Wettbewerb und Rekordnutzung: KI-Ausgaben in Unternehmen sinken
Die Token-Preise der Spitzenmodelle fallen, das Volumen steigt. Der Wettbewerb verlagert den Fokus von den Infrastrukturkosten auf die messbare Arbeitsersparnis.
Lukas Görög1 Min. Lesezeit
Die KI-Ausgaben von US-Unternehmen sanken im September 2026, obwohl die Nutzung stark zunahm (Quelle: The Decoder). Der aktuelle Ramp AI Index wertet Transaktionsdaten von mehr als 70.000 US-Firmen aus. Demnach wuchs die Menge der verarbeiteten Daten seit Juli um rund 50 Prozent und erreichte Ende September ein Rekordniveau. Die Budgets für die Programmierschnittstellen (APIs) der Modelle stiegen nicht im gleichen Maße. Die Datenbasis des Index konzentriert sich auf API-Kosten bei großen Firmenkunden.
Wettbewerb drückt KI-Ausgaben von Unternehmen
Der Ramp-Ökonom Ara Kharazian erklärte, der Kostenrückgang gehe auf den direkten Preiskampf der Anbieter zurück (Quelle: Ara Kharazian auf X). Günstigere Versionen der Spitzenmodelle senkten die Ausgaben pro Token?Die kleinste Texteinheit, die ein Sprachmodell verarbeitet und abrechnet. Ein Token entspricht meist einem kurzen Wort oder einer Silbe.. In der letzten Septemberwoche entfielen 51 Prozent der abgerechneten API-Kosten auf Anthropic. OpenAI folgte mit 44,5 Prozent. Open-Source-Modelle?KI-Modelle, deren Quellcode frei zugänglich ist. Sie können auf eigenen Servern betrieben und angepasst werden. machten bei den direkten Ausgaben für Programmierschnittstellen weniger als 5 Prozent aus.
Chatham Financial prüft in vier Minuten
Der Finanzdienstleister Chatham Financial zeigt, was Firmen durch die API-Nutzung konkret einsparen (Quelle: OpenAI). Das Unternehmen entwickelte mit den Modellen Codex und GPT-5.6 eine Anwendung, die Arbeitsabläufe in der Kapitalmarktberatung automatisiert. In einer ersten Messung verkürzte die Software die Prüfzeit für bestimmte Transaktionen von 30 auf unter 4 Minuten. Chatham vergleicht diese Ergebnisse derzeit mit der Arbeit erfahrener menschlicher Prüfer, bevor es das System im größeren Stil einführt. Die Infrastrukturkosten für solche Berechnungen fallen angesichts des Zeitgewinns in der Bilanz kaum ins Gewicht.
Diese Entwicklung entkoppelt den Nutzen der Modelle von ihrem Preis. Sinken die Kosten für maschinelles Lernen bei steigenden Kapazitäten, verliert das IT-Budget als Begrenzungsfaktor an Bedeutung. Der Softwarepreis ist nicht länger die zentrale Hürde. Wer Arbeitsabläufe umstellt, ändert den Maßstab: Eine Technologie, deren laufende Kosten im Betrieb gegen null tendieren, rechtfertigt sich ausschließlich über die messbar höhere Produktivität der Angestellten.
Häufige Fragen
Was erfasst der Ramp AI Index genau?
Der Index wertet Transaktionsdaten von mehr als 70.000 US-Unternehmen aus. Im Mittelpunkt stehen Ausgaben für die APIs großer KI-Anbieter. Er misst damit vor allem den kommerziellen Einsatz von Sprachmodellen über Schnittstellen. Kosten für eigene Rechenzentren, interne Entwicklung oder viele Open-Source-Modelle können in der Statistik fehlen.
Wie können KI-Ausgaben sinken, obwohl die Nutzung wächst?
Die Unternehmen verarbeiteten seit Juli rund 50 Prozent mehr Daten. Gleichzeitig sanken die Preise pro Token bei günstigeren Modellvarianten. Dadurch wuchs die Nutzung schneller als das Budget für APIs. Der Preiskampf zwischen Anthropic und OpenAI senkt somit die Kosten einzelner Anfragen, während Firmen mehr Aufgaben automatisieren.
Verliert der Token-Preis für Unternehmen dauerhaft an Bedeutung?
Der Token-Preis bleibt für große API-Nutzer relevant, bestimmt den wirtschaftlichen Nutzen aber nicht allein. Entscheidend sind auch Antwortqualität, Geschwindigkeit, Fehlerquote und der Zeitaufwand für die Prüfung. Wenn ein Modell Arbeitsabläufe deutlich verkürzt, können höhere API-Kosten vertretbar sein. Umgekehrt sparen billige Tokens wenig, wenn Menschen Ergebnisse häufig nachbearbeiten müssen.
Was bedeutet der geringe Anteil von Open-Source-Modellen?
Open-Source-Modelle machten in der letzten Septemberwoche weniger als 5 Prozent der direkten API-Ausgaben aus. Das beschreibt den Markt für bezahlte Schnittstellen großer Firmenkunden, nicht jede KI-Nutzung. Unternehmen können Open-Source-Modelle selbst betreiben und deren Kosten anders verbuchen. Aus dem Index lässt sich deshalb kein vollständiger Marktanteil ableiten.
Lässt sich Chatham Financials Zeitersparnis auf andere Firmen übertragen?
Die Anwendung von Chatham Financial verkürzte eine bestimmte Prüfung von 30 auf unter vier Minuten. Das Ergebnis gilt zunächst für diesen Arbeitsablauf und diese Anwendung. Chatham vergleicht die Leistung noch mit erfahrenen Prüfern. Erst danach lässt sich beurteilen, ob sich die Methode auf andere Transaktionen, Branchen oder Unternehmen übertragen lässt.
Worauf sollten Unternehmen bei der Einführung solcher KI-Anwendungen achten?
Unternehmen sollten zuerst einen klar abgegrenzten Arbeitsablauf auswählen und Zeit, Fehler sowie Nachprüfungen messen. Ein niedriger API-Preis allein reicht nicht. Vor einem breiten Einsatz müssen Fachleute die Ergebnisse kontrollieren, Datenschutzfragen klären und die laufenden Kosten erfassen. Erst ein Vergleich mit bisherigen Verfahren zeigt, ob die Anwendung wirtschaftlich ist.
Weiterlesen
Mehr aus Wirtschaft & Geschäftsmodelle →
Google AI Overviews: Verlage erhalten Geld für KI-Antworten
Google testet, wie man Verlage für KI-Antworten in der Suche bezahlt. Die ersten Auszahlungen fallen minimal aus, die Berechnungskriterien bleiben geheim.
KI für Chipdesign: OpenAI und Synopsys bauen Spezialmodell - GPT-Synopsys
OpenAI und Synopsys entwickeln gemeinsam ein spezialisiertes KI-Modell für die Halbleiterbranche. Das System bedient komplexe Fachsoftware eigenständig. Die Partner teilen sich die Einnahmen.
Forschung für BMW und Siemens: Mistral München liefert Konzernen die Grundlage
Mistral baut in Bayern Teams für Industrie-KI auf, während AMD Milliarden in räumliche Modelle investiert. Tragfähige Anwendungen für die Masse fehlen jedoch bisher.
AMD World Labs Übernahme: 8,2 Milliarden Dollar für das 3D-Modell Marble
AMD übernimmt das auf räumliche Intelligenz spezialisierte KI-Start-up World Labs. Der Chipkonzern zahlt den Kaufpreis von 8,2 Milliarden Dollar vollständig in Aktien.
Anthropic Börsengang offenbart die wahren Kosten von Sprachmodellen
Die Firma hinter den Claude-Modellen veröffentlicht vor dem Sprung an die Börse seine Finanzdaten. Die massiven Verluste verdeutlichen, was die Entwicklung von Sprachmodellen kostet.
KI-Infrastruktur verlangt Milliarden: Warum Anthropic vor der eigenen Pleite warnt
Die führenden Technologiekonzerne investieren bis 2027 voraussichtlich 1,2 Billionen Dollar in neue Rechenzentren und Chips. Künstliche Intelligenz wird damit zunehmend zu einer Frage des Kapitals und der Geopolitik.