Ramp-Daten zeigen, dass die KI-Ausgaben pro Mitarbeiter bei Top-Firmen im August sanken
Ramp-Daten zeigen, dass die KI-Nutzung im August kaum zunahm, während Top-Nutzer ihre Ausgaben kürzten – das wirft Fragen zu Token-Ökonomie, Modellpreisen und Unternehmenskunden nachfrage auf.
Die KI-Nutzung in Unternehmen kam im August nahezu zum Stillstand, während die Firmen mit dem höchsten KI-Einsatz ihre Ausgaben pro Mitarbeiter deutlich senkten, wie Zahlungsdaten von Ramp zeigen. Die Zahlen werfen eine wichtigere Frage auf als die, ob die Beschäftigten im Sommer unterwegs waren: Beginnen fallende Preise und günstigere Modelle, das Umsatzwachstum für die Modellanbieter und Cloud-Unternehmen zu dämpfen, die den aktuellen KI-Aufbau finanzieren?
Ramps Analyse umfasst Ausgaben bei rund 70.000 Unternehmen. Sie ergab, dass 56 % der Kunden im August für KI-Produkte zahlten, nur 0,4 Prozentpunkte mehr als im Juli. Unter den obersten 1 % der KI-nutzenden Unternehmen in der Stichprobe sanken die KI-Ausgaben pro Mitarbeiter um fast 10 % auf 7.205 US-Dollar.
Die Zahlen belegen nicht, dass die Unternehmenskernachfrage nach KI dauerhaft nachgelassen hat. Der August ist ein urlaubsreicher Monat, und Ramps Kundenbasis ist technologieorientierter als die gesamte Unternehmenslandschaft. Dennoch bietet die Datenauswertung einen der wenigen direkten Einblicke in Unternehmensausgaben und deutet auf eine Spannung im Zentrum des Marktes hin: Die KI-Nutzung kann weiter wachsen, während der gezahlte Betrag pro Nutzungseinheit sinkt.
Ramps Daten deuten auf eine Pause hin, nicht auf ein Urteil
Ramp hat bereits zuvor ein ähnliches saisonales Muster erfasst. Sein KI-Index zeigte zwischen August und Oktober des vergangenen Jahres kaum oder gar kein Wachstum bei der Adoption, bevor die Aktivität zum Jahresende hin anzog. Diese Historie stützt die Möglichkeit, dass die jüngste Verlangsamung vorübergehend ist.
Die Stichprobe muss ebenfalls sorgfältig interpretiert werden. Ramps Kunden sind wahrscheinlich eher bereit, Software- und KI-Produkte zu kaufen, als der durchschnittliche Betrieb. Eine laufende, am 23. August aktualisierte Umfrage des U.S. Census Bureau ergab, dass 22 % der Unternehmen angaben, KI zu nutzen – deutlich weniger als Ramps Wert von 56 %. Die beiden Messungen sind nicht direkt vergleichbar, aber die Lücke verdeutlicht, warum Ramps Zahlen eher als Signal aus einem softwarelastigen Segment denn als vollständiges Maß für die Wirtschaft betrachtet werden sollten.
Selbst mit diesen Einschränkungen ist der Datensatz wichtig, weil Ausgabeverhalten Veränderungen offenbaren kann, die Produktumfragen übersehen. Wenn Unternehmen weiter mit KI experimentieren, aber zu günstigeren Modellen wechseln oder ihre Nutzung in Phasen geringerer Mitarbeiteraktivität reduzieren, kann die Schlagzeilen-Adoption positiv bleiben, während die Umsätze der Anbieter langsamer wachsen.
Niedrigere Token-Kosten verändern die Ökonomie
Ramp-Ökonom Ara Kharazian machte einen Teil des Rückgangs der Ausgaben pro Mitarbeiter auf fallende Token-Preise zurückzuführen. Die Analyse des Unternehmens bezifferte die durchschnittlichen Kosten im August auf 0,68 US-Dollar pro Million Token, nach einem Höchststand von 1,15 US-Dollar im März 2026. OpenAI und Anthropic haben laut dem TechCrunch-Bericht beide ihre Preise gesenkt, wodurch ein vergleichbares Volumen an Modellnutzung für Kunden günstiger wird.
Das ist für Unternehmen, die KI einsetzen, vorteilhaft, schafft für Modellanbieter aber eine schwierige Wachstumsformel. Die Labs brauchen höhere Volumina, um die niedrigeren Preise auszugleichen. Ramps Zahlen deuten darauf hin, dass zumindest bis August die gestiegene Nutzung die Rückgänge bei den Kunden mit den höchsten Ausgaben nicht vollständig kompensiert hatte.
Die Verschiebung könnte auch eine Modellsubstitution widerspiegeln. Berichten zufolge wählen Unternehmen ältere, günstigere Systeme, darunter OpenAIs ChatGPT 5.6-Terra und Anthropics Sonnet, statt für die neuesten Frontier-Versionen zu zahlen. Für routinemäßige Zusammenfassungen, Entwürfe, Klassifizierungen und interne Suche könnten Käufer zu dem Schluss kommen, dass ein günstigeres Modell ein ausreichendes Ergebnis liefert. Damit ist Modellqualität nur ein Faktor bei Kaufentscheidungen; Preis, Latenz, Zuverlässigkeit und Integrationskosten können genauso wichtig sein.
Der Bericht stellte außerdem fest, dass nur 6,4 % der Unternehmen, die für KI ausgeben, im August Modell-Serving- oder Inferenz-Plattformen nutzten. Dieser Anteil steigt zwar, aber nach Ramps Einschätzung nicht schnell genug, um die gesamte Unternehmensadoption grundlegend zu verändern. Das Ergebnis ist ein Markt, der weiterhin von verpackten KI-Produkten statt von breitem Unternehmenseinsatz unabhängig gehosteter Modelle dominiert wird.
Warum das Signal für KI-Entwickler wichtig ist
Für Frontier Labs stellen die August-Zahlen die Annahme infrage, dass eine schnelle Adoption von KI-Tools automatisch genügend bezahlte Nutzung erzeugt, um enorme Trainings- und Infrastrukturinvestitionen zu rechtfertigen. Softwareingenieure haben die starke Nachfrage nach agentischen Coding-Tools angetrieben, doch eine Abschwächung in diesem Bereich würde sowohl den Modellverbrauch als auch die darauf aufbauenden Softwareanbieter beeinflussen.
Für Entwickler ist die unmittelbare Lehre, Umsatz eher an abgeschlossene Workflows als allein an Token-Volumen zu modellieren. Ein Produkt, dessen Betrieb günstiger wird, kann für Kunden attraktiver sein, aber sein Anbieter kann nicht davon ausgehen, dass niedrigere Stückpreise durch genügend zusätzliche Aufrufe ausgeglichen werden. Teams sollten aktive Nutzer, Aufgabenabschluss, Bindung und Kundenergebnisse neben dem Token-Verbrauch verfolgen.
Unternehmenskunden haben einen anderen Anreiz. Fallende Token-Kosten können die Wirtschaftlichkeit von KI verbessern, insbesondere bei Workloads mit hohem Volumen. Sie können es auch erleichtern, mehrere Modelle zu testen und jede Aufgabe an das günstigste System zu leiten, das die Qualitäts- und Sicherheitsanforderungen erfüllt. Einsparungen können jedoch verschwinden, wenn Organisationen teure Orchestrierung, Monitoring, Sicherheitsprüfungen oder menschliche Aufsicht hinzufügen, ohne die daraus resultierenden Produktivitätsgewinne zu messen.
Die Zahlen helfen auch zu erklären, warum KI-Unternehmen Nicht-Techniker mit breiteren KI-Coworking- und Assistenzprodukten ansprechen. Die technisch fortschrittlichsten Kunden optimieren möglicherweise aggressiv auf den Preis, während weniger technische Teams neue Nachfragesegmente darstellen könnten. Diese Nutzer zu gewinnen, würde einfachere Implementierung und klareren Geschäftswert erfordern, nicht nur bessere Benchmark-Leistung.
Belege und Behauptungen bleiben begrenzt
Die stärksten Zahlen in dieser Geschichte sind von Ramp bereitgestellte Messwerte, die von TechCrunch berichtet wurden. Sie sind keine geprüfte Branchenzählung, und die Quelle liefert keine vollständige Aufschlüsselung nach Unternehmensgröße, Branche, Geografie, Arbeitslast oder dem Effekt von Mitarbeiterurlauben. Der Vergleich mit dem Census Bureau ist ein nützlicher Kontext, beweist aber nicht, dass die nationale KI-Adoption im August zurückging.
Kharazians Interpretation, dass der Wettbewerb zwischen OpenAI und Anthropic die Preise und Ausgaben drückt, ist eine Managementanalyse von Ramps Daten und keine unabhängig verifizierte Erklärung. Ebenso sollte der Hinweis, dass Frontier Labs Preissenkungen noch nicht durch genügend Volumen ersetzt haben, als Marktschlussfolgerung aus dem berichteten Ausgabentrend gelesen werden.
Diese Vorbehalte machen das Ergebnis nicht irrelevant. Sie definieren, was es stützen kann: eine Warnung vor Monetarisierungs- und Preisdruck bei technologieorientierten Kunden, statt eines Beweises dafür, dass die Unternehmens-KI-Nachfrage in einen dauerhaften Rückgang eingetreten ist.
Worauf als Nächstes zu achten ist
Die nächsten Ramp-Werte werden zeigen, ob der August ein wiederkehrender saisonaler Rückgang war oder der Beginn einer breiteren Veränderung. Ein erneuter Anstieg des Anteils der Unternehmen, die für KI bezahlen, verbunden mit höheren Ausgaben pro Mitarbeiter, würde die Erklärung der Sommerflaute stützen.
Modellpreise und Nutzungsvolumina werden ebenso wichtig sein. Wenn OpenAI und Anthropic ihre Preise weiter senken, während der gesamte Token-Verbrauch stark steigt, könnten die Labs ihre Umsätze dennoch durch Skalierung ausbauen. Wenn Kunden weiterhin zu günstigeren Modellen wechseln und das Nutzungswachstum moderat bleibt, wird der Druck auf die Ökonomie der Frontier-Modelle schwerer zu ignorieren sein.
Entwickler sollten außerdem die Adoption von Inferenzplattformen, die Beständigkeit agentischer Coding-Tools und die Frage beobachten, ob nichttechnische KI-Produkte neue bezahlte Nachfrage erzeugen. Für Unternehmenskäufer werden die nützlichen Signale weniger im aggregierten Modellverbrauch liegen als in Verlängerungsraten, messbaren Workflow-Verbesserungen und den Gesamtkosten des Betriebs von KI-Systemen in der Produktion.
Creati.ai-Perspektive
Ramps August-Daten lassen sich am besten als Stresstest für die Umsatzerwartungen des KI-Markts verstehen. Günstigere Modelle sind für Kunden eine gute Nachricht, zwingen die Anbieter aber zu beweisen, dass niedrigere Preise genug zusätzliche Nutzung – oder genug neue Nutzer – erzeugen, um die Infrastrukturkosten zu tragen.
Die kurzfristige Schlussfolgerung ist nicht, dass die Unternehmens-KI ins Stocken geraten ist. Vielmehr divergieren Adoption und Monetarisierung. KI-Entwickler, die dauerhaften Workflow-Nutzen zeigen, Inferenzkosten kontrollieren und preissensible Kunden bedienen können, sind besser positioniert als diejenigen, die sich allein auf steigenden Token-Verbrauch verlassen.
