KI wird drastisch günstiger – warum Mittelständler ihre KI-Business-Cases jetzt neu rechnen sollten

Die Kosten für leistungsfähige KI-Modelle fallen so schnell, dass viele Business Cases aus dem Vorjahr überholt sind. Anthropic hat Anfang Oktober sein kompaktes Modell Claude Haiku 5.5 vorgestellt und die Preise gegenüber dem Vorgänger für typische Anfragen um 90 Prozent gesenkt: von 1 auf 0,10 US-Dollar pro Million Eingabe-Token. Fast zeitgleich hat OpenAI mit GPT-6.1 Sol ein Modell herausgebracht, das laut The Batch nahezu die Leistung seines Spitzenmodells erreicht – zu einem Fünftel des Preises. Für den Mittelstand heißt das: Nicht mehr die Modellkosten entscheiden über die Wirtschaftlichkeit eines KI-Projekts, sondern Integration, Datenqualität und Akzeptanz.

Was sich am Markt verändert hat

Kompakte Modelle erledigen heute Aufgaben, für die vor einem Jahr noch Spitzenmodelle nötig waren. Nach Herstellerangaben übertrifft Haiku 5.5 seinen Vorgänger bei der Bearbeitung von Büroaufgaben und der Bedienung von Computeroberflächen deutlich. Diese Werte stammen vom Anbieter selbst und sind nicht unabhängig geprüft. Der Trend ist dennoch eindeutig: Der Preis pro Leistungseinheit sinkt Quartal für Quartal, und der Wettbewerb zwischen den großen Anbietern beschleunigt diese Entwicklung.

Zwei Einschränkungen gehören zur ehrlichen Einordnung. Erstens rechnen neue Modelle teils mit mehr Token für denselben Text, die Ersparnis fällt dadurch etwas geringer aus; Anthropic selbst schätzt rund 75 Prozent geringere Kosten für typische Workloads. Zweitens gelten die günstigsten Preise nur für kürzere Anfragen.

Ein Rechenbeispiel aus dem Mittelstand

Am Beispiel der E-Mail-Klassifikation zeigt sich, wie stark sich die Rechnung verschiebt. Ein technischer Großhändler erhält monatlich rund 20.000 Kundenanfragen per E-Mail. Ein KI-Modell soll jede Anfrage einordnen (Angebot, Reklamation, Liefertermin, Sonstiges) und die wichtigsten Daten extrahieren. Bei etwa 2.000 Token Eingabe und 300 Token Ausgabe pro Mail ergeben sich 40 Millionen Eingabe- und 6 Millionen Ausgabe-Token im Monat.

• —Zum Preis des Vorgängermodells: rund 70 US-Dollar im Monat.
• —Zum neuen Preis: rund 7 US-Dollar im Monat.

Schon der alte Betrag war überschaubar. Die eigentliche Erkenntnis lautet: Die Modellkosten sind bei solchen Anwendungen praktisch vernachlässigbar geworden. Die relevanten Kosten liegen in der Anbindung an ERP und Ticketsystem, in der Pflege der Kategorien und in der Qualitätssicherung.

Was das für Ihre KI-Strategie bedeutet

Sinkende Preise verschieben die strategische Frage von „Können wir uns das leisten?“ zu „Wo lohnt es sich zuerst?“. Daraus ergeben sich drei Konsequenzen:

1. 01Verworfene Ideen neu prüfen: Anwendungsfälle mit hohem Volumen – Dokumentenprüfung, Klassifikation, Datenextraktion – sind oft erst jetzt wirtschaftlich.
2. 02Modelle nach Aufgabe wählen: Nicht jede Aufgabe braucht das stärkste Modell. Ein günstiges Modell für Routine, ein starkes für komplexe Fälle – dieses Prinzip senkt Kosten erheblich.
3. 03Anbieterunabhängig bauen: Die Preis- und Leistungsführerschaft wechselt in kurzen Abständen. Wer seine Anwendung so aufsetzt, dass das Modell austauschbar bleibt, profitiert von jeder Preissenkung.

Typische Stolperfallen

Günstige Token verleiten zu Fehlentscheidungen, die später teuer werden:

• —Lizenzpreis mit Gesamtkosten verwechseln: Integration, Betrieb, Schulung und Datenaufbereitung machen meist den Großteil der Kosten aus.
• —Benchmarks überschätzen: Herstellerwerte sagen wenig über Ihre Dokumente, Ihre Sprache und Ihre Fachbegriffe. Testen Sie mit eigenen Daten.
• —Datenschutz vergessen: Auch günstige Modelle brauchen eine geprüfte Vertragsgrundlage, Klarheit über den Verarbeitungsort und eine Abstimmung mit dem Datenschutzbeauftragten.
• —Feste Bindung an einen Anbieter: Langfristige Verträge mit einem Modellanbieter können verhindern, dass Sie von Preissenkungen der Konkurrenz profitieren.

Checkliste: KI-Business-Case neu bewerten

Mit diesen Fragen prüfen Sie, ob sich ein Neubewerten Ihrer KI-Vorhaben lohnt:

• —Welche Anwendungsfälle haben wir in den letzten 12 Monaten aus Kostengründen verworfen?
• —Wie hoch ist der Anteil der Modellkosten an den Gesamtkosten unserer laufenden KI-Anwendungen?
• —Nutzen wir für Routineaufgaben ein unnötig teures Modell?
• —Ist das Modell in unseren Anwendungen ohne großen Aufwand austauschbar?
• —Haben wir einen Testdatensatz, mit dem wir neue Modelle schnell vergleichen können?

Wenn Sie Ihre KI-Vorhaben vor diesem Hintergrund neu priorisieren möchten, unterstützt Sie die KI-Beratung von AI Infusion bei der Potenzialanalyse. Wo Standardlösungen nicht passen, entwickeln wir individuelle KI-Lösungen mit austauschbarer Modellarchitektur.