LONDON (IT BOLTWISE) – Laut Angaben zum KI-Betrieb hat Peter Steinberger im September 2026 rund zehn Millionen US-Dollar an Tokens für Berechnungen und Aufgaben ausgegeben. Die Aussage knüpft an den Einsatz von KI-Modellen in der Cloud an und erklärt, warum Token nicht automatisch einen direkten Nutzen für jedes Ergebnis liefern. Gleichzeitig argumentiert er, dass Verbraucher-KI künftig stärker lokal laufen wird, während Cloud-Rechenleistung vorerst unverzichtbar bleibt. Für Unternehmen rückt damit die Frage in den Fokus, wie man Token-Kosten über Workloads hinweg messbar macht und steuert.
Die Debatte um KI-Kosten wird gerade deutlich greifbar: Nach Angaben aus einem Gespräch während der Cloudflare-Connect-Konferenz 2026 hat Openclaw-Gründer Peter Steinberger im September 2026 etwa zehn Millionen US-Dollar an Tokens für KI-Berechnungen und -Aufgaben ausgegeben. In dem Kontext fiel auch die Einordnung, dass nicht jeder genutzte Token am Ende einen praktischen Mehrwert für das konkrete Ergebnis hat. Für viele Teams klingt das banal, ist aber in der Praxis ein zentraler Kostenhebel: Tokenverbrauch entsteht bei Prompting, bei Zwischenschritten wie Tool-Aufrufen und beim Wiederholen von Kontext, aber nicht jede Iteration zahlt direkt auf die gewünschte Qualität ein.
Technisch betrachtet geht es dabei um die Abrechnungseinheit in vielen KI-APIs: Ein Token ist eine modellabhängige Zerlegung von Text (und teils auch anderer Eingaben wie Code oder spezielle Platzhalter), und jede Modell-Inferenz verbraucht Tokens sowohl auf Eingabe- als auch auf Ausgabeseite. Wenn Steinberger von „Kosten für Tokens“ spricht, beschreibt er damit im Kern Ausgaben für Inferenz-Leistung, die in einem typischen Setup aus Prompt-Overhead, Antwortlängen und ggf. mehreren Versuchen resultieren. Wichtig ist außerdem die Aussage, dass OpenAI die Token intern verrechnen könne, während das Geld „in diesem Fall von einem Posten auf einen anderen übertragen“ werde. Das bedeutet nicht automatisch, dass die reale Kostenlogik verschwindet, sondern verschiebt sie innerhalb der jeweiligen Buchungs- und Ressourcenmodelle.
Damit rückt ein Punkt in den Vordergrund, der in der Unternehmenspraxis oft erst spät adressiert wird: Token-Kosten sind selten nur eine „API-Rechnung“, sondern spiegeln den Reifegrad des gesamten Workflows wider. Wer überflüssige Kontextfenster befüllt, zu langes Gesprächslog speichert oder beim Fehlerfall ganze Teilschritte erneut anstößt, erhöht den Verbrauch pro erfolgreich abgeschlossenem Task. Gleichzeitig kann ein gutes Monitoring zeigen, wo Tokens „verbrannt“ werden – etwa bei ungünstigen Prompt-Strategien, bei zu großen Abrufmengen (z. B. Retrieval-Augmented Generation mit überbreitem Kontext) oder bei mechanischem Retry ohne semantische Prüfung. Genau diese Lücke zwischen genutzten Tokens und realem Nutzen adressiert Steinbergers Aussage indirekt, wenn er darauf hinweist, dass nicht alle Tokens nützlich sind.
Parallel dazu liefert er eine Positionierung zur Architekturfrage „lokal versus Cloud“: Steinberger geht davon aus, dass die meisten Menschen KI künftig für das tägliche Leben nutzen, allerdings nicht in der Form von Hunderte gleichzeitiger Agenten, sondern eher als spezialisierte Programme. Aus seiner Sicht wird jede Person eine Art kontinuierliche Begleitung besitzen, die mitdenkt, hilft oder Zukunftsszenarien vorhersagt. Solche Use-Cases lassen sich sowohl lokal als auch cloudbasiert realisieren – entscheidend sind Latenzanforderungen, Datenschutzbedenken und nicht zuletzt die Kostenstruktur pro Interaktion. Lokale Modelle profitieren oft davon, dass Daten auf dem Gerät bleiben und keine laufenden Token-Ausgaben an externe Anbieter anfallen; Cloud-Systeme bleiben dagegen attraktiv, weil sie je nach Modellgeneration und Workload deutlich mehr Rechenleistung bereitstellen.
Gerade Consumer-Hardware bereitet sich laut dem beschriebenen Trend eher auf lokale Large-Language-Model(s) vor. Das passt zu einer breiteren Entwicklung in der Branche: Immer mehr Geräte erhalten spezialisierte Beschleuniger, und Entwickler optimieren Modelle gezielt für Edge-Szenarien, etwa durch Quantisierung oder effizientere Inferenzpfade. Dennoch ist die Cloud für viele Unternehmen vorerst schwer ersetzbar, weil aktuelle KI-Modelle in ihrer verfügbaren Leistungsfähigkeit, Skalierung und Betriebskomplexität weiterhin oft zentrale GPU-Ressourcen benötigen. In der Praxis entsteht daher häufig ein hybrides Muster: offlinefähige Kernfunktionen laufen lokal, während anspruchsvolle Aufgaben – etwa große Kontextfenster, komplexe Tool-Workflows oder seltene Expertenmodelle – über die Cloud abgewickelt werden.
Für den Markt ist die offengelegte Größenordnung besonders interessant, weil sie sichtbar macht, wie schnell „kleine“ Ineffizienzen zu sehr großen Summen werden können. Wenn in einem einzelnen Monat Tokens in Millionenhöhe zu Buche stehen, wirkt jede wiederholte Anfrage, jedes unnötige Kontext-Append und jede unpräzise Systemanweisung kostenrelevant. Das ist auch ein Signal an Entwicklerorganisationen: Token-Optimierung ist längst nicht mehr nur Prompt-Tuning, sondern wird zur Engineering-Disziplin. Dazu gehören klare Metriken (Tokens pro erfolgreichem Task, Abbruchraten, Qualitätskorrelationen), Caching-Strategien, guardrails gegen irrelevante Ausgaben sowie ein bewusstes Design der Modell-Routen – beispielsweise unterschiedliche Modellgrößen je nach Bedarf.
Offen bleibt bei der Schilderung, wie genau die interne Token-Verrechnung im Detail abgebildet ist und in welchem Verhältnis „genutzte“ zu „nützlichen“ Tokens stand. Trotzdem lässt sich aus dem beschriebenen Narrativ eine klare Handlung ableiten: Unternehmen sollten ihre KI-Workloads nicht nur nach Antwortqualität beurteilen, sondern nach Kosten pro Wertbeitrag. Wer das konsequent umsetzt, kann die Vorteile lokaler Modelle real nutzen, ohne den Engpass „zu hohe Cloud-Kosten“ blind in Kauf zu nehmen. Gleichzeitig wird die Cloud für anspruchsvolle KI-Funktionen in absehbarer Zeit eine tragende Rolle behalten – nur eben mit deutlich stärkerer Aufmerksamkeit für den Weg von der Eingabe bis zum Ergebnis.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-Kosten offengelegt: Openclaw-Gründer gab laut Angaben 10 Mio. Dollar an Tokens aus" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-Kosten offengelegt: Openclaw-Gründer gab laut Angaben 10 Mio. Dollar an Tokens aus" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-Kosten offengelegt: Openclaw-Gründer gab laut Angaben 10 Mio. Dollar an Tokens aus« bei Google Deutschland suchen, bei Bing oder Google News!