Wer 2026 regelmäßig mit Claude, ChatGPT oder ähnlichen KI-Modellen arbeitet, hat es vermutlich schon selbst gespürt: Nutzungslimits werden strenger, Antwortzeiten schwanken, und Preise oder Kontingente ändern sich mit wenig Vorlauf. Das ist kein Einzelfall und keine vorübergehende Störung – sowohl Anthropic als auch OpenAI haben öffentlich eingeräumt, dass ihnen schlicht die Rechenkapazität fehlt, um die Nachfrage vollständig zu bedienen. Für Unternehmen, die KI-Tools inzwischen fest in ihre Arbeitsabläufe eingebaut haben, ist das mehr als eine technische Randnotiz.
Was gerade passiert: Zwei Beispiele aus 2026
Anthropic: Ende März 2026 stießen Claude-Nutzer in Spitzenzeiten innerhalb von nur 20 Minuten an ihr Fünf-Stunden-Nutzungslimit. Anthropic-CEO Dario Amodei hat öffentlich bestätigt, dass das Unternehmen „compute-constrained“ ist – Rechenkapazität sei „ein primärer Flaschenhals für Modellentwicklung und Auslieferungsgeschwindigkeit“. Als Reaktion hat Anthropic im Sommer 2026 einen Deal mit SpaceX geschlossen: Zugriff auf über 300 Megawatt Kapazität und mehr als 220.000 zusätzliche GPUs, ergänzt durch weitere Vereinbarungen mit Amazon, Google und Microsoft. Trotzdem gilt: Neue Rechenzentrumskapazität braucht 18 bis 24 Monate von der Bestellung bis zur Inbetriebnahme – spürbare Entlastung wird frühestens Ende 2026 erwartet.
OpenAI: Anfang September 2026 kürzte OpenAI die Nutzungslimits für das neue Modell GPT-6 Astra bei Vielnutzern um bis zu das Vierfache – nur 48 Stunden, nachdem man als Dankeschön für den abgeschlossenen Rollout noch ein volles Kontingent-Reset angekündigt hatte. Ein offizielles Statement dazu blieb aus. Als wahrscheinlicher Grund gilt, dass das neue Modell pro Anfrage deutlich teurer im Betrieb ist als sein Vorgänger – die Kluft zwischen den Monate zuvor festgelegten Abo-Preisen und den tatsächlichen Betriebskosten wurde erst im laufenden Betrieb sichtbar.
Warum das kein vorübergehendes Problem ist
Hinter den einzelnen Vorfällen steht ein strukturelles Muster, das sich nicht kurzfristig auflösen lässt:
- Kostenlogik: Zehnmal intensivere KI-Nutzung kostet den Anbieter ungefähr zehnmal so viel. Pauschalpreis-Abos werden unwirtschaftlich, sobald einzelne Nutzer-Interaktionen stark ansteigen – besonders bei agentischen Workflows (KI, die selbstständig mehrere Schritte hintereinander ausführt), die pro Sitzung ein Vielfaches der Rechenlast eines klassischen Chat-Verlaufs verbrauchen können.
- Strombedarf: Für den US-KI-Sektor wird bis 2028 ein Bedarf von rund 50 Gigawatt Kapazität erwartet – das Äquivalent von 50 großen Kernreaktoren. Der weltweite Stromverbrauch von Rechenzentren soll sich bis 2030 verdoppeln.
- Chip-Produktion: Trotz milliardenschwerer Investitionen der Chip-Hersteller übersteigt die Nachfrage weiterhin das Angebot – begrenzt durch Fertigungskapazitäten, steigende Speicherpreise und fehlende Infrastruktur für neue Rechenzentren.
- Konkurrierende Prioritäten: Ein erheblicher Teil der verfügbaren Rechenleistung fließt weiterhin in die Entwicklung neuer, noch leistungsfähigerer Modelle statt in die Bedienung bestehender Nutzer – ein Zielkonflikt, der nicht kurzfristig auflösbar ist.
Was das konkret für Ihr Unternehmen bedeutet
Für Unternehmen, die KI-Tools operativ einsetzen – ob für Content-Erstellung, Kundenservice, Datenauswertung oder Softwareentwicklung –, ergeben sich daraus drei konkrete Risiken:
- Unterbrechungsrisiko bei Fristen: Wenn Nutzungslimits mitten in einem Projekt greifen, kann laufende Arbeit ins Stocken geraten. Wer KI-gestützte Aufgaben in Zeitpläne einplant, sollte einen Puffer für den Fall einkalkulieren, dass ein Tool zeitweise nicht wie gewohnt verfügbar ist.
- Kostenunsicherheit: Anbieter passen Preise und Kontingente kurzfristig an – teils, wie im Fall von GPT-6 Astra, innerhalb weniger Tage. Eine Kalkulation, die allein auf heutigen Abo-Kosten basiert, ist keine verlässliche Grundlage für langfristige Fixpreis-Vereinbarungen mit eigenen Kunden.
- Abhängigkeit von einem einzelnen Anbieter: Wer ausschließlich auf ein Modell oder einen Anbieter setzt, trägt das volle Risiko von dessen individuellen Kapazitätsengpässen. Eine Absicherung über mehr als einen Anbieter reduziert dieses Risiko spürbar.
Aktuelle Erhebungen zeigen, wie real dieses Spannungsfeld bereits ist: Ein Großteil der Unternehmen verfehlt seine KI-Budgetprognosen deutlich, während gleichzeitig nur ein kleiner Teil signifikanten wirtschaftlichen Nutzen aus bisherigen KI-Investitionen zieht. Zusätzliche Preis- und Kapazitätsunsicherheit trifft also auf ohnehin schon unsichere Kalkulationsgrundlagen.
Handlungsempfehlungen für KMU und Agenturen
| Maßnahme | Warum sie hilft |
| Mehr als ein KI-Modell/Anbieter nutzen | Reduziert die Abhängigkeit von den Kapazitätsproblemen eines einzelnen Anbieters – bei Engpass steht eine Alternative bereit. |
| Vertragliche Absicherung verlangen | Exportrechte für eigene Daten, Transparenz bei Preis- und Modelländerungen sowie Kündigungsmöglichkeiten ohne Vertragsstrafen sollten vor der operativen Abhängigkeit geklärt werden. |
| Zeitpuffer in Projektplänen einkalkulieren | Fängt kurzfristige Verfügbarkeitsschwankungen ab, ohne dass Kundentermine sofort gefährdet sind. |
| Preisklauseln bei Festpreis-Angeboten prüfen | Schützt davor, anbieterseitige Kostensteigerungen dauerhaft selbst tragen zu müssen. |
| KI als Ergänzung, nicht als Single Point of Failure einplanen | Kernprozesse sollten auch dann funktionieren, wenn ein KI-Tool zeitweise eingeschränkt verfügbar ist. |
Häufige Fragen
Muss ich als kleines Unternehmen jetzt mit deutlich höheren KI-Kosten rechnen?
Eine pauschale Prognose ist seriös nicht möglich – die Preisentwicklung hängt vom jeweiligen Anbieter und Modell ab. Realistisch ist aber, dass Preise und Kontingente sich kurzfristiger ändern können als in den vergangenen Jahren gewohnt. Wer das bei der eigenen Kalkulation berücksichtigt, ist besser vorbereitet als jemand, der von dauerhaft stabilen Konditionen ausgeht.
Was ist eine Multi-Modell-Strategie, und lohnt sie sich für ein KMU?
Damit ist gemeint, nicht ausschließlich auf ein einziges KI-Modell oder einen einzigen Anbieter zu setzen, sondern Arbeitsabläufe so aufzubauen, dass sich bei Bedarf auf eine Alternative wechseln lässt. Für sehr kleine, punktuelle KI-Nutzung ist der Aufwand oft nicht nötig – sobald KI-Tools aber in tägliche Arbeitsabläufe eingebaut sind, reduziert diese Absicherung ein reales Ausfallrisiko.
Wie schütze ich mich vertraglich vor plötzlichen Preis- oder Kapazitätsänderungen?
Wichtige Punkte sind: klare Regelungen zur Datenmitnahme im Kündigungsfall, Transparenzpflichten bei wesentlichen Preis- oder Modelländerungen, sowie Kündigungsmöglichkeiten ohne Vertragsstrafen. Bei geschäftskritischer KI-Nutzung lohnt sich ein Blick in die AGB des jeweiligen Anbieters, bevor eine tiefere operative Abhängigkeit entsteht.
Betrifft das nur Vielnutzer oder auch gelegentliche KI-Nutzung?
Die spürbarsten Einschränkungen betreffen bislang vor allem intensive, agentische Nutzung (z. B. KI-gestützte Softwareentwicklung mit vielen aufeinanderfolgenden Arbeitsschritten). Gelegentliche Nutzung für einzelne Aufgaben ist bisher deutlich seltener betroffen – das kann sich mit wachsender Nachfrage aber ändern.
Wie geht nAItive Marketing selbst mit diesem Thema um?
Wir setzen KI-Tools gezielt als Ergänzung zu unserer eigenen Fachexpertise ein, nicht als alleinige Grundlage unserer Arbeit – und behalten die hier beschriebenen Entwicklungen im Blick, um unsere eigene Arbeitsweise und die Beratung unserer Kunden entsprechend anzupassen.
Sie überlegen, wie sich Ihr Unternehmen sinnvoll und robust gegenüber solchen Entwicklungen aufstellen kann? Vereinbaren Sie ein unverbindliches Erstgespräch – wir schauen uns Ihre Situation gemeinsam an.
Quellen (Recherche, nicht wörtlich übernommen): Anthropic-Unternehmensmitteilung zu Nutzungslimits und der Kapazitätsvereinbarung mit SpaceX; Berichterstattung zum sogenannten „AI Compute Crunch“ (u. a. Scientific American) zu Strombedarf, Chip-Produktion und Trainings-/Inferenz-Verteilung; Berichterstattung zu den Nutzungslimit-Kürzungen bei OpenAIs GPT-6 Astra im September 2026; Analysen und Playbooks zu KI-Anbieterabhängigkeit und Multi-Modell-Strategien für kleine Unternehmen; aktuelle Erhebungen zu KI-Budgetprognosen und ROI in Unternehmen. Konkrete Zahlen variieren je nach Quelle und sind als Orientierungswerte zu verstehen, nicht als exakte, unabhängig verifizierte Fakten.