SemiAnalysis: Warum Claude Max und ChatGPT Pro für Power-User so stark subventioniert sind

KI-Abos fühlen sich für viele Nutzer wie eine Flatrate an: 20, 100 oder 200 Dollar im Monat zahlen und dann möglichst viele Prompts, Agentenläufe oder Coding-Sessions starten. Eine Auswertung von SemiAnalysis zeigt nun, warum dieses Modell für Anbieter wie Anthropic und OpenAI heikel ist. Die Research-Firma kaufte nach eigenen Angaben die verschiedenen Abo-Stufen von Anthropic und OpenAI, reizte die wöchentlichen Nutzungslimits mit langen Coding-Aufgaben aus und verglich den daraus entstehenden Verbrauch mit den jeweiligen Abo-Preisen.

Das Ergebnis ist spektakulär: Ein Claude-Max-Abo für 200 Dollar pro Monat kann, wenn es konsequent bis an die Grenze genutzt wird, rechnerisch bis zu rund 8.000 Dollar an monatlichem KI-Verbrauch liefern. ChatGPT Pro kann bei maximaler Auslastung sogar auf etwa 14.000 Dollar kommen. Wichtig ist dabei: Solche Zahlen sind kein sauberer Blick in die tatsächlichen internen Grenzkosten der Anbieter. Sie zeigen vor allem, welchen Gegenwert die gleiche Nutzung im API- oder Compute-nahen Preismodell hätte. Trotzdem machen sie deutlich, wie aggressiv KI-Labore ihre teuersten Endkunden-Abos querfinanzieren.

Warum die Lücke so groß ist

Der Kern des Problems liegt in der Kostenstruktur moderner KI-Modelle. Klassische Software-Abos skalieren oft sehr günstig: Ein zusätzlicher Nutzer in einem Notiz-Tool, einer Office-App oder einem Streaming-Dienst verursacht vergleichsweise geringe Mehrkosten. Bei frontier KI-Modellen ist das anders. Jede längere Antwort, jeder große Kontext, jede Agenteniteration und jeder Coding-Loop verbraucht Rechenzeit auf teurer GPU- oder Beschleuniger-Infrastruktur.

Gerade Power-User nutzen diese Systeme nicht wie eine Suchmaschine, sondern wie einen dauerhaft mitlaufenden Mitarbeiter: Repository analysieren, Änderungen planen, Code generieren, Tests interpretieren, Fehler korrigieren und erneut starten. Solche Workflows erzeugen lange Kontexte und viele Ein- und Ausgabetokens. Genau dort wird ein Pauschalpreis schnell zur Wette des Anbieters: Die meisten Abonnenten nutzen ihr Kontingent nur teilweise, eine kleine Gruppe reizt die Limits jedoch maximal aus.

Das Fitnessstudio-Prinzip der KI-Branche

Ökonomisch erinnert das an Fitnessstudios oder Mobilfunktarife. Das Produkt wird so bepreist, dass es für viele Kunden attraktiv wirkt, aber nur ein Teil der Kundschaft nutzt die Leistung wirklich vollständig. Bei KI-Abos ist der Unterschied: Die variablen Kosten der intensivsten Nutzer sind nicht trivial. Wenn ein Entwickler über Tage hinweg Agentenläufe startet, kann er einen rechnerischen Verbrauch erzeugen, der den Monatspreis um ein Vielfaches übersteigt.

Für Anthropic und OpenAI kann diese Subvention dennoch strategisch sinnvoll sein. Wer Power-User hält, hält oft auch Multiplikatoren: Entwickler, Gründer, Berater, Creator und Teams, die später API-Umsätze, Enterprise-Verträge oder größere Plattformbindung erzeugen können. Ein großzügiges Abo ist damit nicht nur Produkt, sondern auch Akquisitionskanal und Lock-in-Instrument.

Warum die Anbieter trotzdem Limits setzen

Die Zahlen erklären auch, warum Nutzungslimits, dynamische Drosselungen und unklare Kontingente bei KI-Abos so wichtig geworden sind. Ohne Limits wäre ein 200-Dollar-Abo für sehr intensive Anwender praktisch ein offener Scheck. Anbieter müssen deshalb mehrere Ziele gleichzeitig ausbalancieren:

• Sie wollen den Tarif einfach und attraktiv wirken lassen.
• Sie müssen Missbrauch und Dauerlast verhindern.
• Sie wollen Power-User nicht an Wettbewerber verlieren.
• Sie müssen knappe GPU-Kapazität fair zwischen vielen Kunden verteilen.
• Sie dürfen die Bruttomarge des Gesamtprodukts nicht dauerhaft zerstören.

Deshalb sind wöchentliche Limits, Session-Fenster und Priorisierung bei hoher Auslastung kein Randdetail, sondern ein zentraler Teil des Geschäftsmodells. Für Nutzer fühlt sich das manchmal willkürlich an, für Anbieter ist es der Mechanismus, der eine Flatrate überhaupt möglich macht.

Was das für Nutzer bedeutet

Für normale Anwender sind ChatGPT Plus, Claude Pro oder vergleichbare Tarife weiterhin meist ein gutes Geschäft. Wer ein KI-Abo nur für Recherche, Textarbeit, gelegentliche Codefragen oder Automatisierungsideen nutzt, wird die harten Grenzen selten erreichen. Für professionelle Entwickler und Agenten-Workflows sieht es anders aus: Dort entscheidet nicht nur der Monatspreis, sondern vor allem die Frage, wie stabil, transparent und planbar die Limits sind.

Ein 200-Dollar-Tarif kann extrem günstig sein, wenn er täglich produktive Arbeit ersetzt. Er kann aber frustrierend werden, wenn mitten in einer Refactoring-Session das Wochenlimit greift oder ein Modell in Stoßzeiten weniger verfügbar ist. Wer KI ernsthaft in Arbeitsprozesse integriert, sollte deshalb nicht nur Preise vergleichen, sondern auch Limits, Modellqualität, Kontextfenster, Tooling, API-Alternativen und Ausweichstrategien berücksichtigen.

Die strategische Wette der KI-Labore

Die aktuelle Subventionslogik zeigt, wie früh der Markt trotz hoher Umsätze noch ist. Anbieter kämpfen um Gewohnheiten, Workflows und Plattformdominanz. Solange Kapital, Infrastruktur und Wachstumsdruck vorhanden sind, können sie Power-Usern mehr Leistung geben, als deren Abo-Preis isoliert rechtfertigen würde. Langfristig gibt es aber nur wenige Auswege: Modelle müssen deutlich effizienter werden, Hardware günstiger, Preise differenzierter oder Limits strenger.

Wahrscheinlich wird der Markt daher stärker segmentiert. Casual-Nutzer bekommen einfache Pauschalpakete, professionelle Anwender zahlen für garantierte Kapazität, Teamfunktionen oder API-Kontingente. Die Zeit der scheinbar unbegrenzten KI-Flatrate dürfte damit nicht vorbei sein, aber sie wird stärker von versteckten Regeln, Nutzungsfenstern und Priorisierung geprägt sein.

Fazit

Die SemiAnalysis-Zahlen machen sichtbar, was viele Power-User bereits gespürt haben: KI-Abos sind keine normalen Software-Abos. Sie sind ein Balanceakt zwischen aggressiver Nutzergewinnung und realen Compute-Kosten. Claude Max und ChatGPT Pro können für intensive Anwender enorm wertvoll sein, weil Anthropic und OpenAI einen Teil der Kosten bewusst absorbieren. Doch genau diese Großzügigkeit erklärt auch, warum Limits, Drosselungen und Preisanpassungen in Zukunft eher zunehmen als verschwinden dürften.

Quellen und Einordnung: Die Zahlen wurden unter anderem von Superhuman und The Business Engineer auf Basis der SemiAnalysis-Auswertung aufgegriffen. Für die Bewertung ist entscheidend, zwischen API-äquivalentem Gegenwert, tatsächlichen internen Kosten und strategischer Subvention zu unterscheiden.