15.000 Yen im Monat sind teuer. Das muss man nicht schönreden.
Der spontane Gedanke lautet eher: „Es ist doch KI – geht auch 500 Yen im Monat? Bitte 🙏“
Die Rechnung verändert sich jedoch, wenn man den Vergleich verändert. Statt den Preis mit Streaming oder gewöhnlicher Software zu vergleichen, sollte man ihn mit den Stunden vergleichen, die früher abends und am Wochenende für Fehlersuche, Recherche, Logsuche, Kontextaufbau und Versuch-und-Irrtum draufgingen.
Dann bezahlt man nicht nur für „eine KI“. Man bezahlt dafür, persönliche Zeit zurückzubekommen.
Preis pro Frage ist der falsche Nenner
Für einfachen Chat kann die Zahl der Fragen sinnvoll sein. Bei lang laufenden Agenten und verbundenen Werkzeugen liegt der eigentliche Preis aber im menschlichen Explorationsoverhead.
GitHub öffnen, die richtige Datei suchen, sich an den letzten Stand erinnern, Logs lesen, den Fehler reproduzieren, Ursachen ausschließen, korrigieren, testen, Regressionen prüfen und einige Stunden später das ganze Problem erneut in den Kopf laden.
Jeder Schritt dauert vielleicht nur zehn oder zwanzig Minuten. Wiederholt man ihn oft genug, ist der ganze Abend weg.
Der große Wert von KI liegt deshalb nicht in einer eleganten Antwort, sondern darin, diese fragmentierte Kette aus Versuch und Irrtum zu übernehmen.
Die letzten 20 Prozent können teurer sein als die ersten 80
Ein privates Softwareprojekt kann sehr schnell fast fertig aussehen. Die Oberfläche ist da, der Hauptpfad läuft, die Demo überzeugt.
Dann beginnt der teure Teil.
Ein Randfall bricht, alter Zustand bleibt übrig, eine Sprache driftet, eine externe API verhält sich anders, Fix A erzeugt Bug B oder die Tests sind grün, während Produktion anders reagiert.
Die ersten 80 Prozent können Stunden dauern. Die letzten 20 Prozent können Tage oder Wochen verschlingen.
Die menschlichen Kosten bestehen nicht nur aus technischer Schwierigkeit. Man muss das mentale Modell ständig neu herstellen: „Wo war ich? Warum gibt es diese Regel? Welche Bedingung reproduziert den Fehler?“
Darum ist ein Langzeit-Agent besonders wertvoll, wenn er die Kette reproduzieren → diagnostizieren → korrigieren → erneut testen → Regressionen prüfen zusammenhält.
Die ersten 80 Prozent zehnmal schneller zu machen ist nützlich. Die letzten 20 Prozent aus den eigenen Abenden zu entfernen kann noch wertvoller sein.
Externe Integrationen machen aus der KI eine Arbeitskraft
Chat allein ist nützlich. Verbindet man die KI mit GitHub und anderen Werkzeugen, ändert sich ihre Rolle.
Ohne Integration wird der Mensch zum Boten:
ansehen → kopieren → in die KI einfügen → lesen → GitHub öffnen → ändern → Ergebnis kopieren → erneut erklären.
Mit Integration werden mehr Aufgaben zu:
ansehen → vergleichen → ändern → Ergebnis zurücklesen.
Nicht nur die KI wird leistungsfähiger. Der Mensch muss nicht mehr als Middleware dienen.
Einzelprojekte verbinden Recherche, Schreiben, Programmierung, Tests, Daten und Betrieb. Ein breit einsetzbarer verbundener Agent kann die Version von einem selbst, die alles erledigen muss, schrittweise in Rente schicken.
Kontextwechsel sind unsichtbare Überstunden
Microsoft Research hat in Untersuchungen zur Entwicklerproduktivität berichtet, dass Entwickler Tage eher als produktiv wahrnehmen, wenn sie wichtige Aufgaben ohne starke Unterbrechungen und häufige Kontextwechsel abschließen können.[1]
Deshalb zählt nicht nur, ob KI eine 60-Minuten-Aufgabe auf 50 Minuten reduziert.
Wichtiger ist, ob man abends den Laptop gar nicht mehr öffnen und das komplette Problem erneut in den Kopf laden muss.
Ein Bug kann 30 Minuten direkte Reparatur benötigen. Branch, alte Logs, frühere Hypothesen und den Grund für eine Regel wiederzufinden kann mehr Freizeit kosten als der Fix selbst.
Persistenter Kontext und verbundene Werkzeuge reduzieren diese „Reload-Steuer“.
Wie viele Stunden muss ein 15.000-Yen-Abo zurückgeben?
Eine einfache Rechnung lautet:
effektive Kosten pro Stunde = Monatsgebühr ÷ zurückgewonnene Stunden
| Zurückgewonnene Zeit pro Monat | Effektive Kosten pro Stunde |
|---|---|
| 5 Stunden | 3.000 ¥ |
| 10 Stunden | 1.500 ¥ |
| 20 Stunden | 750 ¥ |
Wenn das Abo regelmäßig ein oder zwei volle persönliche Arbeitstage an Abend- und Wochenendarbeit entfernt, kann eine „teure KI“ zu einem günstigen Zeitkauf werden.
Gezählt werden darf allerdings nur Arbeit, die wirklich verschwindet. Wenn schnellere Generierung genauso viel zusätzliche Prüfung erzeugt, wurde Zeit nur verschoben.
DORA beschreibt KI in der Forschung von 2025 als Verstärker der bereits vorhandenen Stärken und Schwächen eines Software-Systems.[2] Eine DORA-Analyse von 2026 weist außerdem darauf hin, dass eingesparte Erstellungszeit häufig in Audit und Verifikation fließt.[3]
Wann teure KI günstig wird
Ein Premium-Plan lässt sich leichter rechtfertigen, wenn er lange Untersuchungen übernimmt, externe Werkzeuge nutzt, bis zur Verifikation durchhält, wiederholte Erklärungen reduziert, Ursachen untersucht und Arbeit ersetzt, die sonst Abende und Wochenenden beanspruchen würde.
Noch wertvoller wird er, wenn eine einzelne Systemverbesserung monatelang zukünftige Arbeit reduziert.
Bei wenigen kurzen Fragen pro Monat ist ein teurer Plan dagegen leicht Verschwendung. Wenn die KI große Mengen erzeugt, die man vollständig manuell prüfen muss, kann auch ein billiges Werkzeug teuer werden.
Um menschliche Eingriffe sicher zu reduzieren, helfen eine verbindliche Quelle der Wahrheit, Berechtigungen, Tests, Readback, Rollback und Fehlerisolierung.[2][4]
Das System reparieren statt den Arbeiter beschuldigen
Wenn ein Mensch denselben Fehler wiederholt, ist „nächstes Mal besser aufpassen“ selten eine nachhaltige Lösung. Für KI gilt dasselbe.
Wenn sie vergisst, braucht es eine Quelle der Wahrheit. Wenn sie unterwegs stoppt, muss Zustand gespeichert werden. Wenn sie zu früh „fertig“ sagt, braucht es echtes Readback. Wenn ein Fehler alles anhält, muss der Fehler isoliert werden.
Man sollte nicht nur ein intelligenteres Modell verlangen. Man sollte ein System bauen, das auch mit einem unvollkommenen Modell robust bleibt.
Ironischerweise werden die Leitplanken, die für ältere schwächere KI gebaut wurden, bei stärkeren Modellen zur Infrastruktur, mit der Menschen aus Routineprozessen herausgenommen werden können.
Eigentlich kauft man Freizeit
Die entscheidende Frage lautet nicht nur: „Sind 15.000 Yen viel Geld für KI?“
Sie lautet: „Wie viel von meinem Leben bekomme ich zurück?“
Ein Betrag in der Größenordnung von ein oder zwei Arbeitstagen Einkommen kann sinnvoll sein, wenn dafür nächtliches Debugging, Logsuche, wiederholte Erklärungen und Trial-and-Error verschwinden. Die zurückgewonnene Zeit kann man zum Schlafen, Spielen oder für interessantere Ideen nutzen.
Wenn Systemverbesserungen auch in späteren Monaten weiter Zeit sparen, wächst der Nutzen kumulativ.
Ja, es ist teuer.
Und trotzdem kann es sich lohnen.
Aber OpenAI: 500 Yen pro Monat wären großartig. 🙏
Etwas kann wertvoll sein und trotzdem dürfte es gern billiger sein.
Quellen
- Microsoft Research, Software Developers’ Perceptions of Productivity (FSE 2014) microsoft.com
- DORA, State of AI-assisted Software Development 2025 dora.dev
- DORA, Balancing AI tensions: Moving from AI adoption to effective SDLC use (2026-03-10) dora.dev
- DORA, Impact of Generative AI in Software Development (updated 2026-04-13) dora.dev
