Microsoft stoppt „Tokenmaxxing“: Interne KI-Budgets und günstigeres GPT-5.6 signalisieren das Ende einer Ära

Microsofts Entscheidung ist keine isolierte Sparmaßnahme. Sie ist ein weithin sichtbares Signal, dass die Ära des „Tokenmaxxing“ – also der Behandlung eines maximalen KI-Token-Verbrauchs als Maßstab für Produktivität und Innovation – in der gesamten Technologiebranche zu Ende geht .

Was Microsoft zur Begrenzung der eigenen KI-Ausgaben trieb

Drei spezifische Zwänge zwangen Microsoft zu interner KI-Disziplin:

Unkontrollierte interne Kosten. Die eigenen Entwicklungsteams von Microsoft hatten über GitHub Copilot frei auf Spitzen-KI-Modelle zugegriffen, was den Token-Verbrauch und die Inferenzkosten weit über das als nachhaltig Angesehene trieb. Interne Copilot-Richtlinien räumten ein, dass viele Ingenieure „monatlich zwischen einigen Hundert und einigen Tausend Dollar für Tokens“ ausgaben . Parikhs E-Mail machte klar, dass ab Juli 2026 jede Abteilung unter einem KI-Token-Budgetziel arbeiten würde und einzelne Mitarbeiter ihren Verbrauch über ein internes Dashboard verfolgen könnten .

Fehlgeleitete Anreize. Ingenieure begannen, einen hohen Token-Verbrauch als Ausweis von Produktivität zu betrachten – eine in der gesamten Branche als Tokenmaxxing bekannte Praxis. Microsoft stellte jedoch fest, dass mehr Tokens nicht gleichbedeutend mit mehr Geschäftswert waren. Parikh formulierte das Ziel des Unternehmens explizit um: „Wir optimieren nicht auf weniger Tokens. Wir optimieren auf Wirkung pro Token“ .

Das Glaubwürdigkeitsproblem. Als Anbieter von KI-Abonnements – Azure OpenAI Service, GitHub Copilot, Microsoft 365 Copilot – konnte Microsoft seinen Kunden nicht glaubwürdig raten, KI-Kosten zu kontrollieren, während die eigenen Teams hemmungslos Tokens verbrauchten . Parikhs E-Mail betonte, dass das Unternehmen „Token-Ausgaben mit derselben Disziplin verwalten wird, die wir auf jede andere kritische Ressource anwenden“ .

Was sich innerhalb von Microsoft tatsächlich geändert hat

Die Richtlinienänderungen traten im Juli 2026 sofort in Kraft :

• Abteilungsbezogene Token-Budgets. Jede Microsoft-Geschäftseinheit hat nun ein formelles KI-Token-Budgetziel. Die internen Richtlinien weisen darauf hin, dass weitere Einschränkungen folgen könnten, während das Unternehmen beobachtet, wohin das Geld fließt .
• Günstigeres Standardmodell. OpenAIs GPT-5.6 Sol – als kostengünstiger im Vergleich zu Alternativen von Anthropic und anderen Spitzenanbietern beschrieben – ersetzte Premium-Optionen als Standard für die interne GitHub-Copilot-Nutzung. Der Wechsel wurde als Möglichkeit dargestellt, „einen größeren Wert aus unserer Token-Investition zu ziehen“ .
• Individuelle Transparenz. Mitarbeiter können nun ihren eigenen KI-Verbrauch auf einem internen Dashboard einsehen, was persönliche Verantwortung für eine zuvor unsichtbare Ausgabe schafft .

Wie dies den breiteren Niedergang des Tokenmaxxing widerspiegelt

Microsofts Schritt ist ein Datenpunkt in einer viel umfassenderen Korrektur, die sich in der gesamten Tech-Branche vollzieht. „Tokenmaxxing“ – die Praxis, KI-Token-Verbrauch aggressiv als Indikator für Innovation zu pushen – wurde etwa von Ende 2025 bis Mitte 2026 in Technologieunternehmen weit verbreitet, bricht aber jetzt rapide zusammen, weil die Wirtschaftlichkeit nicht stimmte .

Ubers Budgetexplosion. Uber Technologies hatte sein gesamtes KI-Budget für 2026 bereits nach wenigen Monaten aufgebraucht. Der CTO erklärte öffentlich: „Wir nähern uns dem Ende der sogenannten Tokenmaxxing-Ära“ und fügte hinzu, dass sich der reine Token-Verbrauch nicht in messbare Erträge übersetze . Das Unternehmen setzt nun auf Kostenoptimierung pro Interaktion durch Prompt-Caching, effizientere Standardmodelle und bessere Transparenz beim Verbrauch .

Gartners Warnung. Gartner hat prognostiziert, dass KI-Coding-Kosten bei verbrauchsabhängigen Preismodellen bald das durchschnittliche Entwicklergehalt übersteigen werden, was Finanzvorstände branchenweit zu Kostendisziplin zwingen wird .

Die Startup-Rechnung. Startups haben gezeigt, dass ein Modellwechsel die Inferenzkosten um etwa 90 % senken kann. Lindy.ai verlagerte beispielsweise 100 % seines API-Travers über Nacht von Claude zu DeepSeek und erzielte rund 90 % niedrigere Inferenzkosten bei vergleichbarer Ausgabequalität für seine Kernaufgaben . Solche drastischen Einsparungen machen die alte Denkweise „mehr Tokens = besser“ finanziell untragbar .

Forbes' und Fortune's Urteil. Mehrere Wirtschaftsmedien haben die Tokenmaxxing-Ära für strukturell beendet erklärt. Unternehmen geben die reine Nutzung als Kennzahl auf und setzen stattdessen auf effizienzorientierte Bereitstellungen, Modell-Routing (Einsatz günstigerer Modelle für einfachere Aufgaben) und ergebnisabhängige Abrechnung, die den Anreiz zur Token-Maximierung beseitigt . Forbes charakterisierte Tokenmaxxing als „eine Übergangsphase in der KI-Adoption“, die zwar half, die Nutzung zu normalisieren, aber „kein nachhaltiges Betriebsmodell“ sei .

Das Muster ist konsistent

Das Branchenmuster ist nun klar: Unternehmen, die zunächst uneingeschränkte KI-Nutzung förderten, führen Budgets ein, wechseln zu günstigeren Modellen und verlangen, dass jeder ausgegebene Token mit einem messbaren Geschäftsergebnis verknüpft ist. ServiceNows Chief Customer Officer hat davor gewarnt, dass Tokenmaxxing ein KI-Hype-Zyklus sei . Fortune fällte ein knappes Urteil: „Tokenmaxxing ist tot. Es brachte nicht die KI-Rendite, die Unternehmen sich erhofften“ .

Microsofts interne Token-Budgets und die GPT-5.6-Standardisierung sind ein Paradebeispiel für diese branchenweite Abrechnung – und sie kommt nicht von einem KI-Nachzügler, sondern von einem der größten Investoren des Sektors. Wenn das Unternehmen, das KI-Abonnements verkauft, selbst ein Budget braucht, ist die Botschaft für jedes andere Unternehmen glasklar.