Die Zahl klingt eher nach einem staatlichen Großprojekt als nach einem Unternehmensbudget: OpenAI rechnet laut Berichten zwischen 2026 und 2030 mit kumuliert rund 278 Milliarden Dollar negativem freien Cashflow.[1][2]
Gleichzeitig kann ein Nutzer dieselbe Zahl sehen und genau das Gegenteil denken:
Wie kann eine einzelne Person für eine monatliche Gebühr auf all diese Infrastruktur zugreifen?
Recherche, Schreiben, Programmieren, Dokumentanalyse, Vergleiche, Prototypen, Korrekturen, erneute Tests und winzige Fragen können in derselben Oberfläche aufeinander folgen.
Würde man jede Aufgabe einzeln an Menschen auslagern, könnte schon die Koordination teurer werden als manche Aufgabe selbst.
Die Veränderung lautet daher nicht nur: „KI ist billiger.“
Sie lautet: Riesiges Rechenkapital wird geteilt, die kleinste kaufbare Einheit von Wissensarbeit schrumpft drastisch und Übergabekosten zwischen Spezialisten sinken.
1. Die 278 Milliarden Dollar sind kein Jahresverlust
Reuters berichtete unter Berufung auf die Financial Times, OpenAI erwarte zwischen 2026 und 2030 einen Cash-Verbrauch von ungefähr 278 Milliarden Dollar.[1][2]
Dabei handelt es sich um eine kumulierte Prognose negativen freien Cashflows über fünf Jahre, nicht um einen bereits verbuchten Nettoverlust eines einzelnen Jahres.
Laut FT sehen interne Prognosen einen Umsatzanstieg von rund 36 Milliarden Dollar im Jahr 2026 auf etwa 350 Milliarden 2030 vor. Gleichzeitig könnten die kumulierten Ausgaben bis Ende des Jahrzehnts ungefähr 856 Milliarden Dollar erreichen.[2]
Die Geschichte ist also nicht einfach „es gibt keine Kunden“.
Sie lautet eher:
Die Einnahmen sollen sehr schnell wachsen, aber die Ausgaben für Rechenleistung, Rechenzentren, Strom, Netze und Entwicklung noch schneller.
Deshalb kann man den gesamten Cash Burn des Unternehmens auch nicht durch die Anzahl der Chats teilen und so die Kosten eines Gesprächs berechnen. Vorabinvestitionen und Grenzkosten einer zusätzlichen Anfrage sind verschieden.
2. Warum Nutzer trotzdem einen hohen Überschuss erhalten können
In der Ökonomie bezeichnet Konsumentenrente die Differenz zwischen dem höchsten Betrag, den jemand zu zahlen bereit wäre, und dem tatsächlich gezahlten Preis.
Wenn KI pro Monat nur wenig Nutzen bringt und fast genauso viel kostet, ist dieser Überschuss klein.
Wenn dieselbe Gebühr viel Outsourcing, Wartezeit, Wiederholungsarbeit und verlorene Chancen erspart, kann der Überschuss sehr groß sein.
Das ist nicht dasselbe wie OpenAIs Kosten.
Trotzdem begünstigt ein KI-Abo einen solchen Effekt, weil Fixkosten, die für eine einzelne Person untragbar wären, von sehr vielen Nutzern geteilt werden.
Eine Privatperson trainiert kein Frontier-Modell, baut keinen GPU-Cluster, integriert Suche und Speicher und betreibt nicht selbst Sicherheit, Sprache, Bilder und laufende Modellupdates.
Ein Abo vermietet bei Bedarf einen winzigen Teil dieses riesigen Systems.
Das ähnelt Strom aus der Steckdose ohne eigenes Kraftwerk. Nur liefert die Steckdose hier Recherche, Text, Code, Bilder und Schlussfolgerungen.
3. Der wichtigste Bruch könnte die Mindestgröße eines Outsourcing-Auftrags sein
Outsourcing gab es lange vor generativer KI.
Aber jeder menschliche Auftrag hat feste Reibung: jemanden finden, das Ziel erklären, Kontext liefern, Umfang vereinbaren, warten, prüfen, Änderungen verlangen und das Ergebnis an den nächsten Spezialisten übergeben.
Deshalb beauftragt niemand für jede Fünf-Minuten-Aufgabe formal einen Experten.
„Prüfe nur diese Zahl.“ „Teste nur diese kleine Änderung.“ „Erstelle drei Varianten auf Basis des vorherigen Gesprächs.“ „Dieser Versuch ist gescheitert, geh zurück und teste einen anderen Weg.“
Die Arbeit ist klein, der Vergabeprozess groß.
KI verändert diese Grenze.
Die Mindestlosgröße von Wissensarbeit wird winzig.
Der Nutzen liegt nicht nur darin, ein großes Projekt billiger zu machen. Auch Dutzende oder Hunderte Mikroaufgaben, die früher zu klein für einen eigenen Auftrag waren, werden ausführbar.
4. Weniger Kontext muss zwischen Forschern, Autoren, Entwicklern und Projektmanagern transportiert werden
Menschliche Teams verlieren bei Übergaben Zeit und Informationen.
Ein Forscher recherchiert. Ein Autor erhält die Zusammenfassung. Ein Entwickler erhält eine Spezifikation. Die Qualitätssicherung findet ein Problem. Jemand rekonstruiert die ursprüngliche Absicht.
Wenn eine KI-Umgebung den Kontext von Recherche über Schreiben und Code bis zu Prüfung und Überarbeitung behält, verschwindet ein Teil dieser Koordinationskosten.
Darum ist „eine KI ersetzt fünf Menschen“ kein besonders gutes Modell.
Der größere Vorteil kann sein:
weniger Übergaben, weniger Erklärungen, weniger Warten und weniger Neustarts des Kontexts.
So beginnt das System für intensive Nutzer eher wie eine kleine Forschungs- und Entwicklungsabteilung zu wirken.
5. Produktivitätsgewinne zeigen sich bereits in Experimenten
Eine Studie mit 5.179 Kundendienstmitarbeitern fand durch einen generativen KI-Assistenten im Durchschnitt etwa 14% höhere Produktivität, wobei unerfahrene und zuvor weniger produktive Beschäftigte besonders profitierten.[3]
Ein randomisiertes Experiment mit 453 akademisch ausgebildeten Berufstätigen zeigte, dass ChatGPT die Bearbeitungszeit für Schreibaufgaben um 40% senkte und die Qualität um 18% erhöhte.[4]
Ein Experiment mit 758 BCG-Beratern zeigte bei Aufgaben innerhalb der KI-Fähigkeitsgrenze mehr als 25% höhere Geschwindigkeit und über 40% bessere menschliche Bewertungen. Außerhalb dieser Grenze konnte KI jedoch auch falsche Antworten wahrscheinlicher machen.[5]
Die Aussage ist also nicht, dass KI jede Arbeit vervielfacht.
Bei geeigneten und überprüfbaren Aufgaben kann sie aber Geschwindigkeit und Qualität spürbar verändern.
6. Intensive Nutzer kaufen einen Kreislauf, nicht eine Antwort
Gelegenheitsnutzer kaufen Antworten.
Intensive Nutzer kaufen einen Ablauf:
Frage → Recherche → Hypothese → Entwurf → Code → Test → Überarbeitung → Speicherung → nächste Frage.
Der zentrale Vorteil ist der geringe Neustartaufwand.
Eine Idee kann sofort getestet werden. Ein gescheiterter Weg kann ersetzt werden. Material von gestern kann heute weiterverarbeitet werden.
Kleine Aufgaben, die früher starben, weil „es sich nicht lohnt, das noch einmal jemandem zu erklären“, bleiben am Leben.
Der ROI lässt sich daher oft besser an ermöglichten Experimenten, abgeschlossenen Mikrotasks, vermiedener Wartezeit, entfernten Übergaben und kürzerer Zeit von Idee zu Prototyp messen.
7. Die 500-Dollar-Geschichte existiert, ist aber kein aktueller offizieller Preis
Am 25. September 2026 nennt OpenAI offiziell 20 Dollar pro Monat für ChatGPT Plus.[6]
Pro gibt es in Stufen zu 100 und 200 Dollar. Neue Anmeldungen und Upgrades auf die 200-Dollar-Stufe sind seit dem 10. September vorübergehend pausiert, doch das Help Center bezeichnet sie weiterhin als höchste Pro-Stufe.[7]
Am 24. September berichtete die Drittseite TestingCatalog über nicht veröffentlichte Abonnement-Referenzen, die auf einen „Pro Max“-Plan für 500 Dollar pro Monat hindeuteten.[8]
Die Grenze ist wichtig:
Bis zum 25. September hatte OpenAI keinen aktuellen ChatGPT-Plan für 500 Dollar offiziell angekündigt.
Vorab-Referenzen können sich ändern oder nie veröffentlicht werden.
Sollte eine solche Stufe später erscheinen, würden intensive berufliche Nutzer sie eher mit tatsächlich ersetztem Outsourcing, Entwicklungsaufwand, Wartezeit und Koordination vergleichen als nur mit anderen Abopreisen.
8. API-Listenpreise sind nicht OpenAIs Kostenrechnung
Die offizielle Modellseite listete GPT-5.6 Sol am 25. September mit 4 Dollar pro Million Eingabetokens und 20 Dollar pro Million Ausgabetokens.[9]
Ein intensiver Nutzer könnte seine Aktivität zu API-Einzelhandelspreisen umrechnen und daraus schließen, dass OpenAI die gesamte Differenz verliert.
Das lässt sich nicht ableiten.
API-Preise sind Verkaufspreise, keine veröffentlichten Grenzkosten.
ChatGPT kann Routing, kleinere Modelle, Caching, Nutzungsgrenzen, gemeinsame Infrastruktur und weitere Optimierungen verwenden. Gleichzeitig enthält die 278-Milliarden-Prognose gewaltige Vorabinvestitionen.
Nutzer sollten daher ihre eigene Alternative betrachten: Was würde dasselbe Ergebnis mit Menschen, Outsourcing, Werkzeugen und Zeit kosten?
Anbieterkosten und Nutzerwert sind zwei verschiedene Zahlen.
9. Fazit: Der große Hebel ist organisatorische Verdichtung
Es ist kein Widerspruch, dass OpenAI gigantische Summen ausgibt und Einzelpersonen den Dienst als günstig empfinden.
Unternehmen und Investoren finanzieren eine riesige gemeinsame Rechenbasis; Millionen Nutzer mieten einen Bruchteil davon.
Die tiefere Veränderung ist aber nicht nur billigere Intelligenz.
Die Organisation, die nötig ist, um eine Idee auszuführen, wird kleiner.
Fünf Minuten Recherche. Zehn Minuten Bearbeitung. Zwanzig Minuten Code. Drei Minuten Vergleich. Gestern sofort wieder aufnehmen. Nach einem Fehlschlag einen anderen Weg testen.
Traditionelles Outsourcing ist für solche kleinen Einheiten schlecht geeignet, weil Koordination teurer sein kann als die Arbeit selbst.
KI nimmt alles durch denselben Eingang entgegen.
Auf Anbieterseite brennen GPU, Strom, Rechenzentren und Finanzierung.
Auf Nutzerseite ruft ein Abo-Knopf Recherche, Schreiben, Programmieren und Iteration auf.
Der Kapitalismus hat begonnen, schwere Maschinen für Wissensarbeit an Einzelpersonen zu vermieten.
Kein Wunder, dass mögliche Preiserhöhungen nervös machen.
Quellen (9)
- Reuters, “OpenAI forecasts cash burn near $280 billion by 2030, FT reports,” 2026-09-18 reuters.com
- Financial Times, “OpenAI expects to burn $280bn by 2030,” 2026-09 ft.com
- Brynjolfsson E, Li D, Raymond LR. “Generative AI at Work.” NBER Working Paper 31161; published version in The Quarterly Journal of Economics, 2025 nber.org
- Noy S, Zhang W. “Experimental evidence on the productivity effects of generative artificial intelligence.” Science. 2023;381(6654):187-192. doi:10.1126/science.adh2586 pubmed.ncbi.nlm.nih.gov
- Harvard Business School / BCG, “Navigating the Jagged Technological Frontier,” field experiment with 758 consultants aiinstitute.hbs.edu
- OpenAI Help Center, “What is ChatGPT Plus?”, checked 2026-09-25 help.openai.com
- OpenAI Help Center, “About ChatGPT Pro tiers,” checked 2026-09-25 help.openai.com
- TestingCatalog, “OpenAI prepares new $500/month Pro Max plan for ChatGPT,” 2026-09-24 testingcatalog.com
- OpenAI API, “GPT-5.6 Sol Model,” checked 2026-09-25 developers.openai.com
