Der Token-Preiskampf: Warum die billigste KI nicht die günstigste ist (EGEKID-Dossier)
ROCKSTRATEGE · ES GIBT EINE KI DAFUER
EGEKID-DOSSIER
Der Token-Preiskampf: Warum die billigste KI nicht die günstigste ist
1 – Was passiert ist
Am 22. September haben OpenAI und Anthropic fast zeitgleich neue Modellgenerationen veröffentlicht [3]. Klingt nach Technik-Meldung, ist aber vor allem eine Preisschlacht. Ein Beispielunternehmen, das monatlich 100 Millionen Eingabetoken verarbeitet (Token = kleinste Texteinheit, die ein KI-Modell einliest, oft ein Wortstück) und 20 Millionen Ausgabetoken erzeugt, zahlt je nach Modell zwischen 20 und 2.000 Dollar – für exakt dieselbe Textmenge. Das ist Faktor 100 [1].
| Modell | Monatskosten |
|---|---|
| GPT-6 Luna | 20 Dollar |
| GPT-6 Sol | 400 Dollar |
| Claude Opus 5.5 | 800 Dollar |
| GPT-6 Astra | 2.000 Dollar |
2 – Die Mechanik dahinter
Warum so ein Unterschied? Anbieter staffeln ihre Modelle inzwischen wie Automobilhersteller ihre Baureihen: ein sparsamer Kleinwagen für Routineaufgaben, ein Mittelklassewagen für anspruchsvollere Texte, eine Oberklasse für komplexe Denkschritte. GPT-6 Sol kostet 2 Dollar je Million Eingabetoken und 10 Dollar je Million Ausgabetoken. Luna ist die abgespeckte Variante für einfache, klar strukturierte Aufgaben – deutlich billiger, aber auch weniger leistungsfähig. Astra ist das Flaggschiff mit 10 Dollar je Million Eingabetoken und 50 Dollar je Million Ausgabetoken, gedacht für Aufgaben, bei denen Genauigkeit und Kontextverständnis zählen [1].
Der Trick, den viele übersehen: Ausgabetoken kosten fast immer deutlich mehr als Eingabetoken – bei Sol das Fünffache. Wer also ein Modell nutzt, das lange, ausführliche Antworten produziert, wo eine kurze reichen würde, zahlt unnötig drauf. Das ist keine Kleinigkeit, sondern bei Millionen Anfragen pro Monat ein echter Kostenhebel.
3 – Der historische Befund
Preiskämpfe bei Basistechnologie sind kein neues Muster. Prozessoren, Cloud-Speicher, Mobilfunk-Datenvolumen – überall sanken die Stückkosten drastisch, sobald mehrere Anbieter im Wettbewerb standen. Der Unterschied heute: Die Modelle selbst schrumpfen nicht nur im Preis, sie werden gleichzeitig differenzierter. Das erzeugt eine neue Unschärfe – wer nur auf den niedrigsten Tokenpreis schaut, vergleicht möglicherweise einen Kleinwagen mit einem Lastwagen.
Für die Marktseite ist das relevant, weil es Bewertungsfragen aufwirft. Nvidia handelt aktuell mit weniger als dem 17-Fachen des für die kommenden zwölf Monate erwarteten Gewinns – ein Bewertungsniveau nahe dem niedrigsten Stand seit über einem Jahrzehnt [2]. Ein Preiskampf, der die Margen der KI-Anbieter drückt, wirft zwangsläufig auch die Frage auf, wie stabil die Investitionswelle in Rechenzentren und Chips langfristig ist.
4 – Was jetzt zählt
Die eigentliche Kennzahl ist nicht der Preis pro Million Token, sondern der Preis je korrekt abgeschlossenem, kontrolliertem Arbeitsschritt. Ein Beispiel: Luna kostet 20 Dollar im Monat – aber wenn Luna bei einer komplexen Aufgabe in 30 Prozent der Fälle ein falsches oder unbrauchbares Ergebnis liefert und ein Mensch nachbessern muss, ist die vermeintliche Ersparnis schnell aufgefressen. Astra kostet 100-mal mehr, kann aber bei genau der Aufgabe, für die es gebaut ist, zuverlässiger und damit am Ende günstiger sein.
Das gilt analog für die Robotik: Das Forschungsprojekt CARE trainiert Roboter gezielt mit gescheiterten Bewegungsabläufen statt nur mit Erfolgsbeispielen [5] – auch dort zählt am Ende nicht die Rechenleistung an sich, sondern die Fehlerquote pro abgeschlossener Aufgabe. Und auch mobile Chips wie Qualcomms neue 2-Nanometer-Prozessoren zielen genau darauf: KI-Agenten sollen dauerhaft und zuverlässig auf dem Gerät laufen, nicht nur schnell rechnen [4].
5 – Die Investoren-Brille
Was bedeutet das konkret für dich als privater Trader oder Anleger, der KI im Alltag oder im Depot-Blick einsetzt? Drei Ansatzpunkte:
„Ich beobachte folgende KI-nahen Aktien: [Namen einsetzen]. Erkläre mir in einfachen Worten, ob das Geschäftsmodell des Unternehmens eher von sinkenden Tokenpreisen profitiert (mehr Nutzung durch niedrigere Kosten) oder darunter leidet (Margendruck durch Preiswettbewerb). Nenne dafür jeweils ein plausibles Argument pro und contra, ohne eine Kauf- oder Verkaufsempfehlung auszusprechen.“
Checkliste, bevor du eine KI-Recherche für Trading-Entscheidungen nutzt:
- Hat die KI-Antwort konkrete Zahlen genannt – und stammen die aus einer nachvollziehbaren Quelle?
- Wurde zwischen Einheiten sauber unterschieden (Million vs. Milliarde, Dollar vs. Euro)?
- Wurde eine Bewertungskennzahl (wie KGV) erklärt, nicht nur genannt?
- Enthält die Antwort eine Kauf- oder Verkaufsempfehlung? Wenn ja: Vorsicht, das ist keine Anlageberatung, sondern Meinung.
Der Preiskampf bei Sprachmodellen ist handwerklich betrachtet ein Warnsignal und eine Chance zugleich: Er zeigt, dass Anbieter um Marktanteile kämpfen – gut für Nutzer, aber ein Stresstest für die Margen der Unternehmen dahinter. Am Ende zählt für dich als Anleger nicht der schönste Tokenpreis, sondern die belastbare Antwort auf eine einzige Frage: Wie stabil ist der Gewinnpfad des Unternehmens, in das du investierst – oder investieren willst?
Quellen
[1] Was der neue Token-Preiskampf praktisch kostet (Analyse-Quelle)
[2] Nvidias Multiplikator zweifelt am Gewinnpfad
[3] Der Modellkrieg frisst seine eigenen Margen
[4] Zwei 2-Nanometer-Chips holen Agenten aufs Gerät
[5] CARE rettet Roboteraufgaben nach dem Fehler
[6] Drei Viertel entziehen der Selbstkontrolle das Vertrauen
[7] Die KI-Arbeitswelt reproduziert ihre Talentlücke
[8] Albanese verlangt internationale KI-Sicherheitsregeln
← ZUR STARTSEITE ROCKSTRATEGE.COM
© 2026 Rockstratege Research — Es gibt eine KI dafür (EGEKID). Alle Rechte vorbehalten.