Newsletter · 2026-08-01 · Ashutosh Agarwal

Kleine Teams erzielen fünfzig Millionen Umsatz, während KI-Token-Rechnungen mit der Lohnsumme gleichziehen - How They Build - Woche vom 1. August 2026

Startup- und Venture-Newsletter für die Woche vom 1. August 2026. Gründerinnen und Gründer in den Podcasts dieser Woche wetteiferten darum, wie wenige Mitarbeiter sie beschäftigen, von einer Taschenmarke mit 50 Millionen Dollar Umsatz und sechs Angestellten bis zu einer Hausverwaltung mit einem Organigramm aus zwölf KI-Agenten, während eine zweite Gruppe von Betreibern von KI-Rechnungen berichtete, die inzwischen so groß sind wie die Lohnsumme, die sie ersetzt haben.

How They Build

Woche vom 1. August 2026: Personalstärke ist jetzt eine Beleidigung

Diese Woche hörten Gründer auf, damit zu prahlen, wie viele Mitarbeiter sie beschäftigen, und begannen stattdessen damit zu prahlen, wie wenige es sind. Außerdem: Die KI-Rechnung ist still und leise so groß geworden wie die Lohnsumme, die sie ersetzen sollte.

In den meisten Jahren des vergangenen Jahrzehnts bedeutete es, wenn ein Gründer sagte „wir haben 30 Leute“, dass er es geschafft hatte. Die Personalstärke war die Anzeigetafel. Diese Woche wurde diese Anzeigetafel in Podcast nach Podcast auf den Kopf gestellt. Die Menschen, die gerade Unternehmen aufbauen, konkurrieren darum, wer das größte Geschäft mit dem kleinsten Team betreiben kann, und diejenigen, die dieses Rennen gewinnen, nennen Zahlen, die vor zwei Jahren noch erfunden geklungen hätten.

Hier ist die Wendung, die sich durch alles hindurchzieht, und der Grund, warum das keine saubere Siegesrunde ist: In derselben Woche, in der Gründer feierten, das Organigramm zusammengestrichen zu haben, äußerte sich eine ganz andere Gruppe von Betreibern öffentlich zu der Rechnung, die anschließend eintraf. Die Token, die die Lohnsumme ersetzt haben, kosten bei manchen Unternehmen inzwischen etwa so viel wie die Lohnsumme selbst.

Die Zahl: 50 Millionen Dollar. Sechs Mitarbeiter.

Die auffälligste Effizienzkennzahl der Woche stammte von einer D2C-Taschenmarke namens Hulken, deren zwei Gründerinnen den Podcast Unfinished Business moderieren. Die Kernaussage ist unverblümt: Sie erzielten im vergangenen Jahr 50 Millionen Dollar Umsatz mit sechs Vollzeitmitarbeitern. Inzwischen ist eine Person dazugekommen, sodass sie jetzt bei sieben liegen, und ihr erklärtes Ziel ist es, 100 Millionen Dollar mit weniger als zehn Mitarbeitern zu erreichen.

Das ergibt umgerechnet etwa 7–8 Millionen Dollar Umsatz pro Mitarbeiter, eine Zahl, die ein winziges Konsumgüter-Team in dieselbe Effizienzliga hebt, die man normalerweise den extremsten KI-nativen Softwareunternehmen vorbehält.

Die Gründerinnen sind geradezu aggressiv, was das angeht. In ihren Worten:

„Wenn Sie eine Marke sind, die weniger als 50 Millionen im Jahr macht und mehr als 10 Vollzeitmitarbeiter hat, machen Sie etwas falsch. Früher habe ich Personalstärke als Zeichen von Stärke gesehen … aber wenn ich das heute höre, signalisiert es mir buchstäblich, dass dieses Unternehmen ineffizient ist.“

Am klarsten zeigt sich, wie sehr sich das Denken verschoben hat, an ihrer Lohnkosten-Mathematik. Bei Konsumgütermarken lautet die seit langem übliche Faustregel, dass die Lohnsumme etwa 10 % des Umsatzes betragen sollte, und dies zu erreichen galt als gut. Hulken liegt bei 4 %. Wie es eine Gründerin ausdrückte: „Der Goldstandard lag immer bei … 10 %. Jetzt höre ich 8 %, ich höre 7 %. Wir liegen bei 4 %.“

Wie sie das tatsächlich schaffen, ist der interessante Teil, und es ist nicht „wir haben alle gefeuert und lassen ChatGPT die Firma führen“. Es ist eine bewusste dreischichtige Struktur, die sie „Minimum Viable Company“ nennen: ein kleiner Kern erfahrener interner Führungskräfte, ein Netzwerk externer Agenturen für Spezialaufgaben und, die Schicht, die sie am meisten begeistert, eine KI-Projektmanagement-Ebene, in der jedes einzelne Teammitglied seinen eigenen KI-Assistenten erhält, der die Arbeit übernimmt, die man normalerweise einer Nachwuchskraft oder einem Praktikanten geben würde. Eine Gründerin hat eine KI-Chief-of-Staff namens Benny, die nicht an das offene Internet, sondern an den eigenen Notion-Arbeitsbereich des Unternehmens (ihr „Gehirn“) angeschlossen ist, sodass sie nur mit dem antwortet, was sie über Hulken weiß. Die gedankliche Formel des Teams: „Minimum Viable Company gleich maximaler Umsatz pro Mitarbeiter.“

Unfinished Business, "The Minimum Viable Company: How We Run a $50M Brand With Just 7 People" (28. Juli 2026).

Was Gründer verändert haben

Sie hat ihr Unternehmen von 12 auf 2 Mitarbeiter verkleinert und die fehlenden 10 dann in Code nachgebaut. Im The UpFlip Podcast erzählte Andrea Palacio, wie sie 2023 ein Landschaftsbauunternehmen kaufte, das prompt auseinanderfiel: Der Verkäufer bestahl sie, der Manager kündigte und sagte den Mitarbeitern, das Geschäft werde nicht überleben, der Umsatz fiel von 70.000 Dollar im Monat auf rund 40.000 Dollar, und das Team schrumpfte „von 12 Mitarbeitern auf 2 Mitarbeiter“. Ohne technischen Hintergrund brachte sie sich selbst bei, die fehlenden Rollen als Software nachzubauen: eine KI-Sprachrezeption, die jeden Anruf entgegennimmt und Termine bucht, automatisierte Anrufer für überfällige Rechnungen, die über drei zunehmend bestimmtere Skripte eskalieren, und automatische Foto- und Bewertungsnachrichten nach dem Service. Heute macht das Unternehmen über 1 Million Dollar im Jahr, geführt größtenteils von ihrem Ehemann, und sie baut alles selbst: „Im Moment könnte ich Ihnen ein Bild von meinen 1, 2, 3, 4 Bildschirmen zeigen … die Hälfte davon ist Claude Code.“ Als ihr jemand anbot, das Unternehmen zu kaufen, lehnte sie ab. The UpFlip Podcast, "249. She Runs a $1Million Home Service Business Using Just 1 AI Tool" (27. Juli 2026).

Ein Hausverwalter baute eine „Firma“ aus 12 Agenten und steigerte den Gewinn um 168 %, ohne weitere Einheiten hinzuzufügen. Bei STR Global Unlocked beschrieb Alex Zemianek, CEO von JC Vacation Rentals, wie er seinen Technologie-Stack durch ein Organigramm aus KI-Agenten ersetzte. Er begann mit einem Agenten, skalierte auf 20 und pendelte sich dann bei 12 ein: ein Finanzagent, direkt an QuickBooks und seine Property-Software angebunden, der „eine GuV in unter einer Minute entwerfen kann“, ein Marketing-Agent, Betriebs- und Listing-Agenten, ein „Bibliothekar“, der das gemeinsame Wissen sauber hält, ein CEO-Agent, der bis 6 Uhr morgens sein Morning-Briefing schreibt, und ein Sicherheitsagent mit Vetorecht. Er sagt, das System lasse ihn „etwa hundertmal schneller“ arbeiten als zuvor und habe den Nettobetriebsgewinn um 168 % gesteigert, ohne nennenswert weiteres Inventar hinzuzufügen, „vielleicht nur zwei oder drei Einheiten“. Das aufschlussreichste Detail: Der Sicherheitsagent hat sich schon über ihn hinweggesetzt. „Es gab Momente, in denen ich versucht habe, ein Veto einzulegen, und der Sicherheitsagent hat mich einfach blockiert.“ Und was hat er mit dem zusätzlichen Gewinn gemacht? Er hat einen Menschen eingestellt, einen „Head of Experience“, weil „die Menschen sich immer noch nach dieser Seele und Gastfreundschaft sehnen werden, die wir nicht verlieren dürfen“. STR Global Unlocked mit Simon Lehmann, "041: This Property Manager Increased Profit by 160% With AI | Alex Zemianek" (28. Juli 2026).

Ein Frachtmakler steigerte den Umsatz in einem Jahr um 80 %, ohne eine einzige Person einzustellen. Bei The Dynamo Show erklärte der Gründer von Freight Hero, wie ein Kunde das geschafft hat. Im Frachtmaklergeschäft berührt ein menschlicher „Hero“ typischerweise jede Sendung sechs- bis achtmal: Lkw prüfen, Fahrer nachverfolgen, Papierkram erledigen. Freight Heros Agent „Robin“ senkt das auf „nahe eins oder sogar unter eins“ Berührung pro Ladung, wobei der Mensch nur bei Ausnahmen im Loop bleibt. Die freigewordene Arbeitskraft wird nicht abgebaut, sondern umgeleitet, um mehr Ladungen zu buchen und mehr Kunden zu gewinnen – so konnte ein Makler „den Umsatz Jahr für Jahr um 80 % steigern, ohne die Personalstärke ändern zu müssen“. Seine Einordnung, warum das in einer gnadenlosen Branche wichtig ist (Makler haben vier Jahre in der sogenannten „großen Fracht-Rezession“ verbracht, viele mit negativen Margen): „Diese Arbeit machen Sie nicht mehr. Geben Sie sie uns … und dann setzen Sie Ihre besten Leute auf umsatzgenerierende Rollen an.“ The Dynamo Show, "AI Powered Operations for Freight Brokers" (29. Juli 2026).

Das Organigramm selbst wird neu gestaltet: flacher, erfahrener und voller „Multi-Spezialisten“. Bei Tech Deciphered legten die Moderatoren dar, wie ein KI-natives Unternehmen strukturell tatsächlich aussieht, und es ist weniger „eine Person macht alles“ als vielmehr eine Reihe konkreter Verschiebungen. Das mittlere Management schrumpft zuerst, weil ein Großteil der Aufgabe eines mittleren Managers „Routing“ ist – Aufgaben weiterreichen, sie bündeln und nach oben zusammenfassen – und „KI und Agenten sind im Allgemeinen sehr gut darin“. An seine Stelle tritt, was sie den „Multi-Spezialisten“ nennen: das Ende der Hyperspezialisierung, bei der eine Person nur Frontend macht oder nur Design oder nur Produkt. „Man kann Design und das Ausliefern von Code kombinieren, Produktmanagement und das Ausliefern von Code, Analyst sein und gleichzeitig deployen.“ Und der Einstellungsinstinkt hat sich umgekehrt, vom Blitzscaling zur bewussten Zurückhaltung: „Die guten alten Zeiten von … lass mich 300 Leute einstellen, um mein Go-to-Market zu skalieren“ sind vorbei, ersetzt durch „die Tendenz, eher zu wenig als zu viel einzustellen“. Als Investoren, so sagten sie, laute die Frage nicht mehr „Macht dieses Startup etwas mit KI?“, sondern „Ist das ein KI-natives Startup? Organisatorisch, kulturell … wie arbeitet das Team?“ Tech Deciphered, "79 – The Cognitive Age" (31. Juli 2026).

Die „50-Prozent-Regel“, und warum die Autoren sie für tatsächlich zu niedrig angesetzt halten. Bei AI First with Adam and Andy bezifferten Adam Brotman und Andy Sack (Ko-Autoren des Buches Agents Inc.) die Arbeitsfrage: Sie schätzen, dass praktisch jedes Unternehmen – Restaurants, Einzelhandel, Anwaltskanzleien, Buchhaltungsfirmen, Finanzwesen – „heute wahrscheinlich mit mindestens 50 % weniger Personal geführt werden kann“. Und sie halten das für konservativ: „Das könnte eigentlich großzügig sein. Es könnte höher liegen … Ich sehe Hinweise auf 70 bis 80 %.“ Als sie sich daranmachten, einen realen Prozess auf eine 90-prozentige Zeitersparnis hin neu zu gestalten, landeten sie bei 85 %. Sie bauen jetzt ihr eigenes Unternehmen auf, um es zu beweisen: ein Startup, das „von Tag eins an vollständig agent-nativ“ sein wird, in dem „wir vielleicht nur zwei oder zehn Leute haben, die das erledigen, wofür normalerweise 100 Leute nötig gewesen wären“. Sie achteten sorgfältig darauf, auch das optimistische Gegenargument zu erwähnen, dass KI-versierte Menschen tendenziell beschäftigter werden, nicht untätiger, und neue „Unlocks“ jagen, statt zu schrumpfen, aber ihr Basisszenario ist unverblümt. AI First with Adam and Andy, "The 50 Percent Rule: How AI Is Reshaping the Future of Labor" (29. Juli 2026).

Die andere Seite: „Man kann sich nicht zur Dominanz herunterschrumpfen“

Die Geschichte vom schlanken Team bekam diese Woche auch ihren schärfsten Gegenwind, und den sollte man ernst nehmen, denn die Gegenbeweise kamen mit Namen und Zahlen.

Unternehmen stellen still und leise die Leute wieder ein, die sie entlassen haben. Der Elon Musk Podcast (trotz des Namens eine Nachrichten-Recap-Sendung) ging eine auffällige Kehrtwende durch: Alphabet und der Eisenbahnriese CSX „bauen gerade aktiv ihre Belegschaft aus und kehren damit eine lange Phase KI-getriebener Stellenstreichungen um“, wobei Führungskräfte „buchstäblich entlassene Mitarbeiter zurückrufen, weil sie an eine Wand gestoßen sind“. Der Grund ist nicht sentimental, sondern kostenbedingt. „Wenn ein Unternehmen beschließt, eine Abteilung durch ein automatisiertes System zu ersetzen, kauft es nicht nur Software. Es übernimmt die laufenden Kosten für Cloud-Rechenleistung … die vermeintlichen Einsparungen lösen sich einfach in Luft auf.“ Die Folge rahmte die eigentliche Wahl als zwei Strategien: das „schlanke Modell“ (30 % der Belegschaft streichen, Output konstant halten, Marge polstern) gegenüber dem „Multiplikator-Modell“ (alle behalten, mit KI den Output verzehnfachen). Ihr unverblümtes Urteil: „Man kann sich nicht zur Dominanz herunterschrumpfen. Das schlanke Unternehmen spielt Verteidigung. Das Multiplikator-Unternehmen spielt Offensive.“ Zitiert wurde auch die Warnung von Lattice-CEO Sarah Franklin, dass „Coding-Agenten zu haben, nicht den Bedarf an Ingenieuren aufhebt“, weil Modelle, die auf vergangenen Daten trainiert wurden, „ein schrecklicher Weg sind, um etwas Neues zu erfinden“. Elon Musk Podcast, "Why AI layoffs are backfiring" (28. Juli 2026).

Mehr als die Hälfte der Arbeitgeber bereut die Kürzungen inzwischen. Bei Download This Show zitierte die Runde, dass „mehr als die Hälfte der Arbeitgeber inzwischen berichten, sie bereuten es, wegen KI Stellen gestrichen zu haben“, und diagnostizierte dies als „schlechte Führung, schlechtes Change-Management und Nachlässigkeit“ sowie ein grundlegendes Missverständnis: „Volumen ist nicht gleich Service.“ Eine KI kann eine unverschämt hohe Zahl an Anrufen bewältigen und trotzdem beim Kunden versagen; als Beispiel diente ein Callcenter-Startup, dessen KI den Faden verliert, sobald ein Anrufer „stockt und ‚ähm‘ sagt“. Der tiefere Punkt: Technologie liefert nur dann echte Produktivität, wenn man das Geschäft tatsächlich darum herum neu gestaltet, und nicht, wenn man „einfach … damit herumspielt“ und Leute feuert. Download This Show, "Have AI models truly 'gone rogue'?" (31. Juli 2026).

Die Entlassungs-Bilanz, mit Belegen. Grumpy Old Geeks ging die Stellenstreichungen der Woche mit den tatsächlichen Zahlen durch: BuzzFeed entließ 180 Menschen, etwa 33 % seiner verbliebenen Belegschaft, nach dem, was die Moderatoren „eine gescheiterte KI-Strategie“ nannten, wobei die Jahresverluste bis 2025 auf 58 Millionen Dollar stiegen und die Kürzungen bis zu 32 Millionen Dollar pro Jahr einsparen sollen. Uber strich 10 % seines Kundenserviceteams und nannte KI direkt als Grund, wobei ein VP-Memo erklärte, die Organisation „sei zu komplex und siloartig geworden“ und müsse umgestaltet werden, „um KI aufzulegen“. Der CEO von Patreon kündigte an, die Organisation zu „verflachen“. Die skeptische Lesart der Moderatoren: Vieles an „wir müssen KI nutzen, sonst sind wir in drei Jahren tot“ sei nur Führungskräfte, die ihren Namen in den Nachrichten halten, während sie der schwierigeren Frage ausweichen, wie irgendetwas davon profitabel wird. Grumpy Old Geeks, "This Time With Chicks" (30. Juli 2026).

Und eine Erinnerung daran, dass mehr Code nicht mehr Wert bedeutet. Im Ökonomie-Podcast Justified Posteriors gruben zwei Ökonomen ein neues Forschungspapier aus, das misst, was KI-Coding-Tools tatsächlich mit dem Output anstellen. Die Rohzahlen sind gewaltig: Die Einführung eines asynchronen Coding-Agenten führte zu einer 17-fachen Zunahme der Codezeilen, ein synchroner Agent zu etwa dem 10-Fachen, und einfache Autovervollständigung zu etwa dem 2-Fachen. Aber sehen Sie, was passiert, wenn man sich vom „Tippen“ zum „Ausliefern“ bewegt: Sobald man bei tatsächlichen Software-Releases ankommt, lieferten dieselben Agenten nur noch eine 30-prozentige Zunahme. Sie nennen es „Abschwächung“ – die Gewinne verdunsten die Kette hinauf. Und zoomt man auf das gesamte Ökosystem heraus, werden zwar mehr Apps produziert, aber „wir scheinen keinen Anstieg bei den Downloads zu sehen“. Das Fazit, in ihren Worten: „Wenn man sich umschaut, sieht man deutlich mehr Code, aber es ist nicht klar, dass das für uns bereits zu erstaunlich besserer Software geführt hat.“ Justified Posteriors, "Is AI Replacing Programmers or Boosting Them?" (27. Juli 2026).

Die Kostenecke: Die Rechnung hat aufgeholt

Das ist das Thema, das diese Woche am lautesten hervorzuheben ist. Ein Jahr lang lautete die Geschichte: „KI lässt Sie die Lohnsumme ersetzen.“ Diese Woche wurde daraus: „… und dann wuchs die KI-Rechnung auf die Größe der Lohnsumme.“

Beginnen wir mit der Zahl, die alle zitieren. Auf NVIDIAs Entwicklerkonferenz im März stellte CEO Jensen Huang ein Gedankenexperiment vor, das seither ein Eigenleben entwickelt hat: Nehmen Sie einen Software-Ingenieur, den Sie mit 500.000 Dollar im Jahr bezahlen, und fragen Sie am Jahresende, was er für Token ausgegeben hat. Wenn die Antwort weniger als 250.000 Dollar lautet, sagte Huang, wäre er „zutiefst alarmiert“. Mit anderen Worten: Ein gut ausgestatteter Ingenieur sollte eine Viertelmillion Dollar KI pro Jahr verbrennen. Wie ein Skeptiker trocken anmerkte: „Jensen Huang hat ein kommerzielles Interesse daran, das zu sagen. Das ist der Typ, der die Bleistiftfabrik betreibt und Ihnen Bleistifte verkauft.“ Aber die Aussage verbreitet sich: Ein Redner beschrieb, wie auf einer Konferenz in Las Vegas drei aufeinanderfolgende Präsentatoren sie zitierten, als wäre sie eine feststehende Tatsache.

Wie sich „250.000 Dollar pro Ingenieur“ von unten anfühlt. Die beste Berichterstattung darüber kam von The Catalyst by Softchoice, das einen Finanzanalysten namens Benjamin durch ein firmeninternes KI-Pilotprojekt begleitete. Er bekam ein Token-Budget, zuerst 150 Dollar, dann 250 Dollar im Monat. Innerhalb von zwei Tagen hatte er 60 Dollar davon für Excel-Arbeit verbrannt, geriet in Panik und begann zu rationieren: „Ich habe angefangen, es nur noch für hochprioritäre Excel-Modelländerungen zu verwenden, einfach um nicht meine 250 Dollar im Monat aufzubrauchen.“ Er hortet inzwischen Token für einen Notfall, der nie eingetreten ist, erledigt Arbeit „absichtlich auf die langsame Art“ und gab zu, das Tool habe „die Art, wie ich arbeite, grundlegend verändert“ – bis der Zähler es ihm wieder wegnahm: „Ich hätte fast meine Eigenständigkeit verloren.“ Am anderen Ende des Spektrums beschrieb dieselbe Folge einen Ingenieur bei Meta, der ein internes Dashboard namens „Claude Economics“ baute, das alle 85.000 Mitarbeiter nach Token-Verbrauch rankte; die Top 250 erhielten Abzeichen wie „Token Legend“ und „Cash Wizard“. In einem einzigen 30-Tage-Fenster verbrannte das Meta-Personal mehr als 60 Billionen Token, wobei allein der größte Einzelnutzer rund 281 Milliarden Token anhäufte (Mark Zuckerberg schaffte es nicht in die Top 250). Meta schaltete das Dashboard zwei Tage nach dem Leak ab.

Der makroökonomische Rahmen aus derselben Folge ist der Teil, den man verinnerlichen sollte: Da Anbieter von Preisen pro Sitzplatz auf Preise pro Token umsteigen, „haben manche Unternehmen die Kosten um das 7-, 10-, 20-Fache steigen sehen“, bis zu dem Punkt, dass „man jetzt buchstäblich Leute sieht, die für ihre KI-Token fast so viel zahlen wie für ihre Ingenieurmitarbeiter“. Ubers CTO sagte bereits im April, das Unternehmen habe sein gesamtes KI-Budget für 2026 verbrannt – das ganze Jahr, in vier Monaten aufgebraucht. Und Gartners neueste Prognose beziffert die weltweiten KI-Ausgaben in diesem Jahr auf 2,59 Billionen Dollar, ein Plus von 47 %, während Gartners eigener Analyst einräumt: „CIOs kämpfen damit, den Wert nachzuweisen.“ The Catalyst by Softchoice, "The Token Burn Episode: What Happens When Your Software Bill Has No Ceiling" (29. Juli 2026).

Die Gegenreaktion auf „Token-Maxing“. Bei Tech Talks widersprach eine Führungskraft von SnapLogic der Jensen-Logik vehement, nannte das „mehr ausgeben, um besser zu sein“-Argument „motiviertes Denken“ und zitierte Goodharts Gesetz: „In dem Moment, in dem die Kennzahl zum Ziel wird, hört sie auf, eine nützliche Kennzahl zu sein.“ SnapLogics eigener Ansatz ist aufschlussreich: Jeder Ingenieur bekommt seinen eigenen, in der Telemetrie sichtbaren API-Schlüssel, mit „weichen Grenzwerten“, die die Nutzung bei einem Ausschlag pausieren, gefolgt von einem Gespräch: „Hey, was hat diesen Ausschlag verursacht?“ Es geht nicht darum, die Kosten zu deckeln, sondern darum, Kompetenz aufzubauen. Er wies außerdem auf eine neue Website, tokenspend.org, hin, auf der ein Unternehmen namens TechWolf seine eigenen KI-Ausgaben pro Kopf veröffentlicht, damit andere sich daran messen können – der Beginn eines tatsächlichen Marktpreises für „was das pro Mitarbeiter kosten sollte“. Tech Talks, "The Truth About Token Maxing: Why Your AI ROI Is an Illusion" (29. Juli 2026).

Token-Budgets werden zu einem Posten wie jedem anderen. Bei [Un]Churned beschrieb Saumyo Mukherjee von Braze, wie das Unternehmen dies formalisiert: Jede Abteilungsleitung erhält ein auf ihr Team zugeschnittenes Token-Budget, und „jede einzelne Person wird X Dollar pro Monat an Token zur Verfügung haben“. Braze beobachtet die Nutzung ein Quartal lang und teilt dann neu zu – ein Engineering-Team wird zu Recht deutlich mehr verbrauchen als ein HR-Team. Seine Philosophie zum Zielkonflikt zwischen Kosten und Fähigkeit: „Uns sollten die nackten Dollarbeträge nicht kümmern, solange wir den ROI rechtfertigen können … Braze hat die richtige Entscheidung getroffen, ja, auch wenn es mehr kostet, solange die Kosten gerechtfertigt sind.“ [Un]Churned, "Vibe Coding Is a Bandaid on a Bandaid ft. Saumyo Mukherjee (Braze)" (29. Juli 2026).

Das Überdruckventil: das günstige Modell einwechseln. Der Gegenzug zu außer Kontrolle geratenen Rechnungen findet bereits in der Praxis statt, laut The Rundowns Deep Dive über Chinas neues Kimi-K3-Modell. Unternehmen lernen, Arbeit nach Kosten zu routen: „DoorDash sagte, sie nutzen die Moonshot-Modelle für einfachere Arbeiten und Anthropics Modelle für ihre anspruchsvollsten Spitzenaufgaben.“ Airbnb betreibt seine Kundenservice-Agenten „größtenteils auf Alibabas Qwen-Modell“, CEO Brian Chesky sagt, es sei „schnell und günstig“, und selbst Microsoft testet Berichten zufolge, ob Kimi K3 Funktionen in Copilot antreiben könnte. Die Preislücke ist die ganze Geschichte: Kimi K3 kostet etwa 15 Dollar pro Million Output-Token, gegenüber rund 30 Dollar für OpenAIs Spitzenmodell und 50 Dollar für Anthropics Fable 5 – ein Abschlag von 50–70 % bei nahezu Spitzenleistung. Der Markt bemerkte es: Ein Analyst schätzte, dass am Tag nach Kimis Markteinführung rund 314 Milliarden Dollar von den Bewertungsschätzungen für OpenAI und Anthropic abgeschnitten wurden. The Rundown, "Deep Dive: Did China Break the AI Trade Again?" (25. Juli 2026).

Und eine Zahl, die den gesamten Wandel einfängt. Bei The Accounting Podcast zitierten die Moderatoren Daten des Spend-Management-Unternehmens RAMP: Seit Juni 2025 haben RAMP-Kunden 20,7-mal mehr für Token-Ausgaben ausgegeben. Ein Teil davon ist schlicht der Wechsel von „wir haben alle 20 Dollar im Monat für unbegrenzt bezahlt“ zu nutzungsbasierter Preisgestaltung, aber wie es ein Moderator ausdrückte: „Gibt es irgendeine andere vergleichbare Geschäftsausgabe, die einen so drastischen Anstieg erlebt hat?“ Das Einzige, was ihnen einfiel, waren NVIDIA-Chips. The Accounting Podcast, "IRS Chief Spied on Colleagues & Out of Control AI" (31. Juli 2026).

Der rote Faden

Die Gründer, die mit sechs Leuten 50-Millionen-Dollar-Unternehmen aufbauen, und die CIOs, die auf das 20-Fache angewachsene Token-Rechnungen anstarren, beschreiben dasselbe Phänomen von entgegengesetzten Enden aus. KI erlaubt es tatsächlich einer Handvoll Menschen, das zu leisten, wofür früher hundert nötig waren: Hulken, JC Vacation Rentals, Freight Hero und Andrea Palacios Landschaftsbauunternehmen sind keine Hypothesen, es sind operative Unternehmen mit echten Zahlen. Aber die Kosten der Arbeit sind nicht verschwunden, sie haben sich verlagert. Sie wanderten von einer Lohnsummen-Zeile, die man vorhersagen konnte, zu einem Token-Zähler, den man nicht vorhersagen kann, und an der Front beginnen sich die beiden Zahlen einander anzunähern. Die Gewinner der nächsten Jahre werden nicht diejenigen sein, die die meisten Leute feuern oder die meisten Token verbrauchen. Es werden diejenigen sein, die den Wechselkurs zwischen beidem herausfinden.