KI-Investitionen steigen rasant, doch viele CFOs stellen sich dieselbe Frage: Wie holen wir mehr Wert aus unserem KI-Budget heraus? Jahrelang maß der Markt Software-Erfolg an Adoption und Lizenzen. Für die KI-Bewertung braucht es jedoch eine stärkere Metrik. OpenAI schlägt mit Useful Intelligence per Dollar ein neues Scorecard-Modell vor, das den Fokus auf erledigte Arbeit und echte Ergebnisse legt.

Useful Intelligence per Dollar: Die neue Währung im KI-Zeitalter

Die grundlegende ökonomische Frage für Finanzvorstände und Führungskräfte lautet: Wächst der Wert der Arbeit, die KI erledigt, schneller als die Kosten für ihre Erstellung? Diese Frage lässt sich nicht mit simplen Metriken wie Kosten pro Token beantworten. Ein günstigeres Modell mag billigere Tokens bieten, kann aber mehr Versuche, Zeit und menschliche Prüfung erfordern. Ein leistungsfähigeres Modell arbeitet mit teureren Tokens, schafft dieselbe Aufgabe aber auf Anhieb.

Entscheidend ist die Gesamtkosten pro erfolgreichem Ergebnis, gemessen am geschaffenen Wert. OpenAI definiert diese Metrik als Useful Intelligence per Dollar. Sie beantwortet vier zentrale Fragen für das moderne Unternehmen.

Vier Fragen für die KI-Scorecard

1. Wie viel nützliche Arbeit leistet die KI?

Der beste Ausgangspunkt ist die Arbeit selbst. Wie viele Kundenanfragen konnte die KI lösen? Wie viele Code-Änderungen wurden effizienter umgesetzt? Wie viele Verträge wurden geprüft und wie viel Zeit gewann das Team? Tokens schaffen erst dann Wert, wenn sie sich in nutzbare Arbeit verwandeln.

Moderne Modelle übernehmen zunehmend komplexe Aufgaben mit langem Kontext, mehrschrittigem Denken und werkzeugübergreifender Zusammenarbeit. Für ein Support-Team bedeutet erledigt eine gelöste Kundenanfrage. Für ein Entwicklerteam steht ein bestandener Test hinter dem Code-Change. Für die Finanzabteilung zählt eine präzise und termingerechte Forecast-Analyse.

ChatGPT Work kann beispielsweise einen Großteil der Vorbereitung für Forecast-Reviews übernehmen. Das Team gewinnt Zeit für die wichtigen Fragen: Was hat sich geändert? Warum? Was folgt daraus? Das ist Useful Intelligence per Dollar in der Praxis.

2. Was kostet eine erfolgreiche Aufgabe wirklich?

Die Kosten für gute KI-Ergebnisse variieren stark. Eine kurze Antwort erfordert wenig Rechenleistung. Coding, Recherche oder Finanz-Workflows brauchen tieferes Denken, Tool-Nutzung und mehr Aktionen. Diese komplexen Aufgaben verbrauchen mehr Compute, schaffen aber deutlich mehr Wert.

Die Berechnung ist einfach:

• Gesamtkosten der Arbeitserledigung addieren.
• Aufgaben zählen, die die Qualitätsanforderungen erfüllen.
• Gesamtkosten durch erfolgreiche Aufgaben teilen.

Deshalb führt der niedrigste Token-Preis nicht automatisch zum günstigsten Ergebnis. Ein Frontier-Modell kann selbst bei Routine-Anfragen den besten Wert bieten, wenn es die richtige Antwort auf Anhieb liefert. Weniger Retries, geringere Latenz und weniger Prüfaufwand senken die Gesamtkosten.

Die neue GPT-5.6 Familie bietet drei Stufen: Sol als Flaggschiff, Terra für das Gleichgewicht aus Leistung und Kosten sowie Luna als schnellstes und günstigstes Modell. Kunden können so die passende Tier für jeden Workflow wählen. Luna eignet sich für schnelle, hochvolumige Prozesse, Terra für anspruchsvollere Arbeiten und Sol, wenn starke Reasoning-Fähigkeiten mit weniger Versuchen zum besten Ergebnis führen.

Laut Artificial Analysis Coding Agent Index erreichte GPT-5.6 Sol mit maximalem Reasoning einen neuen State of the Art. Das Modell nutzte dabei 54 Prozent weniger Output-Tokens als ein anderes führendes Modell. Im DeepSWE v1.1 Benchmark für langfristige Engineering-Aufgaben erzielte GPT-5.6 Sol 72,7 Prozent und übertraf damit Claude Fable 5 mit 69,9 Prozent bei 36,2 Prozent niedrigeren geschätzten API-Kosten.

3. Wie zuverlässig ist die KI-Arbeit?

Verlässlichkeit hat direkten ökonomischen Wert. Wenn Ergebnisse präzise, gut belegt, konsistent und angemessen eskaliert sind, verbringen Menschen weniger Zeit mit Prüfung und Korrektur. Erfolgreiche Aufgaben werden günstiger und Organisationen wagen den Einsatz in wichtigeren Workflows.

Teams sollten drei konkrete Ergebnisse messen:

• Sofort nutzbar: Das Ergebnis erfüllte die Qualitätsanforderungen direkt.
• Nachbearbeitung nötig: Das Ergebnis brauchte einen weiteren Versuch oder menschliche Eingriffe.
• Eskalation erforderlich: Eine Person musste eingreifen und die Arbeit fertigstellen.

Diese Kennzahlen zeigen, ob KI die Gesamtarbeit wirklich reduziert. Klare Grenzen schaffen Vertrauen. Unternehmen sollten festlegen, auf welche Daten das System zugreifen darf, welche Systeme es nutzen oder verändern kann und wann eine menschliche Freigabe erforderlich ist.

Sicherheit, Datenschutz und Kontrolle bilden das Fundament für tieferen Einsatz. ChatGPT Work setzt auf die Sicherheits-, Datenschutz- und Compliance-Grundlagen von ChatGPT Enterprise. Damit können Organisationen der KI mehr Kontext und Zugriff auf wertvollere Workflows geben, ohne die Kontrolle zu verlieren.

4. Skaliert der Wert mit wachsendem Einsatz?

Die letzte Frage zielt auf die Skalierungseffekte ab. Unternehmen verfolgen denselben Workflow über Zeit und messen, wie viele Aufgaben die Qualitätsanforderungen erfüllen, welche Gesamtkosten entstehen und was eine erfolgreiche Aufgabe kostet. Wenn erledigte Arbeit schneller wächst als die Gesamtkosten und die Qualität gleichbleibt oder steigt, produziert jeder KI-Dollar mehr Wert.

Compute steht im Mittelpunkt dieser Gleichung. Er treibt Forschung an und ermöglicht jede Aufgabe, die KI erledigt. Bessere Modelle, effizientere Inferenz, spezialisierte Hardware und intelligentes Routing verbessern die Compute-Rendite. Diese Fortschritte erleben Kunden als bessere Antworten, schnellere Ergebnisse, weniger Korrekturen und günstigere Kosten pro Aufgabe.

Die Gewinne verdichten sich. Bessere Infrastruktur beschleunigt die Forschung. Forschung produziert leistungsfähigere Modelle. Bessere Modelle verbessern Produkte. Mehr Adoption unterstützt Investitionen in die nächste Generation.

OpenAI bündelt diese Elemente auf einer gemeinsamen Intelligence-Plattform für ChatGPT, ChatGPT Work, Codex und die API. Wenn eine Ebene verbessert, profitieren alle Produkte und Kunden.

Fazit: Ergebnisse zählen, nicht Token

Zusammen beantworten diese vier Maßstäbe, ob sich Useful Intelligence per Dollar verbessert. Die nützliche Arbeit zeigt, was KI produziert. Die Kosten pro erfolgreicher Aufgabe zeigen den Preis des Ergebnisses. Die Zuverlässigkeit zeigt, wie viel Arbeit Menschen direkt nutzen können. Der Wert im Maßstab verrät, ob jeder Dollar und jede Compute-Einheit im Laufe der Zeit mehr leistet.

Das Ziel ist KI, die Menschen zu mehr sinnvoller Arbeit, besseren Entscheidungen und mehr Zeit für menschliches Urteilsvermögen und Kreativität verhilft. Mit jeder Generation sollen Modelle leistungsfähiger, Ergebnisse schneller und verlässlicher sowie die Kosten für nötige Arbeit niedriger werden. So wird KI für immer mehr Menschen und Organisationen nützlicher.

Quelle: https://openai.com/index/a-scorecard-for-the-ai-age