KI-Kosten: Warum künstliche Intelligenz derzeit nicht automatisch billiger ist als Menschen
Dieser Text wurde (ganz oder teilweise) mit Hilfe von KI erstellt.
Stand: 28.04.2026
Ein aktueller Bericht von Fortune greift eine Aussage von Bryan Catanzaro auf, Vice President of Applied Deep Learning bei Nvidia. Catanzaro sagte Axios sinngemäß, dass in seinem Team die Kosten für Rechenleistung deutlich höher seien als die Kosten für die Beschäftigten. Das ist kein Beweis dafür, dass künstliche Intelligenz immer teurer ist als menschliche Arbeit. Es ist aber ein wichtiges Warnsignal: KI ist nicht automatisch ein Sparprogramm.
Der zentrale Kostenblock ist nicht nur die monatliche Gebühr für ein KI-Werkzeug. Unternehmen bezahlen auch für Rechenleistung, Datenverarbeitung, Cloud-Dienste, Speicher, Sicherheitsprüfungen, Einbindung in bestehende Systeme, Schulung der Beschäftigten und menschliche Kontrolle der Ergebnisse. Bei einfachen Einzelaufgaben kann KI günstig wirken. Bei großem Einsatz im Unternehmen können Token-Verbrauch, Rechenzentren und Softwarelizenzen die Rechnung deutlich verändern.
Eine Studie von MIT CSAIL aus dem Jahr 2024 zeigt diesen Punkt am Beispiel von Computer-Vision-Aufgaben. Die Forschenden kamen zu dem Ergebnis, dass nur etwa 23 Prozent der Löhne, die für sichtbasierte Aufgaben gezahlt werden, wirtschaftlich sinnvoll durch KI automatisiert werden könnten. Das bedeutet nicht, dass KI technisch unfähig wäre. Es bedeutet, dass sich Automatisierung finanziell oft erst lohnt, wenn sie in großem Maßstab, mit klaren Aufgaben und zu tragbaren Betriebskosten eingesetzt wird.
Gleichzeitig investieren große Technologieunternehmen sehr viel Geld in KI-Infrastruktur. Morgan Stanley berichtete im März 2026, dass große globale Technologieunternehmen für dieses Jahr 740 Milliarden US-Dollar an Investitionen angekündigt haben, 69 Prozent mehr als 2025. McKinsey schätzte bereits 2025, dass Rechenzentren weltweit bis 2030 Kapitalausgaben von 6,7 Billionen US-Dollar benötigen könnten, davon 5,2 Billionen US-Dollar für KI-Lasten. Diese Zahlen erklären, warum die Kostenfrage nicht nur einzelne Softwareabos betrifft, sondern auch Strom, Chips, Rechenzentren und Finanzierung.
Es gibt zugleich Hinweise, dass einzelne KI-Kosten künftig sinken könnten. Gartner erwartet, dass die Kosten für die Ausführung eines großen Sprachmodells mit einer Billion Parametern bis 2030 um mehr als 90 Prozent gegenüber 2025 fallen könnten. Gartner warnt jedoch auch, dass leistungsfähigere KI-Agenten deutlich mehr Rechenschritte und damit mehr Token pro Aufgabe verbrauchen können. Sinkende Einzelkosten bedeuten deshalb nicht automatisch sinkende Gesamtkosten.
Auch bei Unternehmenssoftware steigen die Preise. Tropic beschrieb im Dezember 2025 eine sogenannte KI-Steuer bei Software-Erneuerungen: In ausgewerteten Kundendaten lagen KI-bedingte Preisaufschläge häufig zwischen 20 und 37 Prozent. Diese Quelle stammt von einem Beschaffungsdienstleister und ist deshalb vor allem als Hinweis aus der Praxis zu verstehen. Für Unternehmen ist die Botschaft trotzdem klar: KI-Funktionen sollten nicht nur gekauft werden, weil sie modern wirken. Sie müssen einen messbaren Nutzen haben.
Die Arbeitsmarktfrage bleibt komplex. Die Federal Reserve berichtete im April 2026, dass laut Daten des U.S. Census Bureau etwa 18 Prozent der US-Unternehmen Ende 2025 KI eingeführt hatten. Eine andere Erhebung in derselben Analyse schätzte, dass etwa 41 Prozent der Beschäftigten im November 2025 generative KI bei der Arbeit nutzten. Das zeigt eine breite, aber uneinheitliche Verbreitung. Der Yale Budget Lab kam im April 2026 zugleich zu dem Ergebnis, dass aktuelle Daten zu KI-Exposition, Automatisierung und Erweiterung bisher keinen klaren Zusammenhang mit Beschäftigungs- oder Arbeitslosigkeitsänderungen zeigen. Die Aussage „KI ersetzt jetzt massenhaft Menschen“ ist daher zu pauschal.
Für die Praxis folgt daraus: Unternehmen sollten KI nicht nach Bauchgefühl einführen, sondern wie jede größere Investition prüfen. Wichtig sind die Gesamtkosten über die gesamte Nutzungsdauer, nicht nur der Listenpreis. Dazu gehören die Kosten für Rechenleistung, Lizenzen, Datenschutz, Integration, Qualitätskontrolle, Fehlerkorrektur und die Zeit der Beschäftigten. Ebenso wichtig ist die Frage, ob die KI wirklich Arbeit spart, Qualität verbessert oder neue Umsätze ermöglicht.
Die sinnvollste Haltung ist weder blinde Euphorie noch grundsätzliche Ablehnung. KI kann sehr nützlich sein, besonders bei klar abgegrenzten Aufgaben, wiederkehrenden Abläufen und guter menschlicher Kontrolle. Sie ist aber kein kostenloser Ersatz für Beschäftigte. Wer KI wirtschaftlich einsetzen will, braucht klare Ziele, belastbare Messwerte und Verträge, die Kosten begrenzen. Erst dann lässt sich seriös beurteilen, ob KI im konkreten Fall günstiger, besser oder nur teurer ist.
Quellen
1. Titel: ‘The cost of compute is far beyond the costs of the employees’: Nvidia executive says right now AI is more expensive than paying human workers
Autor oder Organisation: Sasha Rogelberg, Fortune
URL: https://fortune.com/2026/04/28/nvidia-executive-cost-of-ai-is-greater-than-cost-of-employees/
Veröffentlichungsdatum: 28.04.2026
2. Titel: AI can cost more than human workers now
Autor oder Organisation: Madison Mills, Axios
URL: https://www.axios.com/2026/04/26/ai-cost-human-workers
Veröffentlichungsdatum: 26.04.2026
3. Titel: Rethinking AI’s impact: MIT CSAIL study reveals economic limits to job automation
Autor oder Organisation: Rachel Gordon, MIT CSAIL
URL: https://www.csail.mit.edu/news/rethinking-ais-impact-mit-csail-study-reveals-economic-limits-job-automation
Veröffentlichungsdatum: 22.01.2024
4. Titel: Tracking the Impact of AI on the Labor Market
Autor oder Organisation: The Budget Lab at Yale
URL: https://budgetlab.yale.edu/research/tracking-impact-ai-labor-market
Veröffentlichungsdatum: 16.04.2026
5. Titel: AI Capex 2026: $740 Billion Signals Bank Tailwinds
Autor oder Organisation: Morgan Stanley
URL: https://www.morganstanley.com/insights/articles/ai-capex-740-billion-banking-opportunity
Veröffentlichungsdatum: 11.03.2026
6. Titel: The cost of compute: A $7 trillion race to scale data centers
Autor oder Organisation: Jesse Noffsinger, Mark Patel, Pankaj Sachdeva, Arjita Bhan, Haley Chang und Maria Goodpaster, McKinsey & Company
URL: https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/the-cost-of-compute-a-7-trillion-dollar-race-to-scale-data-centers
Veröffentlichungsdatum: 28.04.2025
7. Titel: Monitoring AI Adoption in the US Economy
Autor oder Organisation: Jeffrey S. Allen, Board of Governors of the Federal Reserve System
URL: https://www.federalreserve.gov/econres/notes/feds-notes/monitoring-ai-adoption-in-the-u-s-economy-20260403.html
Veröffentlichungsdatum: 03.04.2026
8. Titel: Gartner Predicts That by 2030, Performing Inference on an LLM With 1 Trillion Parameters Will Cost GenAI Providers Over 90% Less Than in 2025
Autor oder Organisation: Gartner, Inc.
URL: https://www.gartner.com/en/newsroom/press-releases/2026-03-25-gartner-predicts-that-by-2030-performing-inference-on-an-llm-with-1-trillion-parameters-will-cost-genai-providers-over-90-percent-less-than-in-2025
Veröffentlichungsdatum: 25.03.2026
9. Titel: Is Your Company Ready for the AI Tax?
Autor oder Organisation: Justin Etkin, Tropic
URL: https://www.tropicapp.io/blog/ai-tax
Veröffentlichungsdatum: 23.12.2025