KI bekommt einen Preis. Er steht nur nicht auf der Rechnung.

Warum Haftung, Margen, Finanzierung und Sicherheitsrisiken diese Woche wichtiger waren als das nächste Modell

Diese Woche ging es fast nie darum, was KI kann. Es ging darum, was sie kostet.

Die niederländische Datenschutzbehörde verhängt 825 Millionen Euro gegen Uber wegen automatisierter Kontosperrungen. OpenAI bringt Werbung in ChatGPT in 31 europäische Märkte. Indische IT-Konzerne berichten von Kunden, die für dieselbe Arbeit deutlich weniger zahlen wollen. Stripe vereinbart die Übernahme von OpenRouter, Alibaba zeigt die Kosten seines KI-Ausbaus, und Microsoft brauchte fast acht Monate, um eine kritische Copilot-Lücke zu schließen.

Der rote Faden ist klar: Die Rechnung für KI kommt an, aber sie kommt selten als Rechnung.

Sie kommt als Bußgeld, Margendruck, höhere Finanzierungskosten oder Wartezeit auf einen Patch, den du nicht selbst schreiben kannst.

Für Unternehmer verschiebt sich damit die Frage. Es geht nicht mehr nur darum, ob KI günstiger ist als der bisherige Weg. Entscheidend wird, wo Kosten entstehen, die auf keinem Preisschild stehen.

1. Uber erhält 825 Millionen Euro Strafe wegen automatisierter Kontosperrungen

Die niederländische Datenschutzbehörde AP hat gegen Uber eine Geldbuße von 825 Millionen Euro verhängt. Der Vorwurf: Zwischen 2020 und 2022 wurden Fahrerkonten automatisiert gesperrt, ohne ausreichende Information über die Entscheidungsfindung und ohne hinreichende menschliche Kontrolle. Rechtsgrundlage ist Artikel 22 der DSGVO.

Uber widerspricht, nennt die Strafe unverhältnismäßig und geht in Berufung. Das Unternehmen erklärt, die heutigen Verfahren enthielten menschliche Prüfungen und Widerspruchsmöglichkeiten für Fahrer.

Die Grenze ist wichtig: Das ist ein Behördenbescheid, kein rechtskräftiges Urteil. Die Summe kann noch sinken. Nach Reuters wäre es die zweitgrößte jemals verhängte DSGVO-Geldbuße. Zudem ist nicht klar, ob die Behörde Ubers System als KI oder regelbasierte Automatik einstuft.

Meine Einordnung: Das ist eine der bisher größten europäischen Datenschutzentscheidungen zu automatisierten Entscheidungen über Menschen und betrifft weit mehr als Plattformen.

Artikel 22 greift nicht bei jeder Software, die an einer Entscheidung beteiligt ist. Relevant wird es, wenn eine Entscheidung ausschließlich automatisiert fällt und einen Menschen rechtlich oder wirtschaftlich erheblich trifft. Dazu können etwa Kontosperrungen, Bewerber-Screening oder Bonitätsentscheidungen gehören.

Die Lektion ist nicht, dass Automatisierung verboten wäre. Unternehmen müssen Betroffene verständlich informieren und bei folgenreichen Entscheidungen eine echte menschliche Prüfung sicherstellen. Ein Freigabeknopf, den jemand routinemäßig durchklickt, reicht dafür nicht.

Was zu machen ist:

1. Prüfe, wo Software in deinem Unternehmen endgültige Entscheidungen über Menschen trifft.
2. Sorge dort für Information, eine verantwortliche Person mit echter Entscheidungsbefugnis und einen dokumentierten Prüfprozess. Fang bei Personal und Kundenservice an.

2. Ab Montag stehen Anzeigen in ChatGPT, auch in Deutschland und Österreich

OpenAI hat am 18. August angekündigt, ChatGPT Ads auf 31 europäische Märkte auszuweiten, darunter Deutschland, Österreich und Italien. Anzeigen sehen ausschließlich Nutzer der Tarife Free und Go. Plus, Pro und Enterprise bleiben werbefrei. Gebucht wird zunächst über OpenAI, Agenturen und Technologiepartner, ein Self-Service-Zugang soll später folgen.

Die Grenze der Aussage: OpenAI selbst nennt als Start nur „nächste Woche“. Agenturen und Fachmedien berichten übereinstimmend vom 24. August. Die vollständige Liste der 31 Märkte hat OpenAI nicht veröffentlicht.

Meine Einordnung: Entscheidend ist nicht, dass ein weiterer Werbekanal entsteht, sondern wo er sitzt.

In ChatGPT beschreibt ein Nutzer häufig sein Problem, Budget, Anforderungen und Bedenken über mehrere Nachrichten hinweg. Werbung erscheint damit deutlich näher an einer konkreten Kaufentscheidung als klassische Reichweitenwerbung.

Für Unternehmen, die bereits organisch in ChatGPT-Antworten vorkommen, entsteht gleichzeitig ein neues Risiko: Neben der eigenen Empfehlung kann künftig die Anzeige eines Wettbewerbers stehen.

Was zu machen ist:

1. Wenn du Performance-Marketing betreibst, teste den Kanal zunächst mit kleinem Budget und vergleiche die Ergebnisse mit deinen Google Ads.
2. Frag ChatGPT selbst nach deiner Leistung und typischen Kundenfragen. Prüfe, wie dein Unternehmen heute dargestellt wird, bevor Werbung daneben erscheint.

3. Microsoft sagt, wie du aus einer Kaufempfehlung fliegst

Microsoft Advertising hat am 21. August ein Playbook zum Einkaufen mit KI-Agenten veröffentlicht. Die Kernaussage: Sind Produktdaten unvollständig oder veraltet, landest du nicht einfach weiter unten. Dein Produkt kann vollständig aus der Empfehlung verschwinden.

Microsoft empfiehlt dafür vollständige Produktfeeds, Anzeigen und Checkout über eigene Dienste sowie Messung über Microsoft Clarity.

Die Grenze ist klar: Das ist ein Marketingdokument von Microsoft Advertising. Die Empfehlungen führen auf Microsoft-Produkte, Marktzahlen stammen überwiegend von Adobe Analytics und einer eigenen Microsoft-Umfrage. Eine garantierte Umsatzwirkung ist damit nicht belegt.

Meine Einordnung: Trotzdem steckt darin einer der praktischsten Punkte der Woche.

Bei klassischer Suchmaschinenoptimierung blieb ein schlechter optimiertes Produkt zumindest sichtbar. Ein Einkaufsagent, der Preis, Verfügbarkeit oder Lieferzeit nicht eindeutig ermitteln kann, nimmt es möglicherweise gar nicht erst in die Auswahl. Produktdaten werden damit zum Sichtbarkeitsfaktor.

Was zu machen ist:

1. Prüfe deine zwanzig umsatzstärksten Produkte auf aktuelle Preise, Verfügbarkeit, vollständige Varianten sowie klare Liefer- und Rückgabebedingungen.
2. Sorge für saubere strukturierte Daten, etwa über Schema.org.
3. Stell KI-Assistenten typische Kauffragen deiner Kunden und prüfe, ob dein Angebot auftaucht und korrekt beschrieben wird.

4. Kunden zahlen zunehmend für Ergebnisse statt für Zeit

Reuters berichtet, wie KI die Verträge indischer IT-Dienstleister verändert: weg von abgerechneten Stunden, hin zu messbaren Ergebnissen.

Persistent-Systems-Chef Sandeep Kalra sagt, Kunden verlangten teilweise dieselbe Arbeit für 25 bis 30 Prozent weniger Geld. Bei TCS basieren laut Vorstandschef bereits rund 80 Prozent der Verträge in Bereichen wie Finanzen und Personal auf Ergebniskennzahlen.

Die Grenze ist wichtig. Die 25 bis 30 Prozent stammen von einem einzelnen Anbieter, die 80 Prozent sind eine Selbstauskunft von TCS. Reuters beschreibt einen deutlichen Trend, kein Ende der Zeitabrechnung.

Meine Einordnung: Für mich ist das der wichtigste Unternehmerartikel dieser Woche, obwohl er von indischen Konzernen handelt.

Der Mechanismus funktioniert überall gleich. Sobald Kunden davon ausgehen, dass KI dieselbe Leistung schneller ermöglicht, verliert Arbeitszeit als Preisanker an Überzeugungskraft. Das betrifft Agenturen, Berater, Entwickler, Steuerkanzleien und praktisch jeden, der bisher Tagessätze verkauft.

Zeitabrechnung verschwindet deshalb nicht. Bei offenen Projekten, laufender Beratung oder unklarem Umfang kann sie weiterhin die sauberste Lösung sein. Ein Festpreis ist kein Fortschritt, wenn der Dienstleister dafür Risiken übernimmt, die er nicht kontrollieren kann.

Problematisch wird es an beiden Extremen: Effizienzgewinne durch KI einfach zu verschweigen und weiterhin dieselben Stunden abzurechnen wird zunehmend schwerer. Ein schlecht definierter Ergebnisvertrag kann dagegen Marge vernichten.

Was zu machen ist:

1. Trenne deine Leistungen in klar definierbare und offene Arbeit. Für klar definierbare Leistungen kannst du Festpreise, Meilensteine oder Ergebniskomponenten prüfen. Bei offenem Umfang bleibt Zeitabrechnung sinnvoll.
2. Unterscheide Lieferumfang und Ergebnis. Zwölf Beiträge sind ein Lieferumfang. Eine bestimmte Zahl qualifizierter Anfragen wäre ein Ergebnis, aber nur, wenn du dieses Ergebnis tatsächlich beeinflussen kannst.
3. Wenn du selbst Dienstleister einkaufst, verhandle dort auf Ergebnisbasis, wo das Ergebnis eindeutig beschreibbar ist. Sonst arbeite mit Zeitabrechnung und Budgetdeckel.

5. Stripe vereinbart die Übernahme des Verteilers für KI-Anfragen

Stripe hat am 19. August die Übernahme von OpenRouter vereinbart. Die Plattform leitet KI-Anfragen je nach Aufgabe, Preis, Tempo und Zuverlässigkeit an unterschiedliche Modelle weiter. Nach eigenen Angaben laufen darüber täglich mehr als zehn Billionen Token über mehr als 400 Modelle von über 80 Anbietern.

Die Grenze: Stripe nennt keinen Kaufpreis. Medien berichten unter Berufung auf anonyme Quellen von sieben bis über acht Milliarden Dollar. Der Deal ist vereinbart, aber noch nicht abgeschlossen. Auch die Nutzungszahlen stammen von OpenRouter selbst.

Meine Einordnung: Ein Zahlungsdienstleister kauft die Vermittlungsschicht zwischen Unternehmen und KI-Modellen. Das zeigt, wohin sich Wertschöpfung verschiebt.

Modelle werden austauschbarer. Entscheidend wird zunehmend, wer Anfragen verteilt, Kosten optimiert und abrechnet. Genau dort positioniert sich Stripe.

Für Unternehmen ist vor allem die Abhängigkeit relevant. Preise ändern sich, Modelle verschwinden, Anbieter ändern ihre Bedingungen. Wer einen wichtigen Prozess fest an eine einzige API bindet, gibt unnötig Verhandlungsmacht ab.

Was zu machen ist:

1. Frag bei jedem produktiven KI-Prozess, wie lange ein Anbieterwechsel dauern würde.
2. Lautet die Antwort „mehrere Wochen“, solltest du die Abhängigkeit reduzieren, solange der Prozess noch überschaubar ist.

6. Die Finanzierung des KI-Ausbaus wird sichtbar teurer

Reuters hat am 21. August ausgewertet, wie der Anleihemarkt auf den KI-Ausbau reagiert. Nach Daten von BNP Paribas haben Hyperscaler 2026 bis zum 10. August rund 220 Milliarden Dollar über Anleihen aufgenommen. Im Vergleichszeitraum des Vorjahres waren es 12,5 Milliarden.

Investoren kaufen weiter, verlangen aber höhere Aufschläge. Amazon platzierte zuletzt eine 25-Milliarden-Dollar-Anleihe zu einem Aufschlag, der etwa doppelt so hoch lag wie im Vorjahr. Auch die Risikoaufschläge im Technologiesektor liegen inzwischen über dem Durchschnitt des Investment-Grade-Markts.

Die Zahlen brauchen Kontext. Reuters definiert nicht genau, welche Unternehmen BNP Paribas als Hyperscaler zählt. Es ist auch kein Beleg für eine platzende KI-Blase. Die großen Konzerne verfügen weiterhin über starke operative Cashflows, und Reuters berichtet von keiner beschlossenen Erhöhung der Cloudpreise.

Meine Einordnung: Vor zwei Wochen ging es bei Nvidia darum, wer den KI-Ausbau finanziert. Jetzt sehen wir, was diese Finanzierung kostet.

Rechenzentren, Chips und Strom werden zunehmend mit Fremdkapital finanziert. Höhere Finanzierungskosten können über Cloudpreise, längere Vertragsbindungen, Mindestabnahmen oder geringere Rabatte teilweise bei Kunden ankommen. Ob und wann das passiert, hängt vom Wettbewerb ab.

Wer heute einen KI-Geschäftsfall über mehrere Jahre rechnet, sollte deshalb nicht davon ausgehen, dass heutige Preise konstant bleiben.

Was zu machen ist:

1. Prüfe bei mehrjährigen Cloud- und KI-Verträgen Preisgleitklauseln, Mindestabnahmen, Laufzeit und Ausstiegsmöglichkeiten.
2. Rechne deinen KI-Geschäftsfall einmal mit doppelten Inferenzkosten durch. Wenn er dann nicht trägt, ist er eine Wette auf dauerhaft niedrige Preise.

7. Alibaba zeigt, was der KI-Ausbau tatsächlich kostet

Alibaba hat am 20. August seine Quartalszahlen vorgelegt. Der Umsatz im Segment AI Cloud and Compute Services stieg um 45 Prozent auf 48,44 Milliarden Yuan. Gleichzeitig stiegen die Investitionsausgaben um 75 Prozent auf 67,68 Milliarden Yuan, während der Nettogewinn um 75 Prozent auf 10,44 Milliarden Yuan fiel.

Vorstandschef Eddie Wu erwartet, dass sich die KI-bezogenen Investitionen innerhalb von etwa drei Jahren amortisieren, möglicherweise bereits nach zweieinhalb Jahren.

Die Grenze: Diese Amortisation ist eine Managementprognose, kein Fakt. Zudem geht ein Teil des gemeldeten 45-Prozent-Wachstums auf eine Neuzuschneidung des Segments zurück.

Meine Einordnung: Die Zahlen zeigen beide Seiten des KI-Booms.

45 Prozent Wachstum klingt stark. Gleichzeitig verdient Alibaba deutlich weniger, weil der Ausbau enorme Vorinvestitionen verlangt. Starkes KI-Wachstum bedeutet also nicht automatisch sofort höhere Gewinne.

Auf ein normales Unternehmensprojekt lässt sich diese Größenordnung nicht übertragen. Alibaba finanziert Rechenzentren, Chips und Cloudkapazität. Ein automatisierter Büroprozess kann sich wesentlich schneller rechnen.

Übertragbar ist aber die Logik: Investitionskosten, laufende Betriebskosten und erwarteter wirtschaftlicher Nutzen müssen getrennt betrachtet werden. Wer nur auf die Einführungskosten schaut, unterschätzt schnell die tatsächliche Rechnung.

Was zu machen ist:

1. Trenne bei jedem KI-Projekt einmalige Einführungskosten, laufende Kosten und den erwarteten Nutzen.
2. Lege vor dem Start fest, bis wann sich das Projekt rechnen soll und an welcher Kennzahl du das misst.

8. OpenAI verspricht, deine Daten gar nicht erst zu speichern

OpenAI hat am 19. August Zero Data Retention für seine Spitzenmodelle ausgeweitet. Für berechtigte API-Kunden bedeutet das, dass Eingaben und Antworten nach der Verarbeitung nicht gespeichert werden, auch nicht für die Missbrauchserkennung.

Parallel testet OpenAI „Private Safety Processing“. Das System soll Missbrauchsmuster über mehrere Interaktionen erkennen, ohne dass Mitarbeiter die Inhalte sehen. OpenAI erhält nach eigener Darstellung nur ein begrenztes Sicherheitssignal, nicht den eigentlichen Inhalt.

Die Grenze: Private Safety Processing läuft erst als Vorschau mit ausgewählten Kunden. Ein technisches Whitepaper ist für September angekündigt, unabhängige Prüfungen oder Fehlerraten gibt es noch nicht. Zero Data Retention gilt zudem nicht automatisch für ChatGPT-Nutzer, sondern nur für berechtigte API- und Enterprise-Kunden.

Meine Einordnung: Datenhaltung wird zum Wettbewerbsfaktor.

Bisher konkurrierten Anbieter vor allem über die Fähigkeiten ihrer Modelle. Für Kanzleien, Steuerberater, Versicherungen und andere Unternehmen mit sensiblen Daten wird zunehmend entscheidend, was nach einer Anfrage mit diesen Daten passiert.

Wichtig ist die Trennung: Zero Data Retention kann heute vertraglich vereinbart werden. Private Safety Processing ist noch Vorschau.

Was zu machen ist:

1. Fordere Zero Data Retention bei sensiblen Anwendungen schriftlich und kläre, welche Protokolle trotzdem entstehen, wie lange sie gespeichert werden und wer Zugriff hat.
2. Prüfe auch bestehende Verträge auf ihre tatsächlichen Aufbewahrungsfristen.

9. Ein Klick hätte genügt, um über Copilot an Postfach und Kalender zu kommen

Varonis Threat Labs hat eine Schwachstelle in Microsoft Copilot offengelegt, die als CVE-2026–24301 geführt wird. Über einen präparierten Link hätten Anweisungen unbemerkt in einer bereits angemeldeten Copilot-Sitzung ausgeführt werden können. Erreichbar waren unter anderem E-Mails, Kalendereinträge, Dateinamen, Chatverläufe und gespeicherte Erinnerungen. Daten hätten anschließend an einen fremden Server übertragen werden können.

Die eigentliche Nachricht ist die Zeitleiste. Varonis meldete die Lücke am 31. Dezember 2025. Ein Teilpatch kam Anfang Februar, vollständig geschlossen wurde sie erst am 18. August 2026. Zur Angriffskette gehörte außerdem eine Manipulation des Copilot-Gedächtnisses, die einen Passwortwechsel überlebt hätte.

Die Grenze: Varonis demonstrierte eine mögliche Angriffskette, dokumentierte aber keine reale Ausnutzung. Nach eigenen Angaben gibt es keine Hinweise auf Angriffe in freier Wildbahn. Microsoft erklärt zudem, Microsoft 365 Copilot sei von dieser konkreten Schwachstelle nicht betroffen.

Meine Einordnung: Der technische Angriff ist das eine. Fast acht Monate bis zum vollständigen Patch sind das andere.

Mit KI-Assistenten verlagerst du einen Teil deiner Angriffsfläche zu einem Anbieter, dessen Reaktionszeit du nicht kontrollieren kannst. Je mehr Zugriff ein Assistent auf Postfach, Kalender und Dateien hat, desto größer wird der mögliche Schaden einer Schwachstelle.

Das ist kein Argument gegen Copilot. Es ist ein Argument dafür, die Angriffsfläche bewusst klein zu halten.

Was zu machen ist:

1. Kläre, welche KI-Assistenten in deinem Unternehmen auf Firmendaten zugreifen, insbesondere über private Konten außerhalb der IT.
2. Prüfe ihre Berechtigungen und entferne jeden Zugriff auf Postfach, Kalender oder Dateien, der für die jeweilige Aufgabe nicht notwendig ist.

10. OpenAI verschenkt das Gerüst, nicht das Modell

OpenAI hat am 19. August den Codex-Harness als offene Plattform positioniert. Kommandozeile, SDK und App-Server stehen als quelloffene Komponenten unter der Apache-2.0-Lizenz bereit. Cisco nutzt das Codex SDK bereits in Cloud Control.

Das anschaulichste Beispiel: Thrive Holdings und Crete setzten Codex in einem Pilotprojekt für Steuererklärungen ein. 7.000 Erklärungen wurden verarbeitet, die Vorbereitungszeit sank nach Angaben der Beteiligten um etwa ein Drittel.

Die Grenze: Das ist kein erstmaliges Open-Sourcing. Das Codex-Repository ist bereits seit 2025 offen. Neu ist die Positionierung als offiziell unterstützte Plattform. Auch das Steuerbeispiel ist keine unabhängige Studie. Angaben zu Fehlerquote und menschlicher Nachkontrolle fehlen.

Meine Einordnung: Der Artikel zeigt gut, wo die eigentliche Arbeit bei KI-Agenten liegt.

Ein Harness ist das Gerüst um das Modell: Welche Werkzeuge darf es benutzen? Was darf es sich merken? Wann muss ein Mensch freigeben? Wie wird das Ergebnis kontrolliert?

Der Unterschied zwischen einem funktionierenden KI-Projekt und einem gescheiterten liegt deshalb oft weniger am Modell als am sauber definierten Arbeitsablauf. Das Steuerbeispiel ist interessant, weil ein wiederkehrender Prozess strukturiert wurde, nicht weil das Modell plötzlich intelligenter geworden wäre.

Was zu machen ist:

1. Suche einen Prozess, der häufig wiederkehrt, festen Regeln folgt und bei dem Fehler schnell auffallen.
2. Definiere vor der Automatisierung, wer Ergebnisse kontrolliert und wann ein Mensch eingreifen muss.

Was diese Woche wirklich zeigt

KW34 war die Woche, in der die Rechnung sichtbar wurde. Nur eben nicht als Rechnung.

Uber erhält 825 Millionen Euro Strafe wegen automatisierter Sperrungen. IT-Dienstleister verlieren ihren Preisanker, weil Kunden nicht mehr für Zeit zahlen wollen. Der Anleihemarkt verlangt höhere Aufschläge für den KI-Ausbau. Alibaba verdient drei Viertel weniger, während sein KI-Geschäft um 45 Prozent wächst. Bei Microsoft vergingen nach der Meldung fast acht Monate bis zum vollständigen Patch einer Copilot-Lücke.

Die entscheidende Frage lautet deshalb nicht mehr nur, ob KI günstiger ist als dein bisheriger Weg. Entscheidend ist, wo Kosten entstehen, die auf keinem Preisschild stehen: in der Haftung, in der Marge, im Vertrag oder in der Abhängigkeit von einem Anbieter.

Daraus folgen keine zehn neuen Projekte. Vielleicht ist diese Woche genau eine Entscheidung relevant. Prüfe einen automatisierten Entscheidungsprozess, überarbeite dein Preismodell, räum deine wichtigsten Produktdaten auf oder kontrolliere, welche KI-Assistenten auf Firmendaten zugreifen.

Der Vorteil entsteht, wenn du die Kosten kennst, bevor sie dich finden.

Eine davon kannst du sofort reduzieren: die Zeit, die durch unklare Eingaben, unbrauchbare Antworten und unnötige Nacharbeit verloren geht.

Hör auf, ChatGPT wie Google zu benutzen

Du brauchst nicht das nächste KI-Tool. Der erste Hebel ist, aus ChatGPT bessere Ergebnisse mit weniger Nacharbeit herauszuholen.

Bekommst du häufig Antworten, die gut klingen, dir aber kaum Arbeit abnehmen? Oft fehlt schlicht ein klarer Arbeitsauftrag.

Genau dafür habe ich den kostenlosen Guide „ChatGPT-Durchbruch“ erstellt. Auf 14 Seiten zeige ich dir in etwa zehn Minuten, wie du bessere Arbeitsaufträge formulierst, Antworten gezielt nachschärfst und ChatGPT für Texte, Recherche, Planung und wiederkehrende Aufgaben sinnvoll einsetzt.

Dazu bekommst du fünf Prompts zum Kopieren, acht erklärte Funktionen und einen Spickzettel zum Speichern.

Du brauchst weder technische Vorkenntnisse noch ChatGPT Plus.

KOSTENLOSEN 10-MINUTEN-GUIDE SICHERN

Julian