Auf dem Tisch liegt ein Kassenbon, aber keiner weiß so recht, ob er zu teuer oder nur schlecht gefaltet ist. Links stehen Tokenmünzen, rechts dampft ein Stapel erledigter Arbeit. Dazwischen sitzt die Finanzabteilung mit Schraubendreher und fragt: Hat diese KI jetzt etwas geschafft, oder hat sie nur hübsch geblinkt?
OpenAI hat am 17. Juli 2026 einen Text von CFO Sarah Friar veröffentlicht, der genau diese Frage in ein neues Messgerät schrauben will: Useful Intelligence per Dollar. Nicht Kosten pro Token, nicht Sitze, nicht „alle nutzen es irgendwie“, sondern: Welche Arbeit wurde wirklich fertig, was kostete die erfolgreiche Aufgabe, wie oft musste ein Mensch nachfeilen, und wird der Euro bei größerer Nutzung kräftiger oder nur wärmer?
Der Tokenpreis ist ein schlechter Schraubenschlüssel
Das klingt zunächst nach gesundem Werkstattverstand. Ein billiges Modell kann teuer werden, wenn es dreimal würfelt, zweimal stolpert und am Ende doch ein Mensch mit der Taschenlampe in den Schacht kriecht. Ein teureres Modell kann billiger sein, wenn es eine knifflige Aufgabe beim ersten Durchlauf ordentlich erledigt. Kann. Nicht muss. Genau dort fängt der Kassenbon an zu rascheln.
Friar beschreibt vier Prüfstellen: erledigt KI Arbeit, die tatsächlich zählt; was kostet eine erfolgreich abgeschlossene Aufgabe vollständig, also inklusive Prüfung, Wiederholung und menschlicher Korrektur; wie verlässlich ist das Ergebnis; und wächst der Wert schneller als die Ausgaben, wenn die Nutzung größer wird. Das ist weniger Glitzerprospekt, mehr Betriebsstundenzähler mit öligen Fingern.
Axios ordnet das als Antwort auf eine beginnende Kostenrechnung in Unternehmen ein: Führungskräfte wollen wissen, ob ihre KI-Rechnungen Leistung oder nur Dampf erzeugen. Fortune fasst den gleichen Punkt aus CFO-Sicht zusammen: Wer KI wie alte Software an Sitzplätzen und Aktivität misst, schaut auf die falsche Schraube. Arbeit fertig? Qualität gehalten? Nacharbeit gespart? Dann erst darf die Waage nicken.
Natürlich steht OpenAI neben der Waage und lächelt
Ganz uneigennützig ist diese Messlatte nicht. OpenAI verkauft keine Büroklammern, sondern teure, große, manchmal sehr nützliche Maschinenintelligenz. Wenn der Markt nur auf Tokenpreise schaut, gewinnen schnell die Billigschütten, die für einfache Aufgaben reichen. Wenn der Markt auf „erfolgreiche Arbeit pro Euro“ schaut, bekommen Frontier-Modelle wieder eine schönere Bühne: Sie dürfen behaupten, dass höhere Einzelkosten durch weniger Fehlversuche, weniger Review und bessere Trefferquote wieder hereinkommen.
Das kann stimmen. Es kann aber auch ein sehr ordentlich polierter Verkäufer-Schraubenschlüssel sein. Darum gehört zur Nutzwert-Waage nicht nur der Modellname, sondern ein sauber definierter Arbeitsvorgang. Supportfall gelöst. Codeänderung mit Tests durch. Vertrag geprüft, ohne dass die Rechtsabteilung danach neue graue Haare im Teppich findet. Erst wenn „fertig“ vorher festgeschraubt ist, lässt sich nachher messen, ob die Maschine mehr liefert als warme Luft mit Fußnoten.
Die eigentliche Pointe sitzt im roten Korrektureimer
Für Unternehmen ist die praktischste Frage nicht: Welches Modell ist das schlauste im Prospekt? Sondern: Wo darf ein kleines Modell billig durchlaufen, wo braucht es das schwere Gerät, und an welcher Stelle muss ein Mensch den Freigabehebel festhalten? OpenAI nennt Grenzen, Datenzugriff, Systemrechte und menschliche Prüfung ausdrücklich als Teil der Dependability. Da knirscht die Blechpresse zustimmend. Nicht jede Automatisierung braucht Vertrauen. Manche braucht erst einmal ein Schloss.
Der neue Scorecard-Gedanke ist deshalb brauchbar, gerade weil man ihn gegen seinen Verkäufer verwenden kann. Wer „Useful Intelligence per Dollar“ ernst nimmt, misst nicht die Hoffnung, sondern den Schrott im Eimer: Wiederholungen, Eskalationen, Fehlgriffe, Review-Zeit, Latenz, Governance, all das Kleingeld, das gern unter die Werkbank rollt. Dann zeigt sich, ob der KI-Kassenbon bezahlt oder nur hübsch raschelt.
Und wenn die Waage am Ende schief steht? Dann liegt es vielleicht nicht am Modell. Vielleicht war die Aufgabe matschig definiert, der Prozess ein Kabelsalat und das Qualitätskriterium ein Post-it mit Wetterbericht. Auch das wäre eine Erkenntnis. Eine unbequeme, aber immerhin: endlich etwas, das man wiegen kann.