KI-Ausgaben stagnieren: Preiskriege und Effizienzgewinne bremsen das Umsatzwachstum

Die Nutzung von KI in Unternehmen erreicht Rekordvolumina, doch die Gesamtausgaben sind laut neuen Daten der Plattform für Finanzoperationen Ramp zum Stillstand gekommen. Diese Divergenz deutet darauf hin, dass intensiver Preiswettbewerb und eine verbesserte Kundeneffizienz das Umsatzwachstum großer Modellanbieter wie OpenAI und Anthropic begrenzen, gerade als sie sich auf den Börsengang vorbereiten.

Was passiert ist

Die Analyse von Ramp zeigt, dass die Ausgaben für Tokens im August und September 2026 nur um 1,5 % gestiegen sind, was eine starke Verlangsamung gegenüber dem monatlichen Wachstum von 42 % im Juli darstellt. Im Oktober gab es eine leichte Wiederbeschleunigung um 8,9 %, doch der Gesamtrendtrend deutet darauf hin, dass die Ära des hyperstarken Wachstums pausiert. Ara Kharazian, Chefökonom bei Ramp, merkt an, dass die Top-1-% der KI-intensivsten Unternehmen, oft als die am stärksten „AI-pilled“ bezeichnet, einen leichten Rückgang der Ausgaben pro Mitarbeiter unter den im Sommer erreichten monatlichen Höchstwert von 10.000 USD verzeichnen. Da diese kleine Kohorte einen überproportional großen Anteil am Gesamtumsatz ausmacht, reicht bereits ein kleiner Rückschlag in ihrem Verbrauch aus, um das gesamte Marktwachstum zu glätten.

Die Verlangsamung ist nicht auf mangelnde Nachfrage zurückzuführen. Die Token-Volumina steigen weiterhin, was darauf hindeutet, dass Unternehmen KI häufiger nutzen. Allerdings sind die Kosten pro Arbeitseinheit deutlich gesunken. Medianunternehmen geben nun zwischen 12 und 15 USD pro Mitarbeiter und Monat aus, während die Top-10 % zwischen 600 und 1.000 USD ausgeben. Kharazian argumentiert, dass unklar ist, ob breitere Branchen wie das Gesundheitswesen oder der Automobilhandel jemals die hohen Ausgabenniveaus erreichen werden, die in Software und Finanzen zu sehen sind. Ohne neue, hochpreisige Anwendungsfälle, die das aktuelle Plateau ersetzen, stehen die Umsatzpfade der Modellanbieter vor erheblichen Gegenwind.

Wie es funktioniert

Der Haupttreiber dieser Ausgabestagnation ist ein heftiger Preiskrieg unter führenden KI-Anbietern. Im September halbierte OpenAI die API-Preise für seine Modelle GPT-6 Sol und GPT-6 Luna. Anthropic reagierte mit erheblichen Reduzierungen für Fable 5.1 und Opus 5.5, eine Maßnahme, die laut eigener Aussage das projizierte Umsatzwachstum des Unternehmens um etwa 600 Millionen USD senkte. Diese Kürzungen, kombiniert mit Rabatten für Großkunden, die zur Kundenbindung dienen, haben den Markt in eine Käuferlandschaft verwandelt. Im Gegensatz zu früheren Tech-Monopolen, bei denen niedrige Einführungspreise später zu höheren Kosten führten, bleibt der KI-Sektor hoch kompetitiv, wobei Neueinsteiger wie Meta, Nvidia und verschiedene Open-Source-Anbieter den Druck auf die Preise hochhalten.

Neben externen Preissenkungen werden Unternehmen auch bei der Verwaltung ihrer KI-Budgets immer raffinierter. Firmen implementieren strengere Standardwerte, um die Nutzung teurer Modelle für langlaufende Aufgaben zu verhindern, und setzen harte Budgetlimits für Mitarbeiter. Sie setzen auch Router ein, um einfache Abfragen von Standardmodellen auf günstigere, leichtgewichtige Alternativen auszulagern. So ermöglichen Tools wie Jev es Unternehmen, einfache Ja/Nein-Ausgaben zu einem Bruchteil der Kosten von General-Purpose-Modellen zu verarbeiten. Wie Notion-Mitgründer Akshay Kothari zusammenfasste: „Tokens go brrr. costs go ahhh“, was hervorhebt, wie erhöhter Nutzungsgrad nicht mehr linear in erhöhte Ausgaben übersetzt wird.

Wichtige Details

• Das Wachstum der Token-Ausgaben verlangsamte sich im August und September 2026 auf 1,5 %, nach 42 % im Juli.
• OpenAI halbierte im September die API-Preise für GPT-6 Sol und GPT-6 Luna, was ähnliche Kürzungen seitens Anthropic auslöste.
• Die Preissenkungen von Anthropic reduzierten das projizierte Umsatzwachstum des Unternehmens um etwa 600 Millionen USD.
• Die Top-1-% der KI-ausgabenintensiven Unternehmen sehen ihre Kosten pro Mitarbeiter unter den monatlichen Höchstwert von 10.000 USD sinken.
• Medianunternehmen geben 12–15 USD pro Mitarbeiter monatlich aus, während die Top-10 % 600–1.000 USD ausgeben.
• Die potenzielle IPO-Bewertung von Anthropic ist von 2 Billionen USD auf geschätzte 1,2–1,3 Billionen USD gefallen.

Warum das wichtig ist

Für Software-Führungskräfte und technische Gründer signalisiert dieser Wandel den Übergang von experimenteller Adoption zu operativer Effizienz. Die Annahme, dass KI-Budgets unbegrenzt parallel zur Nutzung wachsen würden, bricht zusammen. Stattdessen konzentrieren sich Organisationen auf die Unit Economics und suchen nach Wegen, die Ausgabe beizubehalten oder zu steigern, während die Kosten pro Token gesenkt werden. Dieses Umfeld begünstigt Teams, die robuste Routing-Strategien implementieren können, die Nutzung genau überwachen und das kosteneffizienteste Modell für jede spezifische Aufgabe auswählen, anstatt standardmäßig auf die leistungsstärkste oder teuerste Option zurückzugreifen.

Investoren und Führungskräfte sollten auch ihre Erwartungen an den Umsatz von KI-Anbietern neu kalibrieren. Der Weg zur Profitabilität für Modellanbieter wird steiler, da sie in einem überfüllten Markt über den Preis konkurrieren. Während neue Produkte wie persönliche Agenten als nächster Wachstumsfaktor angepriesen werden, sind Experten skeptisch, dass sie die wirtschaftliche Produktivität von Coding-Agenten erreichen werden. Folglich könnten sich Unternehmen in einer stärkeren Verhandlungsposition wiederfinden, in der sie den Wettbewerb zwischen OpenAI, Anthropic und Open-Source-Alternativen nutzen können, um bessere Konditionen und niedrigere Kosten zu sichern.

Was Sie tun können

• Überprüfen Sie Ihre aktuellen KI-Ausgaben, um Aufgaben zu identifizieren, die derzeit teure Modelle nutzen, aber von leichteren, günstigeren Alternativen übernommen werden könnten.
• Implementieren Sie Modell-Router, um einfache Abfragen wie Klassifizierung oder Ja/Nein-Fragen automatisch an Low-Cost-Endpunkte weiterzuleiten.
• Setzen Sie strenge Budgetobergrenzen und Standardmodell-Einschränkungen für den Mitarbeiterzugang, um ungezügelte Nutzung von Premium-Tiers zu verhindern.
• Verhandeln Sie Großkundenrabatte mit mehreren Anbietern und nutzen Sie den aktuellen Preiskrieg, um bessere Langzeitkonditionen zu sichern.
• Überwachen Sie intern Trends bei Token-Volumina im Vergleich zu Kosten, um sicherzustellen, dass Ihre Effizienzgewinne den Marktdurchschnitt erreichen oder übertreffen.
• Bewerten Sie Open-Source- oder spezialisierte Tools wie Jev für spezifische, enge Anwendungsfälle, bei denen General-Purpose-Modelle überdimensioniert sind.