TLDR: Der Preis pro Token fällt jedes Jahr um eine Grössenordnung. Trotzdem steigen die Ausgaben von Vielnutzer:innen und Unternehmen. Das ist kein Widerspruch, sondern die Logik jeder Ressource, die billiger wird: Wir kaufen nicht weniger davon, wir kaufen mehr. Wer KI-Budgets steuern will, muss deshalb nicht auf den Stückpreis schauen, sondern auf Menge und Nutzen pro erledigter Aufgabe.
Billiger pro Einheit, teurer in der Summe
Wer heute über KI-Kosten spricht, redet meist über den falschen Preis. Der Listenpreis pro Token sagt wenig darüber, was eine Organisation am Jahresende bezahlt. Entscheidend ist, wie viele Tokens sie verbraucht und wofür.
Die Preisentwicklung pro Einheit ist eindeutig. Je nach Leistungsniveau lag der jährliche Rückgang zwischen dem 9- und dem 900-fachen. Über drei Jahre ist der relative Preis für gleichwertige Leistung um den Faktor 1000 gefallen.
Gleichzeitig explodierte aber der effektive Verbrauch. Google verarbeitete vor zwei Jahren 9,7 Billionen Tokens pro Monat, ein Jahr später rund 480 Billionen und heute über 3,2 Billiarden. Das ist ein Plus um das Siebenfache innert eines Jahres. Der Mechanismus dahinter ist 160 Jahre alt: William Stanley Jevons beobachtete bereits, dass effizientere Dampfmaschinen den Kohleverbrauch nicht senkten, sondern steigerten. Wird etwas billiger, finden wir neue Verwendungen dafür.
Der Satz, der die Lage am besten trifft, lautet deshalb: KI wird immer günstiger. Aber wir werden immer besser darin, mehr Geld dafür auszugeben.
Drei Treiber, die den Stückpreis überholen
Der erste Treiber ist übrigens das Denken selbst. Moderne Modelle lösen Aufgaben, indem sie intern Zwischenschritte erzeugen, und jeder dieser Schritte ist ein bezahlter Token. Der Preis pro Token sinkt, die Zahl der Tokens pro Aufgabe steigt, vor allem bei Recherche, Programmierung und Agenten. Preisvergleiche pro Token klammern Reasoning-Modelle deshalb häufig aus, weil sie bei gleichem Ergebnis ein Vielfaches verbrauchen.
Der zweite Treiber sind Agenten. Ein Chat ist eine Frage und eine Antwort. Ein Agent arbeitet in Schleifen: planen, ausführen, prüfen, korrigieren. Reasoning- und Agenten-Aufgaben verbrauchen fünf- bis dreissigmal mehr Tokens als eine vergleichbare Chat-Interaktion. Der Stückpreis fällt, die Gesamtausgaben steigen.
Der dritte Treiber ist organisatorisch: Anreize. Uber führte Ende 2025 Claude Code für rund 5000 Entwickler:innen ein. Die Nutzung stieg innert eines Monats von 32 auf 84 Prozent, im April war das KI-Budget für das ganze Jahr 2026 aufgebraucht. Der CTO sprach offen davon, wieder bei null planen zu müssen. Ein Grund: Mitarbeitende wurden auf internen Ranglisten nach Nutzungsvolumen eingestuft. Wer Verbrauch misst und belohnt, bekommt Verbrauch. Ob daraus Wert entsteht, ist eine andere Frage.
-WERBUNG-
Mehr KI Kompetenz? Inkl. Kompetenznachweis? Dazu haben wir das KI-Update entwickelt. Kurse, Updates, Newsletter und Podcasts: ein Ort für all dein KI Wissen. Werde Teil unserer exklusiven Community! Tausche dich mit Gleichgesinnten aus, erhalte exklusive Inhalte und nimm an Live-Sessions teil. Mehr Infos gibts auf:
Auf gesellschaftlicher Ebene kommt aber gleichzeit etwas anderes zum tragen: wieso überhaupt für KI bezahlen? Es gibt ja Meta, Gemini und Co kostenlos? Was vor zwei Jahren Premium war, ist heute Gratis-Standard. Die teuren Abos verkaufen vor allem Volumen. Bei Googles Ultra-Stufen für 100 und 200 Dollar laufen dieselben Modelle, der Unterschied liegt allein in der Zahl möglicher Anfragen. ChatGPT Pro und Claude Max kosten in der Spitze ebenfalls 200 Dollar pro Monat. Premium bedeutet also nicht primär klügere KI, sondern mehr davon.
Die Gratisstufe wiederum hat ihren Preis verschoben, nicht abgeschafft. Seit Februar 2026 zeigt ChatGPT in den USA Werbung für Gratis-Nutzer:innen und für das günstige Go-Abo für 8 Dollar im Monat. Die teureren Stufen bleiben werbefrei. Damit entsteht eine Linie, die wichtiger ist als die Modellqualität: Wer zahlt, ist Kund:in. Wer nicht zahlt, ist Publikum. Von rund 900 Millionen wöchentlichen Nutzer:innen zahlen gut 50 Millionen, also ein kleiner Bruchteil.
Eine Zweiklassengesellschaft entsteht daraus nicht automatisch. Die Trennlinie verläuft weniger zwischen Gratis und Premium als zwischen Gelegenheitsnutzung und Arbeitsroutine. Im zweiten Quartal 2026 nutzten im globalen Norden 28,8 Prozent der Bevölkerung im erwerbsfähigen Alter generative KI, im globalen Süden 16,2 Prozent, und die Lücke wächst. Und das, obwohl Gratiszugang überall verfügbar ist. Der Engpass liegt also nicht beim Preis, sondern bei Infrastruktur, Sprache und der Fähigkeit, KI in die eigene Arbeit zu übersetzen.
Die Kostenrechnung, die in keinem Angebot steht
Für Unternehmen gilt eine schlichte Regel: Der Nutzen einer KI-Anwendung muss höher sein als ihre Gesamtkosten. Der Tokenpreis ist dabei oft der kleinste Posten. Dazu kommen Einrichtung, Integration in bestehende Abläufe, laufender Betrieb, die Kontrolle der Ergebnisse und die zusätzliche Komplexität, die jedes neue System in eine Organisation trägt.
Die Ausgaben wachsen schneller als die Erträge. US-Unternehmen gaben 2025 rund 37 Milliarden Dollar für generative KI aus, gegenüber 11,5 Milliarden im Vorjahr. Gleichzeitig erzielten 95 Prozent der untersuchten Organisationen keinen messbaren Ertrag aus ihren GenAI-Initiativen. Die Ursachen lagen weniger bei den Modellen als bei brüchigen Abläufen, fehlendem Kontext und schlechter Passung zum Arbeitsalltag. Bei Agenten-Projekten rechnen Analyst:innen damit, dass bis Ende 2027 über 40 Prozent eingestellt werden, wegen steigender Kosten, unklarem Geschäftswert oder ungenügender Risikokontrolle.
Hinzu kommt fehlende Sichtbarkeit. Nur rund ein Viertel der Unternehmen hat einen vollständigen Überblick über die eigenen KI-Ausgaben, gut ein Fünftel sieht die Kosten erst auf der Rechnung. Bei fixen Abos war das kein Problem. Bei verbrauchsabhängiger Abrechnung wird jede unkontrollierte Nutzung zur Budgetposition.
Daraus folgt eine Verschiebung der Steuerungsgrösse. Nicht der Preis pro Token zählt, sondern die Kosten pro erledigter Aufgabe in brauchbarer Qualität. Ein günstiges Modell, das fünf Anläufe braucht, ist teurer als ein teures, das beim ersten Mal trifft. Und eine Aufgabe, die gar keinen Wert schafft, ist zu jedem Preis zu teuer.
Wo Abhängigkeit beginnt
Die Spannung liegt zwischen Gratismentalität und Gewöhnung. Gratisangebote trainieren die Erwartung, dass Denken auf Knopfdruck nichts kostet. Premium-Abos und Agenten trainieren die Gewohnheit, jede Aufgabe an die Maschine zu geben, weil es bequem ist. Beides verschiebt die Frage weg vom Nutzen und hin zur Verfügbarkeit.
Abhängigkeit entsteht nicht durch einen hohen Preis. Sie entsteht, wenn Prozesse, Daten und Routinen so eng an einen Anbieter gebunden sind, dass ein Wechsel teurer wirkt als jede Preiserhöhung. Wer heute 200 Franken im Monat für ein Abo zahlt, zahlt morgen nicht für Intelligenz, sondern für den Verzicht auf den Umbau.
Unternehmer:innen und Führungskräfte brauchen deshalb drei Gewohnheiten: Kosten pro Ergebnis messen statt Verbrauch belohnen, den Nutzen jeder Anwendung vor der Einführung beziffern und bewusst entscheiden, welche Aufgaben bei Menschen bleiben, weil dort das Urteil liegt.
Der Preis eines Tokens sinkt jedes Jahr. Der Wert einer Antwort hängt weiterhin davon ab, ob jemand die richtige Frage gestellt hat.
Und darum bin ich nach wie vor überzeugt: Die Zukunft gehört nicht mehr dem Tippen und Klicken, sondern dem gemAInsamen arbeiten mit intelligenten Systemen. Wer dabei nicht nur auf den Preis pro Token schaut, sondern auf den Wert pro Ergebnis, investiert klüger. Also wenn Du reden willst, und wenn Du mit mir zusammenarbeiten willst: melde Dich gerne www.rogerbasler.ch
PS: dieses Jahr werden wieder DIGITAL SHAPERS gesucht, wenn Du gerne deine Stimme für mich abgeben willst unter “THE MENTORS” würde mich das sehr freuen, danke:
Disclaimer: Dieser Artikel wurde nach meinem eigenen Wissen und dann mit Recherchen mit KI (Perplexity.Ai und Grok.com sowie Gemini.Google.com) manuell zusammengestellt und mit Deepl.com/write vereinfacht. Der Text wird dann nochmals von zwei Personen meiner Wahl gelesen und kritisch hinterfragt. Das Bild stammt von Ideogram.Ai und ist selbst erstellt. Dieser Artikel ist rein edukativ und erhebt keinen Anspruch auf Vollständigkeit. Bitte melde dich, wenn Du Ungenauigkeiten feststellst, danke.
Quellen und weitere Informationen:
Andreessen Horowitz. (2024, 12. November). Welcome to LLMflation: LLM inference cost is going down fast. https://a16z.com/llmflation-llm-inference-cost/
AI Magazine. (2026). Why Uber has already burned through its AI budget. https://aimagazine.com/news/why-uber-has-already-burned-through-its-ai-budget [Sekundärbericht, basierend auf The Information]
DesignRush. (2026). Uber’s 2026 AI budget ran out after Claude Code took over. https://news.designrush.com/uber-2026-ai-budget-claude-code-token-spend [Sekundärbericht, basierend auf The Information]
Epoch AI. (2025). LLM inference prices have fallen rapidly but unequally across tasks. https://epoch.ai/data-insights/llm-inference-price-trends
FinOps Foundation. (2026). Token economics. https://www.finops.org/?p=28889
Gartner. (2025, 25. Juni). Gartner predicts over 40% of agentic AI projects will be canceled by end of 2027 [Medienmitteilung]. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
Leanware. (2026). ChatGPT ads 2026: All you should know. https://leanware.co/insights/chatgpt-ads
Menlo Ventures. (2025, 9. Dezember). 2025: The state of generative AI in the enterprise. https://menlovc.com/perspective/2025-the-state-of-generative-ai-in-the-enterprise/
Microsoft. (2026, 7. Mai). The state of global AI diffusion in 2026. https://blogs.microsoft.com/on-the-issues/2026/05/07/the-state-of-global-ai-diffusion-in-2026/
MediaPost. (2026). Microsoft tracks AI adoption rates, U.S. ranking stalls. https://www.mediapost.com/publications/article/418164/microsoft-tracks-ai-adoption-rates-us-ranking-s.html
MIT Sloan Management Review Middle East. (2026). OpenAI to test ads in ChatGPT for free and Go users. https://www.mitsloanme.com/?p=10956
OODA Loop. (2025). Cutting-edge AI was supposed to get cheaper. It’s more expensive than ever [Zusammenfassung eines Wall-Street-Journal-Artikels]. https://oodaloop.com/briefs/technology/cutting-edge-ai-was-supposed-to-get-cheaper-its-more-expensive-than-ever/
Outlook Business. (2025). Why Satya Nadella thinks Jevons paradox will shape AI industry. https://www.outlookbusiness.com/explainers/why-satya-nadella-thinks-jevons-paradox-will-shape-ai-industry
Pichai, S. (2026, 19. Mai). I/O 2026: Welcome to the agentic Gemini era. Google. https://blog.google/innovation-and-ai/sundar-pichai-io-2026/
Razom. (2026). Google halved the price of AI Ultra, and now it costs less than ChatGPT Pro. https://razomua.media/en/news/tekhnolohiyi/google-vdvichi-zdeshevyla-ai-ultra-i-teper-stoyit-deshevshe-za-chatgpt-pro
Techstrong.ai. (2026). Corporate finance chiefs grapple with unpredictable token bills as AI costs skyrocket: Survey. https://techstrong.ai/articles/corporate-finance-chiefs-grapple-with-unpredictable-token-bills-as-ai-costs-skyrocket-survey/ [KPMG-Umfrage, Quelle nicht unabhängig verifiziert]
Virtualization Review. (2025, 19. August). MIT report finds most AI business investments fail, reveals “GenAI divide”. https://virtualizationreview.com/articles/2025/08/19/mit-report-finds-most-ai-business-investments-fail-reveals-genai-divide.aspx
WiserNotify. (2026). ChatGPT users statistics 2026. https://wisernotify.com/blog/chatgpt-users/ [Abonnent:innenzahl nicht offiziell von OpenAI bestätigt]
