Die Auslastungsumkehr

Von Alexander Zehetmaier, CEO, Xinity

Zwanzig Jahre lang war man sich in der IT-Welt einig: Kaufen Sie keine Server, mieten Sie sie. Sie zahlen nur das, was Sie tatsächlich nutzen.

Die Logik dahinter war schlüssig. Ihre Website verzeichnet am Black Friday Spitzenwerte und befindet sich um 3 Uhr morgens im Leerlauf. Arbeitslasten sind unbeständig. Eigene Server weisen eine Auslastung von gerade einmal 10 bis 15 Prozent auf, was reine Geldverschwendung ist. Die Cloud ermöglicht es Ihnen, 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 Nutzenversprechen der Cloud beruht auf einer einzigen Annahme: geringe Auslastung. Fällt diese Annahme weg, bricht das gesamte Wirtschaftsmodell in sich zusammen.

KI-Agenten lassen diese Annahme wegfallen.

Eine Webanwendung weist Spitzen und Täler auf, 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.

Eine nutzungsbasierte Preisgestaltung ist ein großartiges Geschäft, wenn man die Ressource in 15 Prozent der Zeit nutzt. Es ist jedoch ein furchtbares Geschäft, wenn man sie in 90 Prozent der Zeit nutzt. Sie zahlen dann nicht mehr für Flexibilität. Sie bezahlen die Marge eines anderen auf Hardware, die niemals schläft.

Die einfache Rechnung

Vergleichen Sie die Zahlen pro GPU-Äquivalent:

Eine Cloud-GPU kostet rund 18.600 € pro Jahr. Sie zahlen unabhängig davon, ob sie ausgelastet ist oder stillsteht.

Dieselbe Arbeitslast auf Ihrer eigenen Hardware kostet etwa 320 € pro Jahr an Strom. Ihre Hardware, Ihre Stromrechnung, keine Marge, die an einen Hyperscaler fließt.

Das entspricht einer Kostensenkung 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

Zuvor war KI-Hardware noch nie so leicht zugänglich. Ein kompletter Server um eine RTX 6000 Ada herum, inklusive CPU, RAM, Speicher und Kühlung, kostet all-in rund 14.000 €. Eine einzige Maschine bedient 30 Büroangestellte oder 5 bis 8 Software-Entwickler gleichzeitig.

Dreißig Büroangestellte, die jeweils ein Abonnement für einen KI-Assistenten für 20 € pro Monat nutzen, kosten 600 € pro Monat. Über zwei Jahre hinweg sind das 14.400 €. Der Server kostet einmalig 14.000 €. Die Gewinnschwelle ist somit in 23 Monaten erreicht, und das ist die vorsichtige Schätzung.

Rechnen wir nun die Software-Entwickler 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 dadurch ersetzte API-Rechnung betrug nicht 600 € pro Monat, sondern 5.000 bis 15.000 €. Die Gewinnschwelle sinkt damit auf 5 oder 6 Monate.

Ja, in sechs Monaten kommen bessere GPUs auf den Markt. Sie können nicht auf Perfektion warten. Beginnen Sie mit einer Maschine. Beweisen Sie den Wert. Skalieren Sie von dort aus weiter.

Sie müssen keine Modelle trainieren. Sie müssen sie ausführen.

Hier geraten die meisten Führungskräfte ins Grübeln. Das Trainieren von Foundation-Modellen erfordert enorme Rechenleistung. Das Ausführen dieser Modelle dagegen nicht.

Der geschäftliche Wert von KI liegt nicht im Trainieren von GPT-6. Er liegt im Ausführen von Modellen, die Ihre Entwickler, Ihre Analysten und Ihre Kundenserviceteams unterstützen. Bei jedem Token, das Ihre Mitarbeiter während ihrer eigentlichen Arbeit generieren, liegt der ROI. Das ist Inferenz, nicht Training.

Das Training ist eine einmalige Ausgabe, die von den Modell-Labs getragen wird. Die Inferenz hingegen ist ein laufender Kostenfaktor, der jedes Mal anfällt, wenn ein Mitarbeiter KI nutzt. An dieser Stelle explodiert die Rechnung. Und genau hier zahlt es sich aus, die eigene Hardware zu besitzen.

Die Kluft zu Open Source ist verschwunden

Es hält sich hartnäckig der Mythos, dass offene Modelle schlechter sind als das, was die Anbieter geschlossener APIs anbieten. 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 erzielt auf dem SWE-bench Verified einen Wert von 73,4 Prozent, womit es vor dichten Modellen liegt, die doppelt so groß wie seine effektive Größe sind. Es läuft auf Hardware, die unter Ihren Schreibtisch passt. Die Gewichte gehören Ihnen.

Und dieser Trend beschleunigt sich weiter. Mixture-of-Experts-Architekturen und Quantisierungsmethoden, die eine fast vollständige Präzision erhalten, sorgen dafür, dass die Modelle immer besser werden, während sie gleichzeitig schrumpfen. Dieselbe Hardware, die Sie heute kaufen, wird in sechs Monaten noch bessere Modelle ausführen. Nicht durch eine Preisänderung der API, sondern durch einen einfachen Download von Hugging Face.

Für die Arbeitslasten, auf die es in der Produktion ankommt – Codegenerierung, Dokumentenanalyse, interner Wissensabruf, agentenbasierte Workflows –, ist der Leistungsunterschied hinfällig geworden.

Die Mietfalle

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

Am 24. April 2026 trat die aktualisierte Datenrichtlinie von GitHub in Kraft. Interaktionsdaten von Usern der Versionen Copilot Free, Pro und Pro+, einschließlich Eingaben, Ausgaben, Code-Snippets und dem umgebenden Kontext, werden nun standardmäßig zum Trainieren von KI-Modellen verwendet, sofern der User dem nicht widerspricht. Business- und Enterprise-Tarife sind davon ausgenommen, aber das gilt nicht für jeden Entwickler in Ihrem Team, der ein persönliches Konto für den Arbeitscode nutzt. Wenn auch nur ein einziger Mitwirkender mit aktiviertem Training Copilot in Ihrem privaten Repository nutzt, kann der in dieser Sitzung erfasste 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 gibt es nur, weil die Frage der Herkunft eine reale Gefahr darstellt.

Und dann ist da noch die Frage der Gerichtsbarkeit. Nach dem CLOUD Act von 2018 unterliegen Daten, die von US-Anbietern gehalten werden, dem Zugriff der US-Behörden, unabhängig davon, wo sich die Server befinden. Region Frankfurt, Region Wien – das spielt keine Rolle. Vertragliche Zusicherungen über den Datenstandort ändern nichts an dem Gesetz, dem der Anbieter untersteht.

Wenn Sie die KI innerhalb Ihrer eigenen Firewall laufen lassen, gehört diese gesamte Problemkategorie der Vergangenheit an. Ihre Daten verlassen Ihr Gebäude nicht. Es gibt keine Verarbeitungsvereinbarungen mit Drittanbietern auszuhandeln, keine Richtlinien für das Training zu prüfen und keine Fragen zur Zuständigkeit zu klären.

Die Innovationsbremse durch Compliance-Denken

Die meisten Unternehmen tun genau das Gegenteil von dem, was Wert schöpft. 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 (PoC) 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 – betreiben Modelle vollständig in ihrer eigenen Infrastruktur. Das verändert die Risikoabwägung grundlegend. Entwickler können sofort Prototypen erstellen, da nichts das Haus verlässt. Dass LLMs halluzinieren, ist eine bekannte Tatsache. Wenn die halluzinierten Ausgaben jedoch niemals mit Kundendaten in Berührung kommen, bleibt das Risiko überschaubar.

Sobald ein echter Mehrwert vorhanden ist, wird Compliance eher zur Formsache als zur Hürde. Die Beschaffung ist einfach, wenn man Ergebnisse vorweisen kann. Sie ist nahezu unmöglich, wenn man nichts in der Hand hat.

Die strengen Auflagen des EU AI Acts für Hochrisiko-Systeme gelten ab August 2026. Sie verpflichten Organisationen dazu, den Fluss KI-verarbeiteter Daten zu dokumentieren und die Kontrolle über das Modellverhalten nachzuweisen. Das lokale Ausführen von Modellen vereinfacht dies dramatisch. Sie kontrollieren 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

Eine zweite Umkehrung verbirgt sich in der ersten: Wohin der Strom tatsächlich fließt.

Ein erheblicher Teil der Energie im Rechenzentrum wird für die Kühlung aufgewendet. Tausende von GPUs, die in einem Gebäude konzentriert sind, erzeugen enorme Hitze. Diese Wärme erfordert industrielle Kühlsysteme, für die letztendlich Sie als Kunde bezahlen.

Dezentrale On-Premise-Umgebungen haben dieses Problem nicht. Eine Handvoll Inferenz-Geräte im Büro verteilt die Wärme ganz natürlich. Eine Standard-Klimaanlage bewältigt das problemlos. In Ihrem Rechenpreis ist somit kein Kühlungsaufschlag enthalten.

Geringere Rechenkosten, geringere Energiekosten, kein zusätzlicher Kühlungsaufwand. Die Einsparungen summieren sich nicht bloß. Sie multiplizieren sich.

Die Frage der Demokratie

Es gibt auch eine Frage, die über die reine Wirtschaftlichkeit hinausgeht: Wer besitzt 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 abhängig sein wird. Das ist kein Marktproblem. Das ist ein Machtstrukturproblem.

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

Das ist ein Tesla-Moment

Jeder behauptete, Verbrennungsmotoren seien billiger. Dann überschritt die Wirtschaftlichkeit von Batterien eine Schwelle, die alte Annahme stimmte nicht mehr, und die meisten Menschen hatten es einfach noch nicht bemerkt.

Jeder behauptet, die Cloud sei billiger. Dann haben die ständig aktiven KI-Agenten eine Schwelle überschritten. Die alte Annahme stimmte nicht mehr. Die meisten Menschen haben es bloß noch nicht bemerkt.

Genau an diesem Punkt befinden wir uns jetzt.

Die Umkehrung 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 bezahle ich die Marge eines anderen, wenn meine Hardware rund um die Uhr läuft?

Wenn Ihr Unternehmen KI-Agenten einsetzt, hat sich die Wirtschaftlichkeit für Sie bereits umgekehrt. Sie haben die Zahlen bloß noch nicht durchgerechnet. Wir rechnen sie gerne gemeinsam mit Ihnen durch.

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