WENN KI TEURER WIRD ALS DER MENSCH: DAS ENDE EINES NARRATIVS

Das Wichtigste

Die Rechnung, KI ersetzt Menschen weil sie billiger ist, geht in immer mehr Fällen nicht mehr auf. Frontier-Modelle mit Reasoning, Tool-Use und langen Kontexten kosten in produktivem Einsatz teilweise mehr pro erledigter Aufgabe als die menschliche Alternative.

Was ist passiert?

Axios greift eine Beobachtung auf, die in Engineering- und Finance-Teams seit Monaten kursiert: Die Inferenzkosten moderner Reasoning-Modelle steigen schneller als die Produktivitätsgewinne, die sie liefern. Wer einen Agenten stundenlang Tools orchestrieren, Code kompilieren und Dokumente durchsuchen lässt, zahlt pro Task nicht selten zweistellige Dollar-Beträge. In Ländern mit niedrigeren Lohnkosten, aber auch bei klar umrissenen Büroaufgaben im Westen, unterbietet der Mensch die Maschine wieder.

Treiber sind Token-intensive Chain-of-Thought-Prozesse, längere Kontextfenster und Multi-Agent-Setups, in denen mehrere Modelle parallel arbeiten. Der Preisverfall pro Token wird durch den exponentiell steigenden Token-Verbrauch pro Aufgabe aufgefressen.

Warum ist das relevant?

Das Narrativ der letzten zwei Jahre lautete: KI wird zwangsläufig billiger als jeder Mensch. Diese Annahme war die Grundlage für Automatisierungs-Business-Cases, Stellenabbau-Projektionen und Venture-Bewertungen. Sie stimmt so nicht mehr.

Für Entscheider bedeutet das drei Dinge. Erstens: Pro-Task-Kosten müssen Teil jedes KI-Projekts werden, nicht nur Pro-Token-Preise. Zweitens: Hybride Setups, in denen kleinere Modelle Routine machen und Frontier-Modelle nur bei Bedarf eingreifen, werden ökonomisch zwingend. Drittens: Die Rechtfertigung für KI verschiebt sich von Kostenersparnis hin zu Qualität, Geschwindigkeit und Skalierung. Das sind andere Argumente mit anderen KPIs.

Für Entwickler heißt es: Prompt- und Agenten-Architektur ist jetzt ein Kostenfaktor, kein reines UX-Thema. Wer Agenten baut, ohne Token-Budgets, Caching und Routing zu Modellen unterschiedlicher Größe mitzudenken, produziert unrentable Systeme.

Take-Away

Rechnet eure Top-3-KI-Use-Cases neu durch. Nicht in Dollar pro Million Token, sondern in Dollar pro erledigter Aufgabe, inklusive Retries, Tool-Calls und Review durch Menschen. Wenn der Mensch günstiger ist, ist das kein Scheitern der KI, sondern ein Hinweis darauf, wo Modell-Routing und kleinere Spezialmodelle den Hebel haben.