Soras Abschaltung: Wie KI von der Hype-Phase zur Wirtschaftlichkeit der Berechnung reift
OpenAI hat Sora am 24. März 2026 abgeschaltet – was Spekulationen über eine breitere Abkühlung der KI-Euphorie auslöste. Tatsächlich spiegelt dieser Schritt jedoch eine strategische Neuausrichtung wider: weg von experimentellen Anwendungen, hin zu einer rationalen, ROI-getriebenen Nutzung von Rechenressourcen. Bereits eine Woche zuvor hatte Jensen Huang auf der GTC 2026 verkündet: Ein Ingenieur mit einem Jahresgehalt von 500.000 US-Dollar, der weniger als 250.000 US-Dollar für Tokens ausgibt, ist ein Warnsignal. Nur 5.000 US-Dollar? Das ist unannehmbar niedrig. Diese Kennzahlen unterstreichen einen entscheidenden Wandel: Der Fokus liegt nun auf inference-lastigen Anwendungsfällen mit nachweisbarem Geschäftswert.
Die Tokenpreise sind seit 2023 stark gefallen – doch gleichzeitig verschärfen sich die GPU-Knappheiten. Dies entspricht dem Jevons-Paradoxon: Günstigere Ressourcen reduzieren den Verbrauch nicht – sie treiben vielmehr die Nachfrage durch neue Anwendungsfelder an.
| Modell | Kosten pro 1 Mio. Eingabetokens |
|--------|--------------------------------|
| GPT-4 (März 2023) | 30 US-Dollar |
| GPT-4o (August 2024) | 2,5 US-Dollar |
| Gemini 2.0 Flash (Februar 2025) | 0,1 US-Dollar |
| DeepSeek mit Caching (Februar 2025) | 0,07 US-Dollar |
Die Unternehmensausgaben für generative KI stiegen von 11,5 Mrd. US-Dollar im Jahr 2024 auf 37 Mrd. US-Dollar im Jahr 2025. Gleichzeitig grassiert „Shadow AI“: 49 % der Mitarbeitenden nutzen nicht autorisierte Tools, und 51 % integrieren diese ohne IT-Freigabe in Unternehmenssysteme.
Warum Video die rechenintensivste Modalität ist
Die Generierung von Videos erfordert 10–100-mal mehr Rechenleistung als die Verarbeitung von 1.000 Textwörtern mit einem LLM. Bei Bildern liegt der Aufwand bei 3–11-mal mehr. Für Sora bedeutete das extrem unverhältnismäßig hohe Inference-Kosten.
OpenAI erwirtschaftete 2025 einen Umsatz von 13 Mrd. US-Dollar – doch die Kosten für die Inferenz-Verarbeitung vervierfachten sich im Jahresvergleich und drückten die Bruttomarge von 40 % auf 33 %. Das Unternehmen entschied sich daher konsequent für Produkte mit deutlich höherer Rechenleistungs-zu-Umsatz-Effizienz.
- Text: Basislast = 1×
- Bilder: 3–11×
- Video (1 Minute, 30 fps): 10–100×
Diese Priorisierung nach Rechenaufwand ist heute Standard: Rechenkapazität wird ausschließlich für Szenarien zugewiesen, deren ROI messbar ist.
Tokens als Indikator für die Produktivität von Entwicklern
Huangs Aussage stieß auf Kritik wegen eines möglichen Interessenkonflikts – NVIDIA profitiert direkt von steigender GPU-Nachfrage. Doch seine zentrale Erkenntnis bleibt gültig: Ein niedriger Token-Verbrauch signalisiert verpasste Automatisierungspotenziale.
Ein Entwickler, der KI-Agenten für Routineaufgaben ignoriert, handelt wie ein Chipdesigner, der Milliarden Transistoren manuell routet. Moderne EDA-Tools automatisieren monatelange Layout-Arbeit; darauf zu verzichten ist keine Sparsamkeit – es ist ein klarer Wettbewerbsnachteil.
Der Token-Verbrauch ist zwar ein unvollkommener Indikator – anfällig für Manipulation – aber unschätzbar wertvoll, um die reale Adoption neuer Tools in Produktionsumgebungen einzuschätzen.
Der KI-Markt erwächst aus der Experimentierphase
Die Branche wechselt von der Phase des Ausprobierens hin zur Verantwortung. 2023–2024 wurden Produkte noch nach dem Motto „Lass uns es testen“ lanciert. Bis 2026 ist hingegen eine strenge Analyse von Kosten (Inference) versus Ertrag zwingend vorgeschrieben.
Sora war die erste prominente Optimierung – nicht die letzte. Die Investitionen in KI steigen weiter, doch mit strikter Kostenkontrolle. Die Knappheit an Rechenleistung bleibt bestehen – nicht weil das Angebot stagniert, sondern weil die Zahl nutzbarer Anwendungsfälle exponentiell wächst.
Wichtigste Erkenntnisse:
- Günstigere Tokens verschärfen GPU-Knappheiten, weil sie rechenintensive neue Anwendungen erst ermöglichen.
- Video bleibt die ressourcenintensivste Modalität; Sora wurde wegen mangelhafter ROI-Relation eingestellt.
- Der Token-Verbrauch dient als praktischer Indikator für die Effizienz von Entwicklungsteams.
- Die Unternehmensausgaben für KI erreichten 2025 37 Mrd. US-Dollar – und der Shadow-Traffic trägt erheblich zur Gesamtlast bei.
- Der Markt entwickelt sich hin zu datengesteuerter Produkt-Priorisierung.
— Editorial Team
Noch keine Kommentare.