Cryptopolitan-Bericht: Apple rät vom AI-Meter ab – 39 % unserer Leser stimmen zu

Apple will Unternehmen dazu bringen, nicht mehr pro Token zu zahlen und stattdessen einen Schreibtisch voller Macs für ihre KI-Arbeit zu kaufen. In derselben Woche, in der die neuen Macs auf den Markt kamen, senkten OpenAI und Anthropic ihre API-Preise. Wir haben unsere Newsletter- Leser gefragt, welchen Ansatz sie wählen würden. 

Der Pitch, der dies ausgelöst hat 

Am 22. September begann Apple, seine neuen Mac mini und Studio Desktops mit einer einzigartigen Präsentation zu versenden. Statt sie mit Geschwindigkeit oder Design zu verkaufen, bewarb es sie mit einem Argument für niedrige Betriebskosten. Apples Idee ist einfach: Ein einmaliger Hardwarekauf ermöglicht es Nutzern, Modelle auf ihren eigenen Geräten auszuführen, ohne Cloud-Anbieter pro Token bezahlen zu müssen.

Ein kurzer Hinweis darauf, was „Pay-per-Token“ bei der Arbeit mit KI bedeutet. Wenn Unternehmen KI-Modelle wie ChatGPT oder Claude über die Cloud in ihre Arbeitsabläufe integrieren, zahlen sie normalerweise nach dem „Token“. Ein Token ist ein kleiner Textabschnitt, etwa drei Viertel eines Wortes. Sowohl die Anfragen, die ein Unternehmen sendet, als auch die Antworten, die es erhält, werden für die Gesamtrechnung erfasst. Eine kurze Anfrage kann nur einen Bruchteil eines Cents kosten. Allerdings kann ein KI-Agent, der stundenlang Dokumente durchsucht, Informationen analysiert und Code umschreibt, leicht Millionen von Tokens verbrauchen. Daher können die Kosten sehr schnell ansteigen, ähnlich wie ein Taxameter, das nie aufhört zu laufen. Apple positioniert sich als alternative Lösung, indem es die Kostenstruktur effektiv verschiebt. 

Die Zahlen hinter diesem Angebot sind ebenfalls nicht klein. Der Mac mini startet bei 899 US-Dollar, während der Mac Studio mit dem neuen M5 Ultra-Chip von Apple 5.499 US-Dollar kostet; die voll ausgestatteten Versionen sind mit fast 20.000 US-Dollar preismäßig angesiedelt. In seiner Pressemitteilung erklärt Apple, dass der Mac Studio es Nutzern ermögliche, massive Modelle vollständig geräteintern auszuführen „ohne Token zu zählen oder sich über steigende Cloud-Kosten Gedanken zu machen.“

Um diesen Punkt zu untermauern und die Leistungsfähigkeit zu demonstrieren, verband Apple vier Mac Studios miteinander und führte ein Modell mit einer Billion Parametern aus, um einen Grafikfehler aufzuspüren. Solche Workloads sind normalerweise mit Rechenzentren verbunden, doch laut Apple lief das gesamte Setup von einer einzigen Steckdose. 

Appels Vorteil hier geht auf eine Entscheidung zurück, die sie 2020 aus völlig anderen Gründen traf. Als sie zu eigenen Chips wechselte, platzierte sie Prozessor und Speicher im selben Paket, um die Akkulaufzeit zu verbessern. Dieses Design eignet sich hervorragend für KI-Arbeitslasten, da große Modelle schnellen Zugriff auf viel Speicher benötigen. Apple hatte Jahre vor der eigentlichen Nachfrage einen Vorteil entdeckt.

Es gibt bereits erste Anzeichen, dass der Markt dies bestätigt. Mac Minis waren in Teilen Chinas ausverkauft, als sich das Open-Source-Agent-Tool OpenClaw verbreitete, und die Konfigurationen des Mac Studio mit hohem Speicher waren seit dem Launch schwer zu finden. 

Inzwischen wurde der Meter günstiger 

In derselben Woche, in der Apple mit den Lieferungen der Macs begann, gerieten die beiden größten Modelllabore in einen Preiskrieg um Token-Preise. Dies machte die Debatte zwischen Hardware versus Pay-per-Token zu einer echten Diskussion. 

Anthropic hat Claude Opus 5.5 auf 4 US-Dollar pro Million Tokens und 20 US-Dollar pro Million Output-Tokens gesenkt, was einer Reduzierung von 20 % im Vergleich zur vorherigen Version entspricht. Rund 90 Minuten nach dieser Ankündigung brachte OpenAI GPT-6 Sol und Luna zu etwa der Hälfte des Preises seines Vorgängermoders auf den Markt. Beide Unternehmen konkurrieren nun offen darüber, wie viel es kostet, eine Aufgabe abzuschließen, anstatt sich ausschließlich auf Benchmark-Ergebnisse zu stützen. 

Dies wirft die Frage auf: Wenn das Mieten immer günstiger wird, was ist dann der Sinn darin, Tausende von Dollar in Hardware zu investieren, die an Wert verliert? 

Der Preis eines einzelnen Tokens erzählt nur einen Teil der Geschichte. Gartner prognostiziert, dass die Inferenzkosten pro agentic Workflow bis 2028 um das Fünffache steigen werden. Leistungsstärkere und erschwinglichere Modelle können Unternehmen dazu ermutigen, weitere Aufgaben zu automatisieren, Agenten länger laufen zu lassen und häufiger Modellaufrufe durchzuführen. Folglich garantieren niedrigere Stückpreise nicht automatisch geringere Gesamtausgaben.

Der Rest des Feldes zieht nach

Apples Marktanteil in diesem Bereich ist deutlich schwächer, als die Ankündigung vermuten ließ. Laut IDC-Daten, die von Reuters zitiert wurden, liegt der aktuelle Anteil von Apple am Enterprise-Desktop-Markt bei 4,6 %, während Windows 91,3 % hält. Microsoft zielt auf dieselben Käufer ab: CEO Satya Nadella bezeichnete On-Device-KI auf der Microsoft Build 2026 Anfang Juni sowie in einem X-Beitrag als „unbezahlte Intelligenz“.

Am 7. Oktober kündigte Microsoft auf einer Windows-Veranstaltung in San Francisco das Surface Laptop Ultra ab 2.599 US-Dollar sowie eine Surface RTX Spark Dev Box an – einen kompakten Desktop mit 128 GB Arbeitsspeicher für 5.999 US-Dollar. Gleichzeitig öffneten Asus, Dell, HP, Lenovo und MSI die Vorbestellungen für ihre eigenen RTX Spark-Maschinen. Was sich derzeit abzeichnet, ist, dass die lokale KI-Pitch-Debatte zu einer deutlich größeren Branchenfrage wird. 

Was das Ergebnis aussagt

Dies ist ein Newsletter, der aus dem Krypto-Bereich stammt – einem Umfeld, in dem das Motto „Deine Sachen selbst besitzen“ fast schon wie ein Glaubensbekenntnis wirkt. Selbstverwahrung, den eigenen Node betreiben, nichts, was man selbst halten kann, einer Drittpartei anzuvertrauen. Leser, die diesen Bereich verfolgen, sind mit dieser Mentalität sehr vertraut, unabhängig davon, ob sie sie persönlich leben oder nicht. Appels Argumentation ist gewissermaßen die hardwareseitige Entsprechung von „Not your keys, not your coins“. Es ist daher nicht verwunderlich, dass es auf Resonanz stieß.

Interessanter ist jedoch, dass es nicht stärker auf Resonanz stieß.

Eigene Infrastruktur (38,71 %): Die relative Mehrheit und die Formulierung der Option haben wahrscheinlich dazu beigetragen. „Ein laufender Meter“ ist ein bewusst unangenehmes Bild, und jeder, der schon einmal eine API-Rechnung im Laufe eines geschäftigen Monats steigen sah, kennt dieses Gefühl. Diese Gruppe setzt darauf, dass der Verbrauch nur in eine Richtung geht – genau das, was auch Gartens Prognose nahelegt. Wenn man davon ausgeht, dass die eigenen KI-Arbeitslasten weiter wachsen werden, wirkt eine feste Kostenstruktur wie eine Absicherung. Zudem gibt es hier eine Privatsphäre-Dimension, die in einer reinen Kostenvergleichsbetrachtung nicht sichtbar wird: Daten, die den Schreibtisch nie verlassen, können nicht aus dem Server eines anderen Unternehmens abfließen.

Pay per Token (~31,6 %): Knapp dahinter und diese Gruppe hat das stärkere Argument in Bezug auf die spezifischen Fakten dieser Woche. Die Preise wurden gerade um bis zu 50 % gesenkt. Die besten Modelle sind immer noch die, die Sie mieten, nicht die, die Sie herunterladen und auf einem Mac ausführen können, und die Lücke in der Leistungsfähigkeit ist für ernsthafte Arbeit relevant. Hardware altert auch. Eine Maschine, die heute gekauft wird, wird in zwei Jahren die Modelle des Vorjahres mit dem Chip des Vorjahres ausführen, während die API im Hintergrund stillschweigend aktualisiert wird. Fügen Sie Strom, Wartung und den Aufwand für die Einrichtung hinzu, und „kein Anfangsrisiko“ ist ein vernünftiger Wert.

Hängt von der Arbeitslast ab (~29,7 %): Fast ein Drittel der Leser weigerte sich, eine Seite zu wählen, und ehrlich gesagt, das ist die Antwort, die die meisten Ingenieure geben würden. Die Wirtschaftlichkeit dreht sich je nach Aufgabe um. Stetige, repetitive Hochvolumi-Aufgaben, die den ganzen Tag laufen, begünstigen den Besitz. Gelegentliche, burstartige Aufgaben, die das leistungsfähigste Modell benötigen, begünstigen das Mieten. Viele Teams werden am Ende beides tun: Günstigere Open-Source-Modelle lokal für Routinearbeiten einsetzen und die Frontier-APIs für die schwierigen Probleme aufrufen.

Stellt man diese drei Optionen nebeneinander, ergibt sich eine enge Aufteilung, bei der keine Option auch nur annähernd die Hälfte erreicht. Dieses Publikum ließ sich vom Gedanken des Eigentums überzeugen, war aber nicht davon überzeugt, dass er eindeutig gewinnt. Die Zahlen deuten darauf hin, dass dies eine realistische Einschätzung ist. 

Das Geld für einen M5 Ultra Mac Studio im Einstiegssegment könnte bei Openais neuen Preisen von 2 und 10 US-Dollar Hunderte Millionen Token kaufen – was für einen einzelnen Entwickler eine lange Laufzeit bedeutet und für ein Unternehmen, das rund um die Uhr mit Agents arbeitet, nur wenige Wochen. Sinkende Preise begünstigen vorübergehend die Mieter, doch wenn sich Gartners Prognose bestätigt und die Gesamtkosten weiter steigen, werden Finanzabteilungen genau jene Berechnungen durchführen, die Apple und Microsoft von ihnen erwarten. 

Die bedeutsamste Veränderung besteht möglicherweise darin, dass Menschen überhaupt erst über lokale KI nachdenken. Vor nur zwei Jahren war die Idee, ein KI-Modell auf einem persönlichen Computer zu betreiben, alles andere als ein Mainstream-Gedanke.