Als offizielle Begründung schreibt OpenAI: Die kostenlosen Tarife kosteten viel Rechenleistung, und Werbung finanziere breiteren Zugang. 

Das ist nicht falsch, aber unvollständig. Der Werbepilot startete am 9. Februar dieses Jahres in den USA. Sechs Wochen später bestätigte ein OpenAI-Sprecher über 100 Millionen Dollar Werbeumsatz annualisiert und mehr als 600 Werbetreibende. Der Europastart fällt nun ziemlich genau auf das halbjährige Bestehen des Geschäfts, und OpenAI spricht inzwischen von Zehntausenden Werbetreibenden.

Wohin die Reise geht, zeigen die Planzahlen, die OpenAI Investoren genannt hat: 2,5 Milliarden Dollar Werbeumsatz in 2026, 100 Milliarden bis 2030. Zum Vergleich: Google hat im vergangenen Jahr rund 294 Milliarden Dollar mit Werbung umgesetzt, Meta 196 Milliarden. 

CEO Sam Altman baut sich hier also keine nette, kleine Nebeneinnahme auf, um die Community fair versorgen zu können: Der Druck dahinter ist vielmehr erheblich. Bis 2030 könnte die Firma weit über 200 Milliarden Dollar allein für Rechenzentren, Cloud und Infrastruktur benötigen.

In einem Post auf X (ehemals Twitter) schrieb Altman im November 2025 sogar von 1,4 Billionen Dollar, die die Firma in den kommenden acht Jahren in den Aufbau der KI-Infrastruktur investieren werde. Werbung ist daher keine Option, sondern eine wirtschaftliche Notwendigkeit. 

Das Tempo passt dazu, denn es ist hoch: Der Self-Service Ads Manager öffnete im Mai für US-Unternehmen, Custom Audiences starteten wenig später. Zuletzt folgte der Launch eines Karussellformats mit mehreren Produkten – Erinnerungen an LinkedIn- und Insta-Ads werden wach. Die Aufzählung lässt sich fortsetzen, wer aber mehr Details wissen will, dem sei die detaillierte Timeline von Adscriptly empfohlen.

Warum explodieren die Kosten genau jetzt? Der Grund liegt im technologischen Paradigmenwechsel. Früher tippte der Nutzer einen Prompt ein, erhielt eine Antwort und der Prozess pausierte. Heute agieren moderne Tools als autonome Agenten. Sie arbeiten im Hintergrund, analysieren ganze Code-Repositories oder Server-Strukturen, testen eigenständig Lösungen, scheitern, korrigieren sich selbst und starten den Prozess von vorn.

Dabei jagen sie bei jeder Interaktion gigantische Datenmengen durch die Schnittstellen (API) der LLM-Provider. Da moderne Modelle über riesige Kontextfenster (Context Windows) verfügen, wird bei jedem automatisierten Iterationsschritt der gesamte Kontext neu eingelesen und berechnet. Der Effekt: Ein einziger Klick startet eine Kaskade, die innerhalb von Minuten Millionen von Token verbraucht. 

Autonome KI-Tools verhalten sich nicht mehr wie ein passiver Chatpartner, sondern wie ein hyperaktiver Praktikant, der ohne Limit die Firmen-Kreditkarte bei AWS hinterlegt hat.

Sie verbringen halbe Tage in virtuellen Konferenzen und die Aufgaben entstehen direkt im Gespräch? Hören Sie auf, während des Redens hektisch mitzuschreiben.

Wenn Sie im Microsoft-Kosmos unterwegs sind, ist das die Paradedisziplin von Copilot in Teams. Sobald die Transkription im Meeting läuft, arbeitet die KI im Hintergrund als stummer, ultraschneller Protokollant. Nach dem Call dauert es je nach Länge des Termins bis zu 30 Minuten, bis die Zusammenfassung und das Transkript da sind. Sie erhalten eine Mail oder finden es direkt am Termin in Outlook bzw. in Teams unter „Chats“. 

Wechseln Sie einfach in den Reiter „Recap“, bzw. „Rückblick“, falls Sie die Software auf Deutsch nutzen. Wichtig: Sie erhalten Mitschrift, To-Do-Listen und  Audio-Summary nur, wenn Sie bzw. ein:e Kolleg:in aus Ihrer Organisation das Meeting selbst aufgenommen hat oder die Gegenseite Sie freigegeben hat. 

Wer weniger Zeit hat: Per „Facilitator“ liefert Teams auch eine Management Summary Ihres Meetings. Die professionelle Zusammenfassung ist allerdings deutlich ergiebiger, gerade, wenn es Meetings mit verschiedenen Themen sind, und daher unser Favorit.

Das Transkriptions-Feature ist längst kein Microsoft-Monopol mehr. Gemini in Google Meet erledigt es genauso elegant. Und wer KI-Systeme wie nuwacom nutzt, findet dort inzwischen auch Meeting-Zusammenfassungen und To-Do-Extraktion. 

Wer Meetings per Default mit der Gegenseite teilen möchte, für den eignen sich Tools wie Fathom. Denn hier erhält Ihr Gegenüber direkten Zugriff auf das Transkript, ohne dass Sie Daten auf den eigenen Servern  teilen müssten. Nachteil: Es ist aufwändiger, das Transkript direkt als Teil des Corporate-Wissens abzuspeichern.

Wer seinen Teams kein sicheres, zentrales KI-Basissystem hinstellt, zwingt sie in die Schatten-KI und verhindert Skalierung – Skalierung, die der Wettbewerber womöglich längst schafft.

Denn wie schnell dies in der Praxis gelingt, wenn man KI in die richtigen Prozesse hineinbringt, zeigt das Beispiel eines mittelständischen Unternehmens: Wir haben dort eine KI-Lösung eingeführt, die den Vertrieb bei der Preisermittlung für eine bestimmte Art von Bestellungen unterstützt, die Hunderte Male pro Woche eingehen.

Das Tool übernimmt inzwischen Aufgaben, für die das Team früher über 40 Stunden gebraucht hätte. In weniger als zwei Monaten haben wir so Kapazitäten im Äquivalent einer kompletten virtuellen Vollzeitstelle freigeschaufelt. Für mich ein Best Case dafür, was möglich ist, wenn man die richtigen Prozesse angeht, die KI direkt mit der Basis-Software des Unternehmens verbindet und sie für alle nutzbar macht.