Beobachtetes Signal · 29. Mai 2026 · Industry Analysis · Quelle: CNBC Technology · Relevanz: 3/5 · Sentiment: Negativ
Enterprise AI: Das Dilemma zwischen Token-Kosten und Personalbudgets
CFOs großer US-Unternehmen stehen vor einem neuen Budgetdilemma, da die Kosten für KI-Inferenz massiv steigen und sie zwischen Ausgaben für Modell-Token und Neueinstellungen abwägen müssen. CNBC sprach mit Branchenexperten darüber, dass viele Unternehmen ihre jährlichen KI-Budgets bereits nach wenigen Monaten aufbrauchen. Etwa 95 % der Nutzung entfallen nach wie vor auf die teuersten Frontier-Modelle. Unternehmen wandern derzeit von einer Phase des sogenannten ‚Tokenmaxxing‘ zu einer Neubewertung ab, ob Premium-Modelle für jede Aufgabe erforderlich sind. Die Umleitung einfacherer Aufgaben auf günstigere Modell-Stufen könnte erhebliche Einsparungen ermöglichen. Der Artikel warnt jedoch, dass die Nachfrage preissensitiver sein könnte als vom Markt angenommen, was direkte Auswirkungen auf die Bewertungen und das Umsatzwachstum von Anbietern wie OpenAI und Anthropic hat.
Steigende Inferenz- und Token-Kosten können die Enterprise-AI-Adoption, Anbieterumsätze sowie Unternehmensbewertungen massiv beeinflussen. Budgetreaktionen der Unternehmen wie Rationierung oder intelligentes Modell-Routing verändern die Nachfragedynamik im gesamten KI-Ökosystem nachhaltig.
Marktsignale zu CNBC 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
- Veröffentlicht am 29. Mai 2026.
- Laut Glean-CEO Arvind Jain sind die KI-Budgets von Unternehmen oft nach ein bis zwei Monaten erschöpft, wobei jedes neue Frontier-Modell pro Token doppelt so teuer ist wie sein Vorgänger.
- Rund 95 % der unternehmerischen KI-Nutzung laufen weiterhin auf den teuersten Frontier-Modellen, selbst für Aufgaben, die günstigere Alternativen nutzen könnten.
- Das Routing einfacher Aufgaben auf kostengünstigere Modell-Stufen kann erhebliche Einsparungen bringen (Jain nannte Einsparungen von bis zum Zehnfachen bei korrektem Modell-Routing).
- Factory-AI-CEO Matan Grinberg beschreibt die Situation als Ressourcenallokation zwischen Headcount und KI-Ausgaben pro Mitarbeiter und skizziert Phasen wie ‚Tokenmaxxing‘ und anschließende Kosten-Reevaluation.
Verknüpfte Unternehmen
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
OpenAI-Experte: Token-Effizienz für KI-Agenten optimieren
In einem Interview mit t3n erklärt Maximilian Hudlberger, Applied AI Engineer bei OpenAI, dass trotz sinkender Token-Preise die KI-Kosten für Unternehmen deutlich steigen können, insbesondere durch den zunehmenden Einsatz von KI-Agenten. Er argumentiert, dass das wahre Maß für Wirtschaftlichkeit nicht der Preis pro Token ist, sondern die Anzahl der erledigten Aufgaben mit einem gegebenen Budget. Unnötige Kosten entstehen oft dadurch, dass für jede Aufgabe das stärkste Modell verwendet wird, obwohl einfachere Modelle ausreichen würden. Unternehmen sollten daher in erledigten Aufgaben denken und ihre Modellwahl für wirtschaftliche Effizienz optimieren. Der Artikel betont, dass der wachsende Einsatz von KI-Agenten in Unternehmensworkflows den Token-Verbrauch erhöht und Kostenmanagement zu einem kritischen Geschäftsfaktor macht.
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.
KI-Token-Ökonomie: Das Ende der kostenlosen Nutzung für Marketer
Neue KI-Modellveröffentlichungen und geänderte Preismodelle verändern die Unit Economics im Marketing grundlegend. Zwar sanken die reinen Kosten pro Token historisch, doch der massive Anstieg des Token-Verbrauchs – insbesondere durch rechenintensive Reasoning-Modelle – treibt die Gesamtausgaben in die Höhe. Unternehmen, die mit stagnierenden Kosten pro Task kalkuliert haben, drohen drastische Budgetüberschreitungen. Experten empfehlen daher die Einführung von Metriken wie »Cost-of-Pass«, welche die tatsächlichen Kosten bis zur Erzielung eines korrekten Ergebnisses beziffern. Marketer müssen ihr Tech-Stack künftig auf »Model Right-Sizing« ausrichten: Einfache Aufgaben gehören auf leichtgewichtige Modelle ausgelagert, während teure Reasoning-Modelle ausschließlich komplexen Problemen vorbehalten bleiben sollten. Zudem müssen AdTech- und MarTech-Vendors kritisch hinterfragt werden, wenn sie standardmäßig dieselben kostenintensiven Modelle für jede beliebige Aufgabe ansetzen.
Alle künftigen Signale zu CNBC & 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.
