Die KI-Branche durchläuft eine Phase der Korrektur. Letzte Woche gab Nvidia seine Geschäftsergebnisse bekannt, und die ganze Welt hielt den Atem an. Hätten sie die Erwartungen verfehlt, wäre alles vorbei gewesen. Hätten sie sie übertroffen, wären wir wieder im Spiel. Letztlich übertrafen die Ergebnisse die Schätzungen, doch die Aktie fiel nach einem anfänglichen Anstieg trotzdem. Vieles am Boom der künstlichen Intelligenz wirkt verdächtig. Die Art und Weise, wie Geld den Investitionsrausch antreibt, ist ziemlich fragwürdig und wurde zu einem Meme, bei dem derselbe Scheck über 1,4 Billionen Dollar (etwa 32,2 Billionen CZK) innerhalb einer kleinen Gruppe von Beteiligten zirkuliert. Man kann das als Lieferantenfinanzierung bezeichnen, aber gut sieht es nicht aus.
Risiken für die großen Akteure
Das größte Risiko tragen offenbar Hyperscaler wie Microsoft, Amazon und Oracle sowie neue Cloud-Anbieter wie Nebius und CoreWeave. Sie befinden sich in der Mitte zwischen Chiplieferanten wie Nvidia und Käufern von Rechenkapazität wie OpenAI. Ihnen bleibt nichts anderes übrig, als echte Chips von Nvidia zu kaufen und darauf zu hoffen, dass seitens der Käufer von Rechenleistung eine dauerhafte Nachfrage besteht – und die Einnahmen somit die Kosten übersteigen –, damit sie ihren Verpflichtungen nachkommen können. Andernfalls springen die Käufer ab, reduzieren ihre Verpflichtungen oder gehen insolvent. Nvidia hat die GPUs dann bereits verkauft, während die Hyperscaler mit ungenutzten Kapazitäten im Wert von Milliarden und im Umfang von Gigawatt zurückbleiben, die aufgrund der kurzen Lebensdauer von GPUs rasch an Wert verlieren.
Wachsende Zweifel an der Nachhaltigkeit
Die Zweifel an der Nachhaltigkeit der KI-Branche nehmen zu. Sam Altman verlor in einem Podcast die Nerven, als der Moderator ihn fragte, wie OpenAI bei Einnahmen von 13 Milliarden Dollar (etwa 299 Milliarden CZK) Verpflichtungen über 1,4 Billionen Dollar (etwa 32,2 Billionen CZK) gegenüber Unternehmen wie AMD, Nvidia oder Microsoft eingehen könne. Die nervöse und gereizte Antwort blieb nicht unbemerkt und wurde als Signal dafür interpretiert, dass die Einnahmen nicht ausreichen, um solche Investitionen zu tragen. Wenige Tage später erklärte OpenAI-Finanzchefin Sarah Friar, sie würde eine staatliche Garantie für Investitionen in Chips befürworten, um die Finanzierung großer Investitionen in KI-Rechenkapazität zu erleichtern, und verwendete dabei Begriffe wie „Garantie“ und „Unterstützung“. Friar und Altman nahmen diese Aussage später zurück und stellten sie klar, doch es war keine gute Woche für OpenAI.
Das Problem liegt nicht nur bei den Einnahmen und der Frage, ob 13 Milliarden Dollar (etwa 299 Milliarden CZK) für Verpflichtungen über 1,4 Billionen Dollar (etwa 32,2 Billionen CZK) ausreichen ... es geht auch um die Margen. KI ist erstaunlich, aber möglicherweise zu günstig, um wahr zu sein. Es scheint, als befänden wir uns in den Anfangstagen von Uber, als eine Fahrt mit Uber so viel günstiger als ein Taxi war, dass man sich fragte, ob es überhaupt noch sinnvoll sei, ein Auto zu besitzen.
Praxisbeispiel: GitHub Copilot
Nehmen wir GitHub Copilot. Die Pro-Version kostet 10 Dollar (etwa 230 CZK) pro Monat und umfasst ein Kontingent von 300 Anfragen. Jede weitere Anfrage kostet 0,04 Dollar (etwa 0,92 CZK), also 300 × 0,04 Dollar = 12 Dollar (etwa 276 CZK). GitHub verkauft einen Wert von 12 Dollar (etwa 276 CZK) für 10 Dollar (etwa 230 CZK). Wir kennen die Marge auf diese 0,04 Dollar (etwa 0,92 CZK) nicht, doch es ist nicht ausgeschlossen, dass sie negativ ist, wodurch der tatsächliche Wert für dieselben 10 Dollar (etwa 230 CZK) noch höher läge.
Insgesamt scheint es, dass alle Herausforderer wie OpenAI, Anthropic oder Cursor die Nachfrage durch negative Margen subventionieren. Google wurde vom KI-Boom überrascht und brauchte eine Weile, um sich davon zu erholen, kehrt nun aber mit voller Kraft zurück, bringt Gemini 3 und außerdem eine IDE auf den Markt. Im Gegensatz zu den Herausforderern verfügt Google dank anderer hochprofitabler Einnahmequellen – Suche, YouTube und GCP – über tiefe Taschen und ist besser darauf vorbereitet, das Spiel mit negativen Margen zu spielen.
KI als SaaS und PaaS
Wenn die Herausforderer nicht unter einer Lawine von Kosten begraben werden wollen, muss sich etwas ändern. KI ist zugleich SaaS (Software als Dienst) und PaaS (Plattform als Dienst), sowohl für den Verbrauchermarkt als auch für Unternehmen. Entwickler bieten SaaS-Anwendungen wie ChatGPT, Sora, Codex oder Cloud Code an, aber auch PaaS in Form von APIs für große Sprachmodelle (LLM) sowie herkömmlichen Speicher- und Rechendiensten.
Das übliche Preismodell für SaaS ist ein Abonnement, sowohl für Verbraucher als auch für Unternehmen. Ein Abonnement ist im Grunde ein Anspruch auf die Nutzung einer bestimmten Menge an Ressourcen. Bei verbraucherorientiertem SaaS wie Netflix besteht dieser Anspruch im Zugriff auf den gesamten Filmkatalog. Bei Tools wie ChatGPT hängt der Anspruch vom verwendeten Modell ab. Ist es sehr günstig und mehrere Generationen veraltet, kann die Nutzung sogar unbegrenzt sein, weil sie zu günstig ist, um sie zu messen. Ist das Modell teurer – beispielsweise ein Reasoning-Modell – oder hochmodern, ist der Anspruch auf eine bestimmte Anzahl von Anfragen begrenzt. Benutzeranfragen unabhängig vom Modell gleich zu behandeln, kann katastrophal sein, wie das Unternehmen Augment Code erfahren musste:
„Ein auf Benutzernachrichten basierendes Modell ist für Augment Code als Unternehmen nicht tragfähig. So hat beispielsweise in den vergangenen 30 Tagen ein Benutzer unseres Max-Tarifs für 250 Dollar (etwa 5750 CZK) jede Stunde 335 Anfragen gestellt, rund um die Uhr, 30 Tage lang, und verursacht für Augment Code damit monatliche Kosten von fast 15.000 Dollar (etwa 345.000 CZK). Eine solche Nutzung ist an sich nicht schlecht, doch als Unternehmen müssen wir den Preis unserer Dienstleistung an unseren Kosten ausrichten.“
Kosten bei KI: Token als Schlüsselfaktor
Das Abonnement-/Anspruchsmodell funktioniert am besten, wenn die Kosten (COGS) langsamer wachsen als die Nutzerbasis. Netflix ist das beste Beispiel. Die Kosten bestehen im Katalog von Filmen und Serien. Je mehr Nutzer das Unternehmen gewinnt, desto mehr Inhalte benötigt es, um die vielfältigen Vorlieben der wachsenden Nutzerbasis zu bedienen. Derselbe Film kann jedoch von mehreren Nutzern angesehen werden, sodass die Kosten langsamer steigen als die Nutzerbasis.
Bei KI-Produkten entstehen die Kosten jedoch durch Token. Jede Benutzeranfrage verbraucht vollkommen neue und einzigartige Token, die für das LLM benötigt werden. Hier gibt es kein unterlineares Wachstum. Je mehr Nutzer, desto höher die Kosten. Deshalb begegnen KI-SaaS-Anbieter diesem Problem mit nutzungsabhängigen Preisen, die immer üblicher werden.
Derzeit ist die Preisgestaltung noch nicht rein nutzungsabhängig. Sie besteht weiterhin aus einer Kombination aus einer monatlichen Vorauszahlung mit einem bestimmten Kontingent und einem Mechanismus für Mehrverbrauch, falls erforderlich. Das ist ein typisches Modell für Unternehmens-SaaS, bei dem Firmen „Plätze“ für ihre Nutzer kaufen und für jede zusätzliche Nutzung einen „Aufpreis“ zahlen.
Eine rein nutzungsabhängige Abrechnung entspricht eher PaaS für Unternehmen, also Cloud-Konten, bei denen man ausschließlich für Speicherplatz und Rechenleistung bezahlt – nicht mehr und nicht weniger. Dies würde bei Verbrauchern einen erheblichen Mentalitätswandel erfordern, denn sie sind daran gewöhnt, digitale Dienste wie Netflix mit einem festen monatlichen Betrag zu bezahlen – mit häufigen Preiserhöhungen, das muss man dazusagen – und nicht wie eine Energierechnung.
Eine rein nutzungsabhängige Abrechnung würde es KI-SaaS-Anbietern ermöglichen, die Kosten zuzüglich einer Marge an die Nutzer weiterzugeben, ohne das riskante Spiel mit Nutzungskontingenten zu betreiben, und scheint der einfachste Ausweg zu sein. Endnutzer werden wahrscheinlich höhere Preise sehen oder ihren Verbrauch von KI-Produkten reduzieren müssen, was schwierig sein wird, weil wir von ihnen abhängig geworden sind.
Möglichkeiten zur Kostensenkung
Ich weiß nicht, ob KI-SaaS viele andere Möglichkeiten zur Kostensenkung hat. Ich sehe Bemühungen zur Optimierung des Token-Verbrauchs, beispielsweise durch die Einführung eines „Auto-Modus“, bei dem der Nutzer das Modell nicht selbst auswählt, sondern der SaaS-Dienst dies übernimmt und versucht, wann immer möglich günstigere Modelle einzusetzen. Ich frage mich auch, ob Token wiederverwendet werden können. KI-Produkte wirken stark personalisiert und auf die jeweilige Benutzeranfrage zugeschnitten, doch ich glaube, dass sich die Eingaben der Nutzer in beträchtlichem Maße überschneiden – zumindest im Bereich der KI-Chatbots. Daher besteht möglicherweise Spielraum, Anfragen ähnlich wie bei Suchmaschinen zwischenzuspeichern und frühere Antworten wiederzuverwenden.
Die KI-Branche befindet sich an einem kritischen Punkt. Entweder verbrennt sie weiterhin Geld, um erstaunliche Produkte anzubieten, die zu günstig sind, um wahr zu sein, oder sie findet einen Weg, diese Kosten an die Endnutzer weiterzugeben und sie gleichzeitig als Kunden zu halten.
Quelle: betterthanrandom.substack.com
