KI auf dem Zähler: Warum der Tokenpreis fällt und die Rechnung trotzdem steigt

Seit dem 16. Juni ist Microsofts Copilot Cowork allgemein verfügbar — ein Agent, der mehrstufige Aufgaben in Microsoft 365 selbständig abarbeitet: Quellen lesen, Daten ziehen, Werkzeuge aufrufen, Dokumente erzeugen.

Interessanter als die Funktion ist das Preisschild. Cowork ist nicht im Abonnement enthalten. Eine bezahlte Microsoft-365-Copilot-Lizenz (rund 30 US-Dollar je Nutzer und Monat) ist nur die Eintrittskarte. Die tatsächliche Nutzung wird separat abgerechnet — nach Verbrauch, in Copilot Credits zu 0,01 USD je Credit. Wie viele Credits eine Aufgabe kostet, hängt von vier Dingen ab: welches Modell gewählt wird, wie viele Daten in den Kontext wandern, wie viele Werkzeuge aufgerufen werden und wie lange der Agent arbeitet.

Für die Budgetverantwortung ist das ein Wechsel der Kostenlogik: Bisher war KI im Büropaket ein Mobilfunkvertrag — fester Betrag, planbare Zeile. Jetzt ist sie eine Stromrechnung: Sie zahlen für Verbrauch, und der Verbrauch hängt von Verhalten ab, das Sie vorher nicht kennen.

Die Budgetgrenze, die nicht bremst

Microsoft liefert Kontrollwerkzeuge mit: Ausgabengrenzen auf Ebene der Organisation, der Gruppe und des einzelnen Nutzers, Warnungen, Berichte — und Cowork ist standardmäßig deaktiviert. Der Haken steckt im Detail: Im Pay-as-you-go-Modell warnen die Budgetgrenzen nur, sie blockieren nicht. Der Dienst läuft nach Überschreiten der Schwelle weiter, und die Benachrichtigung kann bis zu 24 Stunden verzögert eintreffen.

Das Budget ist damit eine Reservelampe, keine Bremse. Wer im Vertrag oder in der internen Freigabe von einer harten Grenze ausgeht, geht von etwas aus, das das Produkt nicht leistet.

Das Paradox: Der Tokenpreis fällt, die Rechnung steigt

Der erste Reflex lautet: Wenn Modelle billiger werden, sinken die Kosten. Modelle werden tatsächlich billiger, und zwar schnell. Ein Spitzenmodell, das 2024 noch 15 USD je Million Eingabe-Token und 75 USD je Million Ausgabe-Token kostete, liegt in neueren Versionen bei 5 bzw. 25 USD — rund dreimal günstiger. Gartner erwartet bis 2030 einen Rückgang der Inferenzkosten um über 90 % auf Anbieterseite — und schreibt im selben Atemzug, dass diese Ersparnis nicht vollständig an die Kunden weitergegeben wird.

Die Gesamtrechnungen steigen trotzdem. Der Grund liegt nicht im Stückpreis, sondern im Volumen:

• Ein KI-Agent verbraucht laut Gartner 5- bis 30-mal mehr Token pro Aufgabe als ein einfacher Chatbot — weil er statt einer Antwort eine Schleife fährt: planen, Daten holen, Werkzeug aufrufen, Ergebnis prüfen, korrigieren, erneut versuchen.
• Das sind oft 10 bis 20 Modellaufrufe pro Anweisung.
• Dazu kommen Reasoning-Token: Das Modell führt vor der Antwort einen langen inneren Monolog, den Sie nicht sehen, aber wie reguläre Ausgabe bezahlen.

Kein Microsoft-Sonderweg, sondern ein Branchentrend

Cowork ist das lauteste Beispiel, nicht das einzige. Die Bewegung vom Preis pro Arbeitsplatz zum Preis pro Verbrauch geht durch die gesamte Werkzeugkategorie:

• GitHub Copilot ist zum 1. Juni 2026 vollständig auf Verbrauchsabrechnung umgestellt; zuvor gab es „Premium Requests“ mit Monatskontingent und Aufpreis, wobei stärkere Modelle das Kontingent mit einem Multiplikator belasteten — die teuersten zählten wie zehn Anfragen.
• Cursor änderte die Preisregeln so unglücklich, dass sich die Geschäftsführung öffentlich entschuldigte und Geld zurückzahlte.
• Replit stellte auf „Abrechnung nach Aufwand“ um und erntete Beschwerden über Überraschungsrechnungen — einzelne Nutzer berichteten von rund 1.000 USD in einer Woche statt 200 USD im Monat.
• Selbst Anthropic führte wöchentliche Limits für besonders aktive Nutzer ein.

Der Verhandlungsfall hat sich geändert: von der Lizenz zur Cloud

Das alte Verhandlungsdrehbuch ist damit veraltet. KI zu kaufen ähnelt immer weniger dem Lizenzkauf pro Arbeitsplatz (Stückpreis verhandeln, ein Jahr Ruhe) und immer mehr dem Cloud-Einkauf: Man verhandelt Volumenzusagen, Rabatte gegen Commitment, Obergrenzen und Abschaltmechanismen.

Microsoft bildet das selbst ab — neben Pay-as-you-go gibt es eine Vorab-Zusage gegen Rabatt sowie Kapazitätspakete (in der Größenordnung von 200 USD für 25.000 Credits im Monat). Wer bisher ein Enterprise Agreement verhandelt hat, muss jetzt wie mit einem Cloud-Anbieter verhandeln:

• Welches Volumen sagen wir zu — und was passiert bei Unterschreitung?
• Gibt es echte Obergrenzen, oder nur Benachrichtigungen?
• Wie werden Preise pro Credit über die Laufzeit fixiert?
• Was kostet ein Wachstumsszenario, das doppelt so viel Verbrauch bringt?

Die Rechnung für Unaufmerksamkeit

Teuer sind in diesem Modell nicht die geplanten Aufgaben. Teuer sind die, die niemand beaufsichtigt hat. Der am besten dokumentierte Fall: 47.000 USD in elf Tagen, verbrannt von zwei Agenten, die sich gegenseitig ohne Limit Anfragen zuspielten. Die Kosten wuchsen Woche für Woche von 127 auf 18.400 USD — aufgefallen ist es erst auf der Rechnung.

Die Anekdote ist weniger wichtig als der Mechanismus dahinter: Im Verbrauchsmodell ist Kosten eine Funktion von Verhalten — und Verhalten lässt sich schlecht vorhersagen. Drei Dinge hören damit auf, „nice to have“ zu sein:

1. Harte Grenzen, die tatsächlich abschalten — nicht nur eine Mail senden.
2. Sichtbarkeit des Verbrauchs nahezu in Echtzeit.
3. Eine bewusste Entscheidung, welche Aufgaben überhaupt an das teuerste Modell gehen.

Der unterschätzte Hebel: Modell zur Aufgabe, nicht Aufgabe zum Modell

Nicht jede Aufgabe braucht ein Spitzenmodell. Eine E-Mail zusammenfassen, ein Ticket klassifizieren, Positionen aus einer Rechnung ziehen, die erste Fassung eines RFx: Das leistet heute ein offenes Modell (open-weight) auf eigener Hardware — zu null Tokenkosten. Das teure Cloud-Modell bleibt dort, wo es wirklich einen Unterschied macht: komplexes Schlussfolgern, schwierige Analyse, Code.

Die offene Modelllandschaft ist Mitte 2026 erstaunlich reif. In der leichten Klasse (7–14 Mrd. Parameter) reichen Modelle wie Qwen3, Gemma 3 oder Phi-4 für Chat, Zusammenfassungen und Dokumentensuche. In der Mittelklasse liefern MoE-Architekturen (nur ein Teil des Modells arbeitet gleichzeitig) Qualität nahe deutlich größerer Modelle und passen auf eine einzelne 24-GB-Karte. Oben stehen große MoE-Modelle, die einen Server verlangen, aber nahe an kommerzielle Spitzenmodelle heranreichen. Entscheidend für Unternehmen: Die Lizenzen (Apache 2.0, MIT) erlauben kommerzielle Nutzung und eigenes Hosting ohne Gebühr.

Datenhoheit ist die zweite Rechnung

Für Unternehmen in der EU löst ein lokal betriebenes Modell ein Problem, das in keinem Preisblatt steht. Dabei sind zwei Dinge zu trennen, die gern verwechselt werden: Datenresidenz (wo der Server physisch steht) und Datenhoheit (wer die ausschließliche rechtliche und technische Kontrolle hat). Daten können in Frankfurt liegen und trotzdem dem US-CLOUD-Act unterliegen, wenn der Betreiber ein US-Unternehmen ist. Ein vollständig selbst betriebenes Modell ohne Aufrufe an eine externe Schnittstelle ist der einzige Weg zu wirklich vollständiger Kontrolle.

Der regulatorische Rahmen dazu hat sich gerade verschoben — zugunsten derer, die jetzt vorbereiten. Mit der Verordnung (EU) 2026/1744, in Kraft seit dem 27. Juli 2026, gelten die Kernpflichten für Hochrisiko-Systeme später als ursprünglich geplant: für die Anwendungsfälle aus Anhang III — unter anderem Personalauswahl und Kreditbewertung — ab dem 2. Dezember 2027, für KI als Produkt oder Sicherheitsbauteil nach Anhang I ab dem 2. August 2028. Zum 2. August 2026 greifen dagegen die Transparenzpflichten, etwa die Kennzeichnung KI-generierter Inhalte.

Auch beim Bußgeldrahmen lohnt die Unterscheidung: Die viel zitierten 35 Mio. EUR oder 7 % des weltweiten Umsatzes betreffen die verbotenen Praktiken nach Artikel 5. Für die Pflichten rund um Hochrisiko-Systeme liegt der Rahmen bei 15 Mio. EUR oder 3 % (Artikel 99 Absatz 4).

Einkaufsseitig ist das keine Entwarnung, sondern ein Zeitfenster: Wer jetzt Anbieter auswählt, Nachweise vereinbart und Klauseln verhandelt, tut das ohne Fristendruck — und entscheidet in Ruhe, welche Verarbeitung aus Gründen der Datenhoheit im eigenen Haus bleibt.

Es geht nicht darum, aus der Cloud auszuziehen. Es geht um eine Gewohnheit — und es ist eine reine Einkaufsgewohnheit: Bevor Sie die nächste KI-Rechnung freigeben, fragen Sie, was diese konkrete Aufgabe wirklich verlangt.

Im Zählermodell gewinnt nicht, wer das beste Modell hat, sondern wer das Werkzeug am besten zur Aufgabe wählt. Das ist exakt die Disziplin, die der Einkauf seit jeher betreibt — angewendet auf eine neue Art von Verbrauch.

Quellen

• Microsoft 365 Blog, Copilot Cowork allgemein verfügbar: microsoft.com
• Microsoft Learn, Copilot Pay-as-you-go (Budgets nur benachrichtigend): learn.microsoft.com
• Gartner, über 40 % der Agenten-Projekte bis Ende 2027 eingestellt: gartner.com
• Gartner, Inferenzkosten −90 % bis 2030 (nicht voll weitergegeben): gartner.com
• Cockroach Labs / Gartner, Token-Verstärkung 5–30×: cockroachlabs.com
• GitHub Blog, Copilot auf Verbrauchsabrechnung: github.blog
• TechStartups, 47.000 USD in elf Tagen durch Agenten-Schleife: techstartups.com
• Verordnung (EU) 2026/1744 (Digital Omnibus on AI), geänderte Anwendungsfristen in Artikel 113 AI Act: eur-lex.europa.eu
• AI Act (Verordnung (EU) 2024/1689), Artikel 99 zu den Bußgeldrahmen: eur-lex.europa.eu

Rechtsstand: 28. Juli 2026. Dieser Beitrag ist keine Rechtsberatung.