Was passiert, wenn sich Unternehmen ihre KI nicht mehr leisten können?

In den Anfangsjahren von Uber war eine Fahrt quer durch die Stadt günstiger als ein Taxi. Investoren glichen den Unterschied aus, bis das Unternehmen Geld verdienen musste. Daten von Rakuten Intelligence zeigten, dass die Preise für Fahrdienste in den USA zwischen 2018 und 2021 um 92 % stiegen. Und 2023 war sogar der CEO von Uber überrascht, als er erfuhr, was eine drei Meilen lange Fahrt in New York inzwischen kostete.

Die künstliche Intelligenz nähert sich einem ähnlichen Wendepunkt. Anthropic bestätigte im Juni, dass das Unternehmen vertraulich Unterlagen für einen Börsengang in den USA eingereicht hatte, und Berichten zufolge bereitet OpenAI einen ähnlichen Schritt vor. Börsennotierte Unternehmen müssen ihren Aktionären vierteljährlich Rechenschaft ablegen. Diese Kontrolle wirkt sich tendenziell auf die Preise aus.

Das wirft eine Frage auf, die sich viele Unternehmen noch nicht gestellt haben: Was passiert, wenn die KI, auf die ihre Produkte angewiesen sind, teurer oder stärker eingeschränkt wird – oder beides? Die Antwort hängt weniger davon ab, was die KI-Labore beschließen, als davon, wie die einzelnen Unternehmen ihre Geschäftsmodelle auf ihnen aufgebaut haben. Und es bleibt noch Zeit, sich darauf vorzubereiten.

KI-Kosten sind aus dem IT-Budget ins Geschäftsmodell gerückt

Die ersten KI-Rechnungen waren klein genug, um sie unter Experimentierkosten zu verbuchen. Heute steckt KI in Produkten und Arbeitsabläufen, sodass sich ihr Preis unmittelbar auf die Margen auswirkt. Die aktuellen Preise spiegeln eine Phase umfangreicher Investitionen wider.

In einem Test des Forschungsunternehmens SemiAnalysis bot ein Claude-Max-Abo für 200 US-Dollar im Monat ein Nutzungsvolumen im Wert von rund 8.000 US-Dollar pro Monat zu den regulären API-Preisen. Das ist für Nutzer großzügig bemessen und zeigt, wie weit manche Preise unter den zugrunde liegenden Kosten des Dienstes liegen.

Erste Anpassungen gibt es bereits. Mitte 2025 stellte das KI-Programmierwerkzeug Cursor sein Abo für 20 US-Dollar im Monat auf eine nutzungsabhängige Abrechnung zu API-Tarifen um, und Anthropic führte wöchentliche Nutzungslimits für seine intensivsten Claude-Code-Nutzer ein. Der Entwickler Simon Willison vermutete, dass die Zeit der von Investoren subventionierten KI-Nutzung zu Ende gehen könnte.

Analysten geben ähnliche Empfehlungen. In seinen Leitlinien vom August 2026 rät Gartner Führungskräften, sich auf wahrscheinliche Preiserhöhungen bei KI vorzubereiten. Die Analysten des Unternehmens haben außerdem davor gewarnt, dass Organisationen, die nicht verstehen, wie KI-Kosten mit der Nutzung steigen, diese um 500 % bis 1.000 % falsch einschätzen können.

Sinkende Stückpreise helfen, aber nur bis zu einem gewissen Punkt. Epoch AI zeigt, dass der Preis für ein bestimmtes Leistungsniveau bei KI jedes Jahr stark fällt. Doch Forschende des MIT stellten fest, dass neuere Reasoning-Modelle deutlich mehr Rechenaufwand benötigen, um zu ihren Antworten zu gelangen. Mit der Nutzung steigen die Kosten – und die Nutzung nimmt weiter zu.

Was börsennotierte KI-Labore für die Start-ups bedeuten könnten, die auf ihnen aufbauen

Ein Börsengang sorgt für Disziplin. Börsennotierte KI-Labore müssen Investoren einen Weg zu dauerhaft tragfähigen Margen aufzeigen. Die Preisgestaltung ist einer der direktesten Hebel, die ihnen dafür zur Verfügung stehen. Das könnte höhere Listenpreise, strengere Nutzungslimits, die Verlagerung von Funktionen in Premiumtarife oder eine frühere Einstellung älterer Modelle bedeuten.

Start-ups konkurrieren zudem auf demselben Markt wie ihre Zulieferer. KI-Labore bieten zunehmend eigene Anwendungen an – wie Anthropic mit Claude Code. Deshalb sollten Unternehmen klar herausarbeiten, welchen Mehrwert sie über das Modell selbst hinaus bieten.

Es gibt auch eine positive Seite. Börsennotierte Unternehmen legen mehr Informationen offen, sodass Kunden besser nachvollziehen können, wie die Preise für KI zustande kommen. Der Wettbewerb zwischen Anbietern und die raschen Verbesserungen offener Modelle dürften die Preise für alle im Zaum halten, die zum Wechsel bereit sind.

Wie Unternehmen ihre Abhängigkeit verringern können

Das Geschäftsrisiko lässt sich auf zwei Fragen herunterbrechen: Würden Kunden den Dienst so sehr schätzen, dass sie bei steigenden Kosten mehr dafür zahlen würden? Und ist die Marge groß genug, um eine Preiserhöhung aufzufangen? Für Unternehmen, die auf diese Fragen keine sichere Antwort haben, gibt es fünf hilfreiche Maßnahmen – und keine davon erfordert einen Neuanfang.

Ermitteln Sie die Kosten jeder einzelnen Aufgabe. Viele Teams kennen zwar ihre monatliche KI-Rechnung, wissen aber nicht, was eine einzelne Kundenaktion kostet. Wer die Kosten pro Aufgabe misst, erkennt, welche Funktionen, Kunden oder Anwendungsfälle bei Preiserhöhungen um 30 %, 50 % oder sogar 100 % unrentabel würden.

Setzen Sie KI dort ein, wo sie den größten Mehrwert bietet. Große Modelle eignen sich besonders gut für den Umgang mit unklaren Situationen, etwa wenn ein Problem zum ersten Mal angegangen wird. Für sich wiederholende Aufgaben ist herkömmliche Software oft besser geeignet. Bei Softwaretests kann KI beispielsweise einmal ermitteln, wie ein Nutzerablauf geprüft werden sollte. Anschließend lässt sich diese Prüfung tausende Male als gewöhnlicher Code ausführen, ohne ein Modell aufzurufen.

Stimmen Sie das Modell auf die Aufgabe ab. Epoch AI stellte fest, dass die besten offenen Modelle, die auf einer einzelnen Grafikkarte für Endverbraucher ausgeführt werden können, höchstens etwa ein Jahr hinter den führenden Modellen zurückliegen. Für Routineaufgaben kann ein kleineres oder selbst gehostetes Modell zu einem Bruchteil des Preises zufriedenstellende Ergebnisse liefern.

Halten Sie sich die Möglichkeit zum Wechsel offen. Produkte, die auf spezifischen Funktionen eines einzelnen Anbieters aufbauen, lassen sich am schwersten umstellen. Eine einfache Zwischenschicht zwischen Produkt und Modell sowie regelmäßige Tests mit Alternativen machen aus einer künftigen Preiserhöhung eine Verhandlungsgrundlage.

Berechnen Sie den Preis nach dem Ergebnis. Wenn Kunden pro Token abgerechnet wird, werden alle Änderungen der KI-Preise unmittelbar an sie weitergegeben. Eine Pauschale pro Ergebnis – etwa für eine erledigte Aufgabe oder eine gelöste Anfrage – sorgt für stabile Preise für Kunden und gibt dem Unternehmen Spielraum, Änderungen der eigenen Kosten aufzufangen. Derselbe Grundsatz hilft auch beim Einkauf: Bei Tools mit ergebnisabhängiger Preisgestaltung lassen sich künftige Ausgaben leichter vorhersehen.

Erschwinglichkeit ist eine Designentscheidung

Uber-Preiserhöhungen haben den Fahrdienstmarkt nicht beendet. Sie beendeten Geschäftsmodelle, die davon ausgingen, dass Fahrten immer subventioniert würden. Für KI dürfte ein ähnlicher Weg bevorstehen. Wenn die großen Labore an die öffentlichen Kapitalmärkte gehen, wird KI näher an den tatsächlichen Bereitstellungskosten bepreist werden, und Unternehmen werden daran gemessen, ob ihre Produkte zu diesem Preis weiterhin funktionieren.

Unternehmen, die für diesen Wandel am besten aufgestellt sind, betrachten KI als eine Abhängigkeit, die gemessen und gesteuert werden muss. Für Unternehmen, die noch nicht damit begonnen haben, ist es nicht zu spät. Jeder dieser Schritte kann noch in diesem Quartal eingeleitet werden, und jeder einzelne macht es leichter, die nächste Preisänderung abzufedern.