KI-Wachstum verliert im August an Tempo
Die Unternehmensausgaben für künstliche Intelligenz haben sich im August schwächer entwickelt. Der Zahlungsdienstleister Ramp wertete dafür die Ausgaben von 70.000 Kundenunternehmen aus. Demnach bezahlten 56 % der Firmen für KI-Produkte, lediglich 0,4 % mehr als im Vormonat.
Ob dies nur an der Urlaubszeit liegt oder auf einen dauerhaften Trend zu sparsamerer Nutzung hinweist, bleibt offen. Bereits im Vorjahr stagnierte die gemessene Verbreitung zwischen August und Oktober, bevor sie zum Jahresende wieder anzog.
Die Ramp-Daten bilden zudem eine vergleichsweise techniknahe Kundengruppe ab. Eine Erhebung des U.S. Census Bureau kam zum Stand vom 23. August lediglich auf 22 % KI-Nutzung unter US-Unternehmen. Die Werte sind deshalb eher ein Indikator für aktive Technologieanwender als ein repräsentatives Bild der gesamten Wirtschaft.
| Kennzahl | Wert im August |
|---|---|
| Unternehmen in der Ramp-Datenbasis | 70.000 |
| Ramp-Kunden mit Ausgaben für KI-Produkte | 56 % |
| Wachstum gegenüber dem Vormonat | 0,4 % |
| KI-Nutzung laut U.S. Census Bureau | 22 % |
| Ausgaben pro Mitarbeiter bei den obersten 1 % | 7.205 US-Dollar |
| Rückgang bei diesen Top-Nutzern | fast 10 % |
| Durchschnittliche Kosten je 1 Million Tokens | 0,68 US-Dollar |
| Nutzung von Inferenz- oder Model-Serving-Plattformen | 6,4 % |
Token-Preise fallen deutlich
Besonders auffällig ist die Entwicklung bei den obersten 1 % der KI-nutzenden Firmen. Ihre Ausgaben pro Mitarbeiter gingen im August um fast 10 % auf 7.205 US-Dollar zurück. Gleichzeitig sank der durchschnittliche Preis für 1 Million Tokens von einem Höchstwert von 1,15 US-Dollar im März 2026 auf 0,68 US-Dollar.
Tokens sind die kleinsten Texteinheiten, nach denen viele KI-Anbieter Nutzung und Kosten abrechnen. Der Preisrückgang zeigt, dass reine Modellleistung zunehmend austauschbar wird. Für Anbieter ist das problematisch, solange zusätzliche Nutzung die niedrigeren Preise nicht ausgleicht.
Der Wettbewerb zwischen OpenAI und Anthropic mache KI zugänglicher und senke nicht nur die Preise, sondern auch die Ausgaben jener Unternehmen, von denen bislang ein großer Teil des künftigen Wachstums erwartet wurde, erklärte Ramp-Ökonom Ara Kharazian sinngemäß.
Die langfristigen Folgen für die Margen von KI-Laboren und Cloud-Anbietern lassen sich daraus noch nicht ableiten. Die Daten zeigen zunächst nur, dass Preissenkungen im beobachteten Zeitraum nicht durch ein entsprechend höheres Nutzungsvolumen kompensiert wurden.
Günstigere Modelle ersetzen Spitzenmodelle
Unternehmen greifen häufiger zu günstigeren Modellklassen wie ChatGPT 5.6-Terra von OpenAI oder Sonnet von Anthropic. Für viele standardisierte Aufgaben ist nicht das leistungsstärkste Modell notwendig. Entscheidend sind ausreichende Qualität, kalkulierbare Laufzeiten und niedrigere Kosten.
Ein ähnlicher Ansatz zeigt sich beim Modell-Routing zur Senkung des Tokenverbrauchs. Dabei wird jede Aufgabe automatisch an ein Modell mit passendem Preis-Leistungs-Verhältnis geleitet. Auch feste Tokenbudgets für KI-Nutzung gewinnen an Bedeutung, wenn Agenten und automatisierte Prozesse dauerhaft im Unternehmen laufen.
Dass Modellkosten direkt auf die Wirtschaftlichkeit von Software durchschlagen, zeigt auch die Entwicklung bei Salesforce und den Kosten für Claude. Unternehmen sollten deshalb nicht nur auf Funktionsumfang und Modellqualität achten, sondern ebenso auf Abrechnungslogik, Routing und die Möglichkeit, Anbieter auszutauschen.
Eigene Inferenz bleibt eine Minderheitenstrategie
Nur 6,4 % der Unternehmen mit KI-Ausgaben nutzten im August Inferenz- oder Model-Serving-Plattformen. Solche Plattformen betreiben Modelle in einer eigenen oder gemieteten Infrastruktur und stellen sie für Anwendungen bereit. Welche Open-Source- oder Open-Weight-Modelle dabei konkret eingesetzt wurden, geht aus den Daten nicht hervor.
Der geringe Anteil zeigt, dass die meisten Unternehmen weiterhin fertige Dienste beziehen. Dennoch verbessert der Preisverfall die Wirtschaftlichkeit eigener KI-Workflows. Kleinere, spezialisierte Modelle können für klar abgegrenzte Aufgaben günstiger sein als pauschale Software-Abos mit integrierten KI-Funktionen.
Was der Trend für DACH-Unternehmen bedeutet
Die Zahlen stammen aus den USA und lassen sich nicht direkt auf Deutschland, Österreich oder die Schweiz übertragen. Der grundlegende Preiswettbewerb zwischen den Modellanbietern wirkt jedoch international. Sinkende Inferenzkosten machen eigene Automatisierungen, Modell-Routing und Self-Hosting wirtschaftlich interessanter.
Die Rechnung besteht allerdings nicht nur aus Token-Preisen. Für eigene Lösungen fallen Aufwand für Betrieb, Überwachung, Datenschutz und Zugriffskontrollen an. Dafür lassen sich Abhängigkeiten von einzelnen SaaS-Anbietern reduzieren und Datenflüsse genauer kontrollieren.
Teure Pauschal-Abonnements geraten damit stärker unter Rechtfertigungsdruck. Wenn die zugrunde liegende KI-Leistung billiger wird und günstigere Modelle viele Aufgaben zuverlässig erledigen, sollte der Mehrwert eines Abos klar über dem reinen Modellzugriff liegen.