Auf Stripes zweiter Monetize-Konferenz beschrieben mehr als 300 Verantwortliche von Unternehmen wie Replit, Fin, Snowflake und Clay, wie sie Preise für KI-Produkte festlegen und ihre Kosten steuern. Zwei Drittel der Firmen auf der Forbes-AI-50-Liste rechnen ihre Leistungen inzwischen zumindest teilweise nach Verbrauch ab. Scott Woody, CEO des Abrechnungsanbieters Metronome, beschrieb den Unterschied so: Die führenden Anbieter arbeiten anders, als es traditionellen SaaS-Unternehmen vertraut ist. Sie überarbeiten ihre Preise in sehr kurzen Zyklen, sie stellen Marktanteile zeitweise über wiederkehrende Umsätze, und sie verfolgen mehrere Vertriebswege gleichzeitig.
Ein KI-Produkt lässt sich immer weniger wie ein Abo verkaufen und immer mehr wie Strom. Es gibt eine Grundgebühr und einen Verbrauchspreis, und beides verschiebt sich, sobald sich die Erzeugungskosten ändern. Mit dieser Analogie lassen sich fast alle Entscheidungen erklären, die auf der Konferenz zur Sprache kamen.
Hybride Preisgestaltung: Abo, Verbrauch und Credits greifen ineinander
Noch ein Jahr zuvor galt nutzungsbasierte Abrechnung vielen als Ablösung des Abonnements. So ist es nicht gekommen. Das Abo wurde nicht verdrängt, sondern bildet heute den Rahmen, in dem variabler Verbrauch gebündelt wird – oft über Credits, also Guthaben, die Kunden vorab kaufen und je nach Nutzung abbuchen lassen. Auf der Konferenz war von einem geschichteten Modell die Rede: ein Abonnement für Grundfunktionen und Planbarkeit, nutzungsbasierte Abrechnung für die Agentenarbeit und Credits, um verschiedene Verbrauchs- und Ergebnisgrößen in einer einzigen Währung zusammenzuführen.
Übertragen auf die Strom-Analogie heißt das: Der Grundpreis sichert den Anschluss, die Kilowattstunde wird nach Verbrauch abgerechnet, und das Guthaben auf der Prepaid-Karte entspricht dem Credit-Pool. Für den Kunden hat das einen Vorteil: Er muss nicht jede einzelne Verbrauchsgröße prognostizieren, sondern nur entscheiden, welches Budget er bereitstellt. Für den Anbieter bleibt die Rechnung näher an den tatsächlichen Kosten, während der Kunde mehr Planungssicherheit gewinnt. Hybride Preismodelle für KI-SaaS bedienen damit zwei widersprüchliche Anforderungen gleichzeitig: kalkulierbare Einnahmen und verursachungsgerechte Preise.
Fin zeigt, wie aus einem Abo ein Credit-Pool wird
Aisling O’Reilly, bei Fin für die Monetarisierung des Produkts verantwortlich, beschrieb den Weg ihres Unternehmens vom reinen Plattformabonnement zu einem hybriden Modell. Den Anstoß gab der Fin AI Agent, für den Fin eine outcome-basierte Preisgestaltung einführte. Zunächst zahlten Kunden für jede vom Agenten gelöste Support-Konversation. Als das Produkt zusätzlich Produkte empfahl, Leads qualifizierte und Termine buchte, reichte diese eine Messgröße nicht mehr aus. Sie bildete den Wert, den Kunden tatsächlich erhielten, nicht mehr ab.
Fin führte deshalb weitere abrechenbare Ergebnisse ein. Kunden wählen seither für jeden Konversationstyp, welches Ergebnis sie haben wollen, und zahlen entsprechend dessen Wert. Zusätzlich können sie sich auf einen Pool aus Credits festlegen und daraus über verschiedene Ergebnisse hinweg abbuchen, ohne jedes Ergebnis einzeln vorherzusagen. Auffällig ist, in welche Richtung abgerechnet wird: Nicht der Input – Tokens, Rechenzeit, Anfragen – steht im Zentrum, sondern der Output. Für Anbieter folgt daraus: Zuerst muss definiert werden, was überhaupt als Ergebnis zählt, erst danach lässt sich eine Währung dafür finden. Wer diesen Schritt überspringt, verkauft Rechenleistung und nennt es Wert.
Vorhersehbare Kosten werden zum Produktmerkmal
Verbrauchsabhängige Abrechnung erzeugt eine Unbequemlichkeit, die sich nicht wegdiskutieren lässt: Der Kunde weiß am Monatsende nicht genau, was er zahlen wird. Ryan Campbell, Senior Director bei Snowflake, erklärte, wie sein Team Kunden dabei unterstützt, den eigenen Verbrauch zu beobachten und zu steuern – mit Prognosen, Rechnern, Szenario-Werkzeugen und transparenter Nutzungseinsicht im Produkt selbst. Sam Lee, bei Stripe für globale Preisgestaltung zuständig, beschrieb eine Steuerungsansicht, in der Nutzer Warnungen sehen, Ausgabengrenzen setzen und anpassen sowie ihren Verbrauch verwalten können. Für ihn ist sie inzwischen Standard.
Auch vertraglich lässt sich Planbarkeit herstellen, ohne die Bindung an den Verbrauch aufzugeben. Jährliche Verbrauchskontingente, rabattierte Übermengen und Fixpreise im ersten Jahr mit anschließender Nachverrechnung gehören zum Repertoire. Je unberechenbarer die Rechnung ausfällt, desto stärker werden gute Verbrauchskontrollen zu einem Teil dessen, wofür Kunden bezahlen. Sie schaffen Vertrauen ins Produkt und ins Unternehmen dahinter.
Replit: sinkende Inferenzkosten, flexibel geschnürte Pakete
Michele Catasta, Präsident und KI-Chef von Replit, beschrieb eine Verschiebung, die viele Anbieter kennen. Als die Agenten des Unternehmens nur wenige Minuten liefen, verlangte Replit 25 Cent pro Agenten-Checkpoint. Mit wachsenden Laufzeiten kosteten manche Aufträge das Unternehmen mehrere Dollar, während Nutzer weiter 25 Cent zahlten. Die Umstellung auf nutzungsbasierte Abrechnung schloss diese Lücke und brachte die Preise näher an den tatsächlich geleisteten Aufwand.
Gelöst war damit ein Problem, ein neues entstand sofort: unvorhersehbare Ausgaben und abrupte Bezahlschranken für Nutzer, die ein monatliches Abo gewohnt waren. Als die Inferenzkosten fielen – auch weil leistungsfähige offene Modelle Druck auf die Preise der Frontier-Anbieter ausüben –, führte Replit einen ratenbegrenzten Free Mode ein, in dem sich mit einem einfachen Abonnement weiterarbeiten lässt. Catasta zufolge ändert das Unternehmen mehrere Preiselemente pro Monat und gibt Einsparungen an Kunden weiter. Wer seine Kostenstruktur kennt, kann dasselbe Produkt in verschiedenen Geschwindigkeiten, Preisniveaus und Serviceklassen anbieten. Ein Produkt, ein Preis – diese Gleichung gilt nicht mehr.
Was Finanzteams als KI-Wert messen – und was nicht
Tokens bestimmen die Kosten eines Anbieters, aber nur selten den Wert, den Kunden zu kaufen glauben. Karan Parekh, Finanzchef bei Clay, sagte in einer Sitzung, sein Unternehmen wolle nicht im Geschäft sein, Tokens mit Aufschlag weiterzuverkaufen. Clay behandelt Modell-Tokens und Fremddaten als durchlaufende Posten, getrennt von dem differenzierten Wert, den das Produkt selbst liefert. Dasselbe Prinzip gilt für die Bewertung der eigenen KI-Investitionen: Der Vertrieb misst Produktivität, die Produktentwicklung den Zeitaufwand für Entwicklung, der Support Durchsatz und Kundenzufriedenheit.
Parekhs Team akzeptiert steigende KI-Ausgaben, die schneller wachsen als der Umsatz, solange etwas Unterscheidbares entsteht, das sonst nicht erreichbar wäre. Die Begründung ist nachvollziehbar. Sobald mehrere Werkzeuge und geänderte Arbeitsabläufe zum selben Ergebnis beitragen, wird die Zuordnung schwierig, und eine Kennzahl wie Token-ROI führt in die Irre. Clays Antwort sind funktionsspezifische Ziele, die quartalsweise überprüft werden. Für Finanzteams sind operationale Ergebnisse damit die nützlichere Perspektive als die Betrachtung von Inputkosten. KI-Kostenmanagement ist damit mehr als eine Beschaffungsfrage.
Preisangaben, die auch Maschinen lesen können
Agenten beeinflussen bereits, wie Produkte gefunden und bewertet werden, selbst wenn autonome Einkaufsprozesse in Unternehmen noch in den Anfängen stecken. Kyle Poyar, Gründer von Growth Unhinged, untersuchte, wie sechs KI-Engines Preisinformationen für Unternehmen der Cloud 100 darstellten, und wertete 7.600 KI-generierte Antworten aus. Bei einem nicht namentlich genannten Anbieter erschien negatives Preisvokabular in 88 Prozent der Antworten. Weil keine zugänglichen Preise vorlagen, wichen die Modelle auf informelle Quellen wie Reddit aus und nannten Spannen von 100 bis 2.400 Dollar pro Nutzer und Monat – ein Unterschied um den Faktor 24.
Eine Preisseite kann für Menschen vollständig sichtbar sein und für Maschinen praktisch nicht existieren – wenn sie Crawler blockiert oder so gerendert wird, dass Agenten sie nicht verlässlich interpretieren. Preisgestaltung hat inzwischen zwei Zielgruppen. Die Person, die die Ausgabe verantwortet, ist weiter im Bild, aber sie hat Platz gemacht für die Maschine, die sie bei der Bewertung unterstützt.
Monetarisierung als Daueraufgabe
KI-Produkte, Modellökonomie und Nutzungsmuster ändern sich zu schnell, als dass Preise statisch bleiben könnten. In nahezu allen Beiträgen der Konferenz steckte dieselbe Abfolge: herausfinden, was Kunden wertschätzen, ihnen mehr Kontrolle über ihre Ausgaben geben und Preise sowie Paketierung anpassen, sobald sich Produkt und Kostenstruktur verschieben. Einmal umstellen reicht nicht.
Für die eigene Arbeit heißt das: Ein Preismodell ist heute eher ein Regelkreis als ein Vertrag. Du brauchst Sichtbarkeit auf Verbrauchsdaten, eine klare Vorstellung davon, welches Ergebnis den Preis rechtfertigt, und die Bereitschaft, die Mischung aus Abo, Verbrauch und Credits mehrmals im Jahr nachzujustieren. Auch ein Energieversorger kalkuliert nicht einmal und für immer, sondern passt Tarife an, wenn Einkaufspreise und Lastprofile sich bewegen. Solche Anpassungen geschehen bei KI-Produkten allerdings in einem ungleich schnelleren Takt.
Quelle: stripe.com
