Palantir Technologies-Chef Alex Karp wirft OpenAI und Anthropic vor, tokenbasierte KI-Dienste zu überteuerten Konditionen zu verkaufen, die für Großunternehmen oft nur geringen, messbaren Mehrwert erzeugen.
Zentrale Punkte:
- Karp kritisiert, Unternehmen zahlten für KI-Tokens, ohne Resultate zu erhalten, die die Ausgaben rechtfertigen.
- Zudem warnt er, Anbieter könnten sich Zugang zu vertraulichem Know-how und wettbewerbskritischen Informationen ihrer Kunden verschaffen.
- Die Aussagen spiegeln eine breitere Debatte wider, ob sich KI-Preise an Nutzung oder an konkreten Geschäftsergebnissen orientieren sollen.
Preisgestaltung für KI-Tokens
Karp äußerte sich in einem CNBC-Interview, in dem er das Geschäftsmodell kritisierte, Unternehmen auf Basis der verarbeiteten Token-Anzahl eines KI-Modells abzurechnen. In dem Gespräch stellte er das zugrunde liegende ökonomische Modell grundsätzlich infrage.
„Warum berechnen sie Tokens, wenn es doch angeblich so wertvoll ist?“, sagte Karp und argumentierte, Anbieter sollten stattdessen einen Anteil an dem Wert erhalten, den ihre Systeme für Kunden tatsächlich generieren.
Gleichzeitig warnte er, dass Unternehmen ihr proprietäres Wissen preisgeben, sobald sie interne Daten und Prozesse an externe Modelle anbinden. Viele Firmen seien zunehmend frustriert, nachdem sie hohe Summen in KI-Tools investiert hätten, ohne entsprechende Produktivitätsgewinne zu sehen.
Die Kritik stützt unmittelbar Palantirs eigene Marktposition: Das Unternehmen verkauft Software, die Modelle, Daten und operative Systeme in abgeschotteten, kontrollierten Umgebungen zusammenführt.
Gleichwohl greifen Karps Aussagen eine weiter verbreitete Sorge in Vorstandsetagen auf – über steigende Kosten, Daten-Governance und bislang enttäuschende Renditen aus frühen KI-Einführungen.
Auch interessant: Bitget führt „Cash Plus“ für Zinsen auf ungenutzte Stablecoin-Guthaben ein
Rendite von KI im Unternehmensumfeld
Karp richtet den Fokus auf die Lücke zwischen technischer Output-Menge und betriebswirtschaftlichem Ergebnis. Token-basierte Abrechnung misst nur, wie viel Text oder Daten ein Modell verarbeitet – nicht aber, ob dies Umsätze erhöht, Kosten senkt oder Entscheidungen verbessert.
Diese Unterscheidung gewinnt an Bedeutung, da Unternehmenskunden selektiver werden.
Sam Altman räumt ein, dass KI-Ausgaben und Effizienz inzwischen zentrale Themen für Vorstände sind. Parallel testen Unternehmen günstigere Modelle und verteilen Workloads zunehmend auf mehrere Anbieter.
Karp schlägt eine erfolgsbasierte Vergütung vor, bei der ein KI-Anbieter an messbare Verbesserungen gekoppelt bezahlt wird. Dieses Modell könnte Ausgaben für wenig produktive Nutzung eindämmen, setzt aber voraus, dass sich Unternehmen und Anbieter auf eine belastbare Methode zur Wertmessung einigen.
Der Konflikt folgt auf Jahre rascher KI-Einführung in Konzernen, getragen von der Erwartung, dass generische Modelle Routinearbeit grundlegend verändern würden. Mit dem Ausreifen von Pilotprojekten verschiebt sich der Fokus nun von reiner Modellleistung hin zu Datenhoheit, Sicherheit und nachweisbaren finanziellen Ergebnissen.
Lesen Sie auch: Stablecoin-Markt verliert seit Mai-Hoch 10 Mrd. US-Dollar, Krypto-Liquidität zieht sich zurück