Unabhängigkeit ist keine Ideologie. Es ist Risikomanagement.

Zwischen Anfang 2025 und Frühjahr 2026 sind die Preise für ein Spitzenmodell um 60 bis 80 Prozent gefallen. Anthropic senkte die Kosten für Claude in einem einzigen Schritt um rund zwei Drittel. Google machte Gemini Flash fast zum Nulltarif. DeepSeek aus China lieferte Frontier-Leistung zu einem Bruchteil der Trainingskosten und zwang damit alle anderen nachzuziehen. Heute liegt der Boden bei etwa 25 Cent pro Million Token. Vor drei Jahren kostete dasselbe das Achtzig- bis Hundertfache.

Das klingt nach einem Geschenk. Es ist keines.

Wer Marktanteile mit Tiefstpreisen kauft, kauft nicht Ihre Sympathie. Er kauft Ihre Gewohnheit. Ihre Workflows. Ihr Urteilsvermögen, das sich an ein bestimmtes Modell gewöhnt. Nennen wir es Sedierung durch Subvention: Man hält Sie ruhig, bis Sie nicht mehr weg können.

Der Ablauf ist überall derselbe. Zuerst fühlt sich KI billig an. Dann nutzt das Team sie überall. Dann verschmelzen Prozesse, Automationen und Entscheidungen mit dem einen Anbieter. Und irgendwann kommt die Preismacht, und mit ihr die echten Kosten.

Diese Phase hat bereits begonnen. Zwischen Februar und Juni 2026 stellten OpenAI, Anthropic und GitHub ihre Abrechnung von Pauschalen auf nutzungsbasierte Token-Modelle um. Plötzlich wurde sichtbar, was vorher quersubventioniert war. Microsoft verlor mit jedem GitHub-Copilot-Abo im Schnitt rund 20 Dollar pro Monat, bei Vielnutzern bis zu 80. Solche Verluste trägt niemand ewig.

Billiger heisst nicht günstiger

Jetzt kommt der Teil, den die meisten übersehen. Der Preis pro Token ist seit der GPT-3-Ära um über 99 Prozent gefallen, und trotzdem sind die KI-Rechnungen vieler Unternehmen im selben Zeitraum nicht gesunken, sondern auf das Dreifache gestiegen.

Das ist kein Widerspruch, sondern ein altes ökonomisches Gesetz. Der englische Ökonom William Jevons beschrieb es schon 1865: Wird eine Ressource effizienter und billiger, sinkt nicht der Verbrauch, er steigt. Was vorher zu teuer war, wird plötzlich machbar. Genau das passiert mit KI. Sobald Token fast nichts mehr kosten, baut man agentische Systeme, die pro Aufgabe das Fünfzig- bis Fünfhundertfache verbrauchen. Billiger Treibstoff senkt nicht die Spritrechnung, wenn man gleichzeitig anfängt, doppelt so viel zu fahren.

Heisst konkret: Der niedrige Preis ist der Köder, nicht das Geschäftsmodell. Die Abhängigkeit kommt zuerst, die Rechnung kommt danach.

Der Notausgang ist auch eine Falle

«Dann gehe ich halt zu Open Source» ist die naheliegende Antwort. Tatsächlich sind die offenen Modelle stark geworden. DeepSeek und Qwen kamen von zusammen einem Prozent Marktanteil Anfang 2025 auf rund fünfzehn Prozent ein Jahr später. Vier der fünf führenden offenen Modelle stammen heute aus China.

Aber Vorsicht mit dem Wort «Open Source». Die wenigsten dieser Modelle sind das. Sie sind «Open Weight»: Sie bekommen die fertigen Gewichte, aber nicht die Trainingsdaten und nicht den vollen Bauplan. Eine Blackbox, die Sie zwar lokal betreiben dürfen, aber nicht wirklich durchschauen. Und gratis ist auch hier kein Wohltätigkeitsakt. Gratis ist die Methode, mit der die Anbieter sich Ihre Abhängigkeit kaufen, manche davon mit staatlicher Rückendeckung.

Ich halte das ausdrücklich nicht für eine Verschwörung. Subventionieren ist ein legitimes Geschäftsmodell. So sind viele moderne Dienste gestartet, von der Suchmaschine bis zum Fahrdienst. Der Punkt ist nicht «die Konzerne tricksen uns aus». Der Punkt ist: Verlassen Sie sich nicht darauf, dass die Grosszügigkeit bleibt.

Nicht «proprietär böse, offen gut»

Die bequeme Erzählung lautet «proprietär böse, Open Source gut». Sie ist zu einfach. Grosse KI braucht grosse Anbieter, die Rechenzentren, das Kapital, die Forschung. Sie entkommen ihnen nicht, und Sie müssen es auch nicht. Was Sie aufbauen können, ist etwas anderes: Verhandlungsmacht.

Verhandlungsmacht entsteht aus vier Prinzipien. Erstens, die teuren Spitzenmodelle nur dort einsetzen, wo die Arbeit es wirklich verlangt. Nicht jede Aufgabe braucht das stärkste Modell. Zweitens, günstigere oder lokale Modelle nutzen, wo «gut genug» reicht, und überall dort, wo Kontrolle, Kosten und Datenschutz zählen. Drittens, keine Workflows bauen, die nur ein einziger Anbieter ausführen kann. Wer seine Prozesse an eine modellneutrale Zwischenschicht hängt statt direkt an einen Anbieter, kann das Modell wechseln, ohne alles neu zu bauen. Viertens, den Ausgang planen, bevor man ihn braucht. Wer erst nach dem Exit sucht, wenn die Preise schon steigen, sucht zu spät.

Was bedeutet das für ein Unternehmen in der Schweiz?

Für ein Schweizer KMU kommt ein zweiter Hebel dazu, der nichts mit dem Preis zu tun hat: die Daten. Wer Kundendaten durch das Modell eines amerikanischen oder chinesischen Anbieters schickt, trifft damit auch eine Entscheidung über Datensouveränität, oft ohne es zu merken. Zwei von drei KMU experimentieren bereits mit KI. Die wenigsten haben festgelegt, welche Daten das Haus verlassen dürfen und welche nicht.

Genau hier zahlt sich die Tiering-Logik doppelt aus. Das billige Cloud-Spitzenmodell für die unkritische Textarbeit. Das lokale oder schweizerische Modell für alles, was Kundendaten oder Geschäftsgeheimnisse berührt. Nicht aus Ideologie. Aus Risikomanagement.

Denn darum geht es. Unabhängigkeit ist kein Glaubensbekenntnis und keine Bastelei für Nerds mit einem Server im Keller. Sie ist eine nüchterne Wette gegen den Tag, an dem sich die Bedingungen ändern. Und dieser Tag kommt, bei jedem Anbieter, der heute zu gut zu Ihnen ist.

Bauen Sie Ihren Ausgang, solange Sie ihn nicht brauchen. Später ist er teurer.

Quellen

• TokenMix: AI API Pricing War 2026 — Costs Dropped 60–80% (tokenmix.ai)
• NavyaAI: AI Token Cost Over Time — Down 99.7%, Bills Up 3x (navyaai.com)
• The Next Web: Token prices fell 98%, enterprise AI bills tripled (thenextweb.com)
• digitalapplied: Open-Weight Models H1 2026 — DeepSeek, Qwen, Llama Recap (digitalapplied.com)
• TrueFoundry: AI Gateways 2026 / Vendor Lock-in Prevention (truefoundry.com)
• nume.ch: Datensouveränität Schweiz 2026; KI-Nutzung Schweiz 2026