Signal der Woche: Die Gratisphase der KI endet

Victor Klaue Victor Klaue IT-Projektleiter & KI-Analyst Veröffentlicht 22. Mai 2026 4 min Lesezeit
Signal der Woche: Die Gratisphase der KI endet

Diese Woche ist Gemini 3.5 Flash mein Aufhänger. Nicht, weil Google noch ein schnelles Modell veröffentlicht hat. Das passiert inzwischen fast im Wochentakt und hier fand ich den Releae von Qwen 3.7 spannender. Interessant ist der Preis: Ausgerechnet ein Modell mit dem Label „Flash“ rückt nahe an frühere Pro-Preise heran.

Das Signal dahinter ist grösser als Google. Die KI-Industrie bewegt sich aus der Subventionsphase heraus. Die letzten Jahre fühlten sich für Nutzer, Entwickler und Unternehmen so an, als werde Intelligenz dauerhaft billiger. Fakt ist: Ein Teil dieser Billigkeit war Wachstumsmarketing, finanziert durch Kapital, Cloud-Budgets und die Hoffnung, später genügend Preissetzungsmacht zu haben.

Signal der Woche

Gemini 3.5 Flash zeigt, wie die nächste Phase aussehen kann: leistungsfähigere Modelle, grössere Kontexte, mehr Agentenfähigkeit und gleichzeitig ein Preisschild, das nicht mehr zur alten Kategorie passt. „Flash“ bedeutete bisher: schnell, skalierbar, vergleichsweise günstig. Bei 1,50 Dollar pro Million Input-Tokens und 9 Dollar pro Million Output-Tokens ist diese Semantik beschädigt.

Das ist kein Google-Sonderfall, sondern ein Marktsignal. Die grossen Labore müssen zwei Dinge gleichzeitig beweisen: dass ihre Modelle produktiv genug sind, um tief in Arbeitsprozesse einzudringen, und dass diese Nutzung irgendwann die Infrastrukturkosten trägt. Bisher war vor allem der erste Teil sichtbar. Jetzt beginnt der zweite.

Was passiert ist

Google positioniert Gemini 3.5 Flash als Modell für agentische Workflows, Coding, multimodales Verständnis und parallele Subagenten-Setups. Die offiziellen Benchmarks sind stark: Terminal-Bench 2.1 mit 76,2 Prozent, MCP Atlas mit 83,6 Prozent und viermal mehr Output-Throughput als andere Frontier-Modelle. Google rollt das Modell ausserdem breit aus: Gemini-App, AI Mode in Search, AI Studio, Android Studio, Antigravity und Enterprise-Angebote.

Genau diese Kombination macht den Schritt interessant. Google gibt das Modell massenhaft in eigene Consumer-Produkte, verlangt aber für API-Nutzung deutlich mehr als bei früheren Flash-Modellen. Simon Willison rechnet vor, dass Gemini 3.5 Flash dreimal so teuer ist wie Gemini 3 Flash Preview und sechsmal so teuer wie Gemini 3.1 Flash-Lite. Der Abstand zu Gemini 3.1 Pro ist plötzlich klein.

Die alte Lesart war: Consumer-Produkte schaffen Gewöhnung, APIs finanzieren den professionellen Einsatz. Die neue Lesart ist schärfer: Consumer-Produkte schaffen Vertrauen und Nutzungsroutine, APIs testen Zahlungsbereitschaft.

Warum das Signal zählt

The Verge beschreibt denselben Druck von der anderen Seite: kostenlose Nutzung wird eingeschränkt, neue Abo-Stufen entstehen, Power-User werden stärker limitiert und Anbieter suchen nach Wegen, die Nutzung besser zu monetarisieren. Das passt zur Kapitalrealität. Wer Milliarden in Rechenzentren, Training und Inferenz steckt, kann nicht dauerhaft so tun, als seien Tokens eine fast kostenlose Nebenleistung.

Sequoias Analyse der „600B Question“ zeigt die strukturelle Lücke: Die Infrastrukturinvestitionen implizieren Umsatz- und Gewinnannahmen, die das heutige KI-Ökosystem noch nicht trägt. Selbst wenn GPU-Preise langfristig fallen, müssen Betreiber kurzfristig Rechenzentren auslasten, Abschreibungen tragen und Investoren erklären, wo die Rendite entsteht.

Daraus folgt keine einfache Prognose, dass alle KI sofort teurer wird. Einige Basismodelle werden billiger, Open-Source-Modelle bleiben ein Gegengewicht, und Wettbewerb drückt einzelne Preise. Aber die bequeme Annahme, dass immer bessere Frontier-Modelle automatisch immer günstiger verfügbar werden, ist schwach. Besonders bei Agenten verschiebt sich die Rechnung: mehr Schritte, mehr Kontext, mehr Tool-Aufrufe, mehr Output. Selbst sinkende Tokenpreise können durch höheren Verbrauch aufgefressen werden.

Was Teams daraus lernen

Der erste operative Punkt ist Budgetdisziplin. KI-Kosten gehören nicht mehr als pauschale Innovationsposition in ein Projektbudget. Sie brauchen Verbrauchsmodelle: erwartete Tokens pro Prozess, Fehlversuche, Kontextlänge, Tool-Runden, Caching, Fallbacks und menschliche Review-Schritte. Wer nur den Preis pro Million Tokens betrachtet, unterschätzt Agenten-Systeme fast zwangsläufig.

Der zweite Punkt ist Routing. Frontier-Modelle sollten nicht der Default für alles sein. Sie gehören an Stellen, an denen Qualität, Latenz oder komplexe Tool-Nutzung den Preis rechtfertigen. Routineklassifikation, Extraktion, Entwürfe, Zusammenfassungen und Vorfilterung können oft kleinere Modelle übernehmen. Die Architekturfrage lautet nicht mehr: Welches Modell ist am besten? Sondern: Welches Modell verdient welchen Schritt im Prozess?

Der dritte Punkt ist Verhandlungsmacht. Wer sich heute tief in einen Anbieter-Harness, eine proprietäre Agentenplattform oder serverseitiges Kontextmanagement integriert, kauft Bequemlichkeit und zahlt mit Wechselkosten. Das kann sinnvoll sein. Aber dann braucht es bewusst geplante Exit-Fähigkeit: austauschbare Modellschicht, Kostenlimits, Observability, Prompt-Versionierung und belastbare Fallback-Pfade.

Der vierte Punkt ist lokale KI. Nicht als romantische Rückkehr zum eigenen Serverraum und nicht als billiger Ersatz für jedes Frontier-Modell. Lokale Modelle sind eine strategische Gegenoption für Workloads, bei denen Datenschutz, wiederholbare Kosten, Latenz, Offline-Fähigkeit oder Kontrolle wichtiger sind als das letzte Prozent Modellleistung. Wer viele interne Dokumente klassifiziert, Entwürfe vorstrukturiert, Logs zusammenfasst oder Agenten-Schritte mit klaren Akzeptanzkriterien ausführt, sollte lokale Inferenz nicht als Bastelthema behandeln, sondern als Teil der Architektur.

Genau dazu wird es in naher Zukunft auf AISyndicate eine eigene Serie geben: DGX Spark im produktiven Einsatz. Nicht als Hardware-Fetisch und nicht als „Cloud ist tot“-Erzählung, sondern als nüchterner Test: Welche Aufgaben lassen sich lokal sinnvoll betreiben, wo bleibt die Cloud überlegen, und ab wann wird lokale KI nicht billiger, aber strategisch robuster?

Gemini 3.5 Flash ist deshalb nicht nur ein neues Modell. Es ist ein Preisschild an der Tür zur nächsten KI-Phase. Die Demo-Zeit endet nicht abrupt, aber sie wird kommerzieller. Gute KI-Teams werden daran nicht scheitern. Schlechte Kostenmodelle schon.

🔗 Quellen

Victor Klaue

PASSEND ZUM THEMA

Hier weiterlesen

Newsletter

Randnotizen zur KI: Die Werkbank steht offen

Victor’s Werkbank ist veröffentlicht und lässt sich mit dem eigenen Modell ausprobieren. Dazu ein Nachtrag aus Brüssel, meine Modellwahl nach GPT-6.2 und das weitere Warten auf Qwen 4.

2 minArtikel lesen →
Newsletter

Randnotizen zur KI: Cairn, neue Modelle und die Werkbank kurz vor dem Start

Unit 42 beschreibt, wie Angreifer Cairn teils mehr als 50 Stunden am Stück gegen Organisationen arbeiten liessen. Dazu neue Modelle dieser Woche und der geplante Start von Victor’s Werkbank.

5 minArtikel lesen →
Newsletter

Randnotizen zur KI: Ein verlorenes Wochenende und das Warten auf Qwen 4

Ein Wochenende ging an die Krankheit, die Werkbank musste warten. Dazu: das Warten auf Qwen 4 27B, Bürokratie in einem Minecraft-Schwarm und ein Aufruf an alle mit einem lokalen Modell und 128k Kontext.

3 minArtikel lesen →

Randnotizen zur KI: AISyndicate, ein Brief und ein neuer Discord

Freie Artikel, ein neuer Discord und mein persönlicher Wochenbrief. Dazu: Neues aus der Werkbank und die Notizen der Eko-Agenten.

4 minArtikel lesen →
Signal der Woche

Signal der Woche: Coding-Agenten mit Schreibrechten brauchen Grenzen ausserhalb des Modells

Zwei Vorfälle, ein Architekturbruch: OpenAIs GPT-5.6 Sol löscht Dateien, Grok Build lädt Repositories hoch. Was das für Betreiber bedeutet.

4 minArtikel lesen →
Signal der Woche

Signal der Woche: Wenn Agenten-Guardrails nur Sicherheit vorspielen

GitLost und GhostApproval zeigen, wie öffentliche Eingaben, breite Rechte und falsche Freigaben die Sicherheitsgrenzen von KI-Agenten aushebeln.

3 minArtikel lesen →
Newsletter

Signal der Woche: Die Tokenökonomie bekommt ihren ersten echten Stresstest

OpenAI senkt die Inferenzkosten seiner bestehenden Modelle um mehr als die Hälfte. Für Builder klingt das gut: mehr Modellleistung pro Franken, bessere

4 minArtikel lesen →
Newsletter

Signal der Woche: Washington als Torwächter für Frontier-AI-Releases

Diese Woche hat die US-Regierung demonstriert, dass sie sich das Recht herausnimmt, Frontier-AI-Releases fallweise zu steuern. Kein neues Gesetz,

3 minArtikel lesen →
Newsletter

Signal der Woche: Wenn der Guardrail zu spät kommt

Diese Woche hat mich eine Schwachstelle beschäftigt, die technisch präzise und gleichzeitig architektonisch beunruhigend ist. Sie wirkt nicht besonders exotisch; genau darin

4 minArtikel lesen →
Newsletter

Signal der Woche: Claude Fable 5, starke Benchmarks, ein Jailbreak und ein Transparenzproblem

Claude Fable 5 ist das leistungsstärkste Modell, das Anthropic bisher veröffentlicht hat. Das ist aber nicht das Signal dieser Woche. Das Signal

3 minArtikel lesen →
Newsletter

Signal der Woche: RTX Spark macht lokale Agenten möglich. Sicher macht sie das Containment.

Diese Woche zog ein Ankündigungspaar meine Aufmerksamkeit auf sich, das technisch in zwei sehr unterschiedliche Richtungen zeigt. NVIDIA hat auf dem GTC

3 minArtikel lesen →
Newsletter

Signal der Woche: Der Engpass wandert von der Antwort zum Prozess

Liebe Leser, zwei Meldungen, getrennt gemeldet, gleiche Geschichte. Anthropic bringt Opus 4.8. NVIDIA erklärt AI Factories zur neuen Infrastrukturklasse. Modellpflege hier,

3 minArtikel lesen →
Newsletter

Signal der Woche: KI-Cyberfähigkeiten überholen ihre eigenen Benchmarks

In eigener Sache Signal der Woche wird eingestellt. Das Format war ein Kommentar zu einem eigenen Wochen-Artikel und hat damit wenig

3 minArtikel lesen →
Newsletter

Die Woche — KW 19 / 2026

Anthropic hat den Pentagon-Vertrag abgelehnt: keine Nutzung für Militärzwecke, kein Kompromiss. Gleichzeitig plant SAP zwei KI-Übernahmen, NVIDIA und ServiceNow bringen autonome Agenten.

2 minArtikel lesen →