
    <p class="lt-turn__line">war top-down,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:13:51</time></p>
    <p class="lt-turn__line">genau. Weißt du, das Versprechen von Shift left bedeutete für mich: die richtigen Daten zur richtigen Person zur richtigen Zeit, damit man eine bessere Entscheidung treffen kann – und das heißt für jeden etwas anderes. Es ging nicht nur darum, dass Engineers die Daten bekommen, um bessere Entscheidungen zu treffen. Es war auch Procurement – welche SKUs müssen sie rabattieren. Es konnten Produktteams sein, die die Daten bekommen: Ja, in der Non-Prod-Umgebung ist dieses neue Feature, das wir launchen, zu teuer, oder? Shift left hieß immer: Zugang zu diesen Daten – dieser riesigen Datenmenge, die wir stündlich von den Cloud-Providern und so weiter bekommen – und daraus die Information herausziehen, die für die richtige Person relevant ist. Da sind wir ein Stück weit hingekommen. Aber für mich ist es mit KI nicht nur Shift left, sondern gleichzeitig Shift up – und die Geschwindigkeit, mit der wir diese Dinge umsetzen müssen, ist kein Fünf-Jahres-Horizont. Es muss gestern erledigt sein, oder?</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:14:44</time></p>
    <p class="lt-turn__line">Jep.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:14:44</time></p>
    <p class="lt-turn__line">Eine Frage an dich: Verglichen mit dem Start der FinOps Foundation – wie war es diesmal anders, mit der Tokenomics Foundation?</p>
  </div>
  <h3 class="lt-transcript__chapter" id="launch-speed">Ein Launch inmitten von mehr Tempo, mehr Lärm <time>1:14:55</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:14:55</time></p>
    <p class="lt-turn__line">Ja, das ist eine Klischee-Antwort, aber das Tempo war wirklich –</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:15:00</time></p>
    <p class="lt-turn__line">Ja,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:15:02</time></p>
    <p class="lt-turn__line">verrückt. Schau: Letzte Woche hatten wir den offiziellen Launch. Als wir die FinOps Foundation gelauncht haben, haben die Leute aus diesem Feld Notiz genommen. Als wir die Tokenomics Foundation gelauncht haben – wir waren in manchen dieser Artikel, in anderen nicht. Aber in der Launch-Woche: BBC, New York Times, Wall Street Journal, Fortune. Alle haben darüber berichtet. Ich habe auf den New-York-Times-Artikel mehr Rückmeldungen bekommen als auf alles andere. Leute, von denen ich 15 Jahre nichts gehört hatte, meldeten sich: "Oh, dieses Tokenomics-Ding – richtig cool, dass ihr das macht." FinOps hat dieses Niveau nie erreicht, weil es um die Plattformebene ging, um die Technologie – wie jede andere Disziplin in diesem Bereich. Dieses Tempo und Interesse zu sehen, war richtig cool. Aber es bringt auch die Herausforderung mit sich: Wie bewegt man sich als Foundation, die auf konsensbasierter Open-Source-Entwicklung beruht, schnell genug, um Wirkung zu haben? Und das ist – um eine dritte Elefanten-Metapher einzuführen – der Elefant im Raum: Wie machen wir Standard- und Spezifikationsarbeit, wenn sich der Boden so plötzlich verschiebt? Meine Sicht darauf: Der Ansatz hat drei Teile. Erstens müssen wir vorneweg einfach Informationen rausbringen – wie das, was wir gerade machen. Informationen breit streuen, Gespräche darüber führen. Du hast vorhin gesagt: "Warum habt ihr keinen wöchentlichen Newsletter?" – und ich so: "Ja, das müssen wir machen." Wir bringen diese Infos raus, und alle bekommen sie, denn es gibt ständig Modell-Änderungen, KI-Preisänderungen, Kupferpreis-Änderungen und Strompreis-Änderungen, die all das beeinflussen. Das ist das Erste. Zweitens machen wir mittelfristige Working Groups, die grundlegende Best Practices herausbringen. Ich sage nicht Specs – zu Specs kommen wir gleich –, sondern: wie man darüber nachdenkt. Das wird die Form von – ja, den langweiligen Whitepapern annehmen, die keiner mehr wirklich liest, weil alle sie nur noch zusammenfassen lassen, aber auch die Form von Bildung, von Explainern, und auch die Form von Skills-Dateien und agentischen Enablern – Wissenshäppchen, die man mit seinem Claude abrufen und befragen kann. Langfristig kommt die Spezifikations- und Standardarbeit, und da geht es um die FOCUS-Spec. Und schau: Alles bewegt sich superschnell, aber jemand hat mich gefragt, als ich mich auf das Thema eingelassen habe: Bist du sicher, dass es Tokens in ein paar Jahren überhaupt noch gibt? Und ja, ich weiß, alles bewegt sich schnell, aber es gibt ein paar fundamentale Kernkonzepte, auf die wir uns alle einigen müssen, oder? Und ich wiederhole es zum fünften Mal: Bei Tokenomics geht es nicht um Token-Kosten – aber es gibt zugrunde liegende Primitive wie Tokens, die man mit vielen anderen Ausgabenbausteinen dekoriert, um zu den Gesamtkosten von was auch immer zu kommen. Da ist langfristige Arbeit zu leisten. Die FOCUS-Spec ist in Version 1.5, wir schauen gerade auf 1.6: Wie normalisieren wir die Sprache rund um all das, und wie bringen wir alle dazu, ihre Abrechnungs-, Kosten- und Nutzungsdaten so herauszugeben, dass man zu diesem Unit-Economics-Gespräch kommt? Aber langfristig – ich glaube nicht, dass die Tokenomics Foundation die Welt verändern wird, aber ich würde hoffen, die Gespräche für das CFO-Team, das CTO-Team, das CIO-Team, das Procurement-Team, das Produktteam, das KI-Team und die Organisation leichter zu machen, damit sie zumindest dieselbe Sprache sprechen – und wenn sie diesen Elefanten betrachten und sich ihm nähern, den richtigen Kontext dafür haben. Aber es ist knifflig. Also, was anders ist: Es geht schneller, es gibt mehr Interesse – das ist großartig, es ist aufregend, aber es heißt auch, dass wir weniger Zeit haben, es herauszufinden.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:18:39</time></p>
    <p class="lt-turn__line">Ich finde, das Maskottchen der Tokenomics Foundation muss ein Elefant sein. Jetzt haben wir es herausgefunden. Jedes Jahr gibt es bei FinOps X, bei der Tokenomicon, einen Elefantenritt. Aber wir haben</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:18:49</time></p>
    <p class="lt-turn__line">Toki angekündigt – die Tokenomics-Katze, oder? Die Tokenomics-Katze. Ich weiß also nicht, ob der Tokenomics-Elefant …</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:18:55</time></p>
    <p class="lt-turn__line">Weißt du, zu deinem Punkt: Ich glaube, bei Tokenomics selbst geht es nicht um eine kleine Einzelsache, oder? Nicht um die Tokens, nicht um X. Es geht wirklich darum: Wie zieht man Wert aus KI – auf eine Weise, die man rechtfertigen kann.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:19:09</time></p>
    <p class="lt-turn__line">Tokenomics ist: Wie zieht man Wert aus KI.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:19:11</time></p>
    <p class="lt-turn__line">Ja,</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:19:12</time></p>
    <p class="lt-turn__line">und das ist etwas anderes als FinOps für KI, wo es heißt: Wie tune, optimiere, prognostiziere und allokiere ich diesen Service effizient? Ich will mein Claude effizient nutzen. Das ist, glaube ich, eine der Trennlinien, und es ist ein unscharfer Bereich. Der Tokenomics-Aspekt reicht viel tiefer in den Business Case hinein. Er ist auch ein bisschen T-förmig, oder? Er geht weiter hinaus in die Produktgespräche, die Margen, die Earnings. Er geht nach links ins Rechenzentrum, in Kapitaleffizienz und Energie-Investitionen. Aber er geht auch tiefer: Wir haben inzwischen viele Principal Engineers in der Tokenomics Foundation. FinOps saß in vielerlei Hinsicht im Engineering, kam aber oft nicht runter auf die Ebenen von vLLM und PyTorch und KV-Cache und dieser tieferen Quantisierung. Das ist auch ein Bereich, in dem diese Leute und die Arbeit, die sie auf diesen Ebenen leisten – vieles davon lief schon länger breiter in der Linux Foundation –, jetzt mit einem CFO-Gespräch zusammentreffen, wie nie zuvor.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:20:12</time></p>
    <p class="lt-turn__line">Ja, wenn CFOs anfangen, über Destillation und Quantisierung zu reden, denkst du: Whoa, oder? Ganz anders als alles, was wir je in FinOps gesehen haben. So, wir sind fast am Ende der Zeit. Zum Abschluss – ich liebe diese Frage an alle: Was ist deine liebste KI-Anwendung, die kein Standard-Use-Case ist?</p>
  </div>
  <h3 class="lt-transcript__chapter" id="favorite-ai-use">Liebste unkonventionelle KI-Anwendung <time>1:20:31</time></h3>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:20:31</time></p>
    <p class="lt-turn__line">Ich bin wirklich schlecht darin, Dingen nachzugehen. Ich habe ein sehr ADHS-Gehirn, was großartig ist, um verstreute Konzepte zu verbinden, aber nicht großartig, um Dinge bis in die Tiefe durchzuziehen. Vielleicht ist das also ein Standard-Use-Case, aber ich bin ein großer Brain-Dumper: Gib mir die Dinge, denen ich nachgehen muss. Wenn es eine Sache gibt, die für mich den größten Effekt hatte – es ist lächerlich, aber es sind diese Kalender-Management-Aspekte: Wie nehme ich diese sechs Dinge, die ich verfolgen muss, lege sie neben das, was ich tue, und stelle sicher, dass ich die richtigen Ergebnisse zur richtigen Zeit bekomme. Ich weiß nicht – was ist deine? Ich habe das Gefühl, das machen alle anderen auch – vielleicht habe ich den einzigartigen Use Case noch nicht gefunden.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:21:15</time></p>
    <p class="lt-turn__line">Nein, bei mir ist es ähnlich. Aber ich wohne in New York, und ich merke: Jedes Mal, wenn ich der KI etwas tippe, gerate ich in den Editier-Modus. Ich will Dinge umstellen. Was ich also herausgefunden habe: Wenn ich spazieren gehe, schalte ich in den Voice-Modus und sage: Ich mache jetzt einen Brain-Dump einer Idee. Unstrukturiert.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:21:31</time></p>
    <p class="lt-turn__line">Ähnlich. Es ist</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:21:31</time></p>
    <p class="lt-turn__line">Gedanken-Kotze, genau. Und am Ende stelle ich fest: Wenn ich einem Freund oder Kollegen eine Idee erkläre – erstens hat niemand die Geduld, mir eine Stunde zuzuhören, während ich über irgendein Konzept schwadroniere. Aber Dinge durchzusprechen gibt mir auch viel Klarheit über diese Kernkonzepte, die am Ende einfach klick machen – es brauchte nur viel Arbeit, dahin zu kommen. Und wenn ich einfach eine Stunde auf etwas einreden kann und sage: "Dein Job ist zuzuhören. Gib mir nicht 1.800 Tokens Output im Stil von 'Was für eine großartige Idee' – und dann fang an, meine Annahmen zu hinterfragen, oder? Was habe ich übersehen? Was ist der Elefant im Raum, den ich nicht angeschaut oder berührt habe?" Die Klarheit im Denken, die ich so bekomme, ist oft unglaublich, oder? Wenn ich irgendetwas rund um Marketing oder Produkt mache – oder selbst dieses Gespräch: Worüber sollten wir reden? Gestern war ich in Kalifornien, bin eine halbe Stunde herumgelaufen und habe meine Ideen rausgelassen. Diese Fähigkeit, wirklich zuzuhören, für mich die Punkte zu verbinden oder Dinge aufzuzeigen – jeder hat ja blinde Flecken –, und das, ohne dass ich etwas zu Papier bringen und einen Aufsatz schreiben muss, der dann eine Skills- oder Kontext-Datei wird. Nein, ich rede einfach. Redegabe eben, weißt du. Das finde ich so nützlich, um meine Gedanken viel effizienter zu strukturieren, als Absätze über Absätze zu schreiben, zu löschen, zu editieren und alles. Ja.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:22:54</time></p>
    <p class="lt-turn__line">Ja. Jetzt, wo alles mit Wasserzeichen versehen wird, musst du da allerdings vorsichtiger sein. Genau.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:22:58</time></p>
    <p class="lt-turn__line">Ja. Also, JR, vielen Dank, dass du dir heute die Zeit genommen hast. Ich bin wirklich froh, dass wir das hinbekommen haben.</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:23:02</time></p>
    <p class="lt-turn__line">Hat richtig Spaß gemacht. Danke. Ich glaube, ich –</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>Amit Kinha</strong><span class="lt-turn__role">Field CTO, DoiT</span><time class="lt-turn__ts">1:23:03</time></p>
    <p class="lt-turn__line">ich habe dich vor etwa zwei Wochen angeschrieben und gesagt: "Hey, ich bin in Kalifornien." Und du: "Ich bin da. Ich fahre</p>
  </div>
  <div class="lt-turn">
    <p class="lt-turn__speaker"><strong>JR Storment</strong><span class="lt-turn__role">exec. dir, Tokenomics Foundation</span><time class="lt-turn__ts">1:23:07</time></p>
    <p class="lt-turn__line">nach LA hoch, und wir machen das." Super. Danke für die Einladung, Mann. Großartiges Gespräch.</p>
  </div>
  </div>
</div>