Die KI-Welle im Corporate Learning erreicht eine neue Phase. Nach Monaten voller Produktankündigungen, KI-Assistenten und automatisierter Content-Produktion rückt zunehmend eine Frage in den Mittelpunkt, die auf Messen und in Anbieterpräsentationen bislang eher am Rand behandelt wurde: Wie verändert Künstliche Intelligenz eigentlich die Kostenstruktur des Lernens?
KI verändert die Kostenstruktur von Lernsoftware grundlegend
Bislang ließ sich Lernsoftware vergleichsweise einfach kalkulieren: nach Nutzerzahlen, Registrierungen oder Unternehmensgröße. Generative KI verändert dieses Modell grundlegend. Denn viele KI-Funktionen verursachen laufende Rechenkosten. Je häufiger Inhalte generiert, Lernpfade personalisiert oder KI-Coaches genutzt werden, desto stärker steigen die variablen Kosten im Hintergrund.
Hinter vorgehaltener Hand war das auf der Learntec in Karlsruhe durchaus bereits Thema. Einige Aussteller wunderten sich darüber, wie wenig Kunden bislang nach den langfristigen Betriebskosten fragen. Vielleicht wird darüber schlicht noch nicht offen gesprochen. Doch die Annahme, KI lasse sich dauerhaft ohne neue Kostenlogik in bestehende Lizenzmodelle integrieren, wirkt zunehmend realitätsfern.
L&D-Budgets: KI-Funktionen werden zum festen Investitionsposten
Stattdessen konzentrieren sich aktuelle Marktberichte vor allem auf strategische Perspektiven. Das Whitepaper "State of Learning Technologies 2026" von Scheer IMC beschreibt Lerntechnologie inzwischen als festen Budgetposten. Neun von zehn Unternehmen investieren demnach mindestens zehn Prozent ihres L&D-Budgets in Lerntechnologien. Gemeint sind dabei zunehmend nicht neue Kernplattformen, sondern KI-nahe Funktionen wie KI-Authoring, Skill-Analytics oder KI-Coaching.
Gleichzeitig wächst auf Kundenseite der Widerstand gegen zusätzliche KI-Aufpreise. Der Fosway-Report "AI Market Assessment Digital Learning Technologies" formuliert ungewöhnlich deutlich, Unternehmen sollten für sogenannte Mainstream-KI-Funktionen keine separaten Zusatzgebühren akzeptieren. Automatisierte Übersetzungen, Quiz-Generierung oder einfache KI-Unterstützung müssten künftig zur Basisfunktionalität gehören.
KI-Features werden zum Standard – und verlieren ihren Premiumstatus
Genau hier beginnt die eigentliche Marktverschiebung. Wenn Künstliche Intelligenz Lerninhalte automatisiert erzeugt, wird es schwieriger zu erklären, warum Content weiterhin nach klassischen Registrierungs- oder Lizenzmodellen abgerechnet wird. Die Branche steht damit möglicherweise vor derselben Entwicklung, die andere Softwaremärkte bereits erlebt haben: Features verlieren ihren Premiumstatus, sobald sie zum Standard werden.
Auffällig ist allerdings, worüber viele aktuelle Reports kaum sprechen. Weder das "AI Market Assessment Digital Learning 2026" von Fosway noch das Whitepaper "State of Learning Technologies" von Scheer IMC oder der Docebo-Report zum "AI Readiness Gap" liefern belastbare Daten zu den tatsächlichen Betriebskosten KI-basierter Lernsysteme. Verbrauchsabhängige Token-Kosten, API-Gebühren oder Infrastrukturkosten bleiben weitgehend ausgeblendet.
KI hat ihren Preis – und der ist nicht nur finanziell
Noch auffälliger ist, was ebenfalls fehlt: Nachhaltigkeitsfragen. Der Energieverbrauch großer Sprachmodelle, zusätzliche Rechenzentren oder ESG-Auswirkungen KI-intensiver Lernplattformen spielen praktisch keine Rolle. Auch der menschliche Aufwand für Qualitätskontrolle wird selten berücksichtigt. Denn je mehr Inhalte KI erzeugt, desto wichtiger wird der "Human in the Loop" – Menschen müssen KI-generierte Inhalte fachlich prüfen, korrigieren und absichern. Ganz zu schweigen von den Inhalten, die ohne KI gar nicht produziert worden wären.
Teilweise arbeiten die Reports zudem mit Annahmen, für die bislang kaum belastbare Evidenz vorliegt. Fosway verweist etwa auf die "hohen Kosten der Untätigkeit", wenn Unternehmen jetzt nicht in KI investieren. Gleichzeitig fehlen jedoch Daten dazu, wie intensiv die neuen Funktionen tatsächlich genutzt werden. Fosway selbst schreibt zwar: "Innovation without adoption creates no value" – dass also Innovation, die nicht im Alltag ankommt, keinen Wert schafft. Das Analyseunternehmen liefert aber keine Zahlen dazu, wie viele der bereits verfügbaren KI-Funktionen im Alltag tatsächlich produktiv eingesetzt werden.
KI und skillbasierte Organisation: Technologie allein reicht nicht
Ähnlich verkürzt wirkt die Annahme vieler Anbieter, KI werde automatisch zur skillbasierten Organisation führen. Der Docebo-Report zum "AI Readiness Gap" argumentiert stark in diese Richtung. Tatsächlich handelt es sich dabei jedoch primär um eine kulturelle und organisatorische Transformation – nicht um ein Softwareprojekt.
Hinzu kommt, dass die eigentlichen Kosten häufig nicht durch die KI selbst entstehen, sondern indem sie in bestehende Systeme integriert werden. Das erinnert an frühere ERP- oder HR-Systemeinführungen. Die Software allein wurde selten zu teuer, sondern ihre Anpassung an die Organisation.
2026 könnte deshalb das Jahr werden, in dem sich der Markt nicht mehr über die Zahl neuer KI-Features definiert, sondern über deren Wirtschaftlichkeit. Oder zugespitzt formuliert: Nach dem Feature-Rausch beginnt jetzt die Preisdebatte.
Über die Kolumnistin: Gudrun Porath ist freie Journalistin. Sie beobachtet unter anderem für das Haufe Personal-Portal und die Zeitschrift "personalmagazin - neues lernen" die Trends auf dem E-Learning-Markt.
