Palantir-CEO Alex Karp hat öffentlich das tokenbasierte Geschäftsmodell kritisiert, das von OpenAI und Anthropic verwendet wird, und argumentiert, dass die Art und Weise, wie große Model-Anbieter für die Nutzung von KI abrechnen, ein tieferes Problem im Markt widerspiegelt. Die von CNBC berichteten Äußerungen sind bemerkenswert, weil sie vom Chef eines Unternehmens kommen, das Unternehmen und Behörden eine andere Botschaft vermittelt: KI als operatives System, das an Ergebnisse gekoppelt ist, nicht nur als über Tokens gemessener Modellzugang.

Die unmittelbare Nachricht betrifft weniger einen Produktstart als vielmehr eine sich ausweitende strategische Spaltung in der KI. Auf der einen Seite stehen Model-Unternehmen wie OpenAI und Anthropic, deren APIs und Chat-Produkte üblicherweise nutzungsbasiert bepreist werden. Auf der anderen Seite stehen Plattformanbieter wie Palantir, die sich als die Schicht positionieren wollen, die Modelle mit sensiblen Daten, Geschäftsabläufen und Bereitstellungskontrollen verbindet. Karp’s Kritik ist wichtig, weil sie eine Spannung auf den Punkt bringt, mit der viele Käufer bereits ringen: Sollte sich die Ausgaben für Enterprise AI auf den reinen Modellverbrauch konzentrieren oder auf Softwaresysteme, die Zuverlässigkeit, Kosten, Sicherheit und Workflow-Integration steuern?

Der von CNBC verfügbare Auszug enthält weder Karp’s vollständige Kommentare noch den Ort, an dem er sie gemacht hat, noch detaillierte Beispiele zur Stützung seiner Kritik. Das begrenzt, wie weit die Berichterstattung bei seinem spezifischen Argument gehen kann. Doch schon aus der Überschrift wird die Stoßrichtung klar: Palantir stellt nicht nur Wettbewerber infrage, sondern die Ökonomie, die sich in weiten Teilen der generativen KI als Standard etabliert hat.

Warum Karp’s Kritik jetzt wichtig ist

Karp’s Angriff trifft zu einem Zeitpunkt, an dem Unternehmenskunden über erste Experimente mit großen Sprachmodellen hinausgehen und härtere Fragen zur Kostenvorhersehbarkeit stellen. Die Token-Bepreisung hat Unternehmen wie OpenAI und Anthropic dabei geholfen, den Zugang zu Frontier-Modellen zu skalieren, weil sie Nutzung an Rechenbedarf koppelt. Für Entwickler ist das ein unkomplizierter Weg, Modellkapazität über eine API zu kaufen. Für Finanzteams und CIOs kann das Token-Metering jedoch schwer prognostizierbar werden, sobald sich KI-Funktionen über mehrere Produkte, Teams und Agenten hinweg ausbreiten.

Genau hier hat Palantir versucht, sich abzugrenzen. Anstatt direkt als Foundation-Model-Unternehmen zu konkurrieren, hat Palantir seinen Wert rund um Orchestrierung, Governance und Bereitstellung in komplexen Institutionen positioniert. Die breitere Enterprise-AI-Erzählung des Unternehmens ist mit Plattformen wie AIP verbunden, kurz für Artificial Intelligence Platform, die Palantir als Mittel vermarktet hat, Modelle in realen Umgebungen mit Kontrollen rund um Datenzugriff und Entscheidungsabläufe zu operationalisieren.

Karp’s Äußerungen wirken daher wie mehr als ein rhetorischer Seitenhieb. Sie passen zu Palantir’s langjährigem Argument, dass Enterprise AI nicht auf den Zugang zu einem leistungsfähigen Modell reduziert werden kann. In Branchen mit großen Datensätzen, regulatorischen Beschränkungen oder risikoreichen Entscheidungsketten ist das Preismodell untrennbar mit dem Systemdesign verbunden. Wenn die Grundökonomie ständigen Token-Verbrauch belohnt, könnten Käufer befürchten, dass die Softwarearchitektur eher auf Nutzungssteigerung als auf Effizienz ausgerichtet wird.

Der Kampf um das Geschäftsmodell hinter dem Modellrennen

Die Preisdebatte ist eigentlich ein Kampf darum, wo im KI-Stack der Wert entsteht. OpenAI und Anthropic sitzen nahe an der Model-Schicht, wo Leistungsverbesserungen und neue Fähigkeiten Premiumpreise rechtfertigen können. Tokenbasierte Abrechnung ist für dieses Geschäft ein natürlicher Fit, weil sie Modellaufrufe in wiederkehrende Umsätze verwandelt. Außerdem können Anbieter damit Angebote nach Modellqualität, Kontextlänge und Durchsatz segmentieren.

Palantir kommt aus einer anderen Softwaretradition. Seine Verträge mit Unternehmen und Behörden haben historisch Bereitstellung, Integration und missionsspezifische Software betont. Aus dieser Perspektive können nutzungsbasierte Modellgebühren wie ein instabiles Fundament für langfristige Enterprise-AI-Budgets wirken, besonders wenn Arbeitslasten variieren und Kunden noch lernen, welche Aufgaben überhaupt automatisiert werden sollten.

Dies ist nicht das erste Mal, dass sich der KI-Markt zwischen Infrastrukturökonomie und Anwendungsökonomie aufteilt. Cloud Computing durchlief eine ähnliche Phase, in der Kunden zunächst für Rohressourcen bezahlten, bevor sie höhere verwaltete Dienste und bessere Kostenkontrollen verlangten. Bei KI ist die Unterscheidung schärfer, weil die sichtbarsten Produkte konversationelle Systeme sind, während die unternehmerische Kaufentscheidung oft von weit weniger sichtbaren Merkmalen wie Governance, Auditierbarkeit, Latenzmanagement und Modell-Routing abhängt.

Das macht Karp’s Äußerungen strategisch nützlich für Palantir. Wenn Unternehmenskunden gegenüber offenen Token-Ausgaben skeptisch werden, könnten Unternehmen, die KI in höherstufige Systeme einbetten, mehr Hebel gewinnen. Aber das Gegenteil ist ebenfalls möglich: Wenn OpenAI und Anthropic die Modellqualität schnell genug weiter verbessern, könnten viele Kunden die Token-Bepreisung als Preis für den Zugang zu den besten Fähigkeiten akzeptieren.

Was wir wissen und was unklar bleibt

Die stärkste bestätigte Tatsache aus dem verfügbaren Quellenmaterial ist, dass CNBC berichtete, Karp habe auf das Token-Modell von OpenAI und Anthropic eingedroschen und dabei gesagt: „Something has gone completely wrong.“ Ohne den vollständigen Artikeltext gibt es hier nicht genügend Quellenbelege, um den vollständigen Kontext verlässlich zu benennen oder zu sagen, ob die Kommentare in einem Interview, bei einem Auftritt im Zusammenhang mit Quartalszahlen, bei einer Konferenzdiskussion oder in einem anderen öffentlichen Rahmen fielen.

Es gibt auch nicht genug Belege in diesem Quellenstück allein, um zu sagen, ob Karp eine konkrete alternative Preisstruktur vorgeschlagen, Kundenbeispiele angeführt oder Produkte von OpenAI oder Anthropic direkt erwähnt hat. Solche Details wären wichtig, weil „Token-Modell“ zwar einen Abrechnungsmechanismus beschreibt, Karp aber möglicherweise auch breitere Anreize kritisiert hat, wie KI-Unternehmen Wert messen.

Es ist wichtig, bestätigte Berichterstattung von Marktinterpretation zu trennen. CNBC scheint festgestellt zu haben, dass Karp die Kritik geäußert hat. Die weitergehende Schlussfolgerung — dass Palantir diesen Moment nutzt, um seine Positionierung im Enterprise-AI-Markt voranzutreiben — ist eine Analyse, die auf Palantirs bekannter Marktstrategie beruht, nicht auf einem direkten Zitat aus dem bereitgestellten Auszug.

Ebenso würde jede Andeutung, Token-Bepreisung versage am Markt, über die hier verfügbaren Belege hinausgehen. OpenAI und Anthropic bleiben zentrale Anbieter in der generativen KI, und Token-basierte Abrechnung wird über APIs und Entwicklertools hinweg weiterhin breit genutzt. Die Nachricht ist nicht, dass das Modell zusammengebrochen ist, sondern dass ein prominenter Enterprise-Software-Manager offen argumentiert, es sei nicht mit den Kundenbedürfnissen im Einklang.

Auswirkungen für KI-Entwickler und Unternehmenskäufer

Für Entwickler heben Karp’s Äußerungen ein praktisches Problem hervor: Produktdesign bestimmt zunehmend die Kosten für Cloud und Modelle. Teams, die auf OpenAI oder Anthropic aufbauen, können schnell liefern, übernehmen aber auch die Ökonomie häufiger Inferenzaufrufe, langer Kontextfenster und mehrstufiger AI Agents. Bei Consumer-Produkten kann das beherrschbar sein, wenn das Engagement hoch ist und die Margen es tragen. Bei Enterprise AI, insbesondere bei internen Produktivitätssystemen, lässt sich die Rendite jedes tokenintensiven Workflows möglicherweise schwerer belegen.

Das erzeugt Druck, die Architektur zu optimieren. Entwickler könnten reagieren, indem sie häufiger kleinere Modelle nutzen, Premium-Modelle für schwierigere Aufgaben reservieren, Caching-Schichten hinzufügen, Prompts eingrenzen oder einige Arbeitslasten auf Open-Weight-Alternativen verlagern. Andere könnten sich an Orchestrierungsanbieter wenden, die bessere Kontrollen über Modellauswahl, Retrieval und Richtlinienmanagement versprechen. In diesem Sinne könnte Kritik an der Token-Bepreisung die Nachfrage nach Plattformen beschleunigen, die die Modellenutzung abstrahieren, statt dem Kunden jede Inferenzkostenposition direkt offenzulegen.

Für Unternehmen ist die Botschaft noch konkreter. KI zu kaufen ist nicht länger nur eine Frage, welches Modell in einer Demo am besten abschneidet. Es ist eine Beschaffungsfrage mit Budgetvorhersehbarkeit, Anbieterabhängigkeit, Sicherheit und operativer Verantwortlichkeit. Ein Team mag OpenAI für Coding-Hilfe mögen, Anthropic für richtlinienkritische Anwendungsfälle und Palantir für die Bereitstellung in interne Systeme. Diese Entscheidungen greifen zunehmend ineinander.

Das ist besonders relevant für Unternehmen, die AI Agents evaluieren. Agents können im Hintergrund Modellaufrufe vervielfachen, weil sie planen, Kontext abrufen, Tools aufrufen und Ausgaben verifizieren. Eine tokenbasierte Preisstruktur kann daher Kostenspitzen erzeugen, die in Pilotprojekten nicht sofort sichtbar sind. Das macht das Modell nicht falsch, aber Beobachtbarkeit und Workflow-Design umso wichtiger.

Palantir’s Kritik dürfte vor allem bei Käufern Anklang finden, die bereits frustriert über unklare Inferenzrechnungen sind. Dennoch haben Model-Anbieter ihre eigene Verteidigung: Token-Bepreisung spiegele die tatsächliche Nutzung wider und zwinge Wenignutzer nicht in teure Festverträge. Für manche Organisationen ist diese Flexibilität ein Vorteil, kein Nachteil.

Belege und Qualität der Behauptungen

Diese Geschichte stützt sich auf eine dünne Quellenbasis. Das einzig verfügbare Element ist ein CNBC-Bericht, der über Google News aufgegriffen wurde, und der extrahierte Text enthält nicht den vollständigen Artikel. Daher kann der Artikel verantwortungsvoll berichten, dass CNBC sagt, Alex Karp habe die tokenbasierte Herangehensweise von OpenAI und Anthropic kritisiert und dabei den Satz „Something has gone completely wrong“ verwendet.

Darüber hinaus ist Vorsicht geboten. Es gibt hier keinen direkten Beleg für finanzielle Auswirkungen, Kundenreaktionen oder einen neuen Produktzug von Palantir, der mit der Kritik verbunden wäre. Es gibt in den bereitgestellten Quellenmaterialien auch keine Benchmark-Behauptungen oder Adoptionsmetriken. Jeder Vergleich von Palantir, OpenAI und Anthropic in diesem Artikel betrifft daher die Positionierung im Geschäftsmodell und nicht verifizierte Leistung oder Marktanteile.

Worauf man als Nächstes achten sollte

Das nächste Signal, auf das man achten sollte, ist, ob Palantir Karp’s Kritik in eine explizitere kommerzielle Argumentation innerhalb von AIP und verwandten Enterprise-AI-Verkaufsbotschaften übersetzt. Falls das Unternehmen Kosten-Governance und alternative Preisstrukturen aggressiver betont, würde das darauf hindeuten, dass es sich nicht nur um Kommentar, sondern um einen koordinierten Marktvorschub handelt.

Ein zweites Signal ist, wie OpenAI und Anthropic ihre Enterprise-Verpackung anpassen. Beide Unternehmen bieten bereits eine Mischung aus API- und geschäftsorientierten Produkten an, und anhaltender Druck großer Kunden könnte zusätzliche Pauschal-, Sitzplatz- oder Hybrid-Preisoptionen neben der Token-Abrechnung fördern.

Drittens sollte man beobachten, wie AI Agents in den kommenden Quartalen an Unternehmen verkauft werden. Wenn Käufer empfindlicher gegenüber versteckten Inferenzkosten werden, könnten Anbieter, die klare Stückkosten und Nutzungskontrollen zeigen können, einen Vorteil gegenüber denen gewinnen, die auf breite Automatisierungsversprechen setzen.

Schließlich lohnt es sich zu verfolgen, ob sich mehr Enterprise-Software-CEOs Karp anschließen und reine nutzungsbasierte Preisgestaltung für große Sprachmodelle kritisieren. Falls das passiert, könnte sich die Debatte von einem Palantir-Talking-Point zu einer breiteren Marktkorrektur entwickeln.

Creati.ai-Perspektive

Karp’s Kommentare sind wichtig, weil sie ein strukturelles Problem offenlegen, das der KI-Markt noch nicht vollständig gelöst hat: Die Unternehmen, die die fortschrittlichsten Modelle entwickeln, und die Unternehmen, die KI in reale Institutionen bringen, optimieren oft für unterschiedliche Dinge. Model-Anbieter wollen flexible Monetarisierung, die an rechenintensive Nutzung gekoppelt ist. Unternehmen wollen vorhersehbare Kosten, Governance und Systeme, die Geschäftsprobleme lösen, ohne jeden Workflow zu einem offenen Zähler zu machen.

Das wahrscheinliche Ergebnis ist nicht das Ende der Token-Bepreisung. Es ist ein stärker geschichteter Markt. OpenAI und Anthropic werden dort weiter Modellzugang verkaufen, wo Leistung den Ausschlag gibt. Aber wenn Enterprise AI reift, könnte mehr Wert in Orchestrierung, Kontrollen und verpackte Workflows fließen — Bereiche, in denen Palantir und andere Unternehmen, die rund um Enterprise-AI-Bereitstellung aufbauen, einen Vorteil sehen. Die eigentliche Frage ist nicht, ob Tokens verschwinden. Sie lautet, welche Anbieter es schaffen, den Token-Verbrauch in produktiver Software wirtschaftlich beherrschbar wirken zu lassen.