1,3 Millionen Dollar in 30 Tagen: Steinberger und der absurdeste KI-Burn der Tech-Szene

Peter Steinberger verbraucht 1,3 Millionen Dollar KI-Token in 30 Tagen. Die Tech-Community ist entsetzt. Ist Tokenmaxxing der neue Produktivitätswahn oder nur teure Selbstdarstellung?

In der Tech-Branche kursiert ein neuer Statussymbol-Wettbewerb: Tokenmaxxing. Entwickler prahlen mit astronomischen KI-Token-Rechnungen, als wären sie Trophäen. Peter Steinberger, Openclaw-Gründer und mittlerweile bei OpenAI unter Vertrag, treibt diesen Trend auf die Spitze. Seine Bilanz für 30 Tage: KI-Token im Wert von 1,3 Millionen Dollar. Die Reaktionen schwanken zwischen Bewunderung und blankem Entsetzen.

Wenn die KI-Rechnung explodiert

Steinberger teilte seine Token-Statistik auf X – und erntete einen Shitstorm. Die Community rechnete vor: Mit 1,3 Millionen Dollar ließe sich ein komplettes Startup finanzieren oder ein Team aus erfahrenen Entwicklern einstellen. Stattdessen füttert Steinberger KI-Modelle, ohne dass greifbare Ergebnisse erkennbar seien. Der Vorwurf: Geldverbrennung im Namen der Automatisierung. Steinberger konterte mit Verweisen auf seine GitHub-Projekte, doch die Kritik verstummte nicht.

The latest CodexBar update renders API costs wayyyy nicer. https://t.co/lJ4dxNHwzG pic.twitter.com/fCkWutJGzT

— Peter Steinberger 🦞 (@steipete) May 15, 2026

OpenAI zahlt die Zeche

Die gute Nachricht für Steinberger: Er muss die Millionenrechnung nicht selbst begleichen. Laut Steinberger übernimmt OpenAI die Kosten im Rahmen seiner Tätigkeit für das Unternehmen. Steinberger betont, das Experiment solle zeigen, was möglich sei, wenn Token-Limits wegfallen. Rund 100 KI-Agenten arbeiten parallel: Sie schreiben Code, prüfen Pull-Requests, scannen nach Sicherheitslücken und beheben Fehler. Andere Agenten lauschen Meetings und starten eigenständig Arbeitsschritte. Automatisierung im Maximalformat.

Schlank oder aufgeblasen?

Steinberger nennt sein Projekt „extrem schlank“ – eine Aussage, die für Kopfschütteln sorgt. Ein Coding-Projekt mit 1,3 Millionen Dollar Monatskosten und 100 KI-Einheiten als schlank zu bezeichnen, wirkt wie Realitätsverlust. Zumal die veröffentlichte Statistik offenbar nur einen Teil seiner Aktivitäten abbildet. Auf die Frage, ob es sich um seine persönlichen Nutzungszahlen handle, antwortete Steinberger: „Yup, zumindest auf diesem Account.“ Die Vermutung liegt nahe, dass weitere Accounts existieren – mit entsprechend höheren Gesamtkosten.

Der Tokenmaxxing-Wahn

Die Tech-Community spaltet sich. Für die einen ist Tokenmaxxing ein Zeichen von Effizienz und Zukunftsorientierung. Für die anderen ein sinnloser Wettkampf um die höchste Rechnung. Studien zeigen: Hoher Token-Verbrauch korreliert nicht zwangsläufig mit höherer Produktivität. Wer viel KI nutzt, produziert nicht automatisch besseren Code. Die Frage bleibt: Ist Steinbergers Ansatz ein Blick in die Zukunft der Softwareentwicklung oder nur ein teures Experiment auf Kosten von OpenAI?

Business Punk Check

Steinbergers Tokenmaxxing entlarvt den KI-Hype in seiner ganzen Absurdität. 1,3 Millionen Dollar für 30 Tage KI-Nutzung klingen nach Innovation – sind aber vor allem Marketing. Die Wahrheit: Kein normales Unternehmen kann sich diese Summen leisten. Steinbergers Experiment funktioniert nur, weil OpenAI die Rechnung übernimmt. Für den Rest der Tech-Welt bleibt Tokenmaxxing unerreichbar. Die eigentliche Frage lautet nicht, ob KI-Agenten effizient coden können. Sie lautet: Zu welchem Preis? 100 KI-Einheiten parallel laufen zu lassen, ist keine schlanke Lösung – es ist Ressourcenverschwendung im Luxusmodus.

Studien belegen, dass hoher Token-Verbrauch nicht automatisch bessere Ergebnisse liefert. Wer blind auf KI-Automatisierung setzt, riskiert aufgeblähte Prozesse ohne Mehrwert. Für Entscheider bedeutet das: Tokenmaxxing ist kein Vorbild, sondern eine Warnung. KI-Tools sollten gezielt eingesetzt werden, nicht nach dem Motto „viel hilft viel“. Wer echte Produktivität will, braucht klare Use Cases und messbare Ergebnisse – nicht die höchste Rechnung. Steinbergers Experiment zeigt vor allem eins: Wenn Geld keine Rolle spielt, verliert man den Blick für Effizienz.

Was ist Tokenmaxxing und warum ist es umstritten?

Tokenmaxxing bezeichnet den bewusst hohen Verbrauch von KI-Token, um Produktivität und Effizienz zu demonstrieren. Entwickler nutzen KI-Modelle exzessiv für Coding, Code-Reviews und Automatisierung. Umstritten ist der Ansatz, weil hoher Token-Verbrauch nicht automatisch bessere Ergebnisse liefert. Studien zeigen: Mehr KI bedeutet nicht zwangsläufig mehr Produktivität. Für die meisten Unternehmen sind die Kosten zudem unbezahlbar.

Lohnt sich der Einsatz von 100 KI-Agenten für Softwareentwicklung?

Nur wenn das Budget keine Rolle spielt. Steinbergers Ansatz mit 100 parallelen KI-Agenten kostet 1,3 Millionen Dollar pro Monat – eine Summe, die für normale Startups oder Mittelständler unrealistisch ist. Der Mehrwert ist fraglich: KI-Agenten können repetitive Aufgaben übernehmen, ersetzen aber keine strategischen Entscheidungen. Für die meisten Unternehmen ist ein gezielter Einsatz von 5-10 KI-Tools wirtschaftlich sinnvoller als Tokenmaxxing im Luxusmodus.

Welche KI-Tools sind für Entwickler wirklich praxistauglich?

Praxistauglich sind KI-Tools mit klarem Use Case und messbarem ROI. GitHub Copilot für Code-Completion, ChatGPT für Dokumentation und Debugging-Unterstützung sowie spezialisierte Tools für Security-Scans liefern echten Mehrwert. Entscheidend ist die Integration in bestehende Workflows, nicht die Anzahl der genutzten Agenten. Unternehmen sollten mit kostengünstigen Tools starten und nur bei nachweisbarem Nutzen skalieren.

Was kostet KI-gestützte Softwareentwicklung realistisch?

Je nach Teamgröße und Nutzung können sich die monatlichen Kosten für KI-gestützte Entwicklung bei kleineren bis mittleren Teams im Bereich einiger Hundert bis mehrerer Tausend Dollar bewegen. GitHub Copilot kostet etwa 10 Dollar pro Entwickler und Monat, ChatGPT Plus 20 Dollar. Steinbergers 1,3 Millionen Dollar sind ein Extremfall, der nur durch OpenAIs Finanzierung möglich ist. Realistisch kalkulierte KI-Nutzung amortisiert sich durch Zeitersparnis bei repetitiven Aufgaben, nicht durch maximalen Token-Verbrauch.

Ist Tokenmaxxing die Zukunft der Softwareentwicklung?

Nein, Tokenmaxxing ist ein Marketing-Stunt, keine nachhaltige Strategie. Die Zukunft liegt in intelligenter KI-Nutzung mit klaren Effizienzzielen, nicht in blindem Token-Verbrauch. Unternehmen, die KI erfolgreich einsetzen, definieren Use Cases, messen Ergebnisse und optimieren Kosten. Steinbergers Experiment zeigt die technischen Möglichkeiten, aber nicht die wirtschaftliche Realität. Wer KI-Tools strategisch einsetzt statt maximal, gewinnt langfristig.

Quellen: t3n