Die Ausgaben großer Unternehmen für KI sind im August spürbar gesunken. Das ist keine Absage an die Technologie: Nutzung und Budgets wachsen vielerorts weiter. Doch neue Zahlen des US-Zahlungsdienstleisters Ramp zeigen, dass ausgerechnet die besonders zahlungskräftigen Kunden weniger pro Beschäftigtem ausgeben. Für Anbieter wie OpenAI und Anthropic ist das ein wichtiger Hinweis darauf, dass die nächste Wachstumsphase nicht allein über immer teurere Spitzenmodelle kommen wird.
Das Wichtigste in Kürze
- Bei den obersten ein Prozent der KI-nutzenden Firmen in Rams Datensatz sanken die Ausgaben pro Beschäftigtem im August um 9,7 Prozent auf 7.205 US-Dollar.
- Gleichzeitig fielen die effektiven Kosten pro Million Tokens laut Ramp seit dem März-Hoch von 1,15 auf 0,68 US-Dollar.
- Die Verbreitung der Tools nimmt weiter zu; die Ausgaben verlagern sich aber zu günstigeren Standardmodellen und zu klarer kontrollierten Budgets.
- Für Käufer ist das eine Chance, Modellwahl und Kostensteuerung zu trennen. Für Anbieter erhöht es den Druck, Mehrwert statt bloßer Rechenleistung zu verkaufen.
Ein Rückgang, der genauer gelesen werden muss
Ramp wertet Zahlungsdaten von rund 70.000 Unternehmen aus. Demnach bezahlten im August 56 Prozent seiner Kunden für KI-Produkte, nur 0,4 Prozentpunkte mehr als im Juli. Besonders auffällig ist die Spitze des Datensatzes: Die Ausgaben der größten ein Prozent der KI-Nutzer pro Beschäftigtem fielen von 7.976 auf 7.205 US-Dollar. Das ist ein deutlicher Monatswert, aber noch kein Konjunktururteil über den gesamten KI-Markt. Ramp selbst weist auf einen möglichen Ferieneffekt hin; im August sind viele Teams kleiner besetzt und verbrauchen weniger Rechenleistung.
Auch die Stichprobe hat Grenzen. Ramp bedient überdurchschnittlich technologieaffine Firmen, die Ausgaben werden nicht mit Umsätzen oder Produktivitätsgewinnen abgeglichen. Die Zahlen sind deshalb eher ein Frühindikator für den kommerziellen Einsatz als ein vollständiges Abbild der US-Wirtschaft. Genau darin liegt aber ihr Nutzen: Sie zeigen, wie sich reale Rechnungen verändern, nicht nur Absichtserklärungen aus Vorstandspräsentationen.
Günstigere Tokens ändern die Modellwahl
Der wichtigste Grund für den Ausgabenrückgang ist zunächst schlicht Mathematik. Ramp beziffert den effektiven Preis pro Million Tokens aktuell auf 0,68 US-Dollar, nach 1,15 US-Dollar im März. Wenn dieselbe Arbeit günstiger erledigt wird, kann der Rechnungsbetrag sinken, obwohl die Nutzung steigt. Für Unternehmen ist das eine gute Nachricht. Für Modellanbieter bedeutet es, dass mehr Anfragen nicht automatisch zu mehr Umsatz führen.
Hinzu kommt eine Verschiebung bei den eingesetzten Modellen. Laut Ramp setzen Firmen zunehmend Standardmodelle wie GPT-5.6 Terra oder Anthropics Sonnet-Reihe als Voreinstellung ein, weil sie für viele Aufgaben schnell genug und preiswerter sind. Spitzenmodelle bleiben für komplexe Analysen, Programmierung oder heikle Entscheidungen relevant. Sie verlieren aber dort Anteil, wo ein günstigeres Modell die gleiche Qualität liefert. Wie der Streit um Claude Max und seine Nutzungsgrenzen bereits zeigte, wird der ökonomische Wert eines Zugangs für Käufer stärker an verlässlicher Kapazität und nicht nur am Modellnamen gemessen.
Breite Nutzung, vorsichtige Investitionen
Die Ausgaben-Daten passen zu einem differenzierten Bild aus anderen Erhebungen. Die Federal Reserve Bank of New York berichtete Anfang September, dass 61 Prozent der befragten Dienstleistungsfirmen und 51 Prozent der Hersteller KI in Geschäftsprozessen einsetzen. Zugleich bezeichneten drei Viertel der Dienstleister und mehr als 90 Prozent der Hersteller ihre Investitionen als gering oder moderat. KI ist damit in der Breite angekommen, aber in den meisten Betrieben noch kein Posten, der die gesamte IT-Planung dominiert.
Eine Befragung des Research-Hauses Futurum zeichnet ergänzend ein anderes Kostenproblem: 46,9 Prozent der 1.636 befragten Technologieentscheider gaben an, ihr KI-Budget zu überschreiten. Das widerspricht Ramp nicht. Ein Unternehmen kann weniger für einzelne Tokens zahlen und dennoch sein Budget reißen, wenn neue Anwendungen, Beratung, Datenaufbereitung oder Governance hinzukommen. Entscheidend ist deshalb nicht die Rechnung eines einzelnen Modells, sondern die Summe aus Nutzung, Integration und Kontrolle.
Was Käufer jetzt steuern sollten
Die praktische Konsequenz lautet nicht, Spitzenmodelle pauschal abzuschalten. Unternehmen sollten zuerst messen, welche Aufgaben tatsächlich deren zusätzliche Qualität benötigen. Für Zusammenfassungen, Klassifikation oder einfache Assistenz kann ein günstigeres Standardmodell reichen; für fachlich folgenreiche Entscheidungen gehören Tests, Freigaben und klare Verantwortlichkeiten dazu. Auch lokale oder offene Modelle können in einzelnen, datensensiblen Workflows eine Option sein. Ramp sieht ihre Nutzung in seinem Datensatz bislang jedoch nur bei einem kleinen Teil der Kunden, sodass sie den Gesamttrend noch nicht erklären.
Der Wettbewerb wird damit nüchterner. Anbieter müssen beweisen, dass teure Modelle nicht nur besser klingen, sondern messbar bessere Ergebnisse liefern. Käufer wiederum gewinnen Verhandlungsmacht, wenn sie Modelle austauschen und Lasten gezielt verteilen können. Der Ausgabenrückgang an der Spitze ist daher weniger ein Warnsignal gegen KI als ein Zeichen ihrer Reife: Der Markt beginnt, zwischen beeindruckender Fähigkeit und wirtschaftlich sinnvoller Fähigkeit zu unterscheiden.