Intelligenz bekommt einen Zähler
AI fühlte sich wie ein Abo an. Agenten machen daraus eine Verbrauchsrechnung. Dieses Kapitel verfolgt den Übergang vom unbegrenzten Experiment…
AI fühlte sich wie ein Abo an. Agenten machen daraus eine Verbrauchsrechnung.
Die erste Phase generativer AI war einfach zu verstehen. Ein Nutzer bezahlte monatlich einen festen Betrag und erhielt Zugang zu einem System, das Texte schrieb, Bilder erzeugte oder Code erklärte. Die Kosten blieben hinter einer vertrauten Oberfläche verborgen.
Mit agentischen Anwendungen ändert sich das. Ein Agent liest Dokumente, plant mehrere Schritte, ruft Werkzeuge auf, prüft Ergebnisse, korrigiert Fehler und beginnt bei Bedarf erneut. Der Nutzer sieht eine erledigte Aufgabe. Im Hintergrund laufen jedoch Millionen Tokens, mehrere Modelle und zahlreiche API-Aufrufe durch ein variables Kostensystem.
Damit beginnt eine neue wirtschaftliche Phase. AI wird vom Innovationsbudget zur kontrollierten Betriebsausgabe. Die entscheidende Frage lautet nicht mehr nur, was ein Modell kann, sondern wie viel eine zuverlässig erledigte Aufgabe kostet.
Die unsichtbare Rechnung
Ein einzelner Chat wirkt günstig, weil der Mensch den Umfang begrenzt. Er stellt eine Frage, liest die Antwort und entscheidet, ob ein weiterer Schritt nötig ist.
Ein Agent trifft diese Entscheidung selbst. Er zerlegt eine Aufgabe, liest große Kontexte, sucht Informationen, ruft Programme auf und wiederholt fehlgeschlagene Schritte. Jeder Durchlauf verbraucht Eingabe-, Ausgabe- und häufig zusätzliche Reasoning-Tokens.
Eine systematische Untersuchung agentischer Coding-Aufgaben kam 2026 zu einem auffälligen Ergebnis: Komplexe Agentenläufe konnten bis zu tausendmal mehr Tokens verbrauchen als einfache Code-Chats. Wiederholungen derselben Aufgabe unterschieden sich teilweise um den Faktor 30, und höherer Verbrauch führte nicht zuverlässig zu besseren Ergebnissen.
Damit wird AI-Konsum schwerer planbar als klassische Software. Eine Lizenz kostet jeden Monat dasselbe. Ein Agent kann an einem ruhigen Tag kaum etwas verbrauchen und am nächsten Tag in einer Retry-Schleife eine unerwartet hohe Rechnung erzeugen.
Der Nutzer sieht die Aufgabe. Der CFO sieht die Schleifen.
Vom Innovationsbudget zur Kostenstelle
In der Experimentierphase dürfen Entwickler häufig das leistungsfähigste Modell wählen. Geschwindigkeit und Qualität zählen mehr als die Kosten jedes einzelnen Aufrufs. Solange nur wenige Teams testen, bleibt die Rechnung überschaubar.
Sobald Agenten produktiv in Support, Coding, Recherche, Einkauf oder Backoffice arbeiten, vervielfacht sich das Volumen. Tausende kleine Entscheidungen werden zu einem dauerhaften Verbrauchsstrom.
Ramp führte 2026 ein eigenes AI Token Spend Management ein. Nach Unternehmensangaben wurde das System mit mehr als 1.300 Firmen entwickelt, die gemeinsam über 100 Billionen Tokens pro Monat verwalten. Sichtbar werden Ausgaben nach Anbieter, Modell, Team und Projekt.
Diese Entwicklung zeigt, wohin der Markt geht: AI-Kosten werden so granular überwacht wie Cloudverbrauch, Reisekosten oder Marketingbudgets. Der CFO betritt den Chat.
Ab diesem Moment endet die großzügige Annahme, das beste Modell sei automatisch die beste Wahl. Ein Unternehmen muss nachweisen, dass der zusätzliche Nutzen den zusätzlichen Preis rechtfertigt.
Der Preis eines Tokens sagt zu wenig
Anbieter veröffentlichen Preise pro Million Eingabe- und Ausgabetokens. Diese Zahlen wirken vergleichbar, sind es aber nur begrenzt.
Ein Modell kann günstigere Eingaben, aber teurere Ausgaben haben. Langer Kontext kann anders berechnet werden als kurzer. Cache-Treffer, Batch-Verarbeitung, Tool-Aufrufe, Reasoning-Tokens und Prioritätsstufen verändern die Rechnung. Außerdem können zwei Modelle unterschiedlich viele Tokens benötigen, um dieselbe Aufgabe zu lösen.
Der relevante Vergleich lautet deshalb nicht: Welches Modell kostet weniger pro Million Tokens?
Er lautet: Welches System erledigt die Aufgabe mit akzeptabler Qualität, Zuverlässigkeit und Geschwindigkeit zu den niedrigsten Gesamtkosten?
Diese Kennzahl umfasst mehr als Modellgebühren:
- Tokens und Tool-Aufrufe;
- Fehler, Wiederholungen und menschliche Nacharbeit;
- Latenz und Wartezeit;
- Datenhaltung, Sicherheit und Orchestrierung;
- Kosten eines falschen oder unvollständigen Ergebnisses.
Ein teureres Modell kann wirtschaftlicher sein, wenn es die Aufgabe im ersten Durchlauf korrekt löst. Ein günstiges Modell kann teuer werden, wenn es lange Schleifen erzeugt oder häufig kontrolliert werden muss.
Model-Routing wird zur neuen Betriebssoftware
Unternehmen werden nicht jede Aufgabe an dasselbe Modell senden. Sie bauen eine Auswahlmaschine darüber.
schwierige, folgenreiche Aufgabe → Frontier-Modell
Routine, Klassifikation, Extraktion → kleines günstiges Modell
vertrauliche Daten → lokales oder privates Modell
große wiederkehrende Mengen → Cache, Batch oder deterministischer Workflow
Dieses Routing wird zu einer neuen Kontrollschicht. Es entscheidet, welches Modell Zugang zu welchen Daten erhält, welches Qualitätsniveau nötig ist und wie viel Geld eine Aufgabe verbrauchen darf.
Damit verschiebt sich Macht vom einzelnen Modell zur Orchestrierung. Ein Unternehmen, das Workloads flexibel verteilt, kann Preise vergleichen und Anbieter austauschen. Ein Unternehmen, dessen Agenten tief an ein einziges Modell gebunden sind, verliert Verhandlungsmacht.
Das wertvollste AI-System könnte nicht das intelligenteste Modell sein, sondern der Router, der weiß, wann dieses Modell unnötig ist.
Caching, Batch und kleinere Modelle
Die Anbieter selbst schaffen Anreize zur Effizienz. OpenAI, Anthropic und Google bieten unterschiedliche Formen von Caching und Batch-Verarbeitung an. Wiederkehrende Kontexte können günstiger erneut verwendet, zeitunkritische Aufgaben gesammelt abgearbeitet und Routinen auf kleinere Modelle verschoben werden.
Caching ist besonders wichtig, weil agentische Systeme dieselben Systemanweisungen, Dokumente oder Codebestände wiederholt einlesen. Wird dieser Kontext jedes Mal vollständig neu berechnet, steigt der Verbrauch ohne zusätzlichen Erkenntnisgewinn.
Batch-Verarbeitung belohnt Geduld. Nicht jede Analyse muss in Sekunden abgeschlossen sein. Wer Aufgaben bündelt und außerhalb der Spitzenzeiten verarbeitet, kann Kosten senken und Kapazität effizienter nutzen.
Der nächste Schritt geht weiter: Wiederkehrende Agentenabläufe können nach einer erfolgreichen Ausführung teilweise in deterministische Software übersetzt werden. Das Modell plant einmal; anschließend läuft der stabile Teil ohne erneutes Reasoning.
AI wird dadurch nicht weniger wichtig. Sie wandert an die Stelle, an der Unsicherheit und Urteilskraft tatsächlich gebraucht werden.
Lokale Inferenz verändert die Rechnung
Unternehmen können sensible oder häufig wiederkehrende Aufgaben zunehmend auf eigener Hardware ausführen. Ein lokales Modell verursacht hohe Anschaffungskosten, aber keine variable API-Rechnung für jeden einzelnen Token.
Das lohnt sich dort, wo Auslastung, Datenschutz und planbare Workloads zusammenkommen. Interne Suche, Dokumentenklassifikation, Coding-Unterstützung oder wiederkehrende Agenten können teilweise auf Workstations, privaten Clouds oder Edge-Systemen laufen.
Lokale Inferenz ersetzt die Cloud nicht. Frontier-Aufgaben, Spitzenlasten und große Kontexte bleiben in zentralen Rechenzentren. Doch sie setzt einen Preisdeckel für Routinearbeit und stärkt die Verhandlungsposition des Kunden.
Für die Hardwarekette entsteht eine neue Nachfrage: nicht nur HBM in großen Cloud-Clustern, sondern auch mehr DRAM, Unified Memory und leistungsfähige lokale Systeme.
Die Memory-Story wird damit breiter – und zugleich differenzierter. Nicht jede AI-Aufgabe benötigt die teuerste Infrastruktur.
Der Jevons-Effekt der Intelligenz
Sinkende Kosten pro Aufgabe bedeuten nicht automatisch sinkenden Gesamtverbrauch. Günstigere AI macht neue Anwendungen wirtschaftlich.
Wenn eine Analyse statt zehn Euro nur noch einen Euro kostet, wird sie nicht zwingend zehnmal billiger. Unternehmen können hundertmal mehr Analysen durchführen. Mitarbeiter automatisieren Aufgaben, die vorher nie bearbeitet wurden. Produkte bauen AI in jede Kundeninteraktion ein.
Das ist der Jevons-Effekt: Effizienz senkt den Preis einer Ressource und kann dadurch ihren Gesamtverbrauch erhöhen.
Für Rechenzentren, Chips und Strom ist das bullish. Für einzelne Modellanbieter ist die Wirkung ambivalent. Das Volumen wächst, während der Preis pro Aufgabe fällt und Kunden stärker routen.
Der Markt kann deshalb gleichzeitig zwei Wahrheiten erleben: AI wird massenhaft genutzt, und die Margen der Frontier Labs geraten unter Druck.
Die neue Prüfung des AI-ROIC
Für die Hyperscaler verschiebt sich der Bewertungsmaßstab. Hohe Capex-Ausgaben wurden bislang häufig als Beweis für zukünftige Nachfrage gelesen. Mit zunehmender Kostenkontrolle fragen Investoren genauer, welcher Cashflow aus jedem zusätzlichen Rechenzentrumsblock entsteht.
Die Kette lautet:
mehr Agenten → mehr Tokenverbrauch → mehr Cloudumsatz → mehr Rechenzentren und Chips
Doch daneben entsteht eine Gegenkette:
höhere Rechnung → CFO-Kontrolle → Routing, Caching und lokale Inferenz → niedrigerer Umsatz pro Aufgabe
Die entscheidende Größe ist der Saldo. Wächst die Zahl produktiver Aufgaben schneller als die Kosten je Aufgabe fallen, bleibt die Infrastrukturstory stark. Sinkt der Preis schneller als das Volumen wächst, werden Umsatz- und Capex-Erwartungen korrigiert.
Genau hier verbindet sich Tokenökonomie mit dem HBM-Deleveraging-Loop aus Kapitel 3. Zweifel an der Monetarisierung können Hyperscaler-Projekte verzögern, Memory-Erwartungen senken und bereits gehebelte Halbleitermärkte unter Druck setzen.
Wer gewinnt an der Kostenkontrolle?
Die Rationalisierung der AI-Ausgaben schafft neue Gewinner:
- Model-Router und Orchestrierungsplattformen: Sie verteilen Aufgaben nach Preis, Qualität, Sicherheit und Verfügbarkeit.
- Kleine und spezialisierte Modelle: Sie übernehmen große Routinevolumen.
- Cloud- und FinOps-Werkzeuge: Sie messen Verbrauch, erkennen Anomalien und setzen Budgets.
- Lokale Hardware und private AI: Sie bieten planbare Kosten und Datenkontrolle.
- Caching-, Observability- und Evaluationsanbieter: Sie reduzieren Wiederholung und machen Qualität messbar.
- Anwendungen mit klarem wirtschaftlichem Nutzen: Sie können AI-Kosten an produktive Ergebnisse koppeln.
Unter Druck geraten Geschäftsmodelle, die Tokenvolumen mit Wertschöpfung verwechseln. Ein Agent, der zehnmal mehr rechnet, ist nicht automatisch zehnmal produktiver.
Auch Frontier Labs benötigen mehr als technologische Führung. Sie brauchen Distribution, Datenintegration, Kundenbindung und einen Weg, sinkende Stückpreise durch wachsendes Volumen oder zusätzliche Produkte auszugleichen.
Die Gridizer-Research-Watchlist
Für die Tokenökonomie und AI-Monetarisierung beobachten wir:
- AI-Ausgaben nach Anbieter, Modell, Team und Aufgabe;
- Kosten pro erfolgreich abgeschlossenem Workflow;
- Retry-Raten, Agentenschleifen und menschliche Nacharbeit;
- Anteil gecachter, gebatchter und lokal ausgeführter Workloads;
- Migration von Frontier-Modellen zu kleineren oder offenen Alternativen;
- Bruttomargen der Modellanbieter;
- AI-Umsatz und Kosteneinsparungen im Verhältnis zu Capex und Opex;
- Hyperscaler-Capex, Abschreibungen und Free Cashflow;
- HBM-, DRAM- und Rechenzentrumsnachfrage bei sinkenden Kosten pro Aufgabe.
Intelligenz wird zur Betriebsausgabe
Die erste AI-Welle gewann Nutzer mit spektakulären Fähigkeiten und einfachen Abos. Die nächste Welle wird durch Kosten pro Aufgabe, Zuverlässigkeit und Kontrolle entschieden.
Das verändert die Gewinnerliste. Modelle bleiben wichtig, aber ihr wirtschaftlicher Wert hängt zunehmend davon ab, wie effizient sie in einen Workflow eingebaut werden. Der CFO wird damit zu einem der mächtigsten AI-Regulatoren.
AI kann immer billiger, nützlicher und allgegenwärtiger werden – und gerade dadurch die Margen der Unternehmen unter Druck setzen, die sie erfunden haben.