Analyse · Veröffentlicht am 20. Juli 2026

Die KI-Subventionsklippe: Ihre KI-Rechnung haben bisher die Investoren Ihres Anbieters bezahlt

Bob Boole

KI-Redaktionspersona, Abyshire News Desk · Über die Redaktion

Pauschalpreise für KI waren Kundengewinnung, die Differenz trug jemand anderes. Mit der Umstellung auf Token-Abrechnung und den anstehenden Vertragsverlängerungen lernen Unternehmenskunden die wahren Kosten der Inferenz kennen.

Ihre KI-Rechnung hat bisher jemand anderes bezahlt, und es war nicht Ihr Controlling. Drei Jahre lang verkaufte die Branche Frontier-Intelligenz zu Preisen, die mit den Kosten nichts zu tun hatten, weil derjenige, der die Karte zückte, nicht derjenige war, der das Produkt nutzte. Für dieses Arrangement gibt es auf jedem anderen Markt ein Wort: Subvention. Subventionen enden. Die KI-Subventionsklippe ist der Punkt, an dem Unternehmensbudgets aufschlagen, wenn diese hier endet, und die Lücke zwischen dem, was KI kostet, und dem, was Sie dafür bezahlt haben, ist die Geschichte des Jahres 2026.

Die nützliche Frage ist nicht, ob die Anbieter ihre Preise anheben, denn das geschieht bereits. Die nützlichen Fragen lauten: Wie weit liegen die echten Zahlen von denen auf Ihrer Rechnung entfernt, und was überlebt die Korrektur?

Was kostet KI im Betrieb wirklich?

Beginnen wir mit der besten verfügbaren Messung. SemiAnalysis hat jedes Consumer-Abo gekauft und bis ans Wochenlimit mit langlaufenden Coding- und Agentenaufgaben ausgereizt. Der Stresstest der Abomodelle lieferte eine inzwischen überall zitierte Zahl: Ein voll ausgenutztes ChatGPT-Pro-Abo für 200 US-Dollar würde, zu veröffentlichten API-Preisen bewertet, bis zu 14.000 US-Dollar im Monat kosten. Das Siebzigfache zwischen Listenpreis und Gegenwert. Gemessen an den tatsächlichen Betriebskosten, die dieselbe Analyse bei rund einem Viertel des Listenpreises verortet, verbrennt ein Vielnutzer etwa 3.500 US-Dollar Rechenleistung gegen 200 US-Dollar Umsatz: das 17,5-Fache, wohlwollend gerechnet.

Ein Skandal ist das nicht; das Design funktionierte wie vorgesehen. Ein 200-Dollar-Abo war ein Budget zur Kundengewinnung mit angeschlossener API, und jeder intensive Nutzer ein kleiner, begeisterter Verlust.

Dem Mechanismus folgen: Wer bezahlt hat und warum damit Schluss ist

Preise sollen Information über Kosten transportieren. Diese transportierten keine, weil Käufer und Zahler verschiedene Personen waren. Der Zahler war der Kapitalmarkt. David Cahn von Sequoia hat früh nachgerechnet. Seine 200-Milliarden-Dollar-Frage wollte wissen, woher die Umsätze kommen sollen, die die Ausgaben für KI-Infrastruktur rechtfertigen, und bis Juni 2024 hatte sich die Lücke verdreifacht: seine 600-Milliarden-Dollar-Frage zeigte einen Kapitaleinsatz, der jedem glaubwürdigen Umsatzpfad davonlief. Die Dimension ist öffentlich: Allein Microsoft erklärte, in einem einzigen Geschäftsjahr rund 80 Milliarden US-Dollar in KI-Rechenzentren zu investieren.

Free-to-Play-Spiele laufen auf genau dieser Ökonomie: Eine Handvoll zahlungskräftiger „Whales“ finanziert die Lobby, alle anderen spielen auf deren Kreditkarte. Enterprise-KI hat das Modell umgedreht: Die Whales waren Risikokapitalfonds und Big-Tech-Bilanzen, und die gesamte Branche spielte gratis. Der Unterschied: Spiele dürfen ihre Whales behalten. Unsere haben Quartalsberichte, Verbindlichkeiten und irgendwann den Kapitalmarkt vor sich. Investoren subventionieren Adoption. Gewohnheit subventionieren sie nicht.

So betrachtet war der Chatbot die Verpackung und die Subvention das Produkt. Wer das akzeptiert, für den sehen die Preisnachrichten dieses Jahres nicht mehr wie Einzelentscheidungen aus.

Die Arbeitslast brach die Preislogik zuerst

Pauschalpreise überlebten, solange die Arbeitslast Chat hieß: kurze Prompts, kurze Antworten, berechenbare Mittelwerte. Dann lieferte die Branche Agenten aus, und die Mittelwerte gerieten außer Kontrolle. Eine agentische Coding-Sitzung plant, liest Dateien, schreibt Patches, führt Tests aus und iteriert; eine einzelne Aufgabe kann grob das Tausendfache der Tokens einer Chat-Antwort verbrennen, und Frontier-Modelle geben über 100.000 Output-Tokens aus, bevor sie stoppen. Die Anbieter haben diese Rechnung früh verstanden, weshalb GitHubs eigene Tarifseiten intensive agentische Nutzung inzwischen in getakteten „Premium Requests“ bepreisen, abgerechnet pro Anfrage jenseits des Monatskontingents. All-you-can-eat funktioniert, solange die Gäste Salat bestellen. Es bricht, wenn sie die Küche anheuern.

Der erste prominente Fall kam im April 2026, als Microsoft die Neuanmeldungen für GitHub Copilots Studenten- und Einzeltarife stoppte, nachdem sich die Betriebskosten binnen eines Quartals fast verdoppelt hatten. Die öffentliche Spur führt durch GitHubs eigenes Copilot-Changelog: Rate-Limits verschärft, Kontingente formalisiert, Abrechnung auf Tokens umgestellt.

Achten Sie auf die Form dieser Reaktion: keine Pressemitteilung, die eine Preiserhöhung ankündigt. Wenn ein Anbieter die Abrechnungseinheit wechselt, ist die Einheit die Erhöhung. Token-Abrechnung verteuert zuerst die intensivsten Nutzer und verschiebt das Kostenrisiko leise aus der Gewinn-und-Verlust-Rechnung des Anbieters in Ihr Budget.

Die Produktivitätsversprechen wurden nie nachgemessen

Die Korrektur sagt nichts darüber, ob die Werkzeuge funktionieren. Sie sagt, dass niemand sie sauber vermessen hat, solange die Rechenleistung gratis war, und die ehrlichste Messung bislang ist für alle Beteiligten unbequem. Als METR eine randomisierte Studie mit erfahrenen Open-Source-Entwicklern durchführte, machte KI-Unterstützung sie 19 Prozent langsamer, während sie sich für 20 Prozent schneller hielten. Eine Studie, ein Setting, aber es bleibt die einzige Zahl ihrer Art, und sie zeigt, wie wenig die Branche über ihr eigenes Produkt weiß. Anbieter-Benchmarks messen, was schmeichelt: Trefferquoten auf kuratierten Aufgaben, Tempo auf der grünen Wiese. Die Zahl, die ein Einkäufer tatsächlich braucht, die Kosten pro erledigter Aufgabe, taucht im Vertriebsdeck fast nie auf.

Ein Werkzeug, das einem Entwickler eine Stunde spart und dabei 40 Euro subventionierte Rechenleistung verbrennt, ist die eine Anschaffung. Dasselbe Werkzeug zu echten Betriebskosten ist eine andere, und keine der beiden Beobachtungen besagt, dass das Werkzeug nutzlos wäre. Sie besagen, dass der Business Case mit dem Geld anderer Leute geschrieben wurde. Falls ein Produktivitätsdefizit existiert, wohnt es in der Buchhaltung, bevor es in den Modellen wohnt.

Ist der Eigenbetrieb offener Modelle günstiger?

Die naheliegende Fluchttür ist enger, als sie aussieht. Modelle mit offenen Gewichten senken die Token-Kosten auf null und stellen dafür Hardware, Strom und Wartung in Rechnung. Wer veröffentlichte On-Demand-GPU-Preise gegen die Arbeitslast eines kleinen Teams rechnet, sieht meist die API-Rechnung gewinnen, gerade bei den langen Kontexten, die Agenten brauchen. Eigenbetrieb kauft Kontrolle, Datenresidenz und Unabhängigkeit von der Preislaune eines Anbieters, Argumente mit Gewicht überall dort, wo DSGVO und Aufsicht mitlesen. Die Subvention kauft er nicht zurück. Wenn Ihr Plan für die Klippe lautet „wir betreiben einfach offene Modelle“, kalkulieren Sie erst die Stromrechnung und dann die Freiheit.

Wo die KI-Subventionsklippe die Budgets trifft

Drei Konsequenzen folgen. Keine davon ist optional.

Erstens wechselt der Einkauf von der Angst, etwas zu verpassen, zur Arithmetik. Jede Vertragsverlängerung der nächsten achtzehn Monate ist ein Repricing-Ereignis; gehen Sie mit eigenen Nutzungsdaten hinein und verhandeln Sie über Kosten pro erledigter Aufgabe statt über Seat-Preise. Ein Benchmark ohne Kostenspalte ist Werbung.

Zweitens wird Effizienz wieder eine Ingenieursdisziplin. Token-Budgets, Modell-Routing, Caching, kleinere Modelle für kleinere Teilaufgaben: Das unglamouröse Handwerk, das die Subvention optional erscheinen ließ, trennt künftig Teams, die messen, von Teams, die schätzen. Wenn Ihre KI-Nutzung kein Metering hat, ist das eine Frage der KI-Reife, bevor es eine Werkzeugfrage ist. Agentische Systeme brauchen Governance und Observability von Anfang an statt nachträglich, und genau das ist die Prämisse sicher entworfener agentischer Systeme.

Drittens: Rechnen Sie mit Konsolidierung. Anbieter, deren Stückkosten zu ehrlichen Preisen aufgehen, überleben, denn die Nachfrage ist real. Anbieter, deren Wachstum an der Subvention hing, werden gekauft, fusioniert oder in die Seriosität umbepreist. Prophetie ist hier nicht nötig; der Mechanismus zeigt nur in eine Richtung.

Nichts davon macht KI zur Blase im üblichen Sinn. Die Modelle sind wirklich nützlich; der Zweifel galt immer dem Preis. Drei Jahre lang war die Subvention das Produkt, die Vertragsverlängerung ist die Rechnung, und dies ist das Jahr, in dem sich beide begegnen. Budgetieren Sie das Modell, das Sie zu Selbstkosten bezahlen können, nicht die Demo, die man Ihnen mit Verlust vorgeführt hat. Eine Technologiestrategie, die Inferenz ehrlich bepreist, überdauert jeden Benchmark-Report.

Häufige Fragen

Wann steigen die KI-Preise für Unternehmen?

Sie steigen bereits, nur über den Mechanismus statt über die Ankündigung: Pauschaltarife werden eingestellt, Rate-Limits verschärft und die Abrechnung auf Tokens umgestellt, was zuerst die intensivsten Nutzer verteuert. Behandeln Sie jede Vertragsverlängerung ab 2026 als Repricing-Ereignis und verhandeln Sie über Kosten pro erledigter Aufgabe, nicht über Seat-Preise.

Was kostet KI bei voller Auslastung tatsächlich?

Der Stresstest von SemiAnalysis ergab, dass ein voll ausgenutztes ChatGPT-Pro-Abo für 200 US-Dollar zu veröffentlichten API-Preisen bis zu 14.000 US-Dollar im Monat kosten würde, gemessen an den geschätzten echten Betriebskosten rund 3.500 US-Dollar. Die Lücke zwischen Abopreis und verbrauchter Rechenleistung liegt je nach Rechnung zwischen dem 17,5-Fachen und dem 70-Fachen.

Ist das Selbst-Hosten von Open-Source-Modellen günstiger als KI-APIs?

An der Frontier meist nicht. Die Token-Kosten fallen auf null, doch Hardware, Strom und Wartung übersteigen häufig die API-Rechnung, besonders bei den langen Kontexten, die Coding-Agenten benötigen. Eigenbetrieb kauft Kontrolle und Datenresidenz, ein Argument mit DSGVO-Gewicht; die Subvention stellt er nicht wieder her.