Künstliche Intelligenz boomt. Überall neue Tools, überall Möglichkeiten – und überall erstmal eine kostenlose Version zum Reinschnuppern. Das klingt verlockend. Und ist es auch. Zumindest so lange, bis man ernsthaft damit arbeiten will.
Freemium heisst: Reinschnuppern erlaubt, Arbeiten kostet
Die meisten KI-Anbieter setzen auf das klassische Freemium-Modell: Grundfunktionen gratis, alles Relevante hinter einer Paywall. Das ist nichts Neues – aber bei KI-Tools fällt der Unterschied zwischen Free und Pro oft besonders krass aus.
Wer nur mal testet, kommt vielleicht durch. Wer aber KI in den Arbeitsalltag integrieren will – für Content-Produktion, Recherche, Automatisierung – merkt schnell: Die Gratis-Version reicht nicht. Limits bei Anfragen, fehlende Features, langsamere Modelle. Das frustriert.
Credits statt Flatrate – schneller leer als gedacht
Neben Freemium gibt es immer öfter Credit-Systeme. Alle Features sind verfügbar, aber das monatliche Kontingent ist schnell aufgebraucht. Ein paar Bilder generiert, ein paar längere Prompts, schon ist Schluss.
Das Modell wirkt fair – man zahlt nur, was man nutzt. In der Praxis nervt es aber oft: Man kann nie entspannt arbeiten, ohne aufs Konto zu schielen. Und wer produktiv ist, braucht eben mehr als ein paar Credits.
Mein KI-Budget: ein ehrlicher Blick
Ich nutze beruflich und privat eine ganze Reihe von KI-Tools. Manche bezahle ich selbst, andere laufen über meine Arbeitgeber. Hier mal die Liste:
Privat bezahlt:
- Notion AI: $8/Monat
- Raycast AI: $8/Monat
- Napkin AI: ca. $12/Monat
- Perplexity AI: $17/Monat
- Gamma.app: $10/Monat
- Descript: $24/Monat
Über Arbeitgeber / Institutionen:
- Office 365 Copilot: $20/Monat
- ChatGPT Pro: $20/Monat
- Claude Pro: $18/Monat
- Gemini: $20/Monat
- NotebookLM: im Google Workspace
- Scite: $12/Monat
- Synthesia: $90/Monat
- ScienceDirect, Scopus, Consensus: institutioneller Zugang
Nur schon meine privaten Abos summieren sich auf rund 80$ pro Monat – also fast 1000 Dollar im Jahr. Dazu kommen die Tools, die ich über meine Arbeitgeber nutzen kann. Müsste ich die auch noch vollumfänglich bezahlen, dann wirds richtig teuer. Wobei ich dann die Liste natürlich auch ausdünnen würde.
Klar: Mein Setup ist nicht repräsentativ. Ich unterrichte an der ETH Bibliothek zu KI-Tools, arbeite bei Get More Brain an Content-Projekten und blogge über digitale Workflows. Trotzdem zeigt die Liste etwas Grundsätzliches: Wer KI produktiv nutzen will, braucht Budget.
Die digitale Kluft wird breiter
Das Problem: Nicht jede:r kann sich das leisten. Grosse Unternehmen, gut bezahlte Fachkräfte, Hochschulen – die haben Zugang zu den besten Tools. Freelancer am Karrierestart, Studierende ohne institutionelle Lizenz, Menschen in wirtschaftlich schwächeren Regionen: die bleiben aussen vor.
Dabei war das Versprechen der Digitalisierung doch eigentlich ein anderes: Werkzeuge für alle. Wissen für alle. Zugang für alle. Bei KI droht das Gegenteil: eine neue Kluft zwischen denen, die sich Zugang leisten können – und denen, die mit abgespeckten Gratis-Versionen auskommen müssen.
Fazit
KI-Tools sind beeindruckend. Sie können Arbeit erleichtern, beschleunigen, verbessern. Aber der Zugang zu den wirklich leistungsfähigen Versionen kostet. Und zwar nicht wenig.
Es bleibt zu hoffen, dass sich Geschäftsmodelle entwickeln, die fairen Zugang ermöglichen – ohne dass KI zum Privileg der Wohlhabenden wird. Denn letztlich sollte Technologie befähigen, nicht ausschliessen.
Wie sieht euer persönliches KI-Budget aus?
Über mich
Ein Kommentar
Der Beitrag ist korrekt, KI ist wirklich teuer. Eine Abhilfe – wenn auch mit Abstrichen – bieten Lightweight-LLMs, Open-Source-Alternativen sowie die geschickte Nutzung von Freemium- und Free-Credit-Angeboten. Und auch, bei aller Vorsicht, ein Blick nach China, zu DeepSeek, Kimi AI und Qwen
Der digitale Graben war schon immer groß und wird sicher noch größer. Hier ist aber die Politik gefragt, die für ein gesundes Auskommen zwischen globalen Profitinteressen und dem Nutzen für breite Schichten Sorge tragen muss.