KI-Token unter 1 Dollar: Warum die KI-Ausgaben trotzdem steigen

Der Silicon-Data-LLM-Token-Expenditure-Index fiel unter 1 US-Dollar pro Million Tokens. Ursache war ein Markt, in dem günstigere Modelle Marktanteile gewannen und Anbieter ihre API-Preise wiederholt senkten. Am 31. August 2026 lag der breite Marktindex bei 97 Cent – so niedrig wie seit seiner Einführung nicht und weniger als halb so hoch wie auf dem Höchststand im Frühsommer. 4

Diese Schlagzeile braucht allerdings eine wichtige Einordnung: Der Index misst nutzungsgewichtet, was der Markt für eine Million Inferenz-Tokens bezahlt. Er erfasst weder die gesamten KI-Ausgaben noch die Zahl der verbrauchten Tokens. Ein sinkender Index zeigt deshalb, dass maschinelle Intelligenz pro Einheit günstiger wird – nicht automatisch, dass die Nachfrage zurückgeht. 278

Wie das Rekordtief zustande kam

Mehrere Entwicklungen drückten den effektiven Preis gleichzeitig nach unten:

• Günstigere chinesische Modelle gewannen an Bedeutung. Offene und preiswerte Modelle gaben Entwicklern Alternativen zu teuren proprietären Systemen. Dadurch sank der gemischte Marktpreis. 3839
• Anbieter machten den Preis zum Wettbewerbsinstrument. Rabatte auf API-Zugänge halfen Modellherstellern, Nutzer zu gewinnen, Einsätze auszuweiten und Marktanteile zu verteidigen – gerade in einem Markt, in dem sich die Leistungsunterschiede zwischen den Modellen verringerten. 39
• Die Wirtschaftlichkeit der Inferenz verbesserte sich. Sinkende Produktions- und Bereitstellungskosten erleichterten es den Anbietern, mehr Leistung für weniger Geld anzubieten. Die vorliegenden Belege zeigen allerdings nicht, dass alle Anbieter dieselbe Kostenstruktur haben.
• Der Wettbewerb wurde global. Der Preisdruck blieb nicht auf China beschränkt: Auch führende internationale Anbieter senkten Preise für günstigere Tarife. 3637

Der Trend verlief insgesamt deutlich nach unten: Anfang Juni lag der Index noch über 2 Dollar pro Million Tokens. Anfang August wurden rund 1,16 bis 1,18 Dollar erreicht, später fiel der Wert unter die Ein-Dollar-Marke. 1384 Bei einzelnen Zwischenständen weichen öffentliche Momentaufnahmen und Berichte voneinander ab. Für den 27. Juli wurde beispielsweise ein Wert von 1,43 Dollar genannt. 12

Chinas KI-Labore machen aus Rabatten einen Preiskrieg

Der sichtbarste Auslöser war DeepSeek. Das chinesische Start-up erklärte im Mai, die Preissenkung für sein Spitzenmodell V4-Pro dauerhaft beizubehalten. Die neuen Preise sollten damit nur noch ein Viertel des ursprünglichen Niveaus betragen – abhängig von der Art der Nutzung. 33

Andere chinesische Anbieter zogen nach. Xiaomi kündigte für seine MiMo-V2.5-Modelle API-Rabatte von bis zu 99 Prozent an. Berichte nannten zugleich Preissenkungen bei mehreren großen chinesischen Laboren, darunter ByteDance, Tencent, MiniMax und Alibaba. 3946

Damit verschiebt sich die entscheidende Wettbewerbsfrage. Es geht nicht mehr nur darum, welches Modell die besten Ergebnisse liefert. Käufer vergleichen zunehmend auch die Leistung pro Dollar, Antwortzeit, Umgang mit langen Kontexten, Zuverlässigkeit und Flexibilität bei der Bereitstellung. Wenn Modelle für viele Routineaufgaben ähnlich gut geeignet sind, kann ein großer Preisunterschied die Nutzung schnell umlenken.

Der Preiskrieg erreichte jedoch auch einen Wendepunkt. Im August erhöhte DeepSeek die Preise für neuere Spitzenmodelle und führte Tarife für Haupt- und Nebenzeiten ein. Außerhalb der Spitzenzeiten soll der Preis nur halb so hoch sein. Das deutet darauf hin, dass Anbieter unbegrenzte Nachfrage zum niedrigstmöglichen Preis nicht dauerhaft als Geschäftsmodell betreiben können. Sie müssen außerdem die Auslastung ihrer GPUs steuern und die Kosten für die Infrastruktur wieder einspielen. 35

Warum sinkende Token-Preise nicht automatisch sinkende KI-Ausgaben bedeuten

Der scheinbare Widerspruch lässt sich mit einer einfachen Formel erklären:

Gesamtausgaben = Preis pro Token × Zahl der genutzten Tokens.

Fällt der Preis um 90 Prozent, steigt die Gesamtsumme trotzdem, wenn die Nutzung um mehr als 90 Prozent zunimmt. Niedrigere Preise machen Anwendungen wirtschaftlich, die zuvor zu teuer waren – etwa automatisierten Kundenservice, Programmierhilfe, Dokumentenverarbeitung, Anwendungen mit sehr langem Kontext und agentische Arbeitsabläufe.

Einige Analysen berichten, dass die Token-Preise seit 2023 um mehr als 90 Prozent gefallen sind, während sich die gesamten KI-Ausgaben ungefähr verdoppelt haben. Das passt zu einem Markt, in dem günstigere Inferenz die Zahl der wirtschaftlich sinnvollen Anwendungen vergrößert, statt die Nachfrage zu zerstören. 1922

Auch Chinas breitere Token-Wirtschaft liefert ein Nachfrage-Signal. Die Nationale Datenverwaltung meldete im März einen täglichen Token-Verbrauch von mehr als 140 Billionen – über 40 Prozent mehr als die 100 Billionen zum Ende des Vorjahres. 2632 Chinas große Telekommunikationskonzerne investieren zudem in KI-Rechenkapazitäten. China Telecom meldete für das erste Halbjahr ein Plus von 95 Prozent beim Umsatz mit intelligentem Computing; bei China Unicom stiegen die Investitionen in Recheninfrastruktur im Jahresvergleich um mehr als 80 Prozent. 1718

Diese Zahlen beweisen nicht, dass jedes Modellunternehmen profitabel arbeitet. Sie zeigen vielmehr, wie niedrigere Stückpreise größere Mengen an Infrastruktur und Nutzung ermöglichen können.

Die wachsende Lücke zwischen Investitionen und Umsätzen

Die optimistische Lesart lautet: Die sinkenden Inferenzpreise sind der Auftakt zur massenhaften Verbreitung von KI. Günstigere maschinelle Intelligenz könnte so viele zusätzliche Tokens erzeugen, dass sich weitere Ausgaben für Cloud-Kapazitäten, Rechenzentren, Chips, Netzwerke und Strom rechtfertigen.

Die skeptische Lesart richtet den Blick auf den Zeitpunkt der Renditen. Berichte unter Berufung auf Allianz Research beziffern die Lücke zwischen KI-Kapitalausgaben und Umsatzwachstum auf etwa 46 Prozent. Damit wäre sie größer als die Lücke von rund 32 Prozent während der Übertreibungen im Telekomsektor im Jahr 2001. 202223

Der Vergleich ist eine Warnung, aber kein Beweis dafür, dass sich die Geschichte der Telekomblase exakt wiederholt. Die Infrastruktur könnte künftig sehr viel größere Arbeitslasten tragen. Anbieter und Betreiber stehen dennoch vor drei Risiken:

1. Preisdruck: Leistungsfähigere Modelle könnten weiterhin zu niedrigeren Preisen verkauft werden.
2. Auslastungsrisiko: Hohe Fixkosten für Recheninfrastruktur erfordern anhaltende Nachfrage – nicht nur vorübergehende Nutzungsspitzen.
3. Monetarisierungsrisiko: Das Token-Volumen muss schnell genug wachsen, um sinkende tatsächliche Preise auszugleichen und hohe Kapitalinvestitionen zu rentabilisieren.

Was der Index tatsächlich aussagt

Das neue Tief des Silicon-Data-Index sollte vor allem als Signal für Preissetzungsmacht und Zahlungsbereitschaft verstanden werden – nicht als eigenständiges Maß für die KI-Nachfrage. Der Wert zeigt, dass der Markt pro Einheit Inferenz weniger bezahlt. Gründe dafür sind unter anderem die Verlagerung der Nutzung zu günstigeren Modellen und der aggressive Preiswettbewerb der Anbieter. 7814

Die entscheidende Frage lautet daher: Schließen die fallenden Preise genügend neue Anwendungen auf, um den Gesamtumsatz auszuweiten? Oder läuft der Preiskrieg dem Nutzungswachstum davon – mit teurer Infrastruktur, aber schwachen Renditen?

Die vorliegenden Belege stützen die erste Möglichkeit als Nachfragegeschichte und die zweite als ernstzunehmendes finanzielles Risiko. Welche Entwicklung sich durchsetzt, ist damit noch nicht entschieden.