US-Unternehmen wählen zunehmend das günstigste KI-Modell, das die Aufgabe bewältigen kann, statt automatisch auf die fortschrittlichste verfügbare Lösung zurückzugreifen. Dieser Wandel übt Druck auf Premiumpreise aus, da neuere Modelle die Leistungslücke schließen und die Tokenkosten weiter sinken, wie der Financial Times berichtet.

Das günstigste Modell kaufen, das die Aufgabe erledigt

Die Logik dahinter: Teure Frontier-Modelle sollten nur bei Bedarf eingesetzt werden, währendRoutineaufgaben von kostengünstigen Modellen übernommen werden können, die die Aufgabe ausreichend gut erledigen.

Dieses Muster zeigte sich in Ramps AI Index vom 9. September, der die KI-Ausgaben von Unternehmen verfolgt. Basierend auf den Ausgabendaten vom August 2026 kauften 43,8% der US-Unternehmen in Ramps Stichprobe Anthropic-Produkte, gegenüber 39,8% für OpenAI. Ramp verwies auch auf die zunehmende Nutzung günstigerer Modelle als Bedrohung für KI-Unternehmen, deren Geschäftsmodelle darauf beruhen, dass Unternehmen stetig mehr für Frontier-Systeme ausgeben.

Der Trend deckt sich auch mit den Ergebnissen des OECD-Berichts zu Agentik-KI, der im September 2026 veröffentlicht wurde. Interviews mit 25 Organisationen ergaben, dass Kostenersparnisse ein häufiger Grund für die Einführung agentischer Systeme waren – KI, die mehrstufige Aufgaben mit begrenzter Aufsicht planen und ausführen kann – neben ihrem Beitrag zu höherer Produktivität und ihrer Rolle bei der Bewältigung von Arbeitskräftemangel.

Ein Preis krieg,essen in Bruchteilen eines Cents

Die Preise für KI-Modelle fallen rapide, gerade während eine neue Welle von Systemen eingeführt wird. Laut früherer Berichterstattung von Cryptopolitan veröffentlichte OpenAI am 22. September GPT-6 Sol und GPT-6 Luna zu Preisen, die mindestens 50% unter den bisherigen GPT-5.6-Modellen liegen. GPT-6 Sol kostet 2 $ pro Million Eingabe-Tokens und 10 $ pro Million Ausgabe-Tokens, wobei Tokens die Standardeinheit des Textes sind, den Modelle verarbeiten und nach dem die API-Preise abgerechnet werden.

In derselben Woche brachte Anthropic Opus 5.5 auf den Markt, während xAI Grok 4.7 vorstellte – Debüts in einem Markt, der zunehmend von Preis-Leistungs-Kriterien getrieben wird. Laut Axios stellen günstige, aber dennoch leistungsfähige Modelle das neue Wettrennen der Branche dar.

Der langfristige Abwärtstrend ist noch deutlicher. Laut Epoch AI ist der Preis für ein konstantes KI-Leistungsniveau seit 2023 um rund 47% pro Quartal gesunken – etwa 13 Mal pro Jahr.

Die Kosten pro erledigter Aufgabe zählen mehr

Da der preisbasierte Druck zunimmt, verändern sich die Kennzahlen, mit denen Unternehmen den KI-Erfolg messen. Die Bedeutung von Benchmark-Führungspositionen hat nicht abgenommen, doch größere Aufmerksamkeit gilt nun der Frage, wie viel Kunden für effektive Leistung zahlen.

Zapiers AutomationBench testet KI-Agenten an End-to-End-Workflows in 47 Business-Tools. Stand 28. September führte Claude Opus 5.5 die Tabelle mit 42,47% Effizienz bei einem Preis von 1,44 $ pro Aufgabe an, während GPT-6 Sol bei XHigh 33,2% für nur 0,27 $ pro Aufgabe erreichte.

Derselbe Kompromiss zeigt sich auf Artificial Analysis. GPT-6 Sol mit maximaler Anstrengung erzielt 48 Punkte auf dem Intelligence Index bei geschätzten 1,06 $ pro Aufgabe, während Xiaomis Open-Weight-Modell MiMo-V2.6-Pro – ein Modell, dessen Gewichte öffentlich verfügbar sind und außerhalb der Infrastruktur des Anbieters betrieben werden können – 46 Punkte bei nur 0,13 $ pro Aufgabe erreicht.

Diese Lücke ist so gering, dass Multi-Model-Routing praktikabel wird. Statt sich für alle Workloads auf einen einzigen Anbieter zu verlassen, können Unternehmen das passende Modell je nach relativer Bedeutung und Komplexität jeder Aufgabe zuweisen.

Günstigere Tokens können höhere Rechnungen bedeuten

Niedrigere Preise bedeuten nicht zwangsläufig niedrigere KI-Ausgaben. Laut Axios deutet das Jevons-Paradoxon – erstmals beschrieben vom Ökonomen William Stanley Jevons im 19. Jahrhundert, der feststellte, dass größere Effizienz beim Einsatz einer Ressource deren Gesamtverbrauch eher erhöht als dämpft – darauf hin, dass erschwinglichere Ressourcen zu größerem Verbrauch führen. Gartner äußerte in seiner Prognose vom 17. August eine ähnliche Warnung und schätzte einen Anstieg der Inferenzkosten für agentische Workflows um mehr als das Fünffache bis 2028.

Günstigere Modelle können auch den Zugang in anderen Teilen der Welt verbessern. Laut Microsofts Global AI Diffusion Report können erschwingliche und offene Modelle die Verfügbarkeit verbessern, doch Infrastruktur, Konnektivität und Fähigkeiten spielen eine entscheidende Rolle dabei, wer davon profitieren kann.

Für Unternehmenskäufer wird die Botschaft immer deutlicher: Die beste KI ist möglicherweise nicht die intelligenteste KI, sondern die Art von KI, die ihre Aufgabe effizient zu den niedrigsten Kosten erledigt.

Quelle: Cryptopolitan