SemiAnalysis über Unternehmens-KI-Budgets: Meta hat in einem Monat 70 Billionen Tokens verbrannt, aber das wirkliche Risiko ist nicht „Unternehmen hören auf, KI zu nutzen“
SemiAnalysis über Unternehmens-KI-Budgets: Meta hat in einem Monat 70 Billionen Tokens verbrannt, aber das wirkliche Risiko ist nicht „Unternehmen hören auf, KI zu nutzen“
Die Einführung von KI in Unternehmen bewegt sich still und leise von „so viel wie möglich nutzen“ hin zu „mit einer Obergrenze, einer Richtlinie und einem Grund nutzen“. In einer kürzlich durchgeführten eingehenden Analyse von Token-Budgetierung beschreibt SemiAnalysis, wie „Tokenmaxxing“ Anfang 2026 (eine Anreizmentalität, die Mitarbeiter für den Verbrauch von mehr LLM-Tokens belohnt) durch strukturierte pro Mitarbeiter geltende Limits und von der Finanzabteilung gesteuerte Governance ersetzt wird. (newsletter.semianalysis.com)
Für Krypto- und Blockchain-Teams ist dieser Wandel bedeutsamer, als es zunächst scheint. Nicht, weil LLMs weniger nützlich werden – sondern weil Web3 eine der wenigen Branchen ist, in der ein KI-Fehler direkt zu einem irreversiblen Verlust auf der Kette führen kann. Die neue Frage ist nicht „Können wir uns Tokens leisten?“ Es ist „Können wir den ROI pro Token nachweisen, ohne unsere Angriffsfläche zu erweitern?“
„Tokens“ in der KI vs. Tokens in Krypto: Warum Budgetierung schnell verwirrend wird
Bei LLMs ist ein „Token“ eine Texteinheit, die Ihre Rechnung bestimmt. In der Krypto sind „Tokens“ Vermögenswerte – oft liquide, übertragbar und im Visier. Web3-Betreiber sitzen an der Schnittstelle beider Bedeutungen:
- Sie zahlen für LLM-Tokens (Nutzungskosten).
- Sie schützen Krypto-Tokens (Verwahrung und Sicherheitsergebnisse).
- Sie verteidigen sich gegen KI-gestützte Angreifer (neues Bedrohungsmodell).
Deshalb ist KI-Budgetierung in der Krypto nicht nur eine Beschaffungsübung. Sie wird zu einem Teil des betrieblichen Risikomanagements, ähnlich wie Protokolle mit Bug-Bounties, Audits und Incident-Response umgehen.
Was SemiAnalysis wirklich gefunden hat: Limits sind real, aber die Nachfrage bricht nicht ein
SemiAnalysis sagt, dass Unternehmen zunehmend harte Obergrenzen für die KI-Nutzung einführen, aber es gibt keine universelle „richtige Zahl“. Ihre Gespräche mit Unternehmen (50+ Organisationen) deuten darauf hin, dass Budgets bei einigen hundert Dollar pro Monat beginnen und je nach Rolle dramatisch ansteigen können. (newsletter.semianalysis.com)
Wichtiger ist, dass sie argumentieren, dass die populäre Erzählung – „Unternehmen kürzen KI-Ausgaben, also sind API-Einnahmen gefährdet“ – übertrieben ist. Ihre Ansicht ist, dass die umsatzstärkste Kohorte (oft das oberste Dezil der Kunden) wahrscheinlich kurzfristig keine signifikanten Kürzungen vornehmen wird. (newsletter.semianlysis.com)
Dies stimmt mit breiteren Ausgabendaten überein. Ramp’s Analyse zeigt, dass die KI-Ausgaben extrem ungleichmäßig verteilt sind: Das Medianunternehmen gibt sehr wenig pro Mitarbeiter aus, während die aggressivsten Anwender um Größenordnungen mehr ausgeben. (ramp.com)
Wenn Sie eine Kryptobörse, ein Stablecoin-Infrastrukturteam, ein DeFi-Protokoll oder eine Sicherheitsfirma betreiben, sollte Ihnen diese Ungleichmäßigkeit bekannt vorkommen: Die fortschrittlichsten Teams „hören nicht auf auszugeben“, sondern werden besser darin, ihre Ausgaben zu lenken.
Metas „Claudeconomics“-Moment: Eine Budgetierungslektion, die Krypto-Teams nicht ignorieren sollten
Extreme Beispiele sind nützlich – nicht, weil sie typisch sind, sondern weil sie zeigen, was zuerst kaputtgeht.
SemiAnalysis berichtet, wie Meta intern die Nutzung von KI-Tokens mit einer Rangliste („Claudeconomics“) verfolgte und gamifizierte, wobei die unternehmensweite Nutzung 60 Billionen Tokens in 30 Tagen überschritt und ein Top-Nutzer ungefähr 280 Milliarden Tokens verbrauchte – und wie dies kurz nach Bekanntwerden eingestellt wurde. (newsletter.semianalysis.com)
Ob Sie eine DAO-Beitragsgruppe oder eine regulierte Börse sind, die Erkenntnis ist dieselbe:
Wenn Konsum zum KPI wird, erhalten Sie Konsum – nicht unbedingt Wert.
In der Krypto ist dies analog zur Verwechslung von:
- „Anzahl der Transaktionen“ mit „nützlicher wirtschaftlicher Aktivität“ oder
- „TVL“ mit „nachhaltiger Produkt-Markt-Passung“.
Die KI-Budgetierung drängt Unternehmen zu einer gesünderen Metrik: Ergebnisse pro Dollar, nicht Nutzungsvolumen.
Das wirkliche Risiko für KI-Anbieter – und für Krypto-Teams – ist die ROI-Rechenschaftspflicht
SemiAnalysis schätzt, dass Code-Anwendungsfälle einen großen Teil der aktuellen Einnahmen von KI-Laboren ausmachen und dass zukünftiges Wachstum der Entwicklertools-Adoptionskurve über andere Unternehmensabläufe folgen könnte. (newsletter.semianalysis.com)
Krypto ist bereits eine „codeintensive“ Branche:
- Smart-Contract-Entwicklung
- Indexer- und Infrastruktur-Engineering
- Sicherheitsforschung
- Incident Response
- Compliance-Engineering (Travel Rule, Sanktionsprüfung, Überwachung)
Budgetierung wird die Bedeutung von KI also nicht reduzieren – sie wird verändern, wie Teams sie nutzen.
Das neue Standardverhalten sieht so aus:
- günstigeres Modell für Entwürfe, Zusammenfassungen und erste Analysen
- Premium-Modell nur für Aufgaben mit hohem Einsatz (Sicherheitsüberprüfungen, Produktionscode, kundenorientierte Entscheidungen)
- Genehmigungen und Protokollierung für außergewöhnliche Ausgaben
Dies ist genau die Art und Weise, wie ausgereifte Krypto-Teams bereits damit umgehen:
- Mainnet-Deployments vs. Testnet
- Hot-Wallet-Operationen vs. Cold Storage
- Zugriff auf Produktionsschlüssel vs. schreibgeschützte Berechtigungen
Kryptos einzigartiges Budgetproblem: Angreifer können Ihre KI in eine Kostenfalle (oder schlimmeres) verwandeln
Token-Obergrenzen dienen nicht nur der Geldeinsparung. In Bezug auf die Sicherheit sind sie eine Kontrolle gegen zwei überlappende Risiken:
- Ausufernde Automatisierungskosten
- Agenten, die in Schleifen laufen, Tools aufrufen, erneut zusammenfassen oder endlos „denken“, können das KI-Äquivalent einer unerwartet hohen Cloud-Rechnung erzeugen.
- Gezielter Missbrauch durch Angreifer
- Prompt Injection, Datenexfiltration und unsichere Handhabung von Ausgaben sind mittlerweile alltägliche Bedenken, die in Frameworks wie den OWASP Top 10 für LLM Applications aufgeführt sind. (owasp.org)
Für Blockchain-Organisationen wird dies verstärkt, da interne KI-Assistenten zunehmend Folgendes berühren:
- Deployment-Skripte
- RPC-Anmeldedaten
- Treasury-Berichte
- Kunden-Support-Workflows (wo Social Engineering beginnt)
- Listing-Bewertungen und Risikobewertung
- Sicherheits-Triage und Incident Communications
Eine Budgetierungsrichtlinie ohne eine Sicherheitsrichtlinie ist unvollständig. Der breitere Governance-Ansatz wird bereits von Standardisierungsgremien abgedeckt – z. B. NISTs AI Risk Management Framework –, aber Krypto-Teams müssen diese Prinzipien auf die Realitäten der Blockchain übertragen (Irreversibilität, Schlüsselverwaltung und Komponierbarkeit). (nist.gov)
Ein praktisches „Token-Budgeting“-Schulungshandbuch für Web3-Teams
Nachfolgend finden Sie eine Struktur, die Kostenkontrolle mit Blockchain-Risiken in Einklang bringt:
1) Definieren Sie gestaffelte KI-Arbeitskategorien
- Stufe A (geringes Risiko / geringe Kosten): Meeting-Notizen, Grobentwürfe, interne FAQs
- Stufe B (mittel): Analyseabfragen, Produktspezifikationen, Codeerklärungen
- Stufe C (hoher Einsatz): Änderungen am Signaturfluss, Smart-Contract-Code, Incident Response, Compliance-Entscheidungen
Weisen Sie dann jeder Stufe zu:
- Standardmodellklasse (günstig vs. Premium)
- Maximales Budget
- Protokollierungsanforderungen
- Regeln für menschliche Überprüfung
2) Budget nach Rolle, nicht nach „Fairness“
SemiAnalysis beobachtete, dass höhere Budgets häufig an Ingenieur- und Data-Science-Funktionen gingen. Krypto sollte dasselbe tun, aber mit einem Twist: Sicherheits- und Custody-Rollen verdienen Premium-Budgets, da der ROI in vermiedenen Verlusten gemessen wird. (newsletter.semianalysis.com)
3) Behandeln Sie Premium-Modelle wie Produktionsberechtigungen
Wenn ein Ingenieur sich explizit für ein Premium-Modell entscheiden muss, schaffen Sie einen „Geschwindigkeitsbegrenzer“, der:
- versehentliche Kosten reduziert
- eine Audit-Spur erstellt, warum Premium-Compute verwendet wurde
- Teams zwingt, High-End-Nutzung für wichtige Aufgaben zu reservieren
4) Verfolgen Sie den ROI mit Krypto-nativen Metriken
Messen Sie anstelle vager Produktivitätsaussagen:
- vor dem Audit gefundene Smart-Contract-Probleme
- Zeit bis zur Behebung von Schwachstellen
- Reaktionszeit bei Zwischenfällen
- Fehlalarmrate bei der Transaktionsüberwachung
- Lösungszeit für den Support (ohne Erhöhung von Betrug)
5) Fügen Sie Ausgaben-Schutzschalter für Agenten hinzu
Wenn Sie agentenbasierte Workflows einsetzen (Überwachung, Ticket-Triage, Risikoanalyse), erzwingen Sie:
- harte Token-Limits pro Aufgabe
- Obergrenzen für Tool-Aufrufe
- Ratenbegrenzungen pro Identität
- „Kill Switches“, die mit abnormalen Ausgaben verknüpft sind
6) Gehen Sie davon aus, dass KI den Druck durch Social Engineering erhöht
Chainalysis hat dokumentiert, wie Scams mit Identitätsnachahmung und KI-Unterstützung skaliert wurden, massive Scam-Verluste schätzten und industrialisierte Betrugsinfrastruktur hervorhoben. (chainalysis.com)
Das bedeutet, dass Ihre Organisation Folgendes behandeln sollte:
- Support-Skripte
- interne Genehmigungen
- und „dringende“ Kommunikationen
als Teil Ihrer KI-Governance-Oberfläche – nicht nur als ein Problem Ihres Sicherheitsteams.
7) Trennen Sie KI-Zugriff von Schlüsselzugriff (nicht verhandelbar)
Unabhängig davon, wie gut Ihr KI-Stack ist, private Schlüssel müssen isoliert bleiben von:
- Browser-Sitzungen
- Copy/Paste-Workflows
- Chat-Protokollen
- Bildschirmfreigabe
- „KI-Helfer“-Plugins
Hier schlägt operative Disziplin immer noch Werkzeuge.
Wo OneKey passt: Selbstverwahrung als letzte Verteidigungslinie in einer Welt der KI-Budgets
Wenn Unternehmen anfangen, den ROI pro Token zu messen, werden Krypto-Teams versucht sein, mehr zu automatisieren: Treasury-Operationen, Zahlungen an Anbieter, Liquiditätsmanagement und sogar Incident-Aktionen. Doch je mehr Automatisierung Sie hinzufügen, desto wertvoller wird es, die Signierautorität offline zu halten.
Eine Hardware-Wallet wie OneKey basiert auf einem einfachen Prinzip: private Schlüssel von internetvernetzten Umgebungen fernhalten, während sie dennoch das tägliche Signieren und Verifizieren von Transaktionen ermöglicht. In einer Welt, in der KI-gestützte Phishing-, Identitätsnachahmungs- und Workflow-Manipulationen zunehmen, ist diese Trennung nicht nur „Best Practice“ – sie ist ein Budgetschutz, denn eine einzige kompromittierte Transaktion kann den ROI eines ganzen Jahres KI-Produktivität zunichte machen.
Abschluss: Token-Obergrenzen sind kein KI-Winter – sie sind die Reifung von KI zur Finanztauglichkeit
„Token-Budgetierung“ ist kein Signal dafür, dass Unternehmen mit KI fertig sind. Es ist ein Signal dafür, dass KI aus dem experimentellen Stadium in dieselbe Kategorie wie Cloud-Ausgaben, Sicherheitskontrollen und interne Audits übergeht.
Für Blockchain-Organisationen sind das gute Nachrichten – denn die Gewinner werden nicht die Teams sein, die die meisten LLM-Tokens verbrennen. Es werden die Teams sein, die messbare Ergebnisse nachweisen können, LLM-Sicherheitsleitplanken implementieren und starke Selbstverwahrungs- und Signaturhygiene aufrechterhalten können, selbst wenn KI in jeden Workflow integriert wird.
