Sinkende KI-Kosten machen Modelle austauschbar. Wettbewerbsvorteile entstehen künftig durch Systeme, Daten und Vertrauen.
Der Preis für Künstliche Intelligenz (KI) sinkt rasant – doch das muss kein schlechtes Zeichen für die Branche sein. Im Gegenteil: Jonathan Curtis, Portfoliomanager bei Franklin Templeton, sieht den nachhaltigen Wert künftig weniger im einzelnen KI-Modell als vielmehr in den Systemen, die daraus verlässliche Ergebnisse erzeugen.
Curtis argumentiert, dass sich KI-Modelle zunehmend zur Massenware entwickeln. Leistungsunterschiede nähmen ab, Open-Weight-Modelle würden immer leistungsfähiger und die Kosten pro Token fielen kontinuierlich. Der eigentliche Wettbewerbsvorteil verlagere sich deshalb auf Infrastruktur, Unternehmensdaten, Arbeitsabläufe, Governance und Sicherheit – also auf die Ebene, die aus reiner Rechenleistung produktive Anwendungen entstehen lasse.
Nach seiner Einschätzung kaufen Unternehmen letztlich keine Intelligenz, sondern verlässliche Arbeitsergebnisse. Entscheidend sei daher nicht der Preis eines einzelnen Modellaufrufs, sondern die Gesamtkosten, um eine Aufgabe zuverlässig, sicher und skalierbar zu erledigen. Ein günstigeres Modell könne sich am Ende sogar als teurer erweisen, wenn wiederholte Versuche, menschliche Kontrolle oder Nacharbeiten erforderlich seien. Maßgeblich seien deshalb die Kosten pro erfolgreich abgeschlossener Aufgabe und nicht die Kosten pro Token.
Eine zentrale Rolle spielt dabei das, was Curtis als ‚Harness‘ bezeichnet: die Systemebene, welche Modelle auswählt, mit Unternehmensdaten verbindet, Berechtigungen steuert, Ergebnisse überprüft und entscheidet, wann ein Mensch eingreifen muss. Diese Infrastruktur könne bestehen bleiben, selbst wenn das zugrunde liegende KI-Modell ausgetauscht werde. Gerade diese Beständigkeit könne künftig den eigentlichen Unternehmenswert ausmachen.
Auch die Sorge, sinkende Preise könnten die Ertragskraft der KI-Branche dauerhaft schmälern, teilt Curtis nicht. Er verweist auf das Jevons-Paradoxon: Werden Technologien günstiger und effizienter, steigt häufig ihr Gesamtverbrauch. Da Unternehmen KI künftig in immer mehr Geschäftsprozesse integrierten und agentische Anwendungen zahlreiche Modellaufrufe benötigten, könne die Nachfrage deutlich schneller wachsen als die Preise sinken. Davon könnten sowohl Infrastruktur- als auch Plattformanbieter profitieren.
Langfristig erwartet Curtis einen Wettbewerb zwischen Unternehmen, die mehrere Modelle intelligent kombinieren können, statt sich auf einen einzigen Anbieter zu verlassen. Wer Qualität, Sicherheit, Geschwindigkeit und Kosten optimal austariere, verschaffe sich einen nachhaltigen Vorteil. Gleichzeitig gewännen Governance, Nachvollziehbarkeit, Sicherheit und Rechenschaftspflicht erheblich an Bedeutung. Gerade in unternehmenskritischen Anwendungen seien Kunden bereit, für Vertrauen zu bezahlen.
Jonathan Curtis
Für Investoren verschiebe sich damit ebenfalls der Fokus. Nicht das jeweils leistungsstärkste KI-Modell werde zwangsläufig die höchsten Erträge erzielen, sondern diejenigen Unternehmen, die reichlich verfügbare Intelligenz effizient in vertrauenswürdige und produktive Arbeitsergebnisse umwandeln könnten. Trotz einer voraussichtlich anhaltend hohen Volatilität sieht Curtis darin den entscheidenden Maßstab für die langfristige Wertschöpfung im KI-Sektor.
———-
BondGuide nutzt KI zum Orthografie-Check sowie bei Bildern, Kollagen oder Grafiken.
! NEU ! Die erste BondGuide Jahresausgabe 2026 ist erschienen (12.Mai): ‚Green & Transition Finance 2026‘ kann wie gewohnt kostenlos als e-Magazin oder pdf heruntergeladen werden.
Bitte nutzen Sie für Fragen und Meinungen Twitter – damit die gesamte Community davon profitiert. Verfolgen Sie alle Diskussionen & News zeitnaher auf Twitter@bondguide !