Beobachtetes Signal · 25. Mai 2026 · Analysis · Quelle: Exponential View · Relevanz: 3/5 · Sentiment: Negativ
Steigende KI-Kosten trotz sinkender Token-Preise
Diese Exponential View-Analyse beleuchtet, warum die Ausgaben für künstliche Intelligenz schwer zu prognostizieren sind und trotz fallender Token-Preise weiter steigen. Der viertelastige Token-Durchsatz ist in vier Jahren um das schätzungsweise 17.000-Fache explodiert, während die Stückkosten kollabierten, was eine hochelastische Nachfrage erzeugt. Günstigere Token machen mehrstufige KI-Agenten wirtschaftlich rentabel; diese Agenten führen Dutzende Tool-Aufrufe und wiederholte Kontextlesevorgänge durch, die große versteckte Multiplikatoren beim Token-Verbrauch bewirken. Der Autor nennt Beispiele: Coding-Agenten lesen den Kontext in jedem Durchgang neu ein und erzeugen eine bis zu 55-fache Token-Verstärkung im Vergleich zu Single-Turn-Abfragen. Umfragedaten deuten zudem darauf hin, dass aktive Inferenz nur etwa 15 bis 20 Prozent des gesamten Token-Verbrauchs ausmacht. Chinas Binnennachfrage und heimische Anbieter wie ByteDance und Alibaba fungieren dabei als wesentliche Wachstumstreiber.
Der Beitrag verdeutlicht systemische Kosten- und Prognoserisiken durch agentengetriebenen Token-Verbrauch und versteckte Multiplikatoren, die Budgetierung, Vendor-Entscheidungen und operative Architekturen beim Einsatz von LLMs und agentischen Systemen direkt beeinflussen.
Marktsignale zu ByteDance in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren Polaris7-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Das geschätzte verarbeitete Token-Volumen pro Quartal ist in vier Jahren um das rund 17.000-Fache gestiegen.
- Die Token-Preise sind massiv gefallen, während der Gesamtkonsum gewachsen ist, was eine hochelastische Nachfrage nach maschineller Intelligenz belegt.
- KI-Agenten treiben den Token-Verbrauch massiv an: Sie führen pro Aufgabe zwischen 5 und 25 Tool-Aufrufe aus, die jeweils Kontext und API-Kosten hinzufügen.
- Beispiel für Token-Verstärkung: Ein über 10 Turns agierender Coding-Agent kann bis zu 55-mal mehr Token verbrauchen als eine einzelne Abfrage.
- Zitierte Daten zeigen, dass aktive Inferenz möglicherweise nur 15 bis 20 Prozent des Gesamtverbrauchs ausmacht – der Rest entfällt auf unsichtbare Prozesse wie Tool-Calls, Kontextlesevorgänge und Wiederholungen.
Verknüpfte Unternehmen
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Explodierende KI-Token-Kosten belasten Entwicklungsbudgets und CFOs
Der aktuelle Datenbericht von Exponential View beleuchtet den rasanten Anstieg des Token-Konsums bei Large Language Models und dessen schwerwiegende finanzielle Folgen für Unternehmen. Laut Uber-CTO Praveen Neppalli Naga verbrauchten 5.000 Uber-Ingenieure das für das Jahr 2026 eingeplante Token-Budget bereits innerhalb von vier Monaten, und auch ServiceNow meldete vergleichbare Budgetüberschreitungen. Marktdaten zeigen, dass 71 Prozent der Unternehmen im Jahr 2025 ihre KI-Budgets überzogen haben, während sich die durchschnittlichen monatlichen KI-Ausgaben großer US-Unternehmen im Vorjahresvergleich um 36 Prozent auf 85.000 US-Dollar erhöhten. Fast die Hälfte der Befragten verzeichnet steigende IT-Budgets von rund zehn Prozent. Die zunehmende Verbreitung von agentischer KI und die unkontrollierte Diffusion der Token-Nutzung treiben unvorhersehbare Kosten in die Höhe, was CFOs zu einer strengeren Finanzkontrolle und Neubewertung ihrer Technologiebudgets zwingt.
KI-Token-Kosten steuern: Vom Tool-Kauf zum Management digitaler Arbeitskraft
Ein Briefing vom Juni 2026 verdeutlicht den Paradigmenwechsel bei KI-Token-Ausgaben: Generative AI wandelt sich vom reinen Software-Tool zu verwaltbarer digitaler Arbeitskraft. Am Beispiel von Uber wird die Skalierungsproblematik greifbar: 95 % der Ingenieure nutzen monatlich KI-Tools, während ein interner Coding-Agent wöchentlich rund 1.800 Code-Änderungen generiert. Infolgedessen erschöpfte Uber sein KI-Budget für 2026 bereits Monate vor Jahresende. Die Führungsebene räumt ein, dass Token-Verbrauch und Commits bisher nicht messbar mit verbesserten Kunden-Features korrelieren. Das Briefing skizziert ein siebenteiliges Rahmenwerk zur Bewältigung dieser Herausforderung, inklusive des Routing-Prinzips der „Minimum Effective Intelligence“. Statt pauschaler Token-Caps plädiert der Ansatz für neue Betriebsmodelle mit feingliedrigen Freigabeprozessen, Berechtigungen und standardisierten Arbeitsobjekten, da traditionelle Budgetierungsansätze bei agentischer KI versagen.
KI-Ökonomie im Wandel: Steigende Token-Kosten erzwingen Budgetdisziplin
Ein Fachbeitrag von Entwickler Hicham Douch verdeutlicht das Ende der Ära 'nahezu kostenloser' KI, da führende Anbieter verstärkt auf tokenbasierte Abrechnungsmodelle umstellen und fortgeschrittene Funktionen verteuern. Als Beispiele dienen Anthropic, das Claude Code aus günstigeren Tarifen strich, sowie GitHub Copilot mit dem Wechsel von aktionsbasierter Bepreisung zu Token-Kosten. Berichten zufolge verbrauchen Unternehmen ihre KI-Budgets in Rekordzeit – darunter Uber, das sein Jahresbudget 2026 angeblich bereits nach vier Monaten aufgebraucht hat. Douch prägt den Begriff der 'Tokenogen-Ära', in der jeder KI-Aufruf explizite Kosten verursacht. Produktteams müssen KI-Workflows künftig wie verbrauchsbasiertes Cloud Compute behandeln, strikte Token-Budgets durchsetzen, Workflows auditieren und für standardisierte High-Volume-Prozesse auf kostengünstigere Modelle ausweichen, um die Skalierbarkeit zu sichern.
Alle künftigen Signale zu ByteDance & Wettbewerbern im Briefing erhalten
Verpassen Sie keine M&A-Transaktionen, Führungswechsel, Kunden-Etats oder Produkt-Launches mehr. Polaris7 überwacht über 20.000 Primärquellen rund um die Uhr und liefert evidenzbasierte Telemetrie direkt in Ihr wöchentliches Executive Briefing.
