OpenAIs gemeldetes Pilotprojekt für ergebnisbasierte KI-Preise erklärt

OpenAI soll ausgewählten Großkunden ermöglichen, nur dann zu zahlen, wenn ein KI-Agent eine vereinbarte geschäftliche Aufgabe tatsächlich abschließt. Dabei handelt es sich offenbar um ein begrenztes Pilotprojekt und nicht um ein öffentlich angekündigtes Preismodell. Welche Aufgaben darunterfallen, wie hoch die Preise sind und welche Vertragsbedingungen gelten, hat OpenAI bislang nicht offengelegt. 5

Der Test ist deshalb interessant, weil autonome Agenten deutlich mehr Rechenleistung verbrauchen können als ein herkömmlicher Chatbot. Bei einer Abrechnung nach Tokens steigen die Kosten mit Eingaben, Antworten, Wiederholungen und Tool-Aufrufen. Ein ergebnisbasiertes Modell würde die Rechnung stattdessen an ein Resultat knüpfen, das Kunde und Anbieter vorab gemeinsam definieren.

Ergebnis statt Tokenzahl: Was sich bei der Abrechnung ändert

OpenAI berechnet seine veröffentlichten API- und Enterprise-Tarife nach Eingabe-, zwischengespeicherten Eingabe- und Ausgabetokens – jeweils pro einer Million Tokens. 1 2 In diesem Modell zahlt der Kunde für die Nutzung des Modells, unabhängig davon, ob der Agent die Aufgabe am Ende erfolgreich erledigt.

Bei einer ergebnisbasierten Abrechnung verschiebt sich der entscheidende Abrechnungsmoment. Die Frage lautet dann nicht mehr: „Wie viele Tokens hat das System verarbeitet?“, sondern: „Hat der Agent das vereinbarte Ergebnis erreicht?“ Denkbar wären etwa ein erfolgreich gelöster Kundenfall, ein abgeschlossener Arbeitsablauf oder eine nachweislich aktualisierte Geschäftsanwendung. Welche konkreten Ergebnisse im OpenAI-Pilotprojekt gelten, ist allerdings nicht bekannt. 5

Damit würde ein Teil des Ausführungsrisikos vom Käufer auf OpenAI übergehen. Mehrere Versuche, lange Verarbeitungsketten oder fehlgeschlagene Durchläufe könnten die Kosten des Anbieters erhöhen, ohne zwingend zu einer abrechenbaren Leistung zu führen.

Warum Unternehmen die Kosten autonomer Agenten schwer kalkulieren können

Für Anwendungen mit vorhersehbarer Nutzung ist eine verbrauchsabhängige Abrechnung vergleichsweise leicht zu planen. Schwieriger wird es, wenn Agenten ihre eigenen Arbeitsschritte wählen, wiederholt auf Werkzeuge zugreifen, Aufgaben weitergeben oder mehrere Prozesse parallel ausführen.

Ein besonders auffälliges Beispiel betrifft einen Entwickler, der 100 Agenten betrieb und innerhalb von 30 Tagen Tokenkosten von 1,3 Millionen US-Dollar bei OpenAI anhäufte. 5 Der Fall ist extrem, zeigt aber das grundsätzliche Geschäftsproblem: Bei autonomen Systemen können die Ausgaben mit der Zahl der Versuche und Aktivitäten wachsen – nicht unbedingt mit dem Wert der erledigten Arbeit.

Ein Vertrag, der an Ergebnisse gekoppelt ist, könnte Budgets leichter planbar machen. Unter der Annahme, dass ein Fehlschlag nicht berechnet wird, würde er zudem das Risiko verringern, dass Kunden für einen erfolglosen Versuch die vollständigen Kosten tragen. Ob ein solcher Schutz im OpenAI-Pilot gilt und wie Ausnahmen geregelt werden, ist offen.

In welchen Bereichen das Modell zuerst funktionieren könnte

Am einfachsten lässt sich ergebnisbasierte Abrechnung dort umsetzen, wo eine Aufgabe klar begrenzt ist und ihr Abschluss objektiv beobachtet werden kann. Der Kundenservice ist ein naheliegendes Beispiel: Eine Lösung lässt sich häufig anhand des Ticketstatus, der Kundenkommunikation oder daran prüfen, ob keine weitere menschliche Bearbeitung nötig ist.

Weitere mögliche Einsatzfelder wären eng definierte Programmieraufgaben, die Bearbeitung von Versicherungsfällen, die Qualifizierung von Leads oder bestimmte Tätigkeiten in der Verwaltung. Dabei handelt es sich um denkbare Einsatzbereiche, nicht um öffentlich bestätigte OpenAI-Anwendungen. Entscheidend ist immer, dass die Vertragsparteien vor dem Start festlegen können, was als Erfolg gilt.

Ein praxistauglicher Vertrag müsste vermutlich mindestens folgende Punkte definieren:

• die genaue Erfolgsbedingung;
• Qualitäts- und Genauigkeitsschwellen;
• ob eine Übergabe an einen Menschen als Fehlschlag oder Teilerfolg gilt;
• den Umgang mit Wiederholungen und Sonderfällen;
• das Systemereignis, das den Abschluss bestätigt; sowie
• das Verfahren zur Klärung von Abrechnungsstreitigkeiten.

Ohne solche Regeln bleibt „nur zahlen, wenn die KI funktioniert“ ein überzeugender Slogan, aber ein unpräzises Geschäftsversprechen.

Der Markt kennt bereits mehrere Varianten

Das gemeldete OpenAI-Experiment steht im Zusammenhang mit einer breiteren Veränderung bei der Preisgestaltung für KI-Agenten. Die Modelle ähneln sich, sind aber nicht identisch:

• Intercom Fin: Intercom beschreibt Fin als Dienst, bei dem 0,99 US-Dollar pro gelöstem Ergebnis anfallen. Gemeint ist ein Kundenproblem, das die KI vollständig und ohne menschliches Eingreifen löst. 8
• Zendesk: Zendesk verwendet den Begriff „Verified Resolution“ für eine erfolgreiche, KI-gestützte Lösung. Auch hier steht das Ergebnis und nicht allein eine Lizenz pro Nutzer im Mittelpunkt. 14
• Salesforce Agentforce: Salesforce startete zunächst mit einem Modell von 2 US-Dollar pro Unterhaltung und führte später Flex Credits ein. Laut dem Vergleich von Intercom kostet eine Standardaktion 20 Credits beziehungsweise etwa 0,10 US-Dollar. Das ist eine verbrauchsabhängige Abrechnung pro Aktion – nicht zwingend eine Zahlung ausschließlich für das abschließende Geschäftsergebnis. 8

Diese Beispiele zeigen, warum „ergebnisbasiert“ und „verbrauchsabhängig“ nicht gleichbedeutend sind. Eine Abrechnung pro Aktion oder Unterhaltung kann die Nutzung transparenter machen. Sie kann aber trotzdem Kosten verursachen, wenn das übergeordnete Ziel des Unternehmens nicht erreicht wird.

Was Umfragen über die Präferenzen von Unternehmen zeigen

Die verfügbaren Ergebnisse der Futurum Group deuten nicht auf das Ende von Preismodellen pro Nutzer hin, sondern auf einen fragmentierten Markt.

In einer Futurum-Umfrage unter 830 globalen IT-Entscheidern bevorzugten 43 Prozent eine verbrauchsabhängige Abrechnung für generative KI-Funktionen, während 27 Prozent ein ergebnisbasiertes Modell favorisierten. 14 Eine separate Umfrage für das zweite Halbjahr 2026 ergab bei separat abgerechneten KI-Funktionen eine Präferenz von 42,3 Prozent für Preise pro Nutzer. Dahinter lagen verbrauchsabhängige Modelle mit 36,6 Prozent und ergebnisbasierte Modelle mit 21,1 Prozent. Für zentrale Software meldete dieselbe Erhebung eine stärkere Unterstützung für verbrauchsabhängige Preise von 28,9 Prozent und ergebnisbasierte Preise von 22,2 Prozent; das Modell pro Nutzer kam auf 12,6 Prozent.

Die zentrale Aussage lautet daher nicht, dass Unternehmen sich auf ein einheitliches Modell festgelegt haben. Ihre Präferenz scheint davon abzuhängen, welche Funktion die KI übernimmt. Eine vorhersehbare Assistenzfunktion kann zu einem Nutzerpreis oder als Zusatzoption passen. Ein autonomer Dienst, der messbare Arbeit erledigt, lässt sich möglicherweise besser über Verbrauch oder ein konkretes Ergebnis abrechnen.

Warum sich ergebnisbasierte Preise durchsetzen könnten – und warum nicht

Der Ansatz hat für beide Seiten einen offensichtlichen Reiz. Käufer können ihre Ausgaben direkt mit dem gelieferten Wert verknüpfen. Anbieter erhalten zugleich einen stärkeren Anreiz, die Zuverlässigkeit zu verbessern und unnötige Agentenläufe zu reduzieren. Für Finanzabteilungen könnte das die Freigabe von Agentenprojekten erleichtern, die bei unbeschränkter Token-Nutzung nur schwer zu budgetieren wären.

Allerdings bleiben bei einer ergebnisbasierten Abrechnung Kosten beim Anbieter hängen, die dieser nicht mehr automatisch an den Kunden weiterreichen kann. Außerdem entstehen neue Anreize, die sorgfältig kontrolliert werden müssen. Wird ein Agent auf eine zu enge Kennzahl optimiert, könnte er den Vertrag formal erfüllen und trotzdem das eigentliche Kundenerlebnis verschlechtern.

Ein weiteres Problem ist die Zuordnung des Ergebnisses. Ein Arbeitsablauf kann mehrere Modelle, externe Werkzeuge, Mitarbeitende und Unternehmenssysteme einbeziehen. Wenn der Agent nur einen Teil des Prozesses erledigt oder ein Mensch die abschließende Entscheidung trifft, ist schwer zu bestimmen, ob OpenAI das abrechenbare Ergebnis geliefert hat.

Deshalb dürfte sich das Modell zunächst eher in engen, überprüfbaren Abläufen ausbreiten als bei offenen Wissensaufgaben. Für komplexe Anwendungen könnten Mischmodelle praktischer bleiben, die Nutzerlizenzen, Verbrauch, Credits und ausgewählte Ergebnisgebühren kombinieren. Die Futurum Group bezeichnet hybride Modelle als wichtigen Mittelweg, während Anbieter testen, wie sich der Preis von KI mit dem Kundennutzen verbinden lässt. 14

Was der OpenAI-Pilot bedeuten würde

Sollte OpenAI das gemeldete Modell ausweiten, wäre dies ein bemerkenswerter Wandel in der Wirtschaftlichkeit von Unternehmens-KI: Anbieter würden zunehmend erledigte Arbeit verkaufen – und nicht nur den Zugang zu Modellen oder die Nutzung von Tokens.

Die derzeitige Beweislage erlaubt jedoch nur eine vorsichtige Schlussfolgerung. OpenAI soll mit ausgewählten Großkunden ergebnisbasierte Preise testen. Ein allgemeines Preismodell wurde bislang nicht veröffentlicht, und es fehlen genügend Vertragsdetails, um Preise, Umfang oder wirtschaftlichen Erfolg des Projekts zu beurteilen. 5 Der Versuch ist daher am besten als frühe Prüfung zu verstehen, ob Anbieter von KI-Agenten das Versprechen „Bezahlung nach Ergebnis“ präzise genug für den Einkauf in großen Unternehmen formulieren können.