Palantir Technologies-Chef Alex Karp hat OpenAI und Anthropic vorgeworfen, tokenbasierte KI-Dienste zu überteuert zu verkaufen – und dabei oft nur geringen, messbaren Mehrwert für Großunternehmen zu liefern.
Zentrale Punkte:
- Karp kritisiert, dass Unternehmen für KI-Tokens zahlen, ohne Ergebnisse zu sehen, die die Ausgaben rechtfertigen.
- Er warnt, Anbieter könnten sich dabei Zugriff auf geschützte Unternehmensinformationen und Wettbewerbseinblicke sichern.
- Die Kritik spiegelt die breitere Debatte, ob KI-Preise an Nutzung oder an tatsächlichen Geschäftsergebnissen ausgerichtet sein sollten.
Streit um KI-Token-Preise
In einem CNBC-Interview, auf das sich Berichte beziehen, stellte Karp die ökonomische Logik infrage, Unternehmen nach der Anzahl der von einem Modell verarbeiteten Tokens abzurechnen.
„Warum verlangen sie Geld pro Token, wenn es doch angeblich so wertvoll ist?“, sagte Karp und argumentierte, Anbieter sollten stattdessen an dem Wert beteiligt werden, den ihre Systeme für Kunden tatsächlich schaffen.
Zudem warnte er, Unternehmen riskierten, ihr geschütztes Know-how preiszugeben, sobald sie interne Daten und Abläufe an externe Modelle anbinden. Karp beschreibt eine wachsende Frustration in Konzernen, die hohe Summen für KI-Werkzeuge ausgeben, ohne entsprechende Produktivitätsfortschritte zu sehen.
Die Kritik ist nicht ohne Eigeninteresse: Palantir positioniert sich mit Software, die verschiedene Modelle, Datenquellen und operative Systeme in kontrollierten Umgebungen zusammenführt – und verspricht Kunden so mehr Kontrolle über Daten und Wertschöpfung.
Gleichwohl spiegeln Karps Aussagen eine breitere Sorge in Vorstandsetagen über steigende KI-Kosten, Daten-Governance und bislang enttäuschende Renditen früher KI-Rollouts.
Auch interessant: Bitget startet Cash Plus und verzinst ungenutzte Stablecoin-Guthaben
Rendite von Enterprise-KI
Im Kern zielt Karps Argumentation auf die Lücke zwischen technischem Output und betriebswirtschaftlichem Ergebnis. Die Abrechnung nach Tokens misst lediglich, wie viel Text oder Daten ein Modell verarbeitet – nicht aber, ob dies Umsätze steigert, Kosten senkt oder Entscheidungen verbessert.
Diese Unterscheidung gewinnt an Bedeutung, da Unternehmenskunden selektiver werden.
Sam Altman räumt ein, dass KI-Kosten und Effizienz inzwischen zu zentralen Themen für Vorstände geworden sind. Unternehmen testen günstigere Modelle und verteilen Workloads zunehmend auf mehrere Anbieter.
Karp plädiert für erfolgsbasierte Preismodelle, bei denen ein KI-Anbieter nur dann bezahlt wird, wenn messbare Verbesserungen eintreten. Ein solches Modell könnte Fehlausgaben für unproduktive Nutzung eindämmen, würde jedoch voraussetzen, dass sich Anbieter und Kunden auf transparente Regeln zur Wertmessung einigen.
Die Auseinandersetzung folgt auf Jahre rascher KI-Adoption im Unternehmenssektor, getrieben von der Erwartung, dass General-Purpose-Modelle Routinetätigkeiten grundlegend verändern. Mit dem Übergang von Pilotprojekten in den Regelbetrieb verschiebt sich der Fokus nun weg von reiner Modellleistung hin zu Fragen der Datenhoheit, Sicherheit und klar belegbaren finanziellen Ergebnissen.
Lesen Sie als Nächstes: Stablecoin-Markt verliert seit Mai-Hoch 10 Mrd. US-Dollar, da Krypto-Liquidität austrocknet