GitHub führt KI-Nutzungsmanagement ein: Kosten pro Benutzer und Organisation einsehbar
2026-06-22 14:53
Merken

de.wedoany.com-Bericht: GitHub hat in seiner Plattform eine Funktion eingeführt, die es ermöglicht, KI-Nutzung und -Kosten nach Benutzer, Aufgabe und Organisationseinheit anzuzeigen. Damit reagiert das Unternehmen auf den durch die Verbreitung von KI-Agenten gestiegenen Token-Verbrauch und den Bedarf an Nutzungsmanagement in Unternehmen.

Mit der zunehmenden Verbreitung von Künstlicher Intelligenz (KI)-Agenten steigt der Token-Verbrauch von Unternehmen, und die Nachfrage nach Funktionen, die gleichzeitig Nutzung, Kosten und Return on Investment (ROI) verwalten können, wächst kontinuierlich. GitHub hat entsprechende Funktionen eingeführt, die es Administratoren ermöglichen, die KI-Nutzung nach verschiedenen Dimensionen zu überwachen. Hintergrund dieser Entwicklung ist, dass Codierungsagenten zunehmend auf nutzungsbasierte Abrechnungsmodelle umstellen und Unternehmen Obergrenzen für API-Token festlegen sowie Kosten in Echtzeit erfassen müssen. GitHub hat am 19. in der Copilot Usage Metrics API das Feld „ai_credits_used“ hinzugefügt, das die KI-Credit-Nutzung jedes Benutzers anzeigt.

GitHub hat auf seiner Plattform eine Funktion eingeführt, die es ermöglicht, KI-Nutzung und -Kosten nach Benutzer, Aufgabe und Organisationseinheit anzuzeigen.

Dieses Feld zeigt die Gesamtzahl der von einem Benutzer an einem Tag verbrauchten KI-Credits an, einschließlich der Credit-Nutzung des Benutzers bei allen Copilot-Aktivitäten wie Copilot Chat und Codegenerierung. Diese Funktion steht für Berichte auf Unternehmens- und Organisationseinheitsebene zur Verfügung. Administratoren können den KI-Credit-Verbrauch jedes Benutzers über 1-Tages- (users-1-day) und 28-Tages-Berichte (users-28-day) einsehen und so das Kostenmanagement für nutzungsbasierte Abrechnungssysteme durchführen. Durch die Analyse täglicher KI-Credit-Verbrauchsmuster können zukünftige Kostenumfänge prognostiziert und Budgetpläne erstellt werden. Mario Rodriguez, Chief Product Officer (CPO) von GitHub, erklärte kürzlich in einem Webinar, dass das Ziel nicht darin bestehe, Entwickler bedingungslos große Mengen an API-Token verbrauchen zu lassen, sondern die Absichten der Entwickler in vertrauenswürdige Software umzuwandeln.

CPO Rodriguez schlug lokale Modellstrategien und automatisches Modell-Routing als Kostenoptimierungslösungen vor. Er erläuterte, dass nicht bei allen Aufgaben hochmoderne KI-Modelle eingesetzt werden sollten, sondern je nach Schwierigkeitsgrad und Zweck der Aufgabe das passende Modell ausgewählt werden müsse. GitHub arbeite daran, nicht für alle Aufgaben Hochleistungsmodelle einzusetzen, sondern stattdessen lokale Modelle, kostengünstige Modelle und Spitzenmodelle angemessen zu deployen. CPO Rodriguez sprach sich zudem für die BYOK-Methode (Bring Your Own Key) aus, bei der Entwickler ihre eigenen Schlüssel zur Nutzung der Modelle verwenden können. GitHub unterstützt über lokale Modellanbieter wie Ollama die gemeinsame Nutzung von Copilot mit externen Modellen.

CPO Rodriguez schlug lokale Modellstrategien und automatisches Modell-Routing als Kostenoptimierungslösungen vor.

Der Grund für CPO Rodriguez' Strategie liegt in Plattformvertrauen, Governance und ROI. Nur wenn Unternehmen KI-Nutzung und -Kosten vorhersagen und kontrollieren können, können sie KI-Codierungstools in groß angelegten Entwicklungsumgebungen einsetzen. Zuvor hatte auch OpenAI für ChatGPT Enterprise-Nutzer eine Credit-Nutzungsanalysefunktion und aktualisierte Ausgabenkontrollfunktionen veröffentlicht, die Nutzungsinformationen von ChatGPT und Codex in der globalen Administratorkonsole zusammenführen. Administratoren können den Credit-Verbrauch nach Benutzer, Produkt und Modell aufgeschlüsselt einsehen. OpenAI hatte bereits Anfang dieses Jahres eine Funktion zur Festlegung von Credit-Nutzungsobergrenzen pro benutzerdefinierter Rolle eingeführt und erweitert nun die Ausgabenkontrollfunktionen für Organisationseinheiten. CPO Rodriguez betonte, dass GitHub Copilot nicht nur ein Tool zum Schreiben von Code sei, sondern ein KI-natives Engineering-System; die zukünftige Rolle von Entwicklern werde nicht mehr darin bestehen, jede Codezeile selbst zu schreiben, sondern Ziele zu setzen, die von KI-Agenten generierten Ergebnisse zu validieren und Qualität sowie Architektur zu verwalten.

Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.

E-Mail: news@wedoany.com