Wenn KI teurer wird als das Personal

Pro Entwickler und Monat rechnet Uber mit 500 bis 2.000 Dollar allein für KI-Programmierhilfen. Das ist nicht die Ausnahme, sondern Vorgeschmack auf eine strukturelle Verschiebung, die 2026 vielen Unternehmen gleichzeitig bewusst wird. Der Übergang vom KI-Pilotprojekt zum Produktiveinsatz kostet nicht einen Faktor zwei mehr, sondern einen Faktor zehn bis fünfzig.

Zwei Phasen der Unternehmens-KI

Die ersten zwei Jahre der breiten KI-Einführung verliefen nach einem Muster, das Firmen lieben: einmalig ausprobieren, Kosten überschaubar halten, Ergebnisse beobachten. ChatGPT Plus für 20 Dollar im Monat, GitHub Copilot für 10 Dollar, Anthropic Claude über die Programmierschnittstelle für Testzwecke. Pilotprojekte, begrenzte Nutzergruppen, kein Risiko für das Budget.

2026 begann Phase zwei. Entwicklerteams, die KI-Werkzeuge jahrelang getestet hatten, setzen sie jetzt produktiv ein und entdecken, dass der Kostenunterschied zwischen Pilot und Produktion kein Faktor zwei ist, sondern ein Faktor zehn bis fünfzig.

Ubers Budget, Copilots Zähler: Konkrete Zahlen

Uber ist das bislang ausführlichste Beispiel. Das Unternehmen führte Claude Code, Anthropics KI-Programmierhilfe, im Dezember 2025 für seine Ingenieure ein. Bis April 2026 hatten 84 Prozent der rund 5.000 Softwareentwickler das Tool in ihre tägliche Arbeit integriert. Rund 70 Prozent des eingereichten Codes stammte bereits von der KI-Assistenz. Der Preis: Ubers CTO Praveen Neppalli Naga sagte gegenüber The Information, er stehe "wieder am Reißbrett, weil das Budget, das ich für nötig hielt, schon weg ist". Pro Ingenieur fielen 500 bis 2.000 Dollar monatlich an.

GitHub Copilot ist das Beispiel, das für viele Entwickler persönlich spürbar wurde. Microsoft stellte am 1. Juni 2026 sämtliche Copilot-Tarife auf nutzungsbasierte Abrechnung um. Statt eines Pauschalpreises von 10 bis 39 Dollar monatlich läuft seither ein Tokenzähler, der jeden verarbeiteten Textteil berechnet. Auf dem Programmierforum Reddit beschrieb ein Nutzer seinen Fall: Seine Copilot-Kosten stiegen von 29 Dollar auf schätzungsweise 750 Dollar monatlich.

Die Zahlen hinter diesen Einzelfällen sind strukturell: Eine Umfrage des Analyseunternehmens Mavvrik aus dem Jahr 2025 unter 372 Unternehmen ergab, dass 85 Prozent ihre KI-Kostenprognosen um mehr als zehn Prozent verfehlen. Jede vierte Firma lag bei ihrer Schätzung mehr als 50 Prozent daneben. 84 Prozent berichteten von einem Einbruch der Bruttomarge um mehr als sechs Prozentpunkte, den sie direkt auf KI-Betriebskosten zurückführten.

Warum KI strukturell teuer ist

Die Ursache liegt tiefer als ein Preismodell, das sich willkürlich verändert. OpenAI-Präsident Greg Brockman legte unter Eid offen, dass das Unternehmen allein 2026 rund 50 Milliarden Dollar für Rechenleistung ausgeben wird. Das Analysehaus SemiAnalysis hat nachgerechnet: Ein ChatGPT-Pro-Abonnement für 200 Dollar im Monat verursacht bei maximaler Ausnutzung aller Funktionen, also intensivem Einsatz des Reasoning-Modells o1 Pro, Videogenerierung mit Sora und autonomen Research-Agenten, Rechenkosten von bis zu 14.000 Dollar auf OpenAIs Infrastruktur. OpenAI verkauft in diesem Fall einen Dollar und gibt bis zu 70 Dollar aus.

Solange KI-Unternehmen Marktanteile aufbauen, subventionieren sie diese Lücke. Sobald das Wachstum sich verlangsamt, steigen die Preise oder die Funktionen werden eingeschränkt. GitHub Copilot ist ein Vorgeschmack: Das Flatratemodell endet, wenn die realen Kosten in die Preise eingerechnet werden.

Hinzu kommt die Tokeninflation. Mit jeder neuen Modellgeneration werden die Modelle rechenintensiver. Das Fachportal Silicon.de dokumentiert, dass Tokenkosten sich bei aktuellen Hochleistungsmodellen im Vergleich zu vor 18 Monaten stellenweise verzehn- bis verzwanzigfacht haben. Wer auf ältere, günstigere Modelle wechselt, verliert Leistung. Wer auf dem neuesten Stand bleibt, zahlt entsprechend mehr.

Zwischen Kostenkontrolle und Technologieabhängigkeit

Uber hat nach dem Budgetschock begonnen, die Nutzung zu regulieren: Obergrenzen pro Entwickler, monatliche Kontingente, interne Budgetverantwortung auf Teamebene. Das entspricht dem, was Branchenberater als KI-FinOps bezeichnen, einer Übertragung von Cloud-Kostenmanagementmethoden auf KI-Ausgaben.

Ein weiterer Weg sind Open-Source-Modelle auf eigener Infrastruktur. Unternehmen wie Meta und Mistral stellen Modelle frei zur Verfügung, die auf eigenen Servern betrieben werden können, ohne nutzungsbasierte Gebühren. Die Einschränkung: Infrastrukturkosten und Betrieb erfordern internes Fachwissen, das in vielen Abteilungen fehlt.

Das eigentliche Dilemma ist strategisch. Unternehmen, die ihre Entwicklungsprozesse auf KI-Assistenz umgestellt haben, können nicht einfach zurück. Uber hat 70 Prozent seiner Codeproduktion durch KI ersetzt; das ist keine rückabwickelbare Entscheidung. Die Abhängigkeit von proprietären Modellen ist strukturell und die Anbieter wissen das. Für den Rest des Jahres 2026 erwarten Branchenanalysten, dass weitere Anbieter dem Beispiel von GitHub Copilot folgen und Flatratemodelle durch nutzungsbasierte Tarife ersetzen. Die Phase des subventionierten Testens ist vorbei. Der Zähler läuft.