Mit dem Übergang von Pilotprojekten zu breitem KI-Einsatz steigen die laufenden Kosten für ChatGPT, Claude und Microsoft Copilot deutlich. Unternehmen müssen ihre Ausgaben neu steuern und Alternativen prüfen
Uber hat sein für das gesamte Jahr 2026 geplantes KI-Budget bereits nach vier Monaten ausgeschöpft. Diese Entwicklung ist kein Einzelfall: Immer mehr Unternehmen berichten, dass die tatsächlichen Kosten für Dienste wie ChatGPT, Claude oder Microsoft Copilot die ursprünglichen Annahmen deutlich übersteigen. Was als überschaubare Ausgaben in Pilotphasen begann, entwickelt sich im Regelbetrieb zu einer festen Kostenkategorie, die ähnlich präzise gesteuert werden muss wie Personal- oder Energiekosten.
Rechenleistung und Tokenverbrauch treiben die Rechnung
Die Preisstruktur der großen Sprachmodelle basiert auf der Menge der verarbeiteten und erzeugten Tokens. Sobald mehr Beschäftigte KI-Tools nutzen oder zusätzliche Prozesse angebunden werden, steigt der Verbrauch und damit die monatliche Rechnung. Beim IT-Dienstleister Adesso hat sich der Tokenverbrauch laut Tagesschau seit Dezember 2025 verhundertfacht. Auch andere Organisationen berichten von Ausgaben, die die Planungswerte deutlich übersteigen. Besonders teuer wird es, wenn für alltägliche Aufgaben leistungsstarke Modelle wie Claude Fable 5 eingesetzt werden, obwohl oft auch schlankere Systeme ausreichen würden.
Die Kosten steigen nicht nur durch die Nutzungshäufigkeit, sondern auch durch die Wahl des Modells. Neue Generationen wie Claude Fable 5 sind im Betrieb deutlich teurer als viele Vorgänger. Für eine Million Input- und eine Million Output-Tokens verlangt das chinesische Modell Kimi K3 rund 18 US-Dollar, während Claude Fable 5 mit 60 US-Dollar zu Buche schlägt. Der Preisunterschied ist erheblich, doch allein der Preis entscheidet nicht: Unternehmen müssen prüfen, wo ihre Daten verarbeitet werden und ob Datenschutz und Compliance eingehalten werden können.
Abhängigkeit von Plattformen und Alternativen aus China
Mit der wachsenden Nutzung externer KI-Dienste verlagern Unternehmen einen Teil ihrer Kontrolle auf die Betreiber großer Plattformen. Änderungen bei Preisen, Nutzungsbedingungen oder Kapazitäten wirken sich unmittelbar auf den Geschäftsbetrieb aus. Besonders kritisch wird es, wenn zentrale Prozesse wie die Bearbeitung von Kundenanfragen oder die interne Wissensversorgung automatisiert über externe KI laufen. Unerwartete Ausfälle oder Preiserhöhungen können dann den Betrieb direkt beeinträchtigen.
Der Kostendruck öffnet den Markt für neue Anbieter. Chinesische KI-Modelle wie Kimi K3 versprechen vergleichbare Leistung zu deutlich niedrigeren Preisen. Doch bevor Unternehmen auf solche Alternativen umsteigen, müssen sie klären, ob die Datenverarbeitung mit europäischen Datenschutzstandards und internen Compliance-Regeln vereinbar ist. Sobald sensible Informationen betroffen sind, wiegt der Sicherheitsaspekt mindestens so schwer wie mögliche Einsparungen.
Die Frage nach der richtigen Plattform ist damit nicht nur eine Kostenfrage, sondern auch eine Frage der Kontrolle und des Risikomanagements. Wie eine frühere Analyse zeigt, bleibt die Steuerung von Datenzugriff und Plattformabhängigkeit ein zentrales Thema für Unternehmen, die KI-Dienste produktiv einsetzen.
Lokale KI-Modelle als dritte Option
Neben teuren westlichen Plattformen und günstigen externen Angeboten setzen immer mehr Unternehmen auf den Betrieb eigener KI-Modelle. Fortschritte bei Open-Source- und Open-Weight-Modellen ermöglichen es, KI auf der eigenen Infrastruktur zu betreiben. Das reduziert die laufenden Kosten auf kalkulierbare Investitionen in Hardware und Strom. Gleichzeitig behalten Unternehmen die Kontrolle über Daten, Prozesse und technische Umgebung.
Der lokale Betrieb lohnt sich vor allem bei dauerhaft hoher Auslastung, etwa bei der automatisierten Erstellung von Fachtexten, Übersetzungen oder bei Sprachassistenten. Unternehmen mit großem Dokumentationsvolumen können so ihre Kosten besser planen und sensible Daten im eigenen Haus halten. Allerdings sind die Einstiegskosten für leistungsfähige Hardware weiterhin hoch, und die Preise für Grafikkarten steigen weiter. Dennoch zeigt die Entwicklung bei Nvidia-Grafikkarten, dass frühe Investitionen ihren Wert halten oder sogar steigern können.
Strategische Abwägungen und digitale Souveränität
Die Entscheidung für ein bestimmtes KI-Betriebsmodell ist längst nicht mehr nur eine Frage der Leistungsfähigkeit. Digitale Souveränität rückt in den Vordergrund: Wer eigene Infrastruktur betreibt, kann sensible Daten besser schützen, die Abhängigkeit von einzelnen Anbietern verringern und die Kostenstruktur langfristig planen. Für Unternehmen, die KI intensiv und geschäftskritisch nutzen, wird der lokale Betrieb zur ernsthaften Alternative zur Cloud.
Die zentrale Herausforderung bleibt, eine Betriebsform zu finden, die künstliche Intelligenz wirtschaftlich, sicher und unabhängig nutzbar macht. Wer sich allein auf externe Plattformen verlässt, riskiert unkalkulierbare Kosten und Kontrollverluste. Unternehmen, die frühzeitig in eigene Lösungen investieren, sichern sich nicht nur Kostenvorteile, sondern auch die Hoheit über ihre Daten und Prozesse. Die Debatte um die optimale KI-Strategie ist damit offen, doch der Trend zur digitalen Souveränität ist unübersehbar.
Digitale Souveränität bezeichnet die Fähigkeit von Unternehmen oder Staaten, zentrale digitale Prozesse, Daten und Infrastrukturen unabhängig von externen Anbietern zu steuern. Im Kontext von KI bedeutet das, nicht nur die Kontrolle über Datenflüsse und Modellbetrieb zu behalten, sondern auch flexibel auf regulatorische Anforderungen und Marktveränderungen reagieren zu können. Gerade für Unternehmen mit sensiblen oder geschäftskritischen Anwendungen wird digitale Souveränität zum strategischen Faktor, der über Wettbewerbsfähigkeit und Risikomanagement entscheidet.Schlagwörter: Unternehmens-KI, ChatGPT, Digitale Souveränität
