Am Donnerstagabend habe ich unsere Modellkosten für August neu gerechnet und hatte dabei zwei Zahlen nebeneinander stehen, die auf den ersten Blick nichts miteinander zu tun haben. Die eine ist gerade um 80 Prozent gefallen. Die andere hat Ford eine Milliarde Dollar eingebracht.
Die Prüfung, auf die es am Ende ankommt, dauert vier Sekunden und steht in keiner Kostenstelle. Foto: Auto Tech auf Pexels
Zwanzig Cent, und der Anbieter hat es selbst ausgelöst
Am 30. Juli hat OpenAI die Preise der GPT-5.6-Familie neu gesetzt. Luna, das Volumenmodell, fällt von einem Dollar auf zwanzig Cent pro Million Input-Token, der Output von sechs auf 1,20 Dollar. Terra sinkt um ein Fünftel auf zwei Dollar Input. Sol, das Spitzenmodell, bleibt bei fünf Dollar. Bemerkenswert daran ist der Zeitpunkt: Die Familie war am 9. Juli gestartet. Nach 21 Tagen war der Preis für die meistgenutzte Stufe ein Fünftel des Startpreises.
Noch bemerkenswerter ist die Begründung. OpenAI hat den Spielraum unter anderem dadurch gewonnen, dass Sol die eigenen GPU-Kernel im Produktivbetrieb umgeschrieben hat, was die Bereitstellungskosten um rund 20 Prozent gedrückt hat. Das Modell verbilligt sich also teilweise selbst. CNBC hat den Schritt an dem Punkt eingeordnet, an dem ich ihn auch sehe: Die Kunden achten inzwischen auf die Rechnung, und der Wettbewerb findet in der Volumenklasse statt, nicht an der Spitze.
Für unsere eigene Kalkulation heißt das, dass die Routinelast im August auf ein Fünftel fällt, ohne dass ich eine Zeile Code anfasse. Das ist der angenehme Teil. Der unangenehme kam, als ich mich gefragt habe, was ich mit dem freigewordenen Geld eigentlich vorhabe.
900 Kameras, und trotzdem lief das Falsche vom Band
Bloomberg hat Ende Juni eine Geschichte gebracht, die seitdem in meinem Kopf hängt. Ford hatte über 900 KI-gestützte Kameras in den Werken installiert, dazu automatisierte Werkzeuge in der Fahrzeugauslegung, mit dem Ziel, Qualitätsprobleme früher zu finden. Das System hat Abweichungen gemeldet, nur eben die falschen. Wichtige Fehler blieben liegen, weil sie nur jemand erkennt, der weiß, wie sich ein bestimmtes Bauteil nach 80.000 Kilometern verhält.
Ford-Vizepräsident Charles Poon hat das erstaunlich offen zusammengefasst: Man habe fälschlich geglaubt, es reiche, KI einzuführen und die vorhandenen Konstruktionsvorgaben einzuspeisen, um daraus ein Qualitätsprodukt zu bekommen. Über drei Jahre hat der Konzern daraufhin rund 350 erfahrene Ingenieure zurückgeholt, intern „Gray Beards“ genannt, teils ehemalige Ford-Leute, teils Fachkräfte von Zulieferern.
Das Ergebnis steht inzwischen in den Zahlen. Jim Farley spricht von mehreren hundert Millionen Dollar weniger Garantie- und Rückrufkosten und erwartet für 2026 rund eine Milliarde Dollar Einsparung. In der J.D.-Power-Studie zur Anfangsqualität 2026 steht Ford erstmals seit 16 Jahren auf Platz eins unter den Mainstream-Marken.
Ein Modell erkennt eine Abweichung. Ob sie einen Rückruf wert ist, weiß nur jemand, der schon einmal einen erlebt hat.
Was ich am Montag damit mache
Der Reflex bei fallenden Preisen ist, mehr zu machen. Mehr Texte, mehr Auswertungen, mehr Durchläufe. Genau da bin ich diese Woche stehen geblieben, weil die Ford-Geschichte zeigt, wo der Engpass dann als Nächstes auftaucht.
Bei uns wandert das gesparte Modellbudget deshalb auf die Prüfseite. Konkret: eine feste Stunde pro Woche, in der jemand Stichproben aus dem KI-Output gegen die Originalquelle hält. Als fester Termin im Kalender, mit einem Namen dahinter. Der zweite Schritt hat mich zehn Minuten gekostet und war unangenehmer: Ich habe für jeden Prozess, in dem bei uns KI mitarbeitet, aufgeschrieben, wer die Abnahme macht. Bei zweien stand da niemand.
Bei einem Kunden habe ich dasselbe Muster diesen Frühling in klein gesehen. Maschinenbauer, gut 90 Leute, hat die Angebotserstellung auf KI umgestellt und spart pro Angebot rund eine halbe Stunde. Was in der Rechnung fehlte: Der Vertriebsleiter, der früher jedes Angebot gegengelesen hat, ist im Herbst in Rente gegangen, die Stelle wurde nicht nachbesetzt. Seitdem gehen Angebote mit falschen Positionsmengen raus. Die halbe Stunde ist echt. Die Nacharbeit an zwei fehlerhaften Aufträgen war teurer als die Ersparnis eines ganzen Quartals.
Der unbequeme Teil
Ford taugt nicht als Beleg dafür, dass KI in der Qualitätssicherung nicht funktioniert. Der Konzern steht jetzt an der Spitze der J.D.-Power-Studie, und zwar mit den Kameras und den zurückgeholten Ingenieuren zusammen. Die Veteranen sitzen nicht neben dem System, sie trainieren es und geben ihr Wissen an jüngere Kollegen weiter. Das ist der Punkt, den ich beim ersten Lesen selbst überlesen hatte: Gefehlt hat nie die Erkennung, gefehlt hat die Instanz, die der Erkennung sagt, was wichtig ist.
Und wir bei CB sind da nicht sauberer. Ich habe im Frühjahr über Token-Budgets geschrieben und dabei gepredigt, dass man Deckel vor dem Rollout setzt statt danach. Die Prüfinstanz habe ich in derselben Rechnung schlicht vergessen. Es hat einen 80-Prozent-Preissturz und einen Autokonzern mit einer Milliarde Dollar Lehrgeld gebraucht, damit ich unsere eigene Tabelle nochmal aufmache. Weitsicht sieht anders aus.
