Thought Leadership
Ein dreiköpfiges Entwicklerteam um OpenClaw-Erfinder Peter Steinberger verbrauchte in einem Monat OpenAI-API-Token im Wert von 1,3 Millionen Dollar.
Der österreichische Softwareentwickler Peter Steinberger, Gründer des Open-Source-Projekts OpenClaw, hat detaillierte Einblicke in die Betriebskosten moderner künstlicher Intelligenz im Entwicklungsprozess veröffentlicht. Steinberger, der seit Februar 2026 für das US-amerikanische Forschungsunternehmen OpenAI tätig ist, publizierte am Freitag einen Screenshot seines API-Nutzungs-Dashboards. Die Grafik dokumentiert Gesamtausgaben in Höhe von 1.305.088,81 US-Dollar innerhalb eines einzigen Monats. Diese Kosten für die Inanspruchnahme der Programmierschnittstellen wurden vollständig von seinem Arbeitgeber OpenAI getragen, welcher das Projekt im Rahmen der internen Forschung finanziert.
603 Milliarden Token verarbeitet
Die Gesamtabrechnung über rund 1,3 Millionen Dollar resultiert aus einer hohen Nutzung von Rechenressourcen durch ein sehr kleines Team. Insgesamt verarbeitete die Infrastruktur des Projekts innerhalb von dreißig Tagen 603 Milliarden Token. Diese Datenmenge wurde über eine Anzahl von 7,6 Millionen einzelnen API-Anfragen bewegt. Verantwortlich für diese Aktivität war eine Flotte von circa 100开放式 Codex-Instanzen, die rund um die Uhr in der Cloud betrieben werden.
Das menschliche Kernteam von OpenClaw besteht neben Steinberger aus lediglich zwei weiteren Personen. Dem Dashboard ist zu entnehmen, dass das primär eingesetzte Modell eine Version von GPT-5.5 mit dem Versionsdatum 23. April 2026 war. Allein an dem Tag der Veröffentlichung des Screenshots verzeichnete das Benutzerkonto Ausgaben von 19.985,84 Dollar bei insgesamt 206.000 registrierten API-Aufrufen.
KI nimmt virtuell an Besprechungen teil
Die eingesetzten 100 privaten Software-Agenten arbeiten dauerhaft an der Weiterentwicklung und Verwaltung des Quellcodes. Die Systeme übernehmen dabei Aufgaben, die traditionell von menschlichen Entwicklern ausgeführt werden. Dazu gehört die selbstständige Überprüfung von sogenannten Pull-Requests auf GitHub sowie das Scannen von Quellcode-Commits nach potenziellen Sicherheitslücken. Zudem bereinigen die Agenten die Fehlerdatenbanken, indem sie Duplikate unter den gemeldeten Problemen identifizieren und eigenständig programmierte Korrekturen einreichen.
Ein System namens clawsweeper sucht gezielt nach monatelang ungelösten Fehlermeldungen und schließt diese mit präzisen Querverweisen, sobald eine Behebung in den Hauptzweig des Codes integriert wurde. Andere Agenten überwachen die Leistungs-Benchmarks der Software und melden Leistungseinbrüche automatisiert an den Discord-Server des Teams. Bestimmte Instanzen sind sogar darauf programmiert, virtuell an Besprechungen teilzunehmen, um im Anschluss eigenständig Programmierarbeiten für die dort diskutierten Funktionen in die Wege zu leiten. Das Framework clawpatch.ai zerlegt Projekte hierfür in funktionale Einheiten zur Überprüfung, während die Absicherung über Tools wie Vercels deepsec und Codex Security erfolgt.
Fast-Mode lässt Kosten explodieren
In einer nachfolgenden Stellungnahme relativierte Steinberger die Summe von 1,3 Millionen Dollar und erklärte die zugrundeliegende Preisstruktur. Der hohe Betrag kam zustande, weil die Agenten im sogenannten Fast-Mode von Codex betrieben wurden. Dieser Modus garantiert eine maximale Verarbeitungsgeschwindigkeit und minimale Latenzzeiten, verbraucht die verfügbaren API-Guthaben jedoch zu einem deutlich höheren Tarif als die Standardausführung.
Durch das einfache Ausschalten dieses Modus würden die reinen API-Kosten für dasselbe Transaktionsvolumen auf etwa 300.000 Dollar sinken. Dieser Betrag entspricht in etwa den jährlichen Lohnkosten für einen qualifizierten Software-Ingenieur im Silicon Valley. Zum Vergleich: Ein reguläres Pro-Abonnement für Codex kostet 200 Dollar pro Monat und deckt rechnerisch einen API-Gegenwert von etwa 5.000 bis 6.000 Dollar ab. Steinbergers Volumen im Standardmodus entspricht somit der Kapazität von rund sechzig parallelen Pro-Abonnements.
Diskrepanz zwischen Endkundenpreis und realen Kosten
Der Vorfall verdeutlicht die wirtschaftlichen Rahmenbedingungen, unter denen Anbieter von KI-Programmierwerkzeugen derzeit agieren. Systeme wie Codex, Claude Code von Anthropic und Cursor stehen in einem intensiven Wettbewerb um die Marktführerschaft im Entwicklersegment. Um Programmierer anzuziehen und langfristig zu binden, subventionieren die Betreiber die anfallenden Inferenzkosten erheblich, sodass die Endkundenpreise oft weit unter den tatsächlichen API-Raten liegen.
OpenAI hatte erst im April 2026 die Abrechnungsstruktur für Codex auf ein rein tokenbasiertes Modell umgestellt. Diese Maßnahme machte die realen Betriebskosten für Intensivnutzer transparenter, führte jedoch gleichzeitig zu einer höheren Variabilität der monatlichen Ausgaben je nach Automatisierungsgrad. Die Diskrepanz zwischen dem Endkundenpreis und den realen Infrastrukturkosten bleibt ein zentrales Diskussionsthema in der Tech-Branche.
OpenClaw als offenes Forschungslabor
Das Open-Source-Projekt OpenClaw war in den vergangenen Monaten wiederholt Gegenstand öffentlicher Diskussionen. Unter anderem führte eine Fehlfunktion dazu, dass das System den Posteingang des Meta-Direktors für KI-Ausrichtung vollständig löschte. Zudem veranlasste der Erfolg von OpenClaw den Hardware-Hersteller Nvidia dazu, ein eigenes Konkurrenzprodukt zu entwickeln.
Steinberger bezeichnet das Projekt konsistent als ein offenes Labor, um die Potenziale und Belastungsgrenzen einer KI-gestützten Softwareentwicklung zu testen, wenn finanzielle Beschränkungen für Rechenleistung keine Rolle spielen. Trotz Steinbergers Festanstellung bei OpenAI und der vollständigen Übernahme der Compute-Kosten durch den Konzern soll OpenClaw als freies und quelloffenes Projekt weitergeführt werden. Das Ziel bleibt die Erforschung einer Zukunft, in der kleine menschliche Teams mithilfe einer Vielzahl von KI-Mitarbeitern komplexe Softwarearchitekturen verwalten können
