Die Kosten für AI-Tokens sind drastisch gesunken: Die industrielle Intelligenz in den USA erreicht einen neuen Wendepunkt.

Warum die Kosten für AI-Token bald drastisch fallen werden?

AI-Token – die grundlegende Einheit, mit der Modelle Informationen verarbeiten, und der Maßstab für die Messung des KI-Einsatzes und der Preisgestaltung – stehen vor einem historischen Preisverfall. Laut Tests von SemiAnalysis steigt die Anzahl der generierten Token pro GPU pro Sekunde beim neuesten Blackwell-GPU-System von Nvidia (GB 300 NVL72) im Vergleich zum Vorgänger Hopper von 90 auf 6.000 – eine Steigerung um das 65-Fache. Die Anzahl der pro Megawatt Stromverbrauch generierten Token steigt von 54.000 auf 2,8 Millionen – eine Steigerung um das 50-Fache. Noch entscheidender: Die Kosten pro Million Token sinken von 4,2 US-Dollar auf 0,12 US-Dollar – eine Reduzierung um das 35-Fache.

Dieser Effizienzsprung ist kein theoretischer Wert. Laut Berichten von Business Insider werden Blackwell-Systeme derzeit in großem Umfang installiert und sollen in der zweiten Jahreshälfte 2026 vollständig in Betrieb sein. Daten des KI-Forschungsunternehmens SemiAnalysis zeigen, dass zu diesem Zeitpunkt das Training und die Inferenz neuer Modelle massiv auf Blackwell basieren werden und billige Token in Hülle und Fülle verfügbar sein werden. OpenAI-CEO Sam Altman hat bereits eingeräumt, dass die KI-Kosten zu einem „riesigen Problem“ geworden sind, und verspricht, mehr Wert zu bieten. Der Token-Ausgabenindex des Silicon-Valley-Rechenzentrums-Überwachungsunternehmens Silicon Data erreichte Ende Mai einen Höchststand von 2,06 und fiel bis zum 10. Juni auf 1,75 – ein Hinweis darauf, dass der Abwärtstrend bereits begonnen hat.

Neugestaltung der Branchenlandschaft: Wer profitiert, wer gerät unter Druck?

• Profitierende Branchen:
• KI-Modell- und Anwendungsanbieter: Die Kostensenkung steigert direkt die Gewinnmargen und ermöglicht gleichzeitig Preissenkungen, um Marktanteile zu gewinnen und die Nachfrage der Endkunden anzukurbeln. Dies kommt insbesondere verbraucherorientierten KI-Anwendungen, Programmierassistenten und Kundendienstrobotern zugute, die stark auf groß angelegte Inferenz angewiesen sind.
• Fertigung und industrielle Automatisierung: Dies ist der größte potenzielle Nutznießer. Der drastische Rückgang der Token-Kosten verbessert die Wirtschaftlichkeit des KI-Einsatzes in Industrieszenarien erheblich. Beispielsweise die Nutzung von visueller KI zur Qualitätsprüfung von Produkten, die Optimierung der Produktionsplanung durch große Modelle oder das Training von Predictive-Maintenance-Modellen auf Basis von Echtzeitdaten – all diese Anwendungen, die zuvor aufgrund zu hoher Inferenzkosten eingeschränkt waren, können nun in großem Umfang realisiert werden. US-amerikanische Fertigungsunternehmen können so den Automatisierungsgrad ihrer Produktionslinien erhöhen, Arbeitskosten senken und den Aufbau „intelligenter Fabriken“ beschleunigen.
• Rechenzentrumsinfrastruktur: Die starke Nachfrage nach GPU-Clustern wird begleitende Branchen wie Flüssigkühlungssysteme, Hochdichte-Racks und elektrische Ausrüstung ankurbeln, bringt jedoch auch Belastungen für die Stromnetze mit sich.Belastete Branchen:
• Traditionelle Anbieter von Industriesoftware und Automatisierung: Wenn KI in der Lage ist, einige herkömmliche Optimierungsalgorithmen oder Steuerungslogiken zu extrem niedrigen Kosten zu ersetzen, laufen traditionelle Industriesoftware-Unternehmen Gefahr, verdrängt zu werden.
• Strominfrastruktur: Der Energieverbrauch von KI-Rechenzentren steigt rasant. Das Blackwell-System selbst hat einen höheren Stromverbrauch, und die Token-Nutzung könnte aufgrund sinkender Preise explosionsartig zunehmen, was die Stromnachfrage weiter anheizt. Die veralteten Stromnetze und langsamen Genehmigungsverfahren in den USA werden sich noch verschärfen und könnten das Tempo der industriellen KI-Ausweitung bremsen.

Was bedeutet das für die US-amerikanische Fertigungsindustrie?

Die Rückverlagerung und der Digitalisierungsprozess der US-amerikanischen Fertigungsindustrie treten in eine neue Phase. In den letzten Jahren haben der CHIPS Act und der Inflation Reduction Act (IRA) den Bau von Halbleiter- und Batteriefabriken vorangetrieben, aber die Durchdringung von KI in der Fertigung ist immer noch gering. Eines der Haupthindernisse sind die Inferenzkosten. Der jetzt drastische Rückgang der Token-Preise beseitigt praktisch ein entscheidendes Kostenhindernis für KI-Anwendungen in der Fertigung.

• Konkret werden KI-Tools für kleine und mittlere Fertigungsunternehmen erschwinglicher, zum Beispiel:
• Einsatz von KI-Visionssystemen anstelle manueller Qualitätskontrollen zur Senkung der Rücklaufquote;
• Nutzung großer Modelle zur Unterstützung der Gerätewartung zur Reduzierung von Ausfallzeiten;
• Optimierung der Lieferkettenlogistik durch KI zur Senkung der Lagerkosten.

Eine noch größere Auswirkung besteht darin, dass die USA dadurch den Rückstand zu Japan und Deutschland in der Präzisionsfertigung verringern könnten, indem sie die Produktqualität durch KI-gestützte Verfahren verbessern und so ihre globale Wettbewerbsfähigkeit stärken.

Was bedeutet das für die Lieferkette?

Einerseits wird die Verfügbarkeit von Nvidias Blackwell zum entscheidenden Faktor. TSMCs CoWoS-Packaging-Kapazitäten bleiben angespannt, und Blackwell benötigt fortschrittlichere Packaging-Technologien. Bei unzureichender Versorgung könnte sich das Tempo des Token-Preisverfalls verzögern. Andererseits könnten sinkende KI-Modellkosten Entscheidungen für Nearshoring beschleunigen: US-amerikanische Fabriken gewinnen durch KI-Unterstützung an Kosteneffizienz, gleichen teilweise die Lohnkostenvorteile im Ausland aus und machen die Rückverlagerung der Lieferkette attraktiver.

Darüber hinaus wird die Lieferkette für Rechenzentrumsausrüstung (Flüssigkühlung, Stromversorgung, Racks) von der Blackwell-Einführungswelle profitieren. Hersteller wie Vertiv und Schneider Electric können mit einem Anstieg der Aufträge rechnen.

Was bedeutet das für Unternehmensinvestitionen?

Die Kapitalausgaben der Unternehmen verlagern sich. In den letzten zwei Jahren haben Unternehmen massiv in KI-Trainingsinfrastruktur investiert und H100-GPUs gekauft. Jetzt, da Blackwell effizienter ist, ist die Rendite von Inferenzinvestitionen höher. Es wird erwartet, dass Unternehmen ab der zweiten Jahreshälfte 2026 den Wechsel von Hopper zu Blackwell beschleunigen, was einen neuen GPU-Beschaffungszyklus auslöst. Gleichzeitig wird der Anteil der Stromkosten an den Gesamtkosten steigen. Unternehmen werden eher bereit sein, in vor Ort erzeugte erneuerbare Energien zu investieren oder langfristige Stromabnahmeverträge (PPA) abzuschließen, um die Stromkosten zu fixieren.

Was bedeutet das für die nächsten 5 Jahre?In den nächsten 3-5 Jahren könnten die Token-Kosten für KI weiter sinken, was die Durchdringung der industriellen KI von derzeit einstelligen Prozentwerten auf zweistellige Werte steigern wird. Die KI-Anwendungen im US-amerikanischen Fertigungssektor werden von "Pilotprojekten" zur "Skalierung" übergehen. Dies wird doppelte Auswirkungen auf den Arbeitsmarkt haben: Einerseits werden einige geringqualifizierte Prüf- und Sortierjobs ersetzt, andererseits entstehen neue Arbeitsplätze in den Bereichen KI-Betrieb, Modellfeinabstimmung usw.

Der Engpass hat sich jedoch von der Rechenleistung auf die Energie verlagert. Kann das US-Stromnetz die doppelte Last von Rechenzentren und industrieller KI tragen? Die regulatorischen Reformen der Bundesstaaten (wie der Vorschlag von Gouverneur Greg Abbott aus Texas, die Überwälzung der Stromkosten von Rechenzentren zu begrenzen) werden das Expansionstempo bestimmen. Ebenso müssen bei der Umsetzung der industriellen KI Fragen der Datensicherheit und Modellzuverlässigkeit gelöst werden.

Fazit: Der durch Blackwell verursachte drastische Rückgang der Token-Kosten ist kein einfacher Preiskampf, sondern der wahre Startpunkt der industriellen KI-Ära in den USA. Investoren sollten sich auf industrielle Automatisierungssoftware, Stromversorgungsausrüstung für Rechenzentren sowie Fertigungsunternehmen mit KI-Implementierungsfähigkeiten konzentrieren.