OpenAI ist zum Gesicht des Booms der generativen KI geworden, doch hinter dem viralen Erfolg steckt eine schwierigere Geschäftsfrage: Kann sich explosives Wachstum in nachhaltige Gewinne übersetzen?
Der Umsatz steigt rasant, aber auch die Kosten für die Entwicklung und den Betrieb modernster KI-Systeme. Die langfristige Tragfähigkeit des Unternehmens hängt nicht davon ab, ob die Technologie funktioniert. Sie hängt davon ab, ob die Wirtschaftlichkeit stimmt.
Aktuellen Berichten auf Grundlage von Unterlagen für Investoren zufolge hat der Jahresumsatz von OpenAI die Milliardenhöhe erreicht, angetrieben durch ChatGPT-Abonnements, Unternehmensverträge und die API-Nutzung. Gleichzeitig gibt das Unternehmen Berichten zufolge hohe Summen für Rechenleistung, Fachkräfte und Infrastruktur aus, was zu erheblichen laufenden Verlusten führt.
Als Privatunternehmen veröffentlicht OpenAI keine geprüften Finanzberichte. Analysten beschreiben jedoch weithin eine Lücke zwischen Umsatzwachstum und Mittelverbrauch, die das Unternehmen letztlich schließen muss.
Die hohen Kosten von Intelligenz
Der Betrieb fortschrittlicher KI-Modelle ist teuer. Jede Nutzeranfrage erfordert Inferenz-Rechenleistung, also leistungsfähige GPUs, Netzwerke, Speicher und die Infrastruktur, die nötig ist, um weltweit Antworten mit geringer Latenz bereitzustellen.
OpenAI veröffentlicht keine Angaben zu den Kosten pro Anfrage, doch die Preisstruktur und Rabattprogramme des Unternehmens, etwa Optionen zur Stapelverarbeitung für API-Nutzer, zeigen, welch zentrale Rolle das Kostenmanagement im Geschäftsmodell spielt.
Das Training modernster Modelle ist noch ressourcenintensiver. Öffentliche Schätzungen zu den Trainingskosten von GPT-4 reichen von mehreren zehn Millionen bis zu etwa 80 Millionen bis 100 Millionen US-Dollar, je nachdem, welche Faktoren in die Berechnung einfließen, etwa Rechenzeit, fehlgeschlagene Trainingsläufe und Forschungsaufwand. Neuere und leistungsfähigere Modelle benötigen in der Regel mehr Daten, mehr Rechenleistung und stärker spezialisierte Ingenieurinnen und Ingenieure – all das treibt die Kosten in die Höhe.
Die Infrastruktur geht zudem über reine Rechenleistung hinaus. Unternehmenskunden erwarten häufig fortschrittliche Sicherheitskontrollen, Unterstützung bei der Compliance, Verwaltungstools und garantierte Service-Level. OpenAI bietet inzwischen spezielle Tarife für Unternehmen und Konzerne an, um diesen Anforderungen gerecht zu werden. Solche Angebote erfordern jedoch zusätzliche Investitionen in Support, Zuverlässigkeit und Integrationsfunktionen.
Unterdessen verschärft sich die Wettbewerbslage. Große Technologieunternehmen integrieren ihre eigenen KI-Modelle in bestehende Cloud-Plattformen und Produktivitätstools, während sich Open-Source-Modelle weiter verbessern.
Open-Source-Optionen können zwar Lizenzkosten senken, doch die Kosten für Hosting, Hardware und Betrieb tragen weiterhin die Unternehmen. In der gesamten Branche nimmt der Preisdruck zu, da die Anbieter um Marktanteile konkurrieren.
Gründe für vorsichtigen Optimismus
Dennoch ist das Bild nicht durchweg düster. Der Umsatz von OpenAI ist innerhalb kurzer Zeit rasant gewachsen, angetrieben durch kostenpflichtige Abonnements und die zunehmende Nutzung durch Unternehmen. Das Unternehmen profitiert zudem von engen Partnerschaften, darunter der Zugang zu umfangreicher Cloud-Infrastruktur über Microsoft.
Und historisch betrachtet sinken die Rechenkosten tendenziell, wenn sich die Hardware verbessert und Workloads effizienter werden. Modernste KI ist heute teuer, doch Kostenkurven in der Technologiebranche bleiben selten dauerhaft unverändert.
Zudem gibt es Anzeichen dafür, dass sich das Geschäftsmodell über die bloße Neugier von Verbrauchern hinausentwickelt.
Unternehmenskunden experimentieren zunehmend mit KI-Tools für den Kundensupport, die Softwareentwicklung, die Dokumentenanalyse und die Automatisierung von Arbeitsabläufen. Wenn diese Anwendungsfälle messbare Produktivitätssteigerungen bringen, könnten Unternehmen bereit sein, ihre Nutzung auszuweiten und längerfristige Verträge abzuschließen – und so besser planbare Umsatzströme zu schaffen.
Effizienzgewinne könnten die Gleichung weiter verändern. Techniken zur Modelloptimierung, eine bessere Auslastung von Chips und Initiativen für maßgeschneiderte Chips in der gesamten Branche zielen darauf ab, sowohl die Trainings- als auch die Inferenzkosten zu senken. Mit der Zeit könnten Verbesserungen bei Architektur und Infrastruktur die Kosten pro Anfrage reduzieren, selbst wenn die Modelle leistungsfähiger werden.
Der Weg zu einer nachhaltigen KI-Ökonomie
Die Herausforderung von OpenAI ist nicht einzigartig. Viele KI-Unternehmen sehen sich mit einer ähnlichen Dynamik konfrontiert: hohe anfängliche Forschungs- und Infrastrukturkosten bei gleichzeitig im Wandel befindlichen Preismodellen.
Nutzungsbasierte API-Preise sind unkompliziert, doch einige Unternehmenskunden prüfen wert- oder ergebnisbasierte Vereinbarungen. Das kann die Prognose und die Umsatzrealisierung erschweren.
Auch die Investoren beobachten die Entwicklung genau. Nach einer anfänglichen Begeisterungswelle rund um die generative KI stellen die Kapitalmärkte inzwischen schwierigere Fragen zu Margen, Effizienz und langfristiger Profitabilität. Ein rasantes Umsatzwachstum bleibt beeindruckend, doch nachhaltige Geschäftsmodelle erfordern planbare Kosten und skalierbare Umsätze.
OpenAI verfügt über mehrere Stellschrauben. Weitere Verbesserungen der Modelleffizienz können die Inferenzkosten senken. Maßgeschneiderte Chips, optimierte Trainingstechniken und ein intelligenteres Workload-Management können dazu beitragen, die Lücke zwischen Kosten und Umsatz zu verkleinern. Der Ausbau margenstärkerer Angebote für Unternehmenskunden könnte die Gesamtwirtschaftlichkeit ebenfalls verbessern.
Das Zeitalter der generativen KI ist kein wissenschaftliches Experiment mehr. Es ist ein Geschäft. Die Technologie von OpenAI hat bereits verändert, wie Menschen schreiben, programmieren und suchen. In der nächsten Phase wird sich zeigen, ob sich dieser Wandel profitabel umsetzen lässt.
Mehr darüber, wie OpenAI die Grenzen der Leistungsfähigkeit und der Fähigkeiten von KI weiter verschiebt, erfahren Sie in diesem Beitrag zum neuen GPT-5.3-Codex-Modell, das 25 % schneller ist und agentenbasierte KI über das Programmieren hinaus erweitert.