Der Chef des Sicherheitskonzerns Palo Alto Networks fordert einen Preissturz bei Künstlicher Intelligenz von bis zu 90 Prozent. Sonst, so seine Warnung, bleibt die breite Nutzung in den Unternehmen aus. Hinter der Ansage steckt ein Rechenproblem, das jede Budgetplanung betrifft.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügenDie KI-Kosten eines einzigen Konzerns summieren sich bei Palo Alto Networks auf rund 870.000 Euro pro Tag, Tendenz steigend. Vorstandschef Nikesh Arora nennt diese Rechnung gegenüber dem US-Sender CNBC als Beleg dafür, warum Künstliche Intelligenz für den flächendeckenden Einsatz noch zu teuer ist.[1]
Das Wichtigste in Kürze
- Arora fordert, dass die KI-Preise binnen eines Jahres auf etwa ein Fünftel und im Jahr darauf auf rund ein Zehntel des heutigen Niveaus fallen, insgesamt also um bis zu 90 Prozent.
- Palo Alto Networks gibt schon jetzt rund 870.000 Euro täglich für KI-Token aus; bei breiter Einführung könnten es 1,7 bis 2,6 Millionen Euro pro Tag werden.
- Der eigentliche Kostentreiber sind KI-Agenten: Eine Chat-Anfrage löst einen Modellaufruf aus, eine Agenten-Sitzung viele Hundert.
- Uber hatte sein gesamtes KI-Budget für 2026 bereits im April aufgebraucht und wägt Token-Ausgaben inzwischen gegen neue Entwicklerstellen ab.
Warum steigt die Rechnung, während die Preise fallen?
Auf den ersten Blick widerspricht sich diese Klage. Sinkende Stückpreise: Der Preis pro Million Token fällt seit Monaten, und OpenAI meldet für sein jüngstes Modell eine um 54 Prozent höhere Token-Effizienz beim agentischen Programmieren. Aroras trockener Kommentar dazu: „54 Prozent sind ein guter Anfang. Wir brauchen wahrscheinlich noch eine Runde.“
Der Haken liegt in der Menge. Der Agenten-Multiplikator: Eine klassische Chat-Anfrage erzeugt einen einzigen Modellaufruf. Ein KI-Agent zerlegt dieselbe Aufgabe in viele Schritte, ruft Werkzeuge auf und startet Unteragenten, sodass pro Auftrag ein Vielfaches an Token anfällt.
Der Stückpreis sinkt also, während der Verbrauch je Aufgabe explodiert. Genau deshalb bilden reine KI-Coding-Benchmarks die tatsächliche Belastung kaum noch ab, und Anbieter wie xAI werben mittlerweile mit Tempo und Preis statt Spitzenwerten.
Was kostet KI ein Unternehmen wirklich?
Arora unterlegt seine Forderung mit einer konkreten Zahl. 870.000 Euro am Tag: So viel zahlt Palo Alto Networks derzeit für KI-Token, das ergibt rund 318 Millionen Euro im Jahr (umgerechnet zum Kurs von 0,87 US-Dollar je Euro, Stand Juli 2026).
Bei breiter Einführung im ganzen Konzern rechnet Arora mit 1,7 bis 2,6 Millionen Euro pro Tag. Reales Preisschild: Dass solche Summen keine Theorie sind, hat Uber vorgemacht: Der Fahrdienst hatte sein KI-Jahresbudget 2026 schon im April erschöpft und stellt Token-Ausgaben seither gegen die Kosten neuer Stellen.
Trotz der Kritik bleibt Arora optimistisch. „Die Nachfrage ist weiterhin unendlich, und solange man einer unendlichen Nachfragekurve gegenübersteht, pendeln sich all diese Dinge mit der Zeit ein“, so Arora gegenüber CNBC.
Die KI wird pro Token billiger und pro Aufgabe zugleich teurer. Entscheider, die nur auf den Listenpreis schauen, verkalkulieren sich beim Budget für das nächste Jahr.
— Markus Seyfferth, Chefredakteur Dr. Web
Klassische Chat-Anfrage
Eine Frage, eine Antwort: Der Verbrauch bleibt überschaubar und gut planbar.
Autonomer KI-Agent
Der Agent zerlegt die Aufgabe, ruft Werkzeuge auf und startet Unteragenten. Pro Auftrag fällt ein Vielfaches an Token an.
Was deutsche Entscheider jetzt tun sollten
Für den Mittelstand verschiebt der Agenten-Multiplikator die Budgetlogik. Verbrauch statt Sitzplatz: Die vertraute Lizenz je Nutzer weicht einer nutzungsabhängigen Abrechnung, deren Höhe sich im Voraus kaum kalkulieren lässt. Für den produktiven Einsatz von Künstlicher Intelligenz empfiehlt sich deshalb ein Kostenkorridor statt eines Festbetrags.
Gegen ausufernde Rechnungen helfen mehrere Hebel. Deckeln und routen: Feste Nutzungsobergrenzen je Team begrenzen die Ausgaben, und ein gezieltes Modell-Routing schickt einfache Aufgaben an günstigere Modelle. Denselben Spardruck belegt der Fall, dass Unternehmen ihre Anweisungen an die KI radikal kürzen.
Der Preisdruck erklärt zugleich den Boom bei offenen Modellen. Souveränität als Nebeneffekt: Frei verfügbare Systeme wie Tencents Hunyuan oder lokal betriebenes GLM 5.2 drücken nicht nur die Token-Rechnung, sondern halten sensible Daten im eigenen Haus und entschärfen so Fragen nach DSGVO und US-Cloud.
Aroras Zwei-Stufen-Prognose bleibt zunächst ein Versprechen, keine Garantie. Jetzt messen: Sinnvoll ist, die Kosten je erledigter Aufgabe zu erfassen, bevor Agenten flächendeckend ausgerollt werden. Erst diese Zahl zeigt, ob ein Anwendungsfall den Aufpreis für autonome KI überhaupt wert ist.
Quelle
[1] CNBC: „Palo Alto CEO Arora says AI pricing needs to fall 90% as token costs skyrocket“ ↩
