Wie viel zahlen Kunden eigentlich für künstliche Intelligenz? Nicht, wie viel in Chips und Rechenzentren investiert wird, sondern wie viel echtes Geld sie eingebracht hat. Genau diese Frage konnte bislang niemand beantworten. Das Team um Azeem Azhar von Exponential View hat einen Bericht veröffentlicht, der diese Frage klärt. In den vergangenen zwölf Monaten haben Menschen und Unternehmen mehr als 110 Milliarden Dollar für generative KI ausgegeben.
Der Großteil der Debatte über KI drehte sich um das Angebot. Chips, Energie, Wasser und gigantische Rechenzentrumshallen. Über das Angebot wissen wir genug. Die Nachfrage war ein Nebel aus Pressemitteilungen und runden Zahlen, die niemand zusammenführen konnte. Das Problem hat zwei Ursachen. Das meiste Geld fließt an private Unternehmen wie Cursor oder ElevenLabs, die nicht verpflichtet sind, irgendetwas offenzulegen. Und große börsennotierte Unternehmen verstecken ihre KI-Umsätze in größeren Segmenten, sodass sie sich aus den Geschäftsberichten nicht herauslesen lassen.
Das zweite Problem ist noch tückischer. Denn ein und derselbe Dollar wird gleich von mehreren Unternehmen gleichzeitig für sich beansprucht. Vom Cloud-Anbieter, vom Entwickler des Modells und vom Unternehmen mit der darauf basierenden Anwendung. Wenn Sie einen Dollar bei Anthropic für Claude ausgeben und Anthropic fünfzig Cent an Amazon zahlt, damit der Dienst bereitgestellt wird, werden daraus leicht anderthalb Dollar. Tatsächlich hat der Kunde aber nur einen Dollar bezahlt.
Komplizierte Berechnung
Die Autoren haben sich deshalb für eine einfache Regel entschieden. Sie zählen den Dollar, den der Endkunde ausgegeben hat, und rechnen ihn nicht erneut hinzu, wenn er durch die Lieferkette weiterfließt. Wenn eine Anwendung hundert Dollar einnimmt, davon sechzig an den Modellentwickler zahlt und dieser weitere dreißig für das Hosting ausgibt, gehen hundert Dollar in den Bericht ein. Nicht hundertneunzig.
Das Modell basiert auf Daten von mehr als tausend Unternehmen. Jeder Umsatz hat eine Quelle: Geschäftsberichte, geprüfte Abschlüsse, Transkripte von Telefonkonferenzen, vertrauenswürdige Medienberichte. Wo die Umsätze eines privaten Unternehmens in den Abschlüssen eines börsennotierten Unternehmens auftauchen, haben die Autoren sie über die Cloud zurückverfolgt. OpenAI lässt sich auf diese Weise über Azure erfassen, Anthropic über Bedrock. Durchgesickerte Informationen und eigene Angaben der Unternehmen erhielten eine Bewertung danach, wie glaubwürdig sie sind.
So entstand statt einer Schätzung ein Finanzmodell, das Position für Position aufgebaut wurde. Das ist der Unterschied zwischen „der Markt könnte einen Wert von X haben“ und „dieses Unternehmen hat tatsächlich so viel eingenommen“.
Die Umsätze haben die Hardwarekosten endlich eingeholt
Im ersten Quartal 2026 erreichten die weltweiten KI-Umsätze außerhalb Chinas rund 25 Milliarden Dollar. Die Abschreibungen auf Rechenzentren und Chip-Infrastruktur im selben Zeitraum schätzten die Autoren auf 21 Milliarden. Zum ersten Mal, genauer gesagt zum zweiten Mal in Folge, überstiegen die Einnahmen die Kosten für den Wertverlust von Gebäuden und Hardware. Mit anderen Worten: Die Maschine beginnt sich zu rentieren.
Aber Vorsicht: Die Margen sind sehr schwach. Die Abschreibungen verschlingen den Großteil der Umsätze, und die Abschreibungen eines einzelnen Quartals decken bei Weitem nicht alle historisch aufgelaufenen Investitionen, geschweige denn, dass noch genug für einen soliden Gewinn übrig bliebe. Azhar und seine Kollegen fassen es so zusammen: groß, aber immer noch klein. Und es ist immer noch früh. Selbst für die Unternehmen, die am meisten in KI stecken, ist das in der Buchhaltung ein Rundungsfehler. Uber gibt pro Ingenieur rund 1.500 Dollar aus, was das Ergebnis kaum bewegt.
Günstigere Token? Die Umsätze werden weiter wachsen
Hier lohnt es sich, mit einem weitverbreiteten Irrtum aufzuräumen. Viele Menschen erwarten, dass die Umsätze der gesamten Branche schrumpfen werden, wenn die Preise für KI fallen. Der Bericht zeigt, dass der Pfeil genau in die entgegengesetzte Richtung weist.
Jeder Preisrückgang um zehn Prozent führt zu zwölf bis achtzehn Prozent mehr verbrauchten Token. Die Gesamtausgaben steigen also, obwohl der Preis pro Einheit sinkt. Das ist kein neues Phänomen. William Stanley Jevons beschrieb dasselbe bereits 1865 am Beispiel der Kohle. Wird ein Rohstoff billiger, verbrauchen die Menschen mehr davon, nicht weniger. Wer also erwartet, dass günstigere KI die Umsätze senkt, irrt sich.
Der Bericht bringt noch einen weiteren Punkt vor. Er schickt das Token als Wertmaßstab in den Ruhestand. Als Abrechnungseinheit ist es in Ordnung, aber Intelligenz damit zu messen, ist unsinnig. Token zu zählen, um die Intelligenz eines Modells zu messen, ist wie Seiten zu zählen, um die Qualität einer Bibliothek zu bestimmen. Stattdessen schlagen die Autoren ein qualitätsgewichtetes Token vor. Dieses berücksichtigt, wie viele der erzeugten Token den Nutzer tatsächlich als sichtbare Ausgabe erreichen und wie leistungsfähig das dahinterstehende Modell ist. Rohes Volumen gegenüber tatsächlichem Nutzen. Das ist ein großer Unterschied.
Schwächen des Berichts
Die Zahl von 110 Milliarden ist eher eine Untergrenze. Die Autoren haben nämlich bewusst mehrere große Bereiche ausgeklammert. Sie berücksichtigen nicht den internen Nutzen von KI bei Meta oder Google, etwa wenn Empfehlungssysteme die Werbeeinnahmen steigern. Sie berücksichtigen auch nicht die Einsparungen, die interne Tools großen Technologieunternehmen bringen. Professionelle Dienstleistungen und Systemintegration bleiben außen vor. Und China ist nicht enthalten. Wenn die weltweiten Umsätze außerhalb Chinas bei rund 25 Milliarden pro Quartal liegen, kommen die chinesischen Umsätze noch obendrauf, und hier hat sie niemand gemessen.
Mit anderen Worten: Die tatsächliche KI-Wirtschaft ist höchstwahrscheinlich noch größer, als es die Schlagzeilenzahl zeigt.
Schneller als das Internet und Mobilfunk
Vergleicht man das Wachstumstempo mit früheren Technologiewellen, wächst KI ungefähr dreimal so schnell wie einst das Internet oder Mobiltelefone in derselben Phase. Gleichzeitig ist die gesamte Branche noch immer klein. Im Verhältnis zum US-Bruttoinlandsprodukt sind die KI-Umsätze weiterhin nur ein Rundungsfehler. Unternehmen konzentrieren sich bislang meist auf Effizienz und Kosteneinsparungen, auch wenn sich diese Zusammensetzung langsam verändert. Viele Unternehmen sind über die Phase der Pilotprojekte hinaus, lernen aber erst noch, KI umfassend zu skalieren und in ihre Abläufe zu integrieren.
In Gesprächen mit Unternehmensführungen in ganz Europa und den Vereinigten Staaten, von der Industrie über Versicherungen bis hin zur Pharmaindustrie, hört Azhar immer wieder dasselbe. Sie wollen mehr in KI investieren. Und die Hälfte der befragten Führungskräfte glaubt, dass ihr eigener Posten davon abhängt, ob sie KI erfolgreich beherrschen.
Quelle: intelligence.exponentialview.co
