Wer denkt, dass KI Entwicklung heute schon teuer ist, sollte einen Blick auf das werfen, was aktuell hinter den Kulissen bei OpenAI passiert. Der österreichische Entwickler Peter Steinberger hat einen Screenshot veröffentlicht, der selbst erfahrene Entwickler kurz schlucken lässt. Innerhalb von nur 30 Tagen liefen API Kosten von mehr als 1,3 Millionen US Dollar auf. Und nein, dahinter steckt kein riesiger Konzern mit hunderten Entwicklern. Laut Steinberger wurde die Summe von einem dreiköpfigen Team verursacht, das intensiv mit KI Agenten arbeitet.
100 KI Agenten schreiben, prüfen und optimieren Code
Im Zentrum des Projekts steht Openclaw, ein Open Source Projekt rund um KI gestützte Softwareentwicklung. Dafür nutzt das Team ungefähr 100 parallel laufende Codex Instanzen. Diese Agenten übernehmen längst nicht mehr nur einfache Code Vorschläge. Sie prüfen Pull Requests, analysieren Sicherheitslücken, entfernen doppelte Github Issues und erstellen eigenständig Fehlerbehebungen. Andere Agenten überwachen Performance Werte oder generieren automatisch neue Pull Requests anhand der Projekt Roadmap. Besonders spannend ist jedoch, dass einige dieser KI Agenten offenbar sogar an Meetings teilnehmen. Während Entwickler Funktionen diskutieren, erzeugen die Systeme bereits passende Code Änderungen im Hintergrund. Genau hier zeigt sich, wie stark sich moderne KI Werkzeuge inzwischen von klassischen Assistenzsystemen unterscheiden.
603 Milliarden Token in nur einem Monat
Die Zahlen hinter dem Projekt wirken fast surreal. Insgesamt wurden innerhalb eines Monats rund 603 Milliarden Token verarbeitet. Dazu kamen 7,6 Millionen API Anfragen. Allein am Tag der Veröffentlichung des Screenshots lagen die Kosten bei knapp 20.000 US Dollar für etwa 206.000 Requests. Als meistgenutztes Modell tauchte dabei GPT 5.5 im Dashboard auf. OpenAI übernimmt die Kosten intern, da Steinberger inzwischen selbst für das Unternehmen arbeitet. Trotzdem liefert der Screenshot einen seltenen Einblick in die tatsächlichen Infrastrukturkosten moderner KI Entwicklung.
Fast Mode macht den Unterschied
Kurz nach Veröffentlichung des Screenshots sorgte die Summe für Diskussionen. Steinberger erklärte später, dass die enormen Kosten vor allem durch den sogenannten Fast Mode von Codex entstanden seien. Dieser Modus priorisiert Geschwindigkeit und verbraucht API Guthaben deutlich schneller. Ohne diese Beschleunigung hätten die Kosten laut Steinberger eher bei rund 300.000 US Dollar gelegen. Auch das ist noch eine gewaltige Summe, zeigt aber, wie stark Performance Optimierungen die Kosten nach oben treiben können.
KI Entwicklung wird zur Kostenfrage
Besonders interessant ist der Vergleich mit regulären Entwickler Abonnements. Ein Codex Pro Zugang für 200 US Dollar pro Monat entspricht laut Steinberger ungefähr 5.000 bis 6.000 US Dollar an API Nutzung. Das Team bewegte sich damit trotz reduzierter Schätzung auf dem Niveau von etwa 60 professionellen Accounts gleichzeitig. OpenAI selbst spricht durchschnittlich von 100 bis 200 US Dollar monatlichen Kosten pro Entwickler. In der Praxis hängt das jedoch massiv davon ab, wie intensiv automatisiert wird und welche Modelle genutzt werden. Gerade KI Coding Tools wie Codex, Cursor oder Claude Code stehen deshalb zunehmend unter Beobachtung. Viele Anbieter subventionieren die tatsächlichen Infrastrukturkosten aktuell noch massiv, um Marktanteile zu gewinnen.
Wenn KI nicht mehr assistiert, sondern mitarbeitet
Das eigentlich Spannende an Openclaw ist nicht die Millionenrechnung. Interessant ist vielmehr, wie selbstverständlich KI Agenten inzwischen eigenständig Entwicklungsaufgaben übernehmen. Die Systeme arbeiten nicht mehr nur als intelligente Autovervollständigung. Sie analysieren Projekte, treffen Entscheidungen, überwachen Benchmarks und schreiben eigenständig Code. Genau deshalb beschreibt Steinberger das Projekt als eine Art Labor für KI gestützte Entwicklung ohne Budgetgrenzen. Die Branche bewegt sich damit immer stärker in Richtung autonomer Softwareentwicklung. Entwickler geben zunehmend Ziele und Anforderungen vor, während KI Systeme große Teile der eigentlichen Umsetzung übernehmen.
Fazit
Der Screenshot von Peter Steinberger zeigt vor allem eines. Moderne KI Entwicklung ist längst keine Spielerei mehr, sondern eine Infrastrukturfrage im Millionenbereich. Gleichzeitig macht das Projekt deutlich, wie schnell sich KI Coding Tools entwickeln. Was vor wenigen Jahren noch nach Science Fiction klang, läuft heute bereits produktiv in echten Entwicklungsumgebungen. Die entscheidende Frage lautet inzwischen nicht mehr, ob KI programmieren kann. Die spannendere Frage ist, wie teuer und wie autonom diese Systeme in Zukunft noch werden.
© stock.adobe.com, Squtye