Von Januar bis Oktober habe ich 2.234 € für KI-Tools ausgegeben. So viel habe ich noch nie für Werkzeuge bezahlt, und kein Werkzeug hat je so viel für meine Arbeit getan.
Meine monatliche KI-Rechnung stieg von 18 € im Januar auf 406 € im Oktober. Im selben Zeitraum stiegen meine Commits von 510 auf 2.667 im Monat. Commits messen Aktivität und nicht Wert, deshalb geht es im Rest dieser Seite um die Arbeit selbst.
Die größte Veränderung betrifft meine Rolle. Führung bleibt der Kern der Arbeit als Fractional CPTO. Mit KI erledige ich aber einen großen Teil der ersten Discovery, Analyse und Delivery selbst, bevor das Team übernimmt. Mein Hintergrund als Entwickler sagt mir, was ich in der Discovery fragen muss, welchen Zahlen ich in der Analyse misstrauen sollte und welche Leitplanken die Delivery braucht. Das gilt für jedes Team, das KI einsetzt: Technische Tiefe ist heute wichtiger als vorher.
In der Kundenarbeit hat sich viel davon in Entscheidungen gezeigt. Eine vielversprechende Idee haben wir gestoppt, bevor die Entwicklung begann, weil die Daten sie nicht gestützt haben. Eine Änderung haben wir erst mit echten Nutzern getestet und dann entschieden, wie weit wir sie ausbauen. Und etwas, das ein externes Projekt geworden wäre, ist intern mit vorhandenen Tools entstanden.
Scraper, Datenpipelines und automatisierte Tests habe ich mit KI gebaut, aber keins davon ruft im Betrieb ein Modell auf. Wenn ihr nächste Woche eine Sache ausprobiert, dann fragt bei jeder KI-Idee im Team, ob sie KI im Betrieb braucht oder nur beim Bauen.
Die Folien sind auf Englisch.
Alle Folien als PDF herunterladen
Die Ausgaben stammen aus meinen Kontoauszügen (Claude, OpenAI, Google und weitere). Die Aktivität stammt aus GitHub und meiner Wissensbasis für Kundenprojekte. Kunden bleiben vertraulich. Anthropic-Zahlen: Anthropic PBC, Form S-1, eingereicht am 26. Oktober 2026.
Wenn ihr in eurem Team an denselben Fragen arbeitet, meldet euch gern.