Sam Altman räumt ein: KI-Kosten sind ein „riesiges Problem" [Bonus: So senkst du deine]

Vor sechs Monaten machte sich bei OpenAI niemand Gedanken ums Geld. Sam Altman hat es jetzt öffentlich gesagt. Anfang 2026 seien die Kosten des KI-Betriebs „nie ein Thema gewesen", erklärte er vor einem Saal voller Unternehmenskunden. „Die Leute waren völlig zufrieden mit dem, was sie ausgaben."

Dann ließ er den Satz fallen, der jetzt durch die Branche hallt. Heute seien KI-Kosten „ein riesiges Problem".

Es ist eine bemerkenswerte Aussage für den CEO des wertvollsten KI-Unternehmens der Welt, sie öffentlich zu machen. Und es wird noch besser, denn die Zahlen, die er im gleichen Atemzug nannte, sind kaum zu glauben.

Das Geständnis: 100 Milliarden Token

Bei einem OpenAI-Unternehmensevent am Dienstag lüftete Altman den Vorhang über den größten Einzelkunden des Unternehmens. Dieses eine Konto verbrennt rund 100 Milliarden Token pro Monat.

Zum Vergleich: Das entspricht etwa 75 Milliarden Wörtern. Pro Monat. Von einer einzigen Organisation.

Ein Token ist die Grundeinheit, in der KI-Modelle lesen und schreiben, grob gesagt etwa drei Viertel eines Wortes. Jede Frage, die du stellst, und jede Antwort, die du erhältst, wird in Token gemessen, und jeder Token kostet Geld. 100 Milliarden davon sind also keine Nutzungsstatistik mehr, sondern ein kleines Vermögen.

Die Zahl, die Sam Altman peinlich berührt

Jetzt kommt der Knackpunkt, über den der Saal lachte. Der Kunde mit den 100 Milliarden Token ist nicht einmal der größte Verbraucher auf dem Planeten.

Altman gab zu, dass OpenAI jemanden außerhalb des Unternehmens entdeckt hat, der noch mehr ausgibt, und bezeichnete das als persönliche „Peinlichkeit". Nochmal langsam: Das Unternehmen, das Token verkauft, eine interne Token-Rangliste führt und dessen Mitarbeiter ihre Verbrauchswerte in sozialen Netzwerken zeigen, wurde von einem Außenseiter übertroffen.

Wenn die Leute, die das Produkt verkaufen, um den höchsten Eigenverbrauch konkurrieren, begreift man, wie die Rechnungen so groß werden konnten.

Eine millionenfache Explosion in sechs Jahren

Die Wachstumskurve ist der Teil, der jede Finanzabteilung nervös machen sollte.

Vor sechseinhalb Jahren verbrauchte OpenAIs aktivster Nutzer rund 100.000 Token pro Monat. Damals, so Altman, war diese Person „mit großer Wahrscheinlichkeit der Token-Spitzenreiter der Welt".

Heute entsprechen diese 100.000 Token ungefähr dem weltweiten Pro-Kopf-Durchschnitt. Der durchschnittliche Mensch nutzt heute so viel, wie der damalige Spitzennutzer verbrauchte. Und der neue Spitzenreiter bei OpenAI liegt bei 100 Milliarden pro Monat.

Das ist eine millionenfache Steigerung. Nicht der gesamten Branche, sondern des Verbrauchs eines einzelnen Top-Nutzers.

Die Belege, die Budgets sprengten

Die abstrakten Zahlen sind schwindelerregend. Die konkreten Rechnungen aus der Praxis sind noch schlimmer.

Peter Steinberger, der Entwickler hinter OpenClaw, veröffentlichte einen Screenshot von 603 Milliarden Token in 30 Tagen, was rund $1.3 Millionen in einem einzigen Monat bedeutete. OpenAI übernahm schließlich die Rechnung, nachdem er dem Unternehmen beigetreten war.

Unterdessen tritt der Rest der Unternehmenswelt auf die Bremse. Amazon hat seine interne Token-Rangliste abgeschaltet. Uber hat harte Token-Obergrenzen eingeführt, nachdem sein COO erklärte, die Ausgaben seien nicht mehr zu rechtfertigen: Das KI-Budget für das gesamte Jahr 2026 war in vier Monaten verbraucht. Einzelne Ingenieure dort liefen Rechnungen von $150 bis $2,000 pro Monat auf.

Altman zitierte sogar das Meme, das unter seinen Kunden kursiert: „Mein Unternehmen hat mein gesamtes 2026-Budget in Q1 ausgegeben. Kannst du das effizienter machen?"

Warum die Wende so schnell kam

Das Tempo des Wandels ist die eigentliche Geschichte.

Für den größten Teil des KI-Booms waren die Preise künstlich niedrig. Die großen Labore preisten ihre Modelle unter den tatsächlichen Betriebskosten und schluckten die Verluste, um Marktanteile zu gewinnen. OpenAI gibt Berichten zufolge rund $1.35 für jeden verdienten $1 aus, und die Verluste kommen größtenteils aus der Inferenz, also den Kosten für die Beantwortung der vielen Milliarden täglichen Anfragen, nicht aus dem Training neuer Modelle.

Das funktioniert gut, solange die Nutzung überschaubar bleibt. Doch sobald agentische Werkzeuge auftauchten, also KI, die in Schleifen läuft, sich selbst wiederholt aufruft und autonom arbeitet, wuchs der Token-Verbrauch nicht mehr linear, sondern explodierte. Dazu bekamen Unternehmen endlich echte Transparenz über ihre Rechnungen, und die behagliche Stille vom Januar verwandelte sich in die Panik des Junis.

Das Beunruhigendste ist, was Altman als nächstes ankündigt: „ständig laufende proaktive KI", also immer aktive Agenten, die im Hintergrund arbeiten, ohne dass man sie auffordert. Wenn die heutigen Budgets schon durch KI gesprengt werden, die man aktiv aufruft, kann man sich vorstellen, was passiert, wenn man für KI zahlt, die nie aufhört.

Anthropic überholte still und leise

Während OpenAI Token verbrannte, zog ein Konkurrent still an ihm vorbei.

Erstmals seit Beginn des KI-Rennens zeigte Ramps Ausgabenindex für Mai 2026, dass Anthropic OpenAI bei der Unternehmensadoption in den USA überholte, mit 34,4 % zu 32,3 %. Der Motor dahinter war ein einziges Produkt: Claude Code, das am schnellsten gewachsene Produkt, das Anthropic je veröffentlicht hat.

Es gibt einen Haken, den man benennen sollte. Diese Unternehmen verdienen mehr, wenn du mehr Token verbrauchst. Das bedeutet, sie haben einen stillen Anreiz, dich zu ihren teuersten Modellen zu drängen, auch wenn ein günstigeres den Job genauso gut erledigen würde. Die Kostenkrise ist kein Zufall, sie ist Teil des Geschäftsmodells.

So senkst du deine KI-Rechnung wirklich

Jetzt zum praktischen Teil. Du brauchst kein Budget wie McKinsey, um Frontier-KI zu nutzen, und du musst definitiv keine fünf separate Abos stapeln, um dahin zu kommen.

Ein paar Stellschrauben, die wirklich etwas bewegen:

• Aufgaben gezielt routen. Die meisten Anfragen brauchen nicht das teuerste Modell. Günstige, schnelle Modelle erledigen den Großteil der Alltagsarbeit, und du sparst die Premium-Reasoning-Modelle für die schwierigen Probleme. Gezieltes Routing senkt die Kosten für viele Teams um 60 bis 80 %.
• Für ungenutzte Abos nicht zahlen. Separate Abos für ChatGPT, Claude, Gemini und Perplexity summieren sich zu einer monatlichen Ausgabe wie eine kleine Hypothek, obwohl man immer nur eines davon nutzt.
• Das Modell zum Moment passend wählen. Für Programmieren, Schreiben, Recherche und schnelle Fragen gibt es jeweils ein Modell, das die Aufgabe am besten und günstigsten erledigt. Der Trick ist, ohne Reibung wechseln zu können.

Genau das ist das Problem, für das Fello AI gebaut wurde. Statt mehrere teure KI-Abos zu jonglieren, bündelt Fello AI alle wichtigen Modelle, Claude, GPT, Gemini, DeepSeek, Llama, Perplexity und mehr, in einer schlanken nativen App für Mac, iPhone und iPad. Du wählst das richtige Modell für jede Aufgabe in einer einzigen Oberfläche und zahlst nicht viermal für Funktionen, die du sowieso nur nacheinander nutzt.

Wenn die Leiter der KI-Labore offen zugeben, dass die Kosten außer Kontrolle geraten sind, ist der kluge Schritt für alle anderen, bewusst zu entscheiden, wofür sie zahlen.

Das Fazit

Sam Altman hat der Welt gerade mitgeteilt, dass die Kosten für KI in rund fünf Monaten von einem Nicht-Thema zu einem „riesigen Problem" wurden. Sein größter Kunde gibt 100 Milliarden Token pro Monat aus, und jemand da draußen gibt noch mehr aus. Unternehmen setzen Budgetobergrenzen, schließen Ranglisten und verbrennen ein Jahresbudget in einem Quartal.

Die Ära billiger, subventionierter KI geht zu Ende. Die Gewinner von hier an werden nicht diejenigen sein, die am meisten ausgeben, sondern die, die am klügsten ausgeben.

Du kannst jedes wichtige KI-Modell an einem Ort ausprobieren, ohne Abo-Stapel, mit Fello AI.