Oberhahn

Die meisten Unternehmen geben inzwischen echtes Geld für KI aus, doch nur wenige können sagen, welche Sitzungen Ergebnisse brachten und welche nur Token verbrannten. Oberhahn wurde gebaut, um diese Lücke zu schließen. Es verbindet die KI-Tools, die ein Team bereits bezahlt – darunter Cursor, Claude Code, Codex, GitHub Copilot, Salesforce, LangChain und Datadog – und führt jeden Modellaufruf in ein normalisiertes Journal zusammen. Weil das Journal konsistent ist, kann die Plattform es bepreisen, prognostizieren und teamübergreifend vergleichen.

Darauf aufbauend legt Oberhahn vier Fragen obenauf. Wo stehen unsere KI-Ausgaben gerade jetzt? Wer hat was für welches Modell ausgegeben? Welche Arbeit hat dieses Geld gekauft? Und wohin entwickelt sich das? Jede Antwort ist durch den zugrunde liegenden Sitzungsdatensatz belegt, sodass ein Manager jede Zeile öffnen und alles lesen, nach Quelle, Team, Projekt, Tag oder Verbraucher filtern oder eine Abfrage wie source:codex cost:>5 eingeben kann.

Das Produkt sucht zudem in Ihrem Namen nach Verschwendung. Es stuft überdimensionierte Modelle, Woche-zu-Woche-Ausschläge, Cache-Fehler und entlaufene Sitzungen nach dem Geld ein, das jede betrifft, und verknüpft jeden Befund mit der dahinterliegenden Aktivität. Eine separate Sicherheitsansicht prüft Prompts und Tool-Aufrufe auf geleakte Zugangsdaten, Umgebungs-Dumps und riskante Shell-Befehle, zuerst nach Schweregrad und dann nach Wiederholungshäufigkeit.

Oberhahn richtet sich an gründergeführte Teams, Engineering-Manager und Plattformverantwortliche, die möchten, dass KI-Einführung sich verzinst statt ausufert. Das Versprechen ist einfach: Ein Gewinn, den ein Team heute entdeckt, soll morgen für alle zum Standard werden – und der einzige Weg, Verbreitung zu erreichen, ist, ihn zuerst zu messen.