KI auf Pump: Was deine KI wirklich kostet — und was passiert, wenn die Subvention endet

Mitte Juli 2026 stellte das chinesische Labor Moonshot AI sein Modell Kimi K3 vor — mit 2,8 Billionen Parametern das größte offene Modell der Welt. Am 19. Juli, keine drei Tage später, stoppte die Firma die Anmeldungen für neue Abos. Nicht, weil das Modell floppte. Sondern weil die Nachfrage die eigene GPU-Kapazität überrannte: Jeder neue Kunde machte den Anbieter ärmer.

Das ist die ganze Geschichte in einem Satz. Und sie erklärt, warum ich in WAFER-Folge 11 eine unbequeme Frage gestellt habe: Was passiert eigentlich mit deinen Prozessen, wenn die Preise, auf denen sie laufen, gar nicht die echten Preise sind?

Die kurze Antwort: Die großen KI-Anbieter verkaufen ihre Leistung derzeit unter Kosten, finanziert aus Investoren- und Fremdkapital — OpenAI gab 2025 für jeden eingenommenen Dollar rund 2,60 Dollar aus. Für dich als Unternehmer ist das kein Finanzthema, sondern ein Betriebsrisiko: Sobald ein Ablauf in deiner Firma auf diesen Preisen läuft, trägst du das Risiko eines Preissprungs — oder einer stillen Änderung der Nutzungsgrenzen. Die richtige Absicherung ist nicht Abwarten, sondern eine Integration, die den Anbieter austauschbar hält.

Was ein KI-Abo wirklich kostet — nur nicht dich

Der Anker ist ein Satz von Sam Altman, den er im Januar 2025 selbst öffentlich gemacht hat: „insane thing: we are currently losing money on openai pro subscriptions! people use it much more than we expected.” Das betraf das 200-Dollar-Abo — also ausgerechnet die zahlungskräftigsten Kunden. Kein Preisproblem, sondern ein Flatrate-trifft-Verbrauchsgut-Problem: Je intensiver jemand nutzt, desto teurer wird er für den Anbieter.

Wie groß die Lücke ist, wurde im Juni 2026 sichtbar, als OpenAIs Geschäftszahlen für 2025 durchsickerten (die Dokumente wurden von Ed Zitron veröffentlicht und von der Financial Times geprüft):

• Umsatz 2025: 13,07 Mrd. Dollar — mehr als eine Verdreifachung gegenüber 3,7 Mrd. in 2024
• Kosten und Ausgaben: rund 34 Mrd. Dollar
• Operativer Verlust: 20,92 Mrd. Dollar

Das sind rund 2,60 Dollar Ausgaben für jeden eingenommenen Dollar. Zur Einordnung, weil die Zahl kursiert: In den Berichten steht zusätzlich ein Nettoverlust von 38,5 Mrd. Dollar — der enthält aber einen buchhalterischen Einmaleffekt aus der Umwandlung in eine For-Profit-Struktur und beschreibt nicht das laufende Geschäft. Die aussagekräftige Zahl ist der operative Verlust.

Mir geht es dabei nicht um Schadenfreude. Mir geht es um die simple Ableitung: Der Preis, den du heute zahlst, ist nicht der Marktpreis. Er ist ein Investorenpreis. Und Investorenpreise haben die Eigenschaft, irgendwann zu enden.

Wichtig ist die Gegenrichtung, sonst wird das Bild schief: Die Kosten pro Token fallen seit Jahren dramatisch — für gleichbleibende Qualität grob um den Faktor zehn pro Jahr, was a16z treffend „LLMflation” getauft hat. Die Anbieter verlieren trotzdem Geld, weil sie parallel immer teurere Spitzenmodelle verkaufen und jede Anfrage mehr Token verbraucht. Beides ist gleichzeitig wahr: Die Technik wird billiger. Das Geschäftsmodell der Anbieter trägt sich trotzdem noch nicht.

Die Probe aufs Exempel: Was Entwickler tatsächlich rausgeholt haben

Bilanzzahlen sind das eine. Viel greifbarer wird es, wenn man von der anderen Seite draufschaut — nämlich auf die Frage: Was bekomme ich für mein Abo eigentlich, gemessen an dem, was dieselbe Leistung nach Liste kosten würde?

Genau das hat die Entwickler-Community seit dem Erscheinen von Claude Code systematisch nachgemessen. Es gibt dafür sogar ein eigenes Standardwerkzeug: ccusage, ein kleines Open-Source-Programm, das die lokalen Protokolldateien ausliest und den verbrauchten Token-Wert gegen die offiziellen API-Preise rechnet. Man kann also auf den Cent genau sagen, was die eigene Nutzung als API-Kunde gekostet hätte.

Der Abstand zwischen dem, was du zahlst, und dem, was du bekommst — gemessen, nicht geschätzt.

Der am besten dokumentierte Fall stammt von einem Entwickler, der acht Monate lang mitprotokolliert hat (Juni 2025 bis Februar 2026, rund 10 Milliarden Token über Hunderte von Sitzungen). Sein Ergebnis, veröffentlicht im Februar 2026: Für die tatsächlich bezahlten rund 800 Dollar Abogebühr hätte er zu API-Listenpreisen über 15.000 Dollar zahlen müssen. Im Spitzenmonat Juli 2025 allein lag der Listenwert bei 5.623 Dollar — bei einer Monatsgebühr von 200 Dollar. Ein zweiter, unabhängig veröffentlichter Fall kommt bei 440 Sitzungen auf rund 1.588 Dollar Listenwert in einem Monat mit 200-Dollar-Abo.

Bevor daraus die falsche Schlagzeile wird, drei Einschränkungen, die ehrlicherweise dazugehören:

1. API-Listenpreis ist nicht gleich Anbieterkosten. In der API steckt eine Marge. Was den Anbieter die Bereitstellung wirklich kostet, liegt deutlich darunter — die Lücke ist also nicht der Verlust des Anbieters.
2. Ein Großteil der Token sind Cache-Zugriffe. Bei langen Coding-Sitzungen wird immer wieder derselbe Kontext gelesen. Das ist für den Anbieter deutlich billiger als frische Verarbeitung, wird in der Listenpreis-Rechnung aber mitgezählt.
3. Der Autor ist transparent, dass er nur für die ersten Monate vollständige Token-Daten hatte und spätere Monate hochgerechnet hat.

Trotzdem bleibt der Punkt stehen — und zwar aus einem Grund, der stärker ist als jede Einzelzahl: Anthropic hat reagiert. Ende Juli 2025 kündigte das Unternehmen wöchentliche Nutzungsobergrenzen für Pro und Max an, wirksam ab dem 28. August 2025. Die offizielle Begründung im firmeneigenen Beitrag: Sie beträfen „weniger als 5 % der Abonnenten” — also genau die Vielnutzer. Im April 2026 folgte die Sperre für Drittanbieter-Werkzeuge, die den Abo-Zugang angezapft hatten.

Das ist der eigentliche Lerneffekt an dieser Stelle, und deshalb finde ich die Community-Messungen so wertvoll: Man kann live beobachten, wie eine Subvention zurückgefahren wird. Erst wird sehr viel Leistung sehr günstig angeboten, um Marktanteil zu gewinnen. Dann misst jemand nach, wie viel wirklich drin ist. Und dann werden die Grenzen enger gezogen — nicht über den Preis auf der Rechnung, sondern über das, was man für den Preis noch bekommt.

Für dich heißt das: Der Preis ist nur die eine Hälfte des Vertrags. Die andere Hälfte ist das Limit — und das kann sich ändern, ohne dass die Rechnung höher wird. Wenn ein Ablauf in deinem Betrieb davon abhängt, dass ein Abo bestimmte Mengen abdeckt, dann hängt er an einer Größe, die der Anbieter jederzeit anpassen darf.

Der strukturelle Bruch: vom Seat-Preis zum Preis pro Token

Für dich als Geschäftsführer ist die viel konkretere Veränderung nicht die Bilanz von OpenAI, sondern die Art, wie du künftig abgerechnet wirst.

Klassische Software kostet einen festen Betrag pro Nutzer und Monat. Das ist planbar: Mitarbeiterzahl mal Preis. Agentische KI funktioniert anders — abgerechnet wird nach Verbrauch, und ein Agent verbraucht pro Aufgabe ein Vielfaches dessen, was jemand im Chat-Fenster verbraucht. Zwischen November 2025 und Juni 2026 haben die großen Anbieter ihre Enterprise-Verträge entsprechend umgestellt; reine Seat-Preise sind laut dem AI Pricing Playbook von Bessemer Venture Partners von 21 auf 15 Prozent gefallen, während hybride Modelle (Grundgebühr plus Verbrauch) auf 41 Prozent gestiegen sind.

Wie brutal sich das anfühlt, zeigt der bestdokumentierte Fall der letzten Monate — und er kommt nicht von einem überforderten Mittelständler, sondern von Uber:

Uber gab seinen rund 5.000 Entwicklern im Dezember 2025 Zugang zu KI-Coding-Tools. Die Nutzung verdoppelte sich bis Februar. Im April war das komplette KI-Budget für 2026 aufgebraucht — nach vier Monaten. Einzelne Entwickler lagen bei 500 bis 2.000 Dollar im Monat, eine zweistündige Coding-Session eines Managers schlug mit 1.200 Dollar zu Buche. Uber hat inzwischen einen Deckel von 1.500 Dollar pro Person und Tool eingezogen.

Das ist kein Rechenfehler und kein Kontrollversagen. Das ist eine Verbrauchskurve, die steiler steigt, als jede Seat-Kalkulation vorsieht. Und wenn es einem Konzern mit Hunderten von Finanzleuten passiert, dann passiert es dir auch — nur dass du es einen Monat später merkst.

Wie gerade gebaut wird: Geld, das im Kreis läuft

Der Kreislauf, um den es geht: Der Zulieferer sichert die Finanzierung ab, mit der sein Kunde bei ihm einkauft.

Ende Juli 2026 wurde bekannt, dass Nvidia mit OpenAI über eine Bürgschaft von bis zu 250 Milliarden Dollar verhandelt. Damit soll OpenAI Fremdkapital für einen Rechenzentrums-Campus in Pike County, Ohio aufnehmen können — 10 Gigawatt Leistung, gebaut auf dem Gelände einer ehemaligen Urananreicherungsanlage, entwickelt von einer SoftBank-Tochter. Die erste Ausbaustufe mit rund 800 Megawatt ist für 2028 geplant, das Gesamtprojekt liegt bei über 500 Milliarden Dollar. Über die Finanzierung der Chips, die dort später laufen sollen, wird separat verhandelt.

Zwei Dinge muss man hier sauber trennen, sonst wird die Schlagzeile größer als die Realität:

Erstens: Das ist Stand heute verhandelt, nicht unterschrieben — CNBC schreibt ausdrücklich „in talks”. Ich habe in der Recherche zu dieser Folge mehrfach gesehen, wie aus angekündigten Rahmen deutlich kleinere reale Deals wurden. Nvidias vielzitiertes „bis zu 100 Milliarden”-Investment in OpenAI endete bei rund 30 Milliarden; Jensen Huang selbst sagte, der Rest sei „probably not in the cards”.

Zweitens — und das ist der eigentliche Punkt: Wenn ein Chip-Hersteller die Finanzierung seines größten Kunden absichert, damit dieser Kapazität für dessen Chips baut, dann ist ein Teil der Nachfrage selbst erzeugt. Bloomberg nennt das Muster Circular Financing; The Register hat es auf die schönste Kurzform gebracht: „Schritt 1: Investiere in deinen Kunden. Schritt 2: Verkauf ihm deine Chips.” Der Umsatz ist echt. Die Frage ist, wie viel davon ohne den Kreislauf da wäre — und was passiert, wenn ein Glied ausfällt. Die Bank für Internationalen Zahlungsausgleich hat genau diese Verflechtung als Systemrisiko markiert.

Dazu kommt die harte Physik dahinter. Epoch AI hat durchgerechnet, was ein Rechenzentrum dieser Klasse kostet: rund 38 Milliarden Dollar Anfangsinvestition pro Gigawatt, etwa 8,5 Milliarden Dollar Gesamtkosten pro Jahr — davon 60 Prozent Server und Chips, der Strom nur ein kleiner Teil. Der kritischste Posten ist eine Annahme: Rechnet man statt fünf Jahren nur drei Jahre Lebensdauer für die Hardware, steigen die Jahreskosten auf rund 12 Milliarden. Und das ist der Unterschied zu jeder historischen Infrastruktur-Blase, mit der gern verglichen wird: Eisenbahnschienen halten hundert Jahre. Glasfaser hielt zwanzig. GPUs halten drei.

Warum das nächste Modell dein Problem trotzdem nicht löst

Jetzt kommt der Teil, bei dem ich mich am weitesten aus dem Fenster lehne — und der mir wichtiger ist als jede Milliardenzahl oben.

OpenClaw, Claude Code, Fable 5, Kimi K3: Jedes Quartal gibt es ein neues „bestes Modell der Welt”, und jedes Mal springt der halbe Markt mit. Ich beobachte das seit Jahren in echten Projekten, und meine Erfahrung ist ziemlich eindeutig: Bei den meisten Unternehmen ändert das nächste Modell im Betrieb praktisch nichts. Nicht weil die Modelle schlecht wären, sondern weil KI dort im Chat-Fenster feststeckt. Ein Werkzeug, das einzelne Mitarbeiter aufmachen, wenn sie dran denken.

Solange das so ist, ist ein besseres Modell wie ein stärkerer Motor für ein Auto, das in der Garage steht.

Der Wert entsteht an einer anderen Stelle: in der Integration. In dem Moment, in dem ein Ablauf tatsächlich in deinem Betrieb liegt — die Angebotserstellung, die Eingangspost, die Wissenssuche, die Gesprächsauswertung —, mit deinen Daten, deinen Regeln und deiner Qualitätskontrolle. Das ist die Arbeit, die keiner abkürzt, und es ist die einzige, die dir bleibt, wenn das Modell darunter wechselt.

Und genau hier schließt sich der Kreis zum Geld: Wer nur ein Abo hat, kann kündigen. Wer einen eingebauten Prozess hat, ohne über den Anbieter nachgedacht zu haben, hat eine Abhängigkeit gebaut. Die Rechnung für die Subvention kommt nicht als Kündigung — sie kommt als Preiserhöhung an der Stelle, an der du nicht mehr weg kannst. Das ist keine Verschwörungstheorie, sondern schlicht die Logik jedes Land-Grab-Marktes: Erst Marktanteil kaufen, dann Preise setzen.

Fünf Schritte, die dich preisfest machen

Du kannst nicht verhindern, dass die Subvention endet — nur, dass es dich trifft.

1. Miss, was du wirklich verbrauchst. Nicht der Betrag auf der Rechnung ist dein Risiko, sondern der reale Token-Verbrauch pro Prozess. Wer das nicht misst, merkt eine Kostenverschiebung erst im Quartalsabschluss. Uber hat es nach vier Monaten gemerkt — mit einem ganzen Finanzapparat im Rücken.

2. Bau den Prozess ein, nicht das Modell. Frag bei jedem KI-Vorhaben zuerst: Welcher Ablauf wird hier tatsächlich anders? Wenn die Antwort „unsere Leute können jetzt fragen” lautet, hast du ein Abo gekauft, keine Automatisierung.

3. Halte das Modell austauschbar. Zwischen deiner Geschäftslogik und dem Anbieter gehört eine Abstraktionsschicht: Prompts, Regeln und Abläufe dokumentiert bei dir, das Modell als Komponente dahinter. Dann ist ein Wechsel eine Konfigurationsänderung und kein Projekt. Teste einmal im Quartal denselben Ablauf gegen einen zweiten Anbieter — das ist deine Feuerübung.

4. Budgetiere nach Verbrauch, mit Deckel. Der Seat-Preis als Planungsgröße ist tot. Setz Kostendeckel pro Team und Monat, bevor du sie brauchst, und schau dir den Verbrauch pro Prozess monatlich an. Ein Deckel, der einmal im Jahr greift, ist billiger als eine Rechnung, die einmal im Jahr überrascht.

5. Spiel den Preissprung einmal durch. Nimm deine drei wichtigsten KI-gestützten Abläufe und frag konkret: Was passiert, wenn sich der Preis verdreifacht oder der Anbieter morgen nicht mehr verfügbar ist? Überall, wo die Antwort „dann steht es” lautet, hast du keine Automatisierung, sondern eine Abhängigkeit. Genau dort baust du zuerst die Ausweichoption.

Meine Haltung, offen gesagt

Ich glaube nicht, dass die Technik verschwindet. Selbst wenn eine Finanzblase platzt — die Modelle bleiben, der Nutzen bleibt, und die Kosten pro Aufgabe fallen weiter. Das ist bei jeder großen Infrastruktur-Welle so gewesen.

Was ich für real halte, ist ein anderes Risiko: dass Unternehmen ihre Abläufe auf Preise und Anbieter aufbauen, die beide gerade nicht in einem stabilen Zustand sind — und dass sie sich dabei so festlegen, dass eine Preisänderung sie voll trifft. Deshalb ist mein Rat nicht „wartet ab”. Wer wartet, verliert die Lernkurve, und die lässt sich später nicht nachkaufen.

Mein Rat ist: Bau jetzt, aber bau so, dass du wechseln kannst. Nicht das beste Modell gewinnt. Der best eingebaute Prozess gewinnt. Und wenn du das ernst nimmst, ist es dir am Ende ziemlich egal, wie das Rennen der Anbieter ausgeht.

---

Quellen

• Sam Altman zum Pro-Abo, 5. Januar 2025 — TechCrunch
• OpenAI-Geschäftszahlen 2025 (Leak, geprüft von der Financial Times), 16. Juni 2026 — Fortune
• Acht Monate Claude-Code-Nutzung gegen API-Listenpreise gerechnet, 23. Februar 2026 — ksred.com · zweiter Fall mit 440 Sitzungen — Product Compass
• ccusage — das Community-Werkzeug, mit dem der Token-Verbrauch gegen API-Preise gerechnet wird — GitHub
• Anthropic kündigt wöchentliche Limits für Pro und Max an („weniger als 5 % der Abonnenten”), Juli 2025, wirksam ab 28. August 2025 — Anthropic auf X · Zusammenfassung
• Uber verbrennt sein Jahres-KI-Budget in vier Monaten, Mai 2026 — Fortune · Deckel von 1.500 $, Juni 2026 — TechCrunch
• Nvidia-Bürgschaft über bis zu 250 Mrd. $ für den Ohio-Campus („in talks”), 27. Juli 2026 — CNBC · Data Center Dynamics
• Kimi K3: Anmeldestopp wegen GPU-Kapazität, Juli 2026 — Euronews
• Kostenstruktur eines 1-GW-Rechenzentrums — Epoch AI
• Preisverfall pro Token („LLMflation”) — a16z · Epoch AI
• Zirkuläre Finanzierung als Muster — The Register
• Die Umsatzlücke der Branche („AI’s $600B Question”) — Sequoia Capital