Zwei Teams nutzen dasselbe Basismodell über dieselbe API. Das eine verdient an jeder Anfrage, das andere legt drauf. Bei einem Abo für 19 Dollar kann die Inferenz 14 Prozent des Umsatzes kosten oder 37 Prozent, je nachdem, wie das Produkt gebaut und bepreist ist. Den Ausschlag geben zwei Dinge: was es kostet, dem Kunden ein Ergebnis zu liefern, und was um das Modell herum gebaut ist. Wer das erst nach dem Launch merkt, hat Preise festgelegt, die er seinen Kunden nicht mehr wegnehmen kann.
Das Modell ist die austauschbarste Zutat
Die Versuchung beim Start eines KI-Produkts ist, mit der Frage „welches Modell nehmen wir“ zu beginnen. Das ist die falsche Reihenfolge. Klassische Software hat Grenzkosten nahe null, deshalb drehte sich Strategie um Vertrieb und Kundenbindung. Bei KI kostet jede Anfrage Geld, die Qualität schwankt von Antwort zu Antwort, und der Vorsprung liegt in den Daten und im System rund um das Modell. Ein KI-Geschäftsmodell beginnt deshalb mit drei Fragen: Was genau schafft Wert, wodurch ist dieser Wert verteidigt, und wie hängt er mit den Kosten zusammen? Das Modell selbst wird in der Lebenszeit eines Produkts meist mehr als einmal gewechselt.
Die erste Frage beantwortet ein Wertesystem auf drei Ebenen. Es taugt mehr als ein einzelnes Wertversprechen, weil sich die Ebenen unterschiedlich monetarisieren lassen.
Die Kernebene ist das, was KI besser kann als Mensch oder Vorgängersoftware: zusammenfassen, vorhersagen, Inhalte umwandeln, Dokumente durchsuchen, Routine automatisieren. Leicht zu verkaufen, aber ebenso leicht zu kopieren und deshalb kaum zu verteidigen.
Die Verstärkungsebene ist, wie KI in einen bestehenden Arbeitsablauf eingebaut wird und ihn schneller oder genauer macht: weniger Zeit pro Aufgabe, weniger Kopfarbeit für Routine, eine persönliche Unterstützung. Der Wert ist höher, weil er in den Kennzahlen des Kunden selbst messbar ist. Eine Steuerkanzlei, die pro Mandantenakte zwanzig Minuten spart, kann den Nutzen in Euro ausrechnen, bevor sie unterschreibt.
Die Innovationsebene ist das, was ohne KI nicht existierte: Copiloten, autonome Agenten, multimodale Generierung. Höchste Marge und höchstes Risiko, denn hier ballen sich lange Kontexte und mehrstufige Abläufe, die die Kosten am stärksten treiben. Ein Agent, der für eine Aufgabe zwölf Modellaufrufe braucht, kostet zwölfmal so viel wie eine einzelne Antwort, und der Kunde sieht davon nur das Ergebnis.
Den Vorsprung bauen Daten und das System ums Modell
Basismodelle sind über APIs für jeden verfügbar, deshalb schafft das Modell allein fast nie einen dauerhaften Abstand. Den Abstand bilden eigene Datenbestände, gut abgestimmte Suche über diese Daten (Retrieval), domänenspezifisches Fine-Tuning, ein verlässliches Evaluationssystem, die Einbettung in den Arbeitsablauf und der Effekt, dass das Produkt mit jeder Nutzung genauer wird. Diesen Effekt hat der Wagniskapitalgeber NFX als Data Network Effect beschrieben: Nutzungsdaten speisen ein besseres Modell, das mehr Nutzung anzieht, die wieder mehr Daten erzeugt.
Automatisch ist das nicht. Die Schleife erlahmt, sobald die Daten nicht mehr frisch sind oder zusätzliche Daten das Modell kaum noch genauer machen: Ob ein Modell mit zehn oder mit elf Millionen Beispielen trainiert wurde, merkt ein Kunde selten. Deshalb zählt Qualität mehr als Menge. Aktualität, Vollständigkeit, fehlender systematischer Bias und konsistente Labels bestimmen die Modellleistung direkter als die Korpusgröße.
Auch Data Governance gehört zum Geschäftsmodell. Einwilligungen, Herkunftsnachweise der Daten, Löschabläufe für Anfragen nach DSGVO, Embeddings ohne personenbezogene Daten und Prüfprotokolle entscheiden, ob der Datenschutzbeauftragte eines Konzernkunden überhaupt zustimmt. Ein Großkunde fragt im Einkauf außerdem, wie seine Mitarbeiter im Umgang mit dem Produkt geschult werden; wer dafür fertige Unterlagen hat, kommt schneller durch die Prüfung. Der Burggraben entsteht erst aus der Kombination von Daten, Vertrieb, Vertrauen und Compliance. Keines dieser Elemente hält einen Wettbewerber allein lange auf.
Bleibt die dritte Frage vom Anfang, wie der Wert mit den Kosten zusammenhängt. Die Antwort steckt im Aufbau. Ein belastbares KI-Produkt arbeitet auf vier Ebenen, und Kosten wie Risiken verteilen sich ungleich darauf.
Auf der Datenebene liegen Pipelines, Feature Stores, Vektordatenbanken, Labeling und Qualitätskontrollen. Darüber sitzt die Modellebene: Basismodelle per API oder Open Source, domänenspezifisch feinabgestimmt und mit Retrieval verstärkt. Die Orchestrierung ist die Steuerlogik, die Modellaufrufe verbindet: Prompts und Vorlagen, mehrstufige Agenten, Regeln, welches Modell welche Anfrage bekommt, Ersatzwege bei Fehlern, Qualitätsprüfung und Schutzregeln. Hier fallen die meisten Entscheidungen, die den Preis pro Anfrage bestimmen. Was der Nutzer davon sieht, ist die Oberfläche mit Copiloten, Automatisierungen, Auswertungen, Suche und Textgenerierung.
Jede Fähigkeit gehört vor dem Bau in eine Matrix aus Wert, Kosten und Risiko. Gefragt wird: Was bringt sie dem Nutzer? Lässt sie sich technisch bauen? Welche Daten braucht sie? Was kostet eine Anfrage? Was kann schiefgehen? Ab welcher Last stößt sie an Grenzen? Diese Matrix entscheidet, was in den Basistarif kommt, was in den Premium-Tarif und was unter ein hartes Limit. Eine Fähigkeit mit hohem Wert, aber unberechenbaren Kosten im obersten Perzentil (dem P99 der Kosten pro Anfrage) wandert im Tarif nach oben oder unter einen Deckel.
Der Preis muss Verbrauch, Wert und Kosten zugleich abbilden
Nutzungsbasierte Abrechnung (nach Tokens, Anfragen, Rechenzeit oder erledigtem Agenten-Task) koppelt Umsatz am ehrlichsten an die Kosten und ist für technische Kunden transparent. Für neue Kunden ist sie schlecht planbar: Wer noch nie eine Token-Rechnung gesehen hat, kann seinen Monatsverbrauch nicht schätzen.
Abostufen mit Limits unterscheiden sich nach Modellzugang, Kontextfenster, Generierungsqualität und Automatisierungsgrad. Für die meisten Produkte trägt der Hybrid am weitesten: feste Basis plus Abrechnung über der Quote. Die Basis gibt Planbarkeit, der Deckel schützt die Marge vor Intensivnutzern.
Credits vereinfachen die Preiswahrnehmung, etwa 1000 Tokens = 1 Credit, ein Bild = 5 Credits, eine Analyse = 20 Credits (Werte zur Illustration). Sie erlauben Zusatzverkäufe über ein gemeinsames Guthaben mehrerer Produkte. Wertbasierte Preise rechnen vom Ergebnis her (eingesparte Stunden, höhere Conversion, automatisierte Dokumente) und funktionieren dort, wo der Kunde das Ergebnis selbst misst.
Enterprise zahlt für etwas anderes: domänenspezifische Modelle, private Datenpipelines, Compliance-Werkzeuge, SLAs, dedizierte Rechenkapazität und Integrationen. Den Hauptaufwand machen hier Einführung und Support, die Inferenz fällt kaum ins Gewicht, deshalb ist der Vertrag meist mehrjährig: Plattformgebühr plus Nutzung. Praktische Folge: Beim Enterprise-Kunden drückt man nicht die Modellkosten, denn die Ersparnis kommt woanders her, und die Antwortqualität wiegt für ihn schwerer als ein paar Cent pro Anfrage.
Wo die Unit Economics von SaaS abweichen
Inferenz ist der stärkste Kostentreiber und hängt von Modellgröße, Kontextlänge, Tokenzahl, Retrieval, Parallelität und Caching ab. Steigende Nutzung drückt direkt auf die Bruttomarge. In der Analyse „The New Business of AI“ (2020) verortete Andreessen Horowitz die Bruttomarge von KI-Firmen bei 50-60 Prozent, gegenüber 60-80 Prozent und mehr bei reiner Software, weil Inferenz und Cloud in den Herstellkosten sitzen und nicht in einer einmaligen Entwicklung. Die Analyse von Andreessen Horowitz zum KI-Geschäft ist bis heute die nüchternste Referenz. Stabile 55 Prozent pro Kohorte sind gesünder als nominelle 80 Prozent, die nur halten, solange der Traffic klein ist.
Es lohnt, einmal zu Ende zu rechnen. Angenommen, eine Anfrage umfasst 1800 Input- und 400 Output-Tokens auf einem Modell der Mittelklasse (Input 3 Dollar je Million, Output 15): Sie kostet 0,0054 + 0,006 = 0,0114 Dollar. Kleinigkeit, bis ein Nutzer 360 Anfragen im Monat macht, denn das sind 4,10 Dollar Inferenz pro Kopf, also 21,6 Prozent eines 19-Dollar-Abos, noch vor Retrieval und Speicher.
Den Rest entscheidet die Verteilung, denn fünf Prozent der Kunden können ein Drittel der Kosten verursachen. Nehmen wir 1000 Abonnenten: 950 nutzen das Produkt wie oben, 50 Intensivnutzer schicken 3000 Anfragen im Monat. Jeder von ihnen kostet 34,20 Dollar Inferenz und damit fast das Doppelte seines Abopreises. Zusammen: 950 × 4,10 + 50 × 34,20 = 3895 + 1710 = 5605 Dollar Inferenz bei 19.000 Dollar Umsatz, also 29,5 Prozent. Die Intensivnutzer tragen also fast ein Drittel der Kosten. Wächst ihr Anteil auf zehn Prozent, steigt die Inferenzquote auf gut 37 Prozent, ohne dass ein einziger Kunde gekündigt hätte.
Die Datenkosten über den Lebenszyklus übersteigen langfristig oft die Trainingskosten: Bereinigung, Annotation, Drift-Monitoring, Retraining, Testdatensätze, MLOps-Aufwand. Dazu kommen Zuverlässigkeitskosten, denn Modellfehler erzeugen manuelle Prüfungen, Eskalationen und Korrekturschleifen. All das gehört in die Unit Economics.
Erst Caching, dann Routing: die Reihenfolge der Hebel
Die Marge lässt sich über mehrere Hebel zurückholen: Caching, kürzere Antworten, Stapelverarbeitung, doppelte Anfragen nur einmal rechnen, kürzere Prompts, Routing zu kleineren Modellen und Distillation, also ein kleines Modell mit den Antworten eines großen trainieren. Die Reihenfolge ist nicht beliebig. Die ersten Hebel senken die Kosten, ohne die Antwort zu verändern. Die späteren tauschen Qualität gegen Kosten und brauchen deshalb ein Evaluationsset, das zeigt, was dabei verloren geht.
Prompt-Caching verdient eine konkrete Zahl. Anthropic berechnet das Lesen aus dem Cache mit 10 Prozent des Basis-Input-Preises und das erste Schreiben mit einem Aufschlag von 25 Prozent, und auch OpenAI berechnet zwischengespeicherten Input je nach Modell deutlich günstiger. Zurück zur Beispielanfrage: Sind 1500 der 1800 Input-Tokens ein fester System-Prompt, kostet der Input mit Cache nur noch 1500 × 0,1 + 300 = 450 Token-Äquivalente, also 0,00135 statt 0,0054 Dollar. Die Anfrage sinkt von 0,0114 auf rund 0,0074 Dollar, der normale Nutzer von 4,10 auf 2,65 Dollar im Monat, knapp 14 Prozent des Abos. Daraus folgt die Regel: Caching lohnt sich, wenn derselbe lange Prompt vielfach wiederverwendet wird, bei seltenen Einzelanfragen nicht.
Nach dem Cache dominiert der Output mit 0,006 Dollar pro Anfrage. Eine Obergrenze für die Antwortlänge ist deshalb der zweite Hebel. Was nicht sofort fertig sein muss, wandert in die Stapelverarbeitung: OpenAIs Batch API berechnet 50 Prozent weniger für Aufträge, die bis zu 24 Stunden warten dürfen. Erst danach kommt Routing, also die Verteilung auf kleinere Modelle. Routing spart oft am meisten, verändert aber, welche Antwort der Nutzer bekommt. Ohne Evaluationsset ist das eine Wette auf Qualität, die niemand sieht. Weil sich Modellpreise und Nutzungsmuster laufend verschieben, gehört Kostenoptimierung als dauerhafte Zeile in die Roadmap.
Wann ein reines Abo trotzdem die richtige Wahl ist
Gegen all diese Mechanik spricht vor allem der Einkauf. Ein Mittelständler plant sein IT-Budget im Herbst für das ganze Folgejahr, und jede Rechnung, deren Höhe vom Verhalten der Mitarbeiter abhängt, braucht eine zweite Freigabe. Ein Festpreis pro Platz verkauft sich in solchen Organisationen schneller, und ein schneller Abschluss ist in der Frühphase mehr wert als eine perfekte Marge.
Recht hat der Einkauf dort, wo die Nutzung wenig streut. Die Prüfgröße ist das 90. Perzentil der Kosten pro Nutzer. Liegt es unter einem Viertel des Preises, trägt ein reines Abo mit einer Fair-Use-Grenze im Vertrag. Mit den Zahlen von oben wäre das bei einem P90-Nutzer mit 400 Anfragen der Fall: 4,56 Dollar bei 19 Dollar Preis, 24 Prozent. Macht der P90-Nutzer dagegen 720 Anfragen, sind es 8,21 Dollar oder 43 Prozent, und das Abo subventioniert die Intensivnutzer aus der Marge aller anderen. Dann führt am Hybrid kein Weg vorbei, und man verkauft ihn dem Einkauf als festes Kontingent mit klar bepreistem Zukauf.
Erst Wert, dann Preis: Validierung auf vier Achsen
Ein KI-Geschäft prüft man auf Wünschbarkeit, Machbarkeit, Tragfähigkeit und Modellqualität, und die Experimente je Achse sind verschieden.
Für das Modell sind das Offline-Vergleiche, Benchmarks, feste Referenzdatensätze sowie Sicherheits- und Halluzinationstests. Auf der Produktseite misst man den Aufgabenerfolg, den Einfluss auf die Kundenbindung, die Zahlungsbereitschaft und ob der Arbeitsablauf tatsächlich übernommen wird. Preisexperimente prüfen die Wirkung der Stufen, wie stark die Nachfrage auf den Preis reagiert, Credit-Pakete und Nutzungslimits. Ökonomische Experimente setzen die Kosten unter Stress: Sie simulieren hohe Last und prüfen, wie stark die Marge schwankt, wenn sich einzelne Annahmen ändern.
Die meisten Hypothesen gehen daneben, und Preishypothesen sind keine Ausnahme. Wer mit fünf davon startet, kann froh sein, wenn eine trägt. Die Reihenfolge zählt deshalb doppelt: erst Wert und Qualität bestätigen, dann am Preis drehen. Sonst misst der Preistest nur Rauschen, und das teure Ergebnis ist eine Zahl, die niemand reproduzieren kann.
Validierung ist nur eine von sechs Schichten eines vollständigen Geschäftsmodells. Ein technisch starkes KI-Produkt scheitert als Geschäft meist daran, dass diese Schichten nicht zueinander passen. Oben steht die Strategie mit Markt, Problem, Wertesystem, Differenzierung und Burggraben. Die Architektur bündelt Daten, Modelle, Orchestrierung und Oberfläche, die Ökonomie Erlösmodelle, Kostenstrukturen, Unit Economics und Break-Even. In der Experimentschicht liegen Modellevaluation, Wertvalidierung und Preishypothesen; zur Governance gehören Sicherheit, Compliance und Dokumentation über den Lebenszyklus. Die Organisation schließlich betrifft die Reifegrade von PM, DS und Engineering sowie die Übergänge im Operating Model.
Der typische Fehler ist eine Schicht, die nicht zu den anderen passt: ein Innovationsversprechen mit Agenten, verkauft als Festpreis-Abo; ein Burggraben aus Daten, für die keine Einwilligung vorliegt; ein Enterprise-Vertrag, dessen Support-Aufwand niemand eingepreist hat. Wer nur eine Prüfung schafft, sollte diese machen: Inferenzkosten des 90. Perzentils neben den Preis legen. Liegen sie über einem Viertel, ist das Erlösmodell die erste Baustelle, nicht das Modell.