AI-Tokens: Das neue Öl der Digitalwirtschaft und der Wandel der Entwicklerarbeit

Die Art und Weise, wie wir Künstliche Intelligenz nutzen und bewerten, durchläuft einen fundamentalen Wandel. Experten wie Andrej Karpathy, ehemaliger Tesla AI Director und OpenAI Mitbegründer, sehen AI-Tokens nicht mehr nur als technische Einheit, sondern als zentrales Budget und treibende Kraft einer neuen digitalen Ökonomie. Dieser Paradigmenwechsel beeinflusst nicht nur die Kosten, sondern auch die gesamte Arbeitsweise im Bereich der Softwareentwicklung.

Der Paradigmenwechsel: Tokens als neues Budget

Andrej Karpathy hat seine Denkweise bezüglich der AI-Nutzung grundlegend geändert. In einem Interview im "No Priors" Podcast, der am Freitag veröffentlicht wurde, äußerte er, dass er sich "nervös" fühle, wenn er sein gesamtes AI-Budget nicht aufbraucht. Für ihn bedeutet ein ungenutztes Abonnement, dass er seinen "Token-Durchsatz nicht maximiert" hat.

Tokens sind die Einheiten, die AI-Unternehmen wie OpenAI und Anthropic zur Preisgestaltung ihrer Modelle verwenden. Grob gesagt, entspricht ein Token einem kurzen Wort oder einem Teil eines längeren Wortes; eine gängige Faustregel besagt, dass vier Zeichen einem Token entsprechen. Für Konsumenten und Angestellte fungieren Tokens wie ein Budget: Je mehr man nutzt, desto mehr Arbeit können AI-Systeme verrichten. Karpathys Ziel ist es nun, "Abonnements zu maximieren", was ihn sogar dazu bringt, zwischen konkurrierenden Produkten zu wechseln, wenn Limits erreicht werden. Er schlägt vor: "Wenn Ihnen das Kontingent für Codex ausgeht, sollten Sie zu Claude wechseln."

Von Rechenleistung zu Token-Ökonomie

Dieser Wandel in der AI-Nutzung geht Hand in Hand mit einer breiteren Neubewertung in der Tech-Branche. Karpathy vergleicht das Gefühl mit seiner Zeit als Doktorand: "Man wurde nervös, wenn die GPUs nicht liefen." Heute sei es "nicht mehr um Flops – es geht um Tokens." Das bedeutet, der Engpass ist nicht länger die Rechenleistung, sondern die verfügbarkeit und Nutzung von AI-Tokens.

Jensen Huang, CEO von Nvidia, prägte auf der GTC 2026 den Begriff "Token Economics", der sich schnell im Internet verbreitete. Für Huang ist der Token nicht mehr nur ein technischer Begriff, sondern eine Einheit von Rechenleistung, Information und Währung. Im März 2026 wurde bekannt, dass die globalen großen Modelle die Ära der Quadrillionen Tokens erreicht haben. Allein die OpenRouter-Plattform verzeichnete einen annualisierten Token-Verbrauch von über einer Quadrillion, was bei einem durchschnittlichen Marktpreis von etwa 1 US-Dollar pro Million Tokens jährlichen Inferenz-Ausgaben von rund 1 Milliarde US-Dollar entspricht. Huang bezeichnete den Token als "das Öl dieser Ära".

Die Bedeutung von Tokens spiegelt sich auch in den Erwartungen an Mitarbeiter wider. Jensen Huang sagte im "All-In" Podcast, er erwarte, dass Angestellte mit einem Jahresgehalt von 500.000 US-Dollar Tokens im Wert von 250.000 US-Dollar nutzen. Er betonte: "Es ist jetzt eines der Recruiting-Tools im Silicon Valley. Wie viele Tokens gehören zu meinem Job?" Aaron Levie, CEO von Box, stimmte dieser Einschätzung zu und schrieb auf X, dass der Anstieg der AI-Token-Ausgaben "eventually hit the rest of knowledge work as well" – also letztendlich auch die gesamte Wissensarbeit betreffen wird.

Die Evolution des Engineerings: AI-Agenten statt Code

Andrej Karpathy, Gründer von Eureka Labs, hat seine Arbeitsweise radikal verändert. Er gab an, dass er seit Dezember 2025 keinen Code mehr selbst geschrieben habe. "Der Dezember war der Zeitpunkt, an dem sich wirklich etwas geändert hat. Ich bin von der meist selbstständigen Code-Schreibung dazu übergegangen, sie hauptsächlich an Agenten zu delegieren. Und inzwischen ist es sogar noch mehr als das; ich habe seitdem keine einzige Codezeile mehr getippt." Er beschreibt einen "perpetuellen Zustand der AI-Psychose", angetrieben von dem Gefühl, dass die schnell wachsenden Fähigkeiten der AI fast alles möglich machen.

Karpathy verbringt nun lange Zeit damit, AI-Systemen "Absicht auszudrücken", anstatt direkt zu programmieren. Dies markiert einen fundamentalen Wandel in den Engineering-Workflows. Er hob die Entstehung von "Claws" hervor – persistente AI-Systeme, die kontinuierlich und ohne direkte Nutzerinteraktion im Hintergrund Aufgaben ausführen können. Diese Systeme könnten den nächsten Schritt über sitzungsbasierte Agenten hinaus darstellen und autonomere, länger laufende Workflows ermöglichen.

Die Vorstellung vom "Codieren" selbst wird laut Karpathy obsolet. Er beschreibt, wie er "16 Stunden am Tag" arbeitet, um mehrere Agenten zu leiten und die gewünschten Ergebnisse zu erzielen. Der Hauptengpass ist dabei nicht mehr die Rechenleistung, sondern die menschliche Fähigkeit, AI-Systeme effektiv zu steuern. Wenn Aufgaben fehlschlagen, fühlt es sich oft wie ein "Skill Issue" an – ein Problem der Fähigkeiten, nicht eine Einschränkung der Technologie oder der Art und Weise, wie Anweisungen gegeben werden. Die Verbesserung von Prompts, Speichersystemen und der Koordination zwischen Agenten wird zur neuen Form der Expertise.

Entwickler überwachen nun mehrere AI-Agenten, die parallel an verschiedenen Aufgaben arbeiten. Anstatt Funktionen zu bearbeiten oder Codezeilen zu debuggen, weisen Ingenieure ganze Features oder Projekte separaten Agenten zu. Diese Agenten können gleichzeitig Code schreiben, recherchieren und Implementierungspläne vorschlagen. Karpathy merkt zudem an, dass verschiedene Systeme unterschiedliche "Persönlichkeiten" aufweisen, die die Benutzererfahrung und Produktivität beeinflussen können. Engagiertere oder reaktionsschnellere Agenten fühlen sich eher wie Kollaborateure als wie Werkzeuge an, was die Effektivität der Zusammenarbeit mit Menschen beeinflusst.