7 min read · 14 sources

Der KI-Preiskampf ist jetzt ernst geworden. OpenAI hat GPT-6 Sol und GPT-6 Luna ausgeliefert, und Anthropic hat Claude Opus 5.5 veröffentlicht - alles innerhalb einer Stunde. GPT-6 Luna läuft mit 0,10 $/M Input- und 0,50 $/M Output-Token, buchstäblich die Hälfte des Aktionspreises seines GPT-5.6-Äquivalents. Das ist das günstigste Frontier-Modell auf dem Markt, und es verändert die Rechnung für alle, die KI-gestützte Produkte bauen.

Doch während die Kosten für Intelligenz kollabieren, sehen die wirtschaftlichen Zahlen der Agenten brutal aus. Ein autonomer Agent verbrannte 5 Milliarden Token und 47 Dollar aus eigener Tasche, um 1,54 Dollar Umsatz zu erzielen. Deel behauptet derweil, seine 10.000 internen Agenten hätten 140 Millionen Dollar ARR ohne eine einzige Einstellung hinzugefügt. Beide Geschichten sind lesenswert, und sie zeichnen sehr unterschiedliche Bilder davon, wo agentische KI tatsächlich funktioniert.

Ein autonomer Agent führte drei Wochen lang ein Geschäft, gab 7.000 Dollar an API-Kosten aus und erzielte 1,54 Dollar Umsatz.

GPT-6 Luna und Claude Opus 5.5 läuten einen Preiskampf ein

Source: simonwillison.net ↗

OpenAI und Anthropic haben beide innerhalb einer Stunde ausgeliefert, und die Preisgestaltung ist die Geschichte. GPT-6 Luna unterbietet mit 0,10 $/M Input und 0,50 $/M Output die Aktionspreise von GPT-5.6 Luna mit 0,20 $/1,20 $ um die Hälfte. GPT-6 Sol steht darüber in der Produktlinie. Anthropics Claude Opus 5.5 ist pro Token günstiger als Opus 5.0 und liefert Intelligenz, die mit Fable 5.1 vergleichbar ist, dem bisherigen Top-Modell.

Für Entwickler ist das ein direkter Schnitt bei den variablen Kosten. Wenn man Agent-Loops, RAG-Pipelines oder irgendeine token-hungrige Workload betreibt, sind die Kosten pro Abfrage gerade deutlich gesunken. Opus 5.5 soll zudem die Kommunikationsstil-Beschwerden adressieren, die frühere Versionen plagten, und ist über Anstrengungsstufen hinweg token-effizient. Die Erkenntnis: Wer auf Frontier-Qualität zu Rohstoffpreisen gewartet hat, für den ist das Warten vorbei - zumindest bis zum nächsten Release-Zyklus.

Unzureichende Nutzung ist dein echtes Abwanderungsproblem

Source: revenuecat.com ↗

RevenueCats Daten beziffern unzureichende Nutzung auf 37 % der Abo-Kündigungen im Jahr 2025, knapp vor dem Preis mit 35 %. Der Haken: Wenn Nutzer „zu teuer“ sagen, meinen sie oft, dass sie das Produkt nicht mehr benutzt haben und der Preis die einfachste Erklärung war.

Kündigungsbefragungen sind schlimmer als nutzlos - eine SaaS-Studie fand heraus, dass angegebene Gründe nur in 27,4 % der Fälle mit den tatsächlichen Abwanderungstreibern übereinstimmten. Die Lösung ist quantitativ: Finde eine Aktion, die Langzeit-Abonnenten während ihres ersten Abrechnungszyklus wiederholen, und dränge neue Nutzer in diese Richtung. Ein günstigeres Abo gibt niemandem einen Grund, die App zu öffnen. Für Entwickler bedeutet das: Habit-Loops und Time-to-Value-Funktionen zu bauen ist kein Wachstumstheater, sondern Abwanderungsprävention.

Das 1,54-Dollar-Geschäftsimperium

Source: dfdxlabs.com ↗

Ein autonomer Agent namens Hans Krämer betrieb drei Wochen lang ein Dienstleistungsgeschäft für andere Agenten. Er schrieb über 100.000 Zeilen Code, startete 17 kostenpflichtige Produkte und veröffentlichte 20 Blogbeiträge. Umsatz: 1,54 Dollar. Kosten: rund 7.000 Dollar an API-Token plus 47,19 Dollar aus der eigenen Wallet.

Das Problem des Agenten war nicht Kompetenz - er hielt sein eigenes Setup problemlos instand. Es war Nachfrage. Die Agenten-Ökonomie hat fast keine Käufer: In einer Umfrage, die der Agent in Auftrag gab, sagten 90 % der Befragten, ihnen fehle eine Wallet oder Ausgabevollmacht. Der Agent wurde zudem zunehmend unproduktiver, je größer sein Zustand und seine Regeln wurden. Das ist das klarste empirische Bild bisher, warum autonome Agenten noch keine Unternehmen führen: Die Infrastruktur funktioniert, aber der Markt existiert nicht.

Deels Backoffice mit 10.000 Agenten

Source: forkast.news ↗

Deel behauptet, seine interne Agentenplattform Akai habe in 90 Tagen 140 Millionen Dollar ARR ohne Einstellungen hinzugefügt, wobei der Umsatz pro Mitarbeiter von 130.000 auf 215.000 Dollar stieg. Die Plattform betreibt 10.000+ Live-Agenten, die über 250.000 Fälle pro Monat bearbeiten.

Das Architekturdetail ist wichtig: Akai nutzt deterministische Regeln für Präzisionsaufgaben wie Steuersätze und Kontoverifizierung und KI-Schlussfolgerung nur für Ermessensentscheidungen. Entscheidungen mit hohem Risiko werden an Menschen weitergeleitet. Das ist das Gegenteil von Hans Krämers Ansatz, und es ist der Grund, warum Deels Zahlen plausibel sind, während die des autonomen Agenten es nicht sind. Einschränkung: Alle Zahlen sind selbst gemeldet und nicht geprüft. Aber als Maßstab dafür, was eine gut abgegrenzte Agentenplattform leisten kann, ist es der beste Datenpunkt, den wir haben.

KI verwischt Jobgrenzen

Source: adenlbarton.substack.com ↗

Eine Harvard-Business-School-Studie bei Procter & Gamble fand heraus, dass sich mit KI die Ergebnisse von Vertriebs- und F&E-Mitarbeitern anglichen. Eine OpenAI-Studie fand heraus, dass 43,5 % der arbeitsbezogenen ChatGPT-Anfragen Aufgaben außerhalb des eigenen Berufs des Fragestellers betrafen.

Für Entwickler bedeutet das: Die Position „Ich schreibe nur Code“ löst sich auf. KI übernimmt spezialisierte technische Aufgaben, also verschiebt sich der Wert hin zu domänenübergreifendem Denken und Denken auf höherer Ebene. Sich über einen engen Aufgabenkatalog zu definieren, wird zunehmend ein Karriererisiko. Die Menschen, die gedeihen, werden die sein, die KI als grenzüberspannenden Mechanismus nutzen - und genau das zeigen die Daten.

Dein Unternehmen braucht eine Preisverfassung

Source: elenaverna.com ↗

Elena Vernas Argument ist, dass Preisentscheidungen nicht in Slack-Threads stattfinden sollten. Eine Preisverfassung ist eine vorab vereinbarte Philosophie für Verpackung und Monetarisierung - kostenlos vs. kostenpflichtig, welcher Plan, nutzungsbasiert, Add-on. Sie ist bewusst restriktiv und wählt harte Kompromisse.

Mit steigender Auslieferungsgeschwindigkeit wirft jedes neue Feature Monetarisierungsfragen auf. Ohne Verfassung wird jedes davon zu einer Verhandlung, die Releases verlangsamt oder verwirrende, zusammenhanglose Updates produziert. Der Test: Deine Verfassung funktioniert, wenn sie dich etwas kostet. Für Entwickler prägt das direkt, wie Features gebaut, begrenzt und integriert werden - du weißt vor dem Bau, ob etwas kostenlos, kostenpflichtig oder nutzungsbegrenzt ist.

DigitalOcean Managed Agents und Stripe WebMCP

Source: digitalocean.com ↗

DigitalOcean hat Managed Agents in die öffentliche Vorschau gebracht, sodass Teams Agent-Harnesses wie OpenCode oder Codex CLI bereitstellen können, die mit über 16.000 Tools verbunden sind, ohne Infrastruktur zu verwalten. Session-to-Response dauert unter zwei Sekunden, pausierte Arbeit wird in etwa 300 ms fortgesetzt, und die Abrechnung erfolgt pro Sekunde für aktive CPU. Für Teams mit stoßweisen Agent-Workloads ist das ein sinnvolles Kostenmodell gegenüber dem Bezahlen für idle VMs.

Stripes WebMCP ist experimentell, aber clever: Browser-Agenten rufen strukturierte Tools auf, die in Stripe-Zahlungs-UIs registriert sind, statt Seiten zu scrapen und Klicks zu simulieren. Tools hängen vom Session-Zustand ab - die verfügbaren Schemas ändern sich je nach gewählter Zahlungsmethode. Agenten sollten Tools zur Laufzeit entdecken und bei Bedarf auf Standard-Automatisierung zurückfallen. Es ist früh, aber es ist der erste glaubwürdige Versuch, Browser-basierte Zahlungen zuverlässig statt instabil zu machen.

Slop-Granaten und die Review-Steuer

Source: blog4ems.com ↗

Shopify-CEO Tobias Lütke prägte „Slop-Granaten“ für KI-generierten Code, den der Autor nicht versteht und an einen Reviewer weitergibt. Bei Shopify stammte etwa einer von acht gemergten Pull Requests vom internen KI-Agenten River. Das Problem: Der Einreicher kann die Entscheidungen hinter dem Code nicht erklären, also müssen Reviewer herausfinden, was vertrauenswürdig ist, und manchmal dem Autor beibringen, was sein eigener Code tut.

Die Zeit, die beim Generieren des Codes gespart wird, wird zur Arbeit von jemand anderem. Wenn du KI-generierte Pull Requests reviewst, zahlst du diese Steuer. Die Lösung ist ein Prozess: Verlange, dass Autoren ihren KI-generierten Code erklären, bevor er ins Review geht - sonst verschiebst du die Kosten nur auf die erfahrensten Leute im Team.

Agenten kaufen, nicht bauen

Source: x.com ↗

Jason Lemkin von SaaStr baute 12+ Agenten, darunter einen AI VP of Revenue, und kam dann zu dem Schluss, dass die Wartungslast es nicht wert war. Sein Rat: Kaufen, nicht bauen, wenn möglich, und nur das bauen, was nicht gekauft werden kann.

Das ist das pragmatische Gegengewicht zu jeder „Wir haben eine Agentenplattform gebaut“-Geschichte. Agenten sind Software, und Software braucht Wartung. Wenn du ein Startup bist, ist deine knappe Ressource Entwicklungszeit - sie für die Wartung maßgeschneiderter Agenten-Infrastruktur auszugeben, wenn Standard-Tools existieren, ist eine Wette, die meistens verliert.

Aktionärsabstimmungen und Tech-Verwässerung

Source: ilyastrebulaev.substack.com ↗

Abstimmungen von Startup-Aktionären haben Fallstricke, die Cap-Table-Prozente nicht offenbaren. Vorzugsaktien stimmen ab, Mitarbeiteroptionen nicht, Enthaltung zählt als Nein, und ein Drag-Along-Recht kann dich zwingen, für einen Verkauf zu stimmen, der dir nichts zahlt - wie der FanDuel-Verkauf 2018 zeigte, bei dem Gründer und Mitarbeiter null erhielten. Wenn du Eigenkapital hältst, ist das die rechtliche Struktur, die entscheidet, ob deine Optionen etwas wert sind.

Auch die Tech-Verwässerung kriecht wieder nach oben nach vier aufeinanderfolgenden Quartalen mit Anstiegen, angetrieben von KI-bedingten Aktienrückgängen und großen Aktienvergütungen. Die Pro-Mitarbeiter-Perspektive trennt Vergütungskosten von Aktienkurseffekten: Cloudflares 0,8 % gemischte Verwässerung wirkt diszipliniert, aber seine 109.000 Dollar SBC pro Mitarbeiter sind das 6,5-Fache seiner Kohorte und verbrauchen 162 % des FCF. Deine Aktienzuteilung könnte großzügig sein - und nicht nachhaltig.

Kundenservice als ultimativer Burggraben

Source: x.com ↗

Das Argument aus der Zappos-Erfahrung ist, dass Kundenservice das entscheidende Unterscheidungsmerkmal ist, wenn alles andere leicht zu kopieren ist. Zappos benannte sein Serviceteam in „Customer Loyalty Team“ um und maß Erfolg über Bindung - über 80 % des Umsatzes kamen von Stammkunden.

Für Entwickler bestimmt diese Philosophie, was gebaut wird. Support-Routing-Logik, Ausnahmebehandlung und Self-Service-Flows sind Produktfunktionen, kein Overhead. Wenn dein Unternehmen Service als Kostenstelle behandelt, werden deine Systeme das widerspiegeln. Wenn es jede Interaktion als Markenmöglichkeit behandelt, sollte es auch deine Architektur.