Die Auslastungs-Inversion: Warum die Cloud-Ökonomie beim Einzug von KI-Agenten versagte

Von Alexander Zehetmaier, CEO, Xinity

Seit zwanzig Jahren war man sich in der IT-Branch in einer Sache einig: Kauf keine Server, miete sie. Du zahlst nur für das, was du nutzt.

Die Logik war schlüssig. Deine Website verzeichnet am Black Friday Spitzenwerte und läuft um 3 Uhr morgens im Leerlauf. Arbeitslasten sind unregelmäßig. Eigene Server weisen eine Auslastung von 10 bis 15 Prozent auf, was Geldverschwendung ist. Die Cloud ermöglicht es dir, bei hoher Auslastung hochzuskalieren und bei geringer Auslastung wieder herunterzufahren.

Das ergab Sinn. Bis es das plötzlich nicht mehr tat.

KI-Agenten haben das Profil der Arbeitslast verändert

Das Wertversprechen der Cloud beruht auf einer einzigen Annahme: geringe Auslastung. Fällt diese Annahme weg, bricht das gesamte davor stehende Wirtschaftsmodell zusammen.

KI-Agenten tun genau das.

Eine Webanwendung hat Spitzen- und Tiefstzeiten mit einer durchschnittlichen Auslastung von rund 15 Prozent. Bei einem KI-Agenten ist das anders. Er überwacht, entscheidet und agiert rund um die Uhr. Agentenbasierte Arbeitslasten laufen mit einer Auslastung von 80 bis 90 Prozent – 24 Stunden am Tag, 7 Tage die Woche.

Pay-per-Use-Preise sind ein großartiges Geschäft, wenn man die Ressource 15 Prozent der Zeit nutzt. Es ist ein furchtbares Geschäft, wenn man sie zu 90 Prozent nutzt. Du zahlst nicht mehr für Flexibilität. Du zahlst die Marge eines anderen Anbieters auf Hardware, die niemals schläft.

Die einfache Rechnung

Vergleichen wir die Zahlen pro GPU-Äquivalent:

Eine Cloud-GPU kostet rund 18.600 € pro Jahr. Du zahlst, egal ob sie beschäftigt ist oder im Leerlauf läuft.

Die gleiche Arbeitslast auf eigener Hardware kostet an Strom rund 320 € pro Jahr. Deine Hardware, deine Stromrechnung, kein Margenfluss an einen Hyperscaler.

Das ist eine Kostenreduktion von 80 Prozent. Nicht 10 Prozent. Nicht 20 Prozent. Achtzig. Wir haben dies bei realen Implementierungen gemessen. Für die vollständige Berechnung wenden Sie sich bitte an Xinity.

Die Gewinnschwelle in überprüfbaren Zahlen

KI-Hardware war noch nie so zugänglich. Ein kompletter Server auf Basis einer RTX 6000 Ada mit CPU, RAM, Speicher und Kühlung kostet insgesamt rund 14.000 €. Ein einziges Gerät versorgt 30 Büroangestellte oder 5 bis 8 Softwareentwickler gleichzeitig.

Dreißig Büroangestellte mit einem Abonnement für einen KI-Assistenten für 20 € pro Monat kosten 600 € pro Monat. Über zwei Jahre hinweg sind das 14.400 €. Der Server kostet einmalig 14.000 €. Erreichte Gewinnschwelle in 23 Monaten – und das ist der vorsichtige Ansatz.

Nun kommen die Softwareentwickler hinzu. Entwickler, die KI-Agenten starten, die über Nacht Code schreiben. Automatisierte Test-Pipelines, gesteuert von LLMs. KI-gestützte Entwicklung in jeder Stunde jedes Arbeitstages. Plötzlich läuft der Server mit einer Auslastung von 80 bis 90 Prozent, und die ersetzte API-Rechnung betrug nicht 600 € pro Monat. Sie lag bei 5.000 € bis 15.000 €. Die Amortisationszeit sinkt auf 5 bis 6 Monate.

Ja, in sechs Monaten wird es bessere GPUs geben. Du kannst aber nicht auf Perfektion warten. Fang mit einem Gerät an. Beweise den Wert. Skaliere von dort aus.

Du musst keine Modelle trainieren. Du musst sie ausführen.

Hier geraten die meisten Führungskräfte durcheinander. Das Trainieren von Foundation-Modellen erfordert enorme Rechenleistung. Das Ausführen der Modelle erfordert dies nicht.

Der geschäftliche Wert von KI liegt nicht im Training von GPT-6. Er liegt im Ausführen von Modellen, die deine Entwickler, Analysten und Kundendienstteams unterstützen. Jeder Token, den deine Mitarbeiter bei der Erledigung ihrer eigentlichen Arbeit erzeugen, ist der Punkt, an dem der ROI entsteht. Das ist Inferenz, nicht Training.

Training ist ein einmaliger Kostenfaktor, den Modelllabors tragen. Inferenz ist ein fortlaufender Kostenfaktor, der jedes Mal anfällt, wenn ein Mitarbeiter KI nutzt. An dieser Stelle explodieren die Kosten. Und genau dort zahlt es sich aus, die eigene Hardware zu besitzen.

Die Lücke zu Open Source ist geschlossen

Es hält sich hartnäckig der Mythos, dass Open-Source-Modelle schlechter seien als die Angebote kommerzieller API-Anbieter. Das ist ein Relikt aus der LibreOffice-Ära. Diese Ära ist vorbei.

Qwen3.6-35B-A3B, im April 2026 unter Apache 2.0 veröffentlicht, aktiviert pro Inferenz-Durchlauf nur 3 Milliarden seiner 35 Milliarden Parameter und erreicht im SWE-bench Verified 73,4 Prozent, was vor dichten Modellen liegt, die doppelt so groß sind. Es läuft auf Hardware, die unter deinen Schreibtisch passt. Die Gewichte gehören dir.

Und der Trend beschleunigt sich. Mixture-of-Experts-Architekturen und Quantisierungsmethoden, die nahezu die volle Präzision beibehalten, sorgen dafür, dass die Modelle immer besser und gleichzeitig kleiner werden. Die Hardware, die du heute kaufst, wird in sechs Monaten bessere Modelle ausführen. Nicht durch eine API-Preisänderung. Sondern durch einen Download von Hugging Face.

Für die Arbeitslasten, auf die es in der Produktion ankommt – Codegenerierung, Dokumentenanalyse, interner Wissensabruf, agentenbasierte Arbeitsabläufe – ist der Leistungsunterschied verschwunden.

Die Mietfalle

Hinter der Rechnung verbirgt sich noch ein zweiter Kostenfaktor: deine Daten.

Am 24. April 2026 trat die aktualisierte Datenschutzrichtlinie von GitHub in Kraft. Interaktionsdaten von Copilot Free-, Pro- und Pro+-Nutzern, einschließlich Eingaben, Ausgaben, Code-Snippets und umgebendem Kontext, werden nun standardmäßig zum Trainieren von KI-Modellen verwendet, sofern der Nutzer dem nicht widerspricht. Business- und Enterprise-Pläne sind davon ausgenommen. Jeder Entwickler in deinem Team, der ein persönliches Konto für den Arbeitscode verwendet, jedoch nicht. Wenn ein einzelner Mitarbeiter Copilot mit aktiviertem Training in deinem privaten Repository nutzt, kann der in dieser Sitzung gesehene Code in die Trainings-Pipeline einfließen.

Entwickler klagen bereits darüber, wie ihr Open-Source-Code zum Trainieren dieser Systeme verwendet wurde. Microsoft bietet sogar ein „Copilot Copyright Commitment“ an und verspricht, Kunden zu verteidigen, die wegen Copilot-Ausgaben verklagt werden. Dieses Versprechen existiert, weil die Frage nach der Herkunft der Daten real ist.

Und dann ist da noch die Rechtsordnung. Nach dem US CLOUD Act von 2018 unterliegen Daten, die von US-Anbietern gespeichert werden, dem Zugriff der US-Regierung, unabhängig davon, wo sich die Server befinden. Region Frankfurt, Region Wien, das spielt keine Rolle. Vertragliche Zusicherungen über den Speicherort der Daten ändern nichts an dem Gesetz, dem der Anbieter unterliegt.

Das Ausführen von KI hinter der eigenen Firewall beendet diese gesamte Kategorie von Problemen. Deine Daten verlassen niemals dein Gebäude. Es muss kein Auftragsverarbeitungsvertrag mit Dritten ausgehandelt werden, keine Trainingsrichtlinie auditiert werden und keine Frage der Gerichtsbarkeit geklärt werden.

Die Innovationssteuer des primär auf Compliance ausgerichteten Denkens

Die meisten Unternehmen tun das Gegenteil von dem, was Wert schafft. Sie verbringen sechs Monate mit der Einhaltung von Compliance-Vorgaben bei der Beschaffung, bevor sie überhaupt beweisen können, dass ihr KI-Anwendungsfall funktioniert. Sie können kein Proof of Concept durchführen, weil die Bewertung des Anbieters länger dauert als das PoC selbst.

Unsere Kunden, darunter die Mediengruppe Wiener Zeitung, Herausgeberin einer der ältesten Zeitungen der Welt, lassen Modelle vollständig in ihrer eigenen Infrastruktur laufen. Das ändert die Risikogleichung. Entwickler können sofort Prototypen erstellen, da nichts das Haus verlässt. LLMs halluzinieren, das ist eine bekannte Tatsache. Wenn die halluzinierte Ausgabe jedoch niemals mit Kundendaten in Berührung kommt, bleibt das Risiko begrenzt.

Sobald ein realer Nutzen erkennbar ist, wird die Compliance eher zu einer Formalität als zu einer Hürde. Die Beschaffung ist einfach, wenn man Ergebnisse vorweisen kann. Sie ist nahezu unmöglich, wenn man nichts vorweisen kann.

Die Pflichten für Hochrisiko-Systeme des EU AI Acts gelten ab August 2026 und verlangen von Organisationen zu dokumentieren, wohin KI-verarbeitete Daten fließen, und die Kontrolle über das Modellverhalten nachzuweisen. Das lokale Ausführen von Modellen vereinfacht dies drastisch. Du kontrollierst die Modellversion, die Eingaben, die Ausgaben und die gesamte Pipeline. Das ist kein theoretischer Vorteil. Es ist ein Wettbewerbsvorteil.

Das Energieproblem, über das niemand spricht

In der ersten Inversion verbirgt sich noch eine zweite: Wohin der Strom tatsächlich fließt.

Ein erheblicher Teil der Energie im Rechenzentrum entfällt auf die Kühlung. Tausende in einem Gebäude konzentrierte GPUs erzeugen eine enorme Hitze, und diese Hitze erfordert industrielle Kühlsysteme, für die letztlich du als Kunde aufkommst.

Dezentrale On-Premise-Setups haben dieses Problem nicht. Eine Handvoll Inferenz-Geräte in einem Büro verteilt die Wärme auf natürliche Weise. Eine Standard-Klimaanlage bewältigt das problemlos. In deinem Rechenpreis ist kein Kühlungsaufschlag enthalten.

Geringere Rechenkosten, geringere Energiekosten, kein Kühlungs-Overhead. Die Einsparungen summieren sich nicht nur auf. Sie multiplizieren sich.

Das Demokratieproblem

Es stellt sich auch eine Frage, die über die reine Ökonomie hinausgeht: Wem gehört die Infrastruktur der Intelligenz?

Wenn zwei oder drei Unternehmen die gesamte KI-Rechenleistung besitzen, besitzen sie das Fundament, von dem jedes Unternehmen, jede Regierung und jede Institution abhängen wird. Das ist kein Marktproblem. Das ist ein Machtstrukturproblem.

Dezentrale Rechenleistung passt zu einer Demokratie. Zentralisierte Rechenleistung passt zu einem Monopol.

Dies ist ein Tesla-Moment

Früher hieß es, Verbrennungsmotoren seien billiger. Dann erreichte die Batterie-Ökonomie eine Schwelle, die alte Annahme stimmte nicht mehr und die meisten Leute hatten es einfach noch nicht bemerkt.

Heute heißt es, Cloud sei billiger. Dann haben die ständig aktiven KI-Agenten eine Schwelle überschritten. Die alte Annahme stimmte nicht mehr. Die meisten Leute haben es nur noch nicht bemerkt.

Wir befinden uns genau in diesem Moment.

Die Inversion zusammengefasst

Die falsche Frage

Die Cloud war die Antwort auf die falsche Frage.

Die alte Frage lautete: Wie vermeide ich es, für ungenutzte Server zu bezahlen?

Die neue Frage lautet: Warum zahle ich die Marge eines anderen Anbieters, wenn meine Hardware rund um die Uhr läuft?

Wenn Ihr Unternehmen KI-Agenten einsetzt, hat sich die Ökonomie für Sie bereits umgekehrt. Sie haben nur noch nicht nachgerechnet. Wir rechnen es gerne gemeinsam mit Ihnen durch.

Buchen Sie ein Gespräch oder schreiben Sie uns an contact@xinity.ai.