Token-Preise fallen, GPU-Mieten bleiben hoch: Jevons im KI-Markt

Token-Preise fallen seit Jahren. Trotzdem kosten H100-GPUs in der Miete heute eher mehr als weniger. The Decoder berichtete dazu am 11. Oktober 2026 über einen Beitrag des Wagniskapitalgebers a16z auf X, cloudmagazin am selben Tag über Material von a16z. Beide Berichte kommen aus zweiter Hand. Das ist für die Einordnung wichtig, denn die Kernaussage steckt in einem Diagramm, das im Text nicht in Zahlen wiedergegeben wird.

Markenzeichen von NVIDIA — Das Argument betrifft Rechenzeit auf NVIDIA-Beschleunigern. Konkrete Preise je Token oder je GPU-Stunde nennen beide Berichte nicht. (Quelle: NVIDIA)

Was a16z zeigt

Im Diagramm, das The Decoder beschreibt, stehen der H100-Mietpreis und ein Preisindex für Tokens, Daten bis August 2026 von Ornn, Silicon Data und Bloomberg. Die Tokenpreise fallen stetig, die Mietpreise für H100-Karten bleiben hoch oder steigen. Das Muster nennt der Beitrag ein klassisches Jevons-Paradox: Billigere Tokens machen Agenten, Automatisierung und neue Anwendungen wirtschaftlich, das Volumen wächst schneller als die Stückkosten sinken.

Offen ist laut The Decoder, wie viel der Nachfrage von Menschen stammt und wie viel die Systeme selbst erzeugen. Agenten verbrauchen Tokens besonders verschwenderisch. (Quelle: The Decoder, 11. Oktober 2026)

Die Annahme dahinter nennt der Bericht selbst: Die Nutzung muss schnell genug wachsen, um fallende Tokenpreise auszugleichen. Flacht die Nachfrage ab, trifft das die ganze Kette aus Chipherstellern, Speicherlieferanten, Energieversorgern und Cloud-Anbietern. Marktseitig verweist The Decoder auf die negative Reaktion der US-Börsen auf Meldungen, OpenAIs erwarteter Jahresumsatz könne niedriger ausfallen als gedacht.

Was cloudmagazin an Zahlen liefert

Das Magazin fasst Material von a16z zusammen: David George von a16z Growth in "State of Markets II" (30. September 2026), den Hardware-Fonds Machine Age Fund (28. August) und Vanguard, das die Investitionen aus Bloomberg-Daten berechnet hat (Stand 31. Juli). Die Investitionen der fünf großen Cloud-Betreiber (Alphabet, Amazon, Meta, Microsoft, Oracle) zusammen:

Euro-Werte nach dem EZB-Referenzkurs vom 30. September 2026 (1,1355). 2026 und 2027 sind Schätzungen des Bloomberg-Konsens, keine Zusagen einzelner Betreiber. (Quelle: cloudmagazin, 11. Oktober 2026)

Weitere Angaben aus dem Bericht: Die Rack-Dichte stieg vom H100-Rack zum Rubin-Rack um das 28-Fache, laufende Systeme brauchen 100 bis 250 kW je Rack. Mieten für A100-Karten liegen auf oder über dem Stand vom Jahresbeginn, konkrete Stundenpreise nennt der Text nicht. Laut George wandert der freie Cashflow der Hyperscaler zu den Halbleiterfirmen, finanziert aus Gewinnen und zunehmend aus Schulden. Außerdem stößt die Vernetzung innerhalb der Racks laut Bericht an die Grenzen von Kupferverkabelung.

Was das für Mieten oder Kaufen heißt

Für eine Planung, die ältere Karten nicht abschreibt, spricht das Argument. Wenn Tokens billiger werden und die Nachfrage nach Rechenzeit trotzdem steigt, fallen Mietpreise und Gebrauchtwerte älterer Beschleuniger nicht automatisch. Gesichert ist das nicht, denn die Zahlen stehen nur in einem Diagramm, das wir nicht selbst gesehen haben. Die Richtung sagt etwas aus, die Höhe lässt sich nicht ablesen.

Wir betreiben eigene Server mit RTX-5090-Karten: einen mit vier Karten. Als Beleg für Miete gegen Kauf taugt der a16z-Befund trotzdem nicht, denn er betrifft H100-Rechenzentrumskarten, keine Consumer-GPUs. Für die eigene Rechnung zählen drei Größen: wie viele Stunden am Tag die Karten wirklich rechnen, was Strom und Kühlung kosten und wer sie betreut. Eine gemietete H100 kostet jede Stunde Geld, auch ohne Last. Eine gekaufte Karte kostet ohne Last nur Strom im Leerlauf, dafür sind die Anschaffung und das Risiko bei Modellwechseln fix.

Aus dem Bericht folgt außerdem eine Vorsicht: Das Paradox gilt nur, solange das Wachstum anhält. Cloudmagazin nennt die Zahlen für 2026 und 2027 ausdrücklich Schätzungen. Wer langfristig bindet, ob per Mietvertrag oder Kaufentscheidung, sollte beide Szenarien durchrechnen, auch das mit abflachender Nachfrage.

Weiterführende Quellen

The Decoder: Jevons-Paradox im KI-Markt: Bericht vom 11. Oktober 2026 über den a16z-Beitrag, Daten bis August 2026
cloudmagazin: a16z erklärt, warum ältere KI-Chips teuer bleiben: Investitionszahlen, Rack-Dichte und Aussagen von David George

Fragen?

Was ist das Jevons-Paradox im KI-Markt?+

Wenn eine Ressource effizienter oder billiger wird, steigt ihr Verbrauch oft stärker, als die Ersparnis ausmacht. Bei KI-Tokens heißt das: Sinkende Preise machen Agenten und Automatisierung rentabel, das Volumen wächst schneller als der Stückpreis fällt, und die zugrunde liegende GPU-Nachfrage bleibt hoch.

Welche Zahlen zu Token- und GPU-Preisen liegen vor?+

Die Berichte nennen keine konkreten Werte. The Decoder beschreibt ein a16z-Diagramm bis August 2026 mit Daten von Ornn, Silicon Data und Bloomberg, in dem der H100-Mietpreis hoch bleibt oder steigt, während ein Token-Preisindex fällt. Die Zahlen stehen nur im Diagramm, nicht im Text.

Heißt das, dass sich eigene GPUs lohnen?+

Das Argument stützt die Planung, beweist aber nichts für den Einzelfall. Es zeigt, dass Mietpreise und Gebrauchtwerte älterer Karten in diesem Markt nicht fallen. Ob Kaufen oder Mieten günstiger ist, entscheiden Auslastung, Strom und Betriebsaufwand.