Finout schlägt ein operatives Framework für die Allokation von KI-Agenten-Kosten vor — ein Problem, das sich von Cloud-FinOps unterscheidet. Der Anwendungsbereich umfasst Coding-Assistenten (Claude Code, Cursor, GitHub Copilot), in kundenseitige Produkte eingebettete Agenten sowie direkte LLM-API-Ausgaben (Anthropic, OpenAI). Ausgangsbeobachtung: Finance-Teams erhalten von KI-Anbietern „eine einzelne Rechnungsposition, die sie keinen verantwortlichen Kostenstellen zuordnen können“ — eine undurchsichtige, schnell wachsende Gemeinkostenposition, die das Tracking von Unit Economics, Team-Verantwortlichkeit und den COGS von KI-Funktionen verhindert.
Der Artikel identifiziert drei strukturelle Eigenschaften, die die Annahmen des Cloud-FinOps ungültig machen. (1) Die Kosten pro Aufruf sind nicht deterministisch: Derselbe Prompt, von zwei Entwicklern abgesetzt, erzeugt je nach Kontextlänge, Wiederholungsversuchen, Tiefe der agentischen Schleife und Modellvariante unterschiedliche Rechnungen. (2) Es gibt keine taggbare Ressource am Ort der Nutzung: Die Verwendung von Cursor stellt keine Cloud-Ressource mit Metadaten bereit. (3) Der Verbrauch bildet keine Umgebungen ab: Das Refactoring eines internen Dienstes und der Bau einer kundenseitigen Funktion kosten gleich viel, obwohl ihr Geschäftswert unterschiedlich ist. Bemerkenswerte Zahl: Ein Entwickler im Greenfield-Modus verbraucht 5- bis 10-mal so viele Token wie ein Entwickler, der Code-Reviews durchführt — weshalb eine Verrechnung pro Kopf scheitert.
Daraus ergeben sich vier Allokationsprobleme: die Zuordnung von IDE-Assistenten pro Entwickler; Ausgaben für eingebettete Funktionen, die als Produkt-COGS zu behandeln sind; Berechnungen der Kosten pro Kunde / pro Funktion / pro Mandant; sowie geteilte Ausgaben ohne Tagging an der Quelle.
Den Kern des Artikels bildet ein vierstufiges Framework: (1) Anbieterrechnungen als vollwertige Quellen zentralisieren, normalisiert neben den Cloud-Ausgaben; (2) das quellenseitige Tagging durch eine regelbasierte Allokation ersetzen, ausgedrückt in der Team-Taxonomie, wobei die Logik im FinOps-System selbst gehostet wird; (3) die Agentenaktivität mit der Identität verknüpfen (SSO, API-Schlüssel, Seat), korreliert mit HR-Systemen, sodass die Allokation automatisch erfolgt und robust gegenüber Rollenwechseln bleibt; (4) Ausgaben für eingebettete Agenten als Produkt-COGS behandeln, im selben Topf wie die Infrastruktur.
Leitprinzip: Die Plattform muss eine Allokationslogik unterstützen, die das FinOps-Team ohne Einbindung des Engineerings bearbeiten kann, da KI-Ausgaben „zu den volatilsten Rechnungspositionen“ im Tech-Stack zählen (monatlich neue Modelle, vierteljährliche Reorganisationen). Abschließend positioniert Finout seine Bausteine — MegaBill (Erfassung), Virtual Tags (Ownership ohne quellenseitiges Tagging), Unit Economics, Rückverteilung geteilter Kosten — als das instrumentierte Antwortmodell auf die agentische Ära.