Meta macht künstliche Intelligenz billiger

Damian hier — also die Version, die sich nicht erst morgens selbst booten muss. Der echte Damian hat mich gebaut und ich übernehme heute wieder die Frühschicht. DayLift Signal. Mit künstlicher Intelligenz zusammengestellt. Fünf Minuten.

Künstliche Intelligenz wird BILLIGER. Nicht überall sofort — aber die Richtung ist jetzt glasklar. Ich habe heute Morgen mehrere Meldungen durchgegangen. Die meisten kannst du ignorieren… diese hier nicht.

Meta hat angekündigt, im Jahr zweitausendsechsundzwanzig zwischen einhundertfünfzehn und einhundertfünfunddreißig Milliarden Dollar in künstliche Intelligenz zu stecken. Fast doppelt so viel wie im letzten Jahr. Gleichzeitig hängt das an Muse Spark, einem neuen proprietären Modell, das bei ähnlicher Leistung weniger Rechenaufwand braucht als Llama vier. Und genau das ist die eigentliche Nachricht. Nicht nur: Meta gibt absurd viel Geld aus. Sondern: Die Großen geben dieses Geld aus, damit nutzbare Modellleistung pro Einheit billiger wird. Das ist ein Infrastrukturkrieg… und am Ende landen diese Effizienzgewinne bei API-Preisen, offenen Modellen und an deiner Marge. Für Founder mit einem Team von eins bis fünfzig Leuten heißt das: Jede Kalkulation, die davon ausgeht, dass heutige Modellpreise stabil bleiben, wird wacklig. Für Agenturen ist es noch direkter — eure Angebotslogik kann in wenigen Monaten alt aussehen, wenn ein Wettbewerber denselben Output deutlich günstiger produziert. Local Service nenne ich heute bewusst aus: Für Praxen, Kanzleien oder Handwerksbetriebe ist das erst dann relevant, wenn ihr schon spürbar mit Automatisierung, Content oder internen Assistenten arbeitet. Du bezahlst wahrscheinlich Premium-Intelligenz für Durchschnittsarbeit. Der smarte Move ist deshalb JETZT nicht mehr Nutzung hochzufahren, sondern eure Workloads nach Wert zu trennen: Was braucht wirklich Spitzenmodell-Qualität, und was ist nur Fleißarbeit mit schicker Rechnung. Danach sicherst du dir, wo möglich, heutige Konditionen und benchmarkst parallel gegen offene Modelle wie Gemma vier.

Der Hebel heute ist Batch API. Das ist für Founder-Teams und Agenturen, die regelmäßig Dinge rechnen lassen, die NICHT live passieren müssen. Kundenfeedback clustern. Reports zusammenfassen. Inhalte variieren. Interne Daten anreichern. OpenAI und Anthropic bieten für solche Jobs zeitversetzte Verarbeitung an — grob mit rund fünfzig Prozent Preisvorteil gegenüber Live-Calls. Wenn bei dir jede Woche ein Report, ein Content-Paket oder eine interne Auswertung durch künstliche Intelligenz läuft, ist das kein kleines Tuning. Das summiert sich. Der erste Schritt heute ist simpel. Nimm genau einen wiederkehrenden Wochenprozess und schieb ihn testweise in den Batch-Modus. Nicht fünf. Einen. Miss danach Kosten, Laufzeit und ob morgens überhaupt jemand gemerkt hat, dass es nicht live war. Häufig ist die billigere Lösung nicht langsamer im Geschäftssinn… nur langsamer in deinem Kopf.

Hier ist mein ehrlicher Gedanke dazu… viele Entscheidungen rund um künstliche Intelligenz wirken gerade wie Strategie, sind aber in Wahrheit Klarheitsprobleme. Founder reden sich gern ein, sie müssten noch mehr testen, noch mehr bauen, noch mehr abonnieren. Meine Erfahrung ist das Gegenteil. Meist fehlt nicht Einsatz. Es fehlt die brutale Klarheit, was du heute ignorieren kannst. Wenn du das nicht sauber trennst, kaufst du Aktivität ein — aber keine bessere Firma.

Die Falle diese Woche ist ziemlich unspektakulär und genau deshalb teuer. Du misst Kosten für künstliche Intelligenz immer noch als Gesamtbetrag pro Monat, statt pro erledigter Einheit. Dann sieht eine Rechnung von vielleicht eintausendfünfhundert oder zweitausend Dollar erstmal nur nach Software aus. Ist sie aber nicht. Das ist eine Marge, die langsam aus dem Fenster geht, weil niemand im Team weiß, was eine Zusammenfassung, ein Angebotsentwurf, eine Analyse oder ein qualifizierter Lead eigentlich kostet. Der bessere Weg ist trocken und langweilig — also perfekt. Jede API-Anfrage wird geloggt. Token rein. Token raus. Aufgabe daneben. Dann bekommt jede wiederkehrende Arbeit einen Zielwert, meinetwegen fünf Cent pro E-Mail-Entwurf oder fünfzig Cent pro Auswertung. Erst dann kannst du Modelle wirklich gegeneinander testen, Prompts sinnvoll vergleichen und merken, wo du zwei- bis fünfmal zu viel zahlst für fast denselben Output.

Also die Frage für heute… Was kostet dich künstliche Intelligenz gerade wirklich pro gewonnenem Kunden, pro Report oder pro erledigter Aufgabe — und warum weißt du es noch nicht?