Generative KI bricht eine der langlebigsten ökonomischen Annahmen der Softwarebranche: dass die Bedienung eines zusätzlichen Kunden nach dem Aufbau eines Produkts fast nichts kostet.

Traditionelle Software erforderte oft hohe Vorabinvestitionen, doch die fertigen Produkte konnten Entwickler zu sehr niedrigen Grenzkosten verbreiten. Generative KI funktioniert anders. Jeder Prompt, jede generierte Antwort und jede Agent-Aufgabe muss jedes Mal neu erzeugt – und bezahlt – werden.

Anfang dieses Jahres argumentierte Stripe-Mitgründer Patrick Collison, dass Software im KI-Zeitalter „wie Pizza sein sollte“ – auf Bestellung im Moment der Nutzung zubereitet. Software auf Bestellung bringt jedoch auch Kosten auf Bestellung mit sich.

Die Internetökonomie wurde maßgeblich um menschliche Absichten herum entworfen: Menschen suchten, klickten, abonnierten und schlossen Käufe ab, während Unternehmen ihr Verhalten um dieses Muster optimierten – Kunden gewinnen, sie in Abonnenten umwandeln und sie günstig und skalierbar bedienen. KI-Agenten recherchieren inzwischen, schreiben Code, rufen APIs auf, führen Aufgaben aus und tätigen sogar Zahlungen im Namen von Menschen oder Unternehmen. Das verspricht Geschwindigkeit und Skalierung, doch automatisierte Aktivitäten können den Verbrauch – und die Kosten – weit über das hinausiben, was Unternehmen erwarten oder gewohnt sind zu steuern.

Alle beobachten, wie KI die Rechnungen für Rechenleistung in die Höhe treibt; viel weniger achten darauf, wer auf Kosten anderer mitfährt. Missbrauch von kostenlosen Testphasen und Mehrfachkonten sind die stillen Killer der KI-Unit-Economics, und Unternehmen entdecken den Schaden oft erst, wenn ihre Margen bereits dahin sind. Die Herausforderung besteht nicht mehr nur darin, Rechenleistung günstiger zu machen, sondern sicherzustellen, dass sich Nutzung in Umsatz übersetzt – statt unerwarteten oder missbräuchlichen Verbrauch die Margen aushöhlen zu lassen.

Asien zeigt, wie schnell der Wandel vom Experimentieren zur Umsetzung voranschreitet. Eine Stripe-Umfrage aus dem Jahr 2025 ergab, dass 82 % der befragten Führungskräfte Agenten-KI bereits umsetzten oder dies planten, und die Hälfte der Befragten erwartet bis 2030 einen größeren Anteil des Umsatzes über KI-gesteuerte Kanäle. Laut Bain nutzen oder erwägen bereits 85 % der Konsumenten in Südostasien KI-Tools, um ihre Kaufentscheidungen zu leiten.

Tokens werden zur neuen Währungseinheit des Handels

Im KI-Zeitalter können zwei unterschiedliche Nutzer völlig unterschiedliche Arbeitslasten erzeugen, und jede Interaktion verursacht echte Kosten. Tokens – die kleinen Textbausteine, in die KI-Modelle Sprache zerlegen – sind zur zentralen Einheit für Messung und Abrechnung des Verbrauchs geworden und treiben KI-Unternehmen zu nutzungsbasierter oder hybrider Preisgestaltung – Modellen, die die Verbrauchskosten besser widerspiegeln und es Unternehmen ermöglichen, die Nutzung in Echtzeit zu verfolgen und Zahlungen einzuziehen.

Lovable, eine KI-Plattform zur Softwareerstellung, die Stripe nutzt, veranschaulicht diesen Übergang. Das Unternehmen startete mit Abos, ist aber inzwischen zur nutzungsbasierten Abrechnung übergegangen: Sobald Kunden das kostenlose Kontingent ihres Plans überschreiten, werden sie nach ihrem KI-Token-Verbrauch abgerechnet.

Dieses Modell bringt eine neue Schwachstelle mit sich: Token-Diebstahl. Missbraucher spielen das System aus, indem sie mehrere Konten erstellen, kostenlose Testphasen ausnutzen und KI-Tokens verbrauchen, ohne je die Absicht zu haben, zuahlen. Jeder Token, den ein Freeclaimer verbraucht, verursacht unmittelbare Betriebskosten, die das Unternehmen nie ausgleichen wird.

Stripe-Forschung ergab, dass mehr als jeder sechste Neuanmeldung bei KI-Unternehmen mit Multi-Account-Missbrauch in Verbindung steht. Bei diesem Verhältnis skaliert Missbrauch mit dem Wachstum: Je schneller ein KI-Unternehmen Nutzer hinzugewinnt, desto mehr Freeclaimer-Konten kommen zusammen mit den legitimen dazu.

Das Timing ist entscheidend. KI-Unternehmen können es sich nicht leisten, erst zu reagieren, wenn eine Zahlungsanfrage fehlschlägt; bis dahin ist der Nutzer längst weitergezogen. Stattdessen muss Missbrauch bereits bei der Anmeldung erkannt werden, bevor der erste Token überhaupt verbraucht wird. Stripe hat durch Lösungen wie Stripe Radar – ein KI-Tool zur Betrugsprävention, das auf Daten von Millionen Unternehmen weltweit trainiert ist – im letzten Jahr in Singapur Betrug in Höhe von 1,3 Milliarden Dollar verhindert.

Margen schützen

Die Herausforderung besteht nicht einfach darin, Token-Diebstahl oder Betrug zu erkennen, sondern zu entscheiden, wie man reagiert. Unternehmen brauchen mehr Transparenz darüber, wo ihre Margen gefährdet sind, sowie die Flexibilität, ihre eigene Risikotoleranz festzulegen und ihre Reaktion an unterschiedliche Verhaltensweisen anzupassen. Jemand, der wiederholt neue Konten erstellt, um kostenlose KI-Tokens abzugreifen, sollte beispielsweise anders behandelt werden als ein zahlender Gelegenheitsnutzer, dessen Verbrauch plötzlich steigt.

Die Indikatoren sind konkret: der Anteil neuer Anmeldungen, die wegen Multi-Account-Missbrauch markiert werden, das Tempo, mit dem kostenlose Kontingente aufgebraucht werden, und ob Missbrauch bei der Anmeldung erkannt wird oder erst, wenn eine Zahlung fehlschlägt. Da KI die Kosten der Kundenbedienung verändert, wird der Schutz der Margen nicht nur von günstigerer Rechenleistung abhängen, sondern auch davon, dass jeder verbrauchte Token zählt.

Die in den Kommentarbeiträgen auf Fortune.com geäußerten Meinungen sind ausschließlich die Ansichten ihrer Autoren und spiegeln nicht unbedingt die Meinungen und Überzeugungen von Fortune wider. Diese Geschichte erschien ursprünglich auf Fortune.com.