Das gesamte Unternehmen nutzt Claude seit einem halben Jahr in großem Umfang, was jährlich 300 Millionen US-Dollar an Ausgaben verursacht. Salesforce beginnt endlich, die Kosten der KI genau zu kalkulieren: Man muss sich überlegen, wie man sparsam mit Tokens umgehen kann...

Ende letzten Monats veröffentlichte Salesforce seine Finanzergebnisse für das zweite Quartal des Geschäftsjahres 2027: Allein betrachtet belief sich der Umsatz auf 11,35 Milliarden US-Dollar, was einem Anstieg von 10,8 % gegenüber dem Vorjahr entspricht und im Wesentlichen den Erwartungen der Wall Street entspricht; das bereinigte Ergebnis je Aktie lag bei 5,90 US-Dollar, 80 % höher als die von Analysten erwarteten 3,27 US-Dollar; die Umsatzprognose für das Gesamtjahr wurde zudem geringfügig von 46,05 Milliarden US-Dollar auf 46,25 Milliarden US-Dollar angehoben.

Nach der Veröffentlichung der Finanzergebnisse stieg der Aktienkurs von Salesforce um 11,8 % – aus jeder Perspektive ist das eine hervorragende Leistungsbilanz.

Doch die Probleme stecken in den Details: Die GAAP-Betriebsmarge von Salesforce ist von 22,8 % im Vorjahreszeitraum auf 20,5 % gesunken, und die Margenprognose für das Gesamtjahr liegt sogar nur bei 20,1 %.

Da waren die Investoren verwirrt: Der Umsatz steigt, aber der Gewinn wird gedrückt? Wo ist das ganze Geld hingegangen?

Die Antwort auf diese Frage wurde kürzlich auf einer Investorenkonferenz aufgedeckt. Mike Spencer, stellvertretender CFO und Finanzverantwortlicher von Salesforce, sprach unverblümt – das gesamte Geld wurde für das Claude-Modell von Anthropic ausgegeben.

01

Vor sechs Monaten wurde Claude vollständig freigegeben

„Vor etwa sechs Monaten haben wir die Nutzung von Claude im gesamten Entwicklungszyklus vollständig freigegeben“, sagte Mike Spencer auf der Konferenz. „Das ist ein Teil des Grundes, warum wir die jährliche Margenprognose nicht angehoben haben – wir müssen die steigenden Ausgaben für Token decken.“

Übersetzt bedeutet das: Die interne Nutzung von Claude bei Salesforce ist so umfangreich, dass sie die Gewinn- und Verlustrechnung des Unternehmens beeinflusst.

Aber Mike Spencer betonte, dass dies eine bewusste „strategische Investition“ sei. Die Strategie von Salesforce ist einfach: Zuerst Claude vollständig ausrollen, um zu sehen, welche Durchbrüche das Entwicklungsteam damit erzielen kann und wie weit der Produktplan beschleunigt werden kann. „Im schlimmsten Fall können wir die Investitionen einfach zurückziehen“, sagte er.

Es stellte sich heraus, dass dieser „schlimmste Fall“ nicht eingetreten ist – die Effizienzsteigerungen durch Claude haben Salesforce so überzeugt, dass man nicht mehr aufhören möchte.

Doch das Problem wandelte sich zu einem anderen: Wie kann man diese riesigen Ausgaben noch wertvoller machen?

02

Angesichts einer 300-Millionen-US-Dollar-Rechnung für KI geht das Unternehmen in den „Sparmodus“ über

Bereits im Mai dieses Jahres enthüllte Marc Benioff, CEO von Salesforce, im All-In-Podcast eine erstaunliche Zahl: Das Unternehmen erwartet, im Jahr 2026 etwa 300 Millionen US-Dollar für Token bei Anthropic auszugeben, fast ausschließlich für Programmierungszenarien.

Was bedeuten 300 Millionen US-Dollar? Nach dem Wachstumstempo des annualisierten Umsatzes von Anthropic, der von etwa 9 Milliarden US-Dollar Ende 2025 auf etwa 30 Milliarden US-Dollar im März 2026 gestiegen ist, ist Salesforce höchstwahrscheinlich einer der größten Unternehmenskunden von Anthropic.

Marc Benioff erwähnte damals bereits, dass KI-Programmieragenten zu „nie dagewesenen“ Effizienzsteigerungen geführt haben. Er enthüllte sogar, dass die KI-gesteuerte Produktivitätssteigerung Salesforce dazu veranlasst hat, das Kundenservice-Team von 9000 auf 5000 Mitarbeiter zu reduzieren. Heute wirkt dieselbe Logik im Entwicklungsbereich – schnellere Produktiteration, niedrigere Entwicklungskosten und eine bisher unmögliche Ausgabegeschwindigkeit.

Aber angesichts der 300-Millionen-US-Dollar-Rechnung muss jeder darüber nachdenken.

Daher hat sich die Strategie von Salesforce jetzt geändert. „Wir treten jetzt in den ‚Verfeinerungsmodus‘ (refinement mode) ein“, sagte Mike Spencer. „Der Kern besteht darin, das richtige Modell für die jeweilige Aufgabe auszuwählen – nicht für jede Aufgabe muss das neueste und leistungsstärkste Modell verwendet werden.“

Seine Logik ist einfach: Für die Softwareentwicklung oder den Aufbau komplexer Technologie-Stacks ist möglicherweise tatsächlich das modernste Modell erforderlich; aber für die „überwiegende Mehrheit“ der Aufgaben reichen Modelle der zweiten oder dritten Ebene völlig aus.

Diese Optimierung beschränkt sich nicht nur auf die Auswahl von Modellen, sondern umfasst auch die übergreifende Planung über verschiedene Anbieter hinweg. Mike Spencer enthüllte, dass Salesforce intern gleichzeitig die Modelle von OpenAI, Cursor und Claude verwendet und kürzlich auch Grok von X getestet hat. „Verschiedene Modelle haben unterschiedliche Kostenstrukturen, wir arbeiten an der optimalen Kombination.“

Dieser Gedanke, „das passende Modell für die Aufgabe auszuwählen“, stimmt mit dem „mittleren Routing-Layer“ überein, den Marc Benioff vor einigen Monaten im Podcast gefordert hat – komplexe Denkaufgaben werden an fortschrittliche Modelle wie Claude übergeben, einfache Aufgaben hingegen an kleinere, günstigere Modelle.

03

KI-Coding tritt möglicherweise in eine „Ära der Kostenkalkulation“ ein

Rückblickend auf die Erfahrungen von Salesforce in den letzten sechs Monaten ist dies sehr repräsentativ:

In der ersten Phase kümmern sich Unternehmen vor allem darum: Kann KI die Effizienz tatsächlich steigern? Also wird zuerst das stärkste Modell verwendet, Agenten werden zuerst in Betrieb genommen, und das Entwicklungsteam nimmt KI vollständig an.

In der zweiten Phase, wenn KI wirklich in den täglichen Arbeitsablauf integriert ist, wird die Frage: Können die Effizienzsteigerungen die Kosten tatsächlich decken? Also beginnen Unternehmen, Token zu zählen, Modelle zu vergleichen, das Routing zu optimieren und sogar Open-Source-Modelle neu zu bewerten.

Schließlich könnte die dritte Phase die „Ära der Feinarbeit“ sein, in die Salesforce gerade eintritt: KI ist nicht umso besser, je leistungsstärker sie ist, sondern es muss ein Modell verwendet werden, das leistungsstark genug und gleichzeitig günstig genug für die jeweilige Aufgabe ist.

Am wichtigsten ist, dass Salesforce nicht das einzige Unternehmen ist, das diese Rechnung aufmacht.

Im Juni dieses Jahres sagte Spencer Kimball, CEO des Datenbankunternehmens Cockroach Labs, den Medien, dass sie intern mehr Open-Source-KI-Modelle verwenden, um die Ausgaben zu optimieren, und zudem erforschen, wie durch eine persistente Gedächtnisarchitektur die Token-Verschwendung reduziert werden kann – der KI-Agent merkt sich den Kontext, sodass dieser nicht jedes Mal in der Eingabeaufforderung neu gesendet werden muss, was sowohl die Geschwindigkeit erhöht als auch Kosten spart.

Auch Gartner prognostiziert, dass bis zum Jahr 2028 die Kosten für KI-Programmierwerkzeuge die Gehälter gewöhnlicher Entwickler übersteigen werden. Seine Daten zeigen, dass 23 % der technischen Führungskräfte bereits 200 bis 500 US-Dollar pro Monat für KI-Programmier-Token pro Entwickler ausgeben. In extremen Fällen kann die monatliche Token-Rechnung eines einzelnen Entwicklers sogar bis zu 20.000 US-Dollar betragen.

Nitish Tyagi, Senior Principal Analyst bei Gartner, sagte unverblümt, dass die KI-Programmierrechnungen von monatlich 20 bis 100 US-Dollar auf 2000 bis 5000 US-Dollar ansteigen. Aber „es gibt keinen direkten Zusammenhang zwischen dem Anstieg des Token-Verbrauchs und der Produktivitätssteigerung“ – kurz gesagt, mehr Nutzung bedeutet nicht mehr Output.

Für dieses Phänomen stimmt sein Vorschlag im Wesentlichen mit dem überein, was Salesforce gerade tut: Eine Modell-Routing-Strategie anwenden, einfache, häufige Aufgaben an kleine Modelle übergeben und nur komplexe, hochwertige Arbeiten an fortschrittliche Modelle verweisen.

Also, welche Erfahrungen und Vorschläge hast du dazu, wie man jeden Token sinnvoll einsetzen kann?

Referenzlink: https://www.theregister.com/ai-and-ml/2026/09/03/salesforce-blames-its-claude-addiction-for-denting-profit-margin-guidance/5294219

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „CSDN“, Autor ist ZHENG Liyuan, veröffentlicht mit Genehmigung von 36Kr.