Eine Milliarde US-Dollar ist nur der Anfang, OpenAI will das „Kind“ von Google und Meta werden.

OpenAI CFO Sarah Friar spricht in letzter Zeit weniger über Finanzierungen und mehr darüber, wie das Unternehmen Geld verdienen kann.

Auf der Communacopia + Technology Conference von Goldman Sachs am 7. September sagte Sarah Friar, dass das Unternehmensgeschäft des Unternehmens „on a tear“ (rasant voranschreitend) ist. Anfang dieses Jahres betrug die Einnahmenstruktur von OpenAI noch etwa 60 % für Verbraucher und 40 % für Unternehmen. Ursprünglich war geplant, dass beide Anteile bis Ende des Jahres jeweils 50 % erreichen, dieses Ziel wurde nun vorzeitig erreicht.

Allein von Juni bis Juli stieg das annualisierte Einkommen des Unternehmens um etwa 20 %, das Unternehmenseinkommen um 32 % – und das auf einer bereits nicht kleinen Basis.

In ihrer Rede sprach sie nicht darüber, wie mehr Abonnements verkauft werden können, sondern über Chipdesign, Biowissenschaften, Finanzdienstleistungen und neue Abrechnungsverfahren: In Zukunft wird OpenAI in einigen Fachbereichen möglicherweise nicht mehr nach Nutzerzahl und Token abrechnen, sondern die Preisgestaltung an den tatsächlichen geschäftlichen Ergebnissen orientieren, die die KI erzielt.

OpenAI entwickelt immer mehr Einnahmequellen: Das Unternehmenseinkommen hat das Verbrauchereinkommen inzwischen eingeholt, die Werbung erreicht in sieben Monaten ein annualisiertes Einkommen von etwa 1 Milliarde US-Dollar (1 Milliarde US-Dollar annualisierte Einnahmenlaufrate), ChatGPT beginnt an Warenhandel teilzunehmen, und bei höherwertigen Bereichen wird bereits die Preisgestaltung nach erzielten Ergebnissen erprobt.

Werbeergebnisse liegen vor

Friar verwendete eine anschauliche Beschreibung, um das Werbegeschäft vorzustellen. Sie sagte: Wenn Google und Meta ein Kind hätten, wäre das ChatGPT.

Auf ChatGPT sucht der Nutzer höchstwahrscheinlich nicht nur nach Laufschuhen, sondern teilt ChatGPT möglicherweise mit, dass er dreimal pro Woche läuft, eine alte Verletzung am Knie hat, sich auf einen Halbmarathon vorbereitet, eine bessere Dämpfung wünscht und ein Budget von 1500 Yuan hat. Für Werbetreibende ist dieses Gespräch hervorragend, es enthält Kaufabsicht, Nutzungsszenarien, Budget und persönliche Vorlieben.

Sarah Friar gab bekannt, dass ChatGPT Ads weniger als 200 Tage nach seiner Einführung bereits ein annualisiertes wiederkehrendes Einkommen (ARR) von über 1 Milliarde US-Dollar erreicht hat. Das Werbegeschäft wurde von den USA auf mehr als 40 Länder ausgeweitet, die Zahl der Werbetreibenden beträgt mehrere zehntausend, darunter Einzelhandels- und Verbrauchermarken wie Best Buy, Lowe’s, Newegg und VistaPrint.

Die Rolle, die OpenAI diesem Geschäft zuweist, besteht nicht nur darin, eine weitere Einnahmequelle zu erschließen. ChatGPT hat wöchentlich mehr als 1 Milliarde Nutzer, von denen eine große Anzahl nicht zahlt. Die Werbung übernimmt eine praktische Funktion: Sie lässt die Werbetreibenden einen Teil der Rechenkosten für die kostenlosen Nutzer übernehmen.

Das unterscheidet sich ein wenig von der traditionellen Internetwerbung. Das von OpenAI beschriebene Werbeszenario besteht nicht nur darin, dass Nutzer beim Durchsuchen von Inhalten passiv Werbung sehen, sondern darin, dass Werbung während des Prozesses der Suche, des Vergleichs und der Entscheidungsfindung der Nutzer erscheint. Wenn eine Person ChatGPT fragt, welchen Computer sie kaufen soll, in welches Hotel sie gehen soll oder wie sie Laufschuhe auswählen soll, befindet sie sich bereits sehr nah am Ende des Konsumentscheidungsprozesses.

Aus diesem Grund vergleicht Friar immer wieder mit Google und Meta. Der wertvollste Vorteil von Google liegt in der unmittelbaren Absicht: Ein Suchbegriff gibt oft direkt preis, was der Nutzer gerade kaufen möchte. Der Vorteil von Meta liegt im Verständnis der Interessen, der Identität und des langfristigen Verhaltens der Nutzer. Theoretisch kann ChatGPT beide Arten von Informationen gleichzeitig besitzen: Es weiß, welches Problem der Nutzer gerade löst, und es weiß, welche Vorlieben, Budgets und Nutzungshintergründe in diesem Gespräch bereits mitgeteilt wurden.

Ergänzend ist zu erwähnen: Friar ist der Ansicht, dass die derzeitigen ChatGPT Ads noch kein wirklich ausgereiftes, auf KI-nativen Grundlagen basierendes Werbeprodukt sind. Das heißt, die 1 Milliarde US-Dollar ARR wurden erzielt, während die Werbeform noch relativ früh entwickelt ist und das Produkt noch nicht vollständig an die Interaktionsweise von KI angepasst neu gestaltet wurde.

1 Milliarde US-Dollar ist ein Ausgangspunkt, nicht der ausgereifte Umfang dieses Geschäfts. Wenn OpenAI schließlich die Absichten, den Kontext und die von Nutzern aktiv bereitgestellten Informationen aus Gesprächen in einen neuen Mechanismus für die Werbeausrichtung umwandeln kann, wird es nicht nur um die Budgets für traditionelle Display-Werbung konkurrieren, sondern auch um den wertvollsten Teil der Suchwerbung von Google.

Vor zwei Jahren war Sam Altmans Haltung zu KI-Werbung noch sehr vorsichtig, und Friar selbst hat Ende 2024 davor gewarnt, dass das Unternehmen darauf achten muss, ob sich die Gruppe der tatsächlich bedienten Kunden ändert, sobald Werbetreibende anfangen, für das Produkt zu zahlen. Heute ist Werbung nicht mehr eine Frage der Wertvorstellungen, sondern eine Frage des Geschäftsmodells.

Abrechnungseinheiten

Oberflächlich betrachtet ist eines der Signale von Friars Rede, dass OpenAI ernsthaft mit dem Ausbau der Werbung beginnt; eine weitere, noch wichtigere Veränderung besteht darin, dass das Management die Abrechnungseinheiten von OpenAI ständig verfeinert.

Als ChatGPT gerade auf den Markt kam, war die Abrechnungseinheit sehr einfach: Ein Nutzer zahlte 20 US-Dollar pro Monat für das Plus-Abonnement. Nach der Einführung der API wurde die Einheit zu Token: Entwickler zahlten nach dem genutzten Umfang der Modellkapazitäten. Mit dem Eintritt in den Unternehmensbereich tauchte dann das aus der Softwarebranche bekannte „Seat“ (Arbeitsplatzlizenz) auf.

Heute ist diese Preisliste komplexer: Werbetreibende können die Kosten für kostenlose Nutzer übernehmen, ChatGPT kann nach der Vermittlung von Warenhandel Gebühren von Händlern erheben; nach dem Eintritt in Bereiche wie Chipdesign, Biowissenschaften und Finanzdienstleistungen beginnt Friar direkt über die Abrechnung nach „Business Outcome“ (geschäftlichem Ergebnis) zu sprechen.

Auf der Goldman-Sachs-Konferenz nannte Friar einen interessanten internen Wert:

Bei den von OpenAI definierten „Frontier-Unternehmen“, also der Gruppe von Kunden, die KI am intensivsten nutzen, hat die Anzahl der Token, die jeder Nutzer pro Woche verbraucht, bereits etwa das Achtfache der normalen Unternehmenskunden erreicht – vor nicht langer Zeit lag dieser Wert noch beim Dreifachen. Bei OpenAI selbst intern beträgt dieser Wert sogar etwa das 33-fache.

Sie nutzt diesen Wert als Maßstab für Prognosen: Wenn Unternehmen KI wirklich in ihre Arbeitsabläufe einbinden, ist das heute hoch erscheinende Nutzungsvolumen möglicherweise erst der Anfang.

Codex liefert ein weiteres Beispiel: Anfang des Jahres gab es nur etwa 100.000 Nutzer, die neuesten veröffentlichten Daten belegen bereits etwa 25 Millionen Nutzer. Friar ist der Ansicht, dass die Programmierung gerade von der KI-gestützten Entwicklerarbeit schnell in die Phase des „Automated Coding“ (automatisierten Programmierens) übergeht. Die Veränderung, die OpenAI im Unternehmensbereich erlebt, besteht nicht darin, dass Mitarbeiter ein zusätzliches Chat-Fenster öffnen, sondern darin, dass KI wirklich in die Produktionsprozesse integriert wird.

Sobald zahlreiche Unternehmen dies tun, ist die Abrechnung nach Token nicht mehr die am besten geeignete Methode.

Angenommen, ein Unternehmen nutzt das OpenAI-Modell für eine Chipdesign-Aufgabe: Die durch die Modellaufrufe generierten API-Einnahmen betragen möglicherweise nur einige Tausend oder Zehntausend US-Dollar. Wenn dadurch der Designzyklus um zwei Monate verkürzt und ein teurer Tape-Out-Versuch eingespart wird, kann der geschaffene wirtschaftliche Wert um mehrere Größenordnungen höher liegen.

Friar erwähnte diesmal besonders das interne Chip-Projekt „Jalapeno“ von OpenAI. Sie erklärte, dass das Team mithilfe der OpenAI-Modelle die Chipentwicklung in nur neun Monaten bis zum Tape-Out-Stadium vorantreiben konnte. OpenAI möchte ähnliche Fähigkeiten externen Chipherstellern anbieten. Genau aus diesem Grund wird die ergebnisorientierte Preisgestaltung („Outcome-based Pricing“) in die Überlegungen einbezogen.

Friar hat dieses Jahr bereits mehrfach den Boden für diese Veränderung bereitet. Sie sprach wiederholt über erfolgreich abgeschlossene Aufgaben („Successful Task“) und darüber, wie viel nutzbare Intelligenz pro ausgegebenem US-Dollar erworben werden kann. Für Unternehmen ist das billigste Modell nicht unbedingt das kostengünstigste. Wenn ein leistungsstärkeres Modell eine Aufgabe in einem Durchgang erledigt und Nacharbeiten sowie manuelle Prüfungen reduziert, können die Gesamtkosten stattdessen niedriger ausfallen.

OpenAI hat zudem ein noch direkteres Preisexperiment durchgeführt. Laut Friar hat das Unternehmen kürzlich den Preis für das kostengünstige Modell „Luna“ um 80 % gesenkt, woraufhin das Nutzungsvolumen um etwa das Zehnfache gestiegen ist. Ein starker Preisrückgang hat dieses Geschäft nicht verkleinert, sondern die Nutzung weiter angeregt.

Das Management von OpenAI spricht heute immer häufiger über das Jevons-Paradoxon: Wenn KI billiger wird, erledigen Unternehmen nicht nur die ursprünglichen Aufgaben mit weniger Geld, sondern beginnen auch, Arbeiten durchzuführen, die früher nicht möglich waren. Beispielsweise konnten früher nur die wichtigsten Verträge geprüft werden, in Zukunft können alle Verträge geprüft werden; früher ließen nur leitende Ingenieure eine einzelne Simulation durchführen, in Zukunft können Dutzende von Lösungen gleichzeitig getestet werden.

Mit sinkenden Preisen lassen Nutzer die KI an mehr Arbeiten teilhaben und schaffen so noch größere Anwendungsszenarien.

Diese Logik erklärt auch, warum OpenAI dem Unternehmensgeschäft immer größere Bedeutung beimisst. Als Friar 2024 zum Unternehmen stieß, betrug der Anteil des Unternehmenseinkommens nur etwa 20 %. Anfang dieses Jahres lag er bereits bei etwa 40 %, heute macht er im Grunde genommen die Hälfte des Gesamteinkommens aus, genau wie das Verbrauchereinkommen.

Auch der Verbraucherbereich wächst weiter. Friar gab bekannt, dass die durchschnittliche Anzahl der Nachrichten eines neuen Nutzers in den ersten sechs Monaten der Nutzung von ChatGPT um etwa 60 % steigt, und die Anzahl der Nutzungsszenarien sich ungefähr verdoppelt. Die leistungsstärksten kostenpflichtigen Produkte in diesem Jahr sind nach wie vor Plus und Pro. Sie fasst die Veränderung so zusammen: Die Nutzer bewegen sich von der Phase des Fragens („Asking“) zur Phase des Handelns („Doing“).

Wenn KI nur Fragen beantwortet, reichen 20 US-Dollar pro Monat oder ein Preis pro Million Token aus, um eine klare Preisliste zu erstellen. Wenn KI aber anfängt, Code zu schreiben, Schadenfälle zu prüfen, Chips zu entwerfen, an Arzneimittelforschungen teilzunehmen und Finanzaufgaben zu erledigen, geht es nicht mehr nur um das Nutzungsvolumen, sondern darum, wie viel diese Arbeiten letztendlich wert sind.

Niedrige Gewinnmargen beibehalten

Die Richtung, die Sam Altman kürzlich für das Unternehmen vorgestellt hat, wird immer klarer. Er möchte, dass OpenAI ein „Infrastructure Provider“ wird und Intelligenz zu einer Infrastruktur macht, auf die wie auf Cloud-Computing oder Strom jederzeit zugegriffen werden kann. Er erklärte sogar, dass er bereit sei, langfristig niedrigere Gewinnmargen zu akzeptieren, solange das Unternehmen groß genug wird und schnell genug wächst.

Friar ist für die andere Hälfte dieser Konzeption verantwortlich. OpenAI muss die Kosten pro Einheit intelligenter Leistung ständig senken und diese gleichzeitig in immer höherwertige Arbeitsbereiche einbringen – Bereiche wie Chipdesign, Biowissenschaften und Finanzdienstleistungen eröffnen hierfür weitere Möglichkeiten.

OpenAI hat starke Anreize, neue Preiseinheiten zu finden: Im Jahr 2025 betrugen die Einnahmen des Unternehmens bereits etwa 13 Milliarden US-Dollar, gleichzeitig lagen die Kosten und Ausgaben bei etwa 34 Milliarden US-Dollar. Bis 2026 können allein die Ausgaben für Rechenressourcen auf etwa 50 Milliarden US-Dollar steigen. Das Besondere an Spitzenmodellen ist, dass hinter jeder einzelnen Inferenz und jeder Agentenaufgabe echte GPUs, Strom und Rechenzentren stehen.

Ein schnelles Wachstum der Einnahmen führt nicht automatisch zu einem Wachstum der Gewinne. Im Jahr 2025 sagte Friar, dass das Unternehmen aufgrund fehlender Rechenressourcen Produkte verschieben, die Nutzung für Kunden einschränken und sogar einige Geschäftsentscheidungen treffen musste, von denen es wusste, dass sie nicht rentabel sind.

Heute spricht sie immer häufiger über die andere Seite der Medaille. OpenAI braucht nach wie vor mehr Rechenleistung, aber als CFO überlegt sie, wie sie aus jeder einzelnen Aufgabe, die diese Rechenleistung erledigt, noch mehr Einnahmen erzielen kann – durch einen Nutzer, ein Token, eine Seat-Lizenz, eine Werbeanzeige, eine Transaktion, eine Aufgabe oder ein endgültiges Ergebnis lässt sich berechnen, wie viel KI tatsächlich wert ist.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Yongliu Business“, Autor: Lin Geng, 36Kr veröffentlicht mit Genehmigung.