OpenAI-Neuzugang: Teure KI-Modelle sind die billigeren
Der Odessia-Gründer wechselt zu OpenAI und hält teure Frontier-Modelle für rentabler. Kostendruck und Messungen zeigen Grenzen der Rechnung.
OpenAI kauft das KI-Reise-Start-up Odessia, dessen Gründer Francis Davidson zum Käufer wechselt. Mit ihm holt sich der Anbieter von Frontier-Modellen einen Fürsprecher der These, dass ein Modell umso höheren ROI bringt, je teurer es pro Token ist. Davidsons Team strich die Nutzungslimits für Agenten, während Käufer wie SAP ihre KI-Ausgaben strenger kontrollieren.
Das Wichtigste in Kürze
- OpenAI übernimmt das Reise-Start-up Odessia samt Gründer Francis Davidson. Am Tag der Ankündigung gaben die Aktien von Expedia, Tripadvisor und Booking Holdings nach.
- Davidson hält teure Frontier-Modelle für rentabler als billige. Nach seiner Darstellung verfehlen günstige Modelle oft die Qualitätsschwelle und Iterationen kosten mehr als Token.
- Messungen, Budgets und Datenschutz liefern Gegenbefunde. In der METR-Erststudie brauchten erfahrene Entwickler mit KI-Werkzeugen länger, CNIL und CIANum sehen agentische KI in Spannung zur DSGVO.
Verwandt:OpenAI-Modelle zählen jetzt auf Google-Cloud-Budgets
Der Odessia-Deal
Francis Davidson machte die Übernahme am Dienstag selbst öffentlich. OpenAI hat sein Start-up Odessia gekauft, er wechselt als Mitarbeiter zu OpenAI, um dort an der Zukunft des Reisens zu arbeiten. Ein OpenAI-Sprecher bestätigte die Einstellung, die Konditionen des Kaufs blieben offen.
Odessia hatte unter Führung von Sequoia Capital rund 5,3 Millionen Euro Risikokapital aufgenommen.
Nach Angaben des Gründers plante der Dienst im Sommer Reisen im Jahreswert von umgerechnet mehr als 53 Millionen Euro für zehntausende Frühnutzer.
Davidson hatte zuvor Sonder mitgegründet und auf rund 530 Millionen Euro Umsatz gebracht. Davidson trat im Juni 2025 als CEO zurück, Ende 2025 stellte Sonder den Betrieb ein.
Am Tag der Ankündigung gab die Aktie der Expedia Group um fast 4 Prozent nach, auch Tripadvisor und Booking Holdings verloren. Auslöser waren Sorgen von Investoren über die Störung etablierter Buchungsplattformen.
Was ist ein Frontier-Modell? Als Frontier-Modell gilt ein KI-Modell, das bei einem breiten Aufgabenspektrum zur aktuellen Leistungsspitze gehört. Bei OpenAI steht dafür etwa GPT-6 Astra, während Kleinstmodelle wie GPT-6 Luna pro Token nur einen Bruchteil kosten. Um diesen Aufpreis kreist die Debatte über Kosten pro fertigem Ergebnis.
Davidsons Rechnung mit Iterationen
Für IT-Verantwortliche ist ein anderer Teil von Davidsons Text zur Übernahme relevanter. Er formuliert eine Faustregel für 2026, nach der ein Frontier-Modell umso höheren Return on Investment (ROI) erzielt, je teurer es pro Token ist. Token sind die Texteinheiten, nach denen Modellanbieter abrechnen.
Seine Begründung setzt bei der Qualität an. Günstigere Modelle verfehlten oft die Qualitätsschwelle. Die zusätzlichen Iterationen seien teurer als die Tokenpreise.
Als Beleg führt Davidson die eigene Praxis an. Aufgaben mit einem manuellen Aufwand von etwa 40 Stunden hätten Agenten auf Basis von Frontier-Modellen in rund 2 Stunden erledigt, die Agentenkosten nennt er einen Rundungsfehler.
Seine persönliche Nutzung von KI-Agenten sei 2026 um das 25-Fache gestiegen. Als das Team die Nutzungslimits strich, habe sich die Produktivität beschleunigt.
Die Faustregel zielt genau auf die Preisdifferenz in OpenAIs eigener Preisliste. Stand Oktober kostete eine Million Eingabe-Token beim Kleinstmodell GPT-6 Luna rund 0,089 Euro, beim Flaggschiff GPT-6 Astra rund 9 Euro.
Am oberen Ende der Liste stand das ältere Pro-Modell mit rund 27 Euro. Beim Eingabepreis ergibt das eine Spanne vom Faktor 300.
Davidson schreibt diese Sätze als neuer Mitarbeiter des Anbieters, der die teuren Token verkauft. Seine Produktivitätszahlen sind Eigenangaben.
Kostendruck bei den KI-Kunden
Auf der Käuferseite verläuft die Debatte anders. Die KI-Nutzungskosten von Unternehmen erreichten 2026 weltweit mehr als umgerechnet 890 Milliarden Euro pro Jahr, so der Stand im Juli. SAP hatte zu diesem Zeitpunkt die Kontrolle der eigenen KI-Ausgaben verschärft, Palantir-Chef Alex Karp stellte das Token-Geschäftsmodell infrage.
Gegen Davidsons Werte stehen kontrollierte Messungen der Forschungsorganisation METR. In deren Erststudie mit erfahrenen Open-Source-Entwicklern, erhoben von Februar bis Juni 2025, dauerte die Aufgabenbearbeitung mit KI-Werkzeugen 19 Prozent länger.
Eine im Februar veröffentlichte Folgeschätzung kam je nach Teilnehmergruppe auf einen Beschleunigungswert von minus 18 oder minus 4 Prozent. Diese Schätzung gilt nach Einstufung von METR als nur sehr schwache Evidenz.
Agenten mit Zugriff auf Firmensysteme
Der zweite Einwand betrifft den Datenzugriff. Bei Odessia hingen die Agenten über MCP-Schnittstellen oder Kommandozeilen-Zugänge (CLI) an Meeting-Aufzeichnungen, Slack, E-Mail, Drive und sämtlichen im Unternehmen genutzten Software-Tools. MCP ist ein Protokoll, über das KI-Modelle auf externe Werkzeuge zugreifen.
Proaktive Agenten erstellten tägliche Analyseberichte, untersuchten Produktionsfehler, prüften Kundenfeedback, glichen Kreditorenrechnungen ab und fuhren nächtliche Smoke-Tests, also Schnelltests der Grundfunktionen einer Software.
Nach gemeinsamer Einschätzung der französischen Datenschutzbehörde CNIL und des Conseil de l’IA et du Numérique (CIANum) markiert der Übergang von generativer zu agentischer KI einen Skalenwechsel. Datenflüsse zwischen zahlreichen Diensten, persistente Speicher und das Handeln im Namen des Nutzers geraten in Spannung zu den DSGVO-Prinzipien. Cybersicherheitsrisiken weiten sich auf alle angeschlossenen Dienste aus.
Ein dritter Punkt betrifft die Arbeitszeit. Die Arbeitswochen bei Odessia umfassten nach Davidsons Angaben sechs bis sieben Tage. Er wendet das Jevons-Paradox, die Beobachtung, dass Effizienzgewinne den Verbrauch einer Ressource steigern, auf die eigenen Arbeitszeiten an. Weil Agenten pro Stunde mehr Arbeit erledigten, sei der ROI von Planung und Prozess eingebrochen.
Kosten pro fertigem Ergebnis
Für IT-Verantwortliche lässt sich der Streit in eine Messgröße übersetzen, die Kosten pro fertigem Ergebnis. Vor dem Aufheben von Token-Limits gehören einige Prüfschritte auf die Liste.
- Vergleichsmessung an eigenen Aufgaben mit Kleinst- und Flaggschiffmodell, erfasst werden Iterationen, Nacharbeit und Gesamtkosten.
- Budgetgrenzen je Team und Anwendungsfall, Ausnahmen mit festem Zeitraum und anschließender Auswertung.
- Rechtekonzept für Agenten mit einer Liste der angebundenen Systeme und der darin verarbeiteten personenbezogenen Daten.
- Feste Zuständigkeit für Handlungen, die Agenten im Namen von Beschäftigten ausführen.
- Prüfung, wie leicht sich das Modell gegen ein anderes tauschen lässt, bevor Prozesse auf einen Anbieter zugeschnitten werden.
Häufige Fragen
Was wird aus dem Dienst von Odessia?
Odessia war seit dem 14. Oktober 2026 öffentlich zugänglich. Im Zuge der Übernahme wurde der Dienst eingestellt. Nach Einordnung von TechCrunch handelt es sich um einen Acqui-hire, also einen Kauf, bei dem vor allem das Team zählt.
Gilt europäisches Recht schon für KI-Agenten?
Nach Einschätzung von CNIL und CIANum ist das bestehende EU-Datenschutz- und KI-Recht auf agentische KI bereits anwendbar. Zugleich erschwert der Übergang zu agentischer KI die Zuordnung der Verantwortung.
Sind Open-Source-Modelle die günstigere Option?
Davidson bestreitet das. Nach seiner Darstellung dominieren geschlossene Modelle die gesamte Pareto-Frontier, also die Linie der besten Kombinationen aus Preis und Leistung, obwohl Open Source oft als billiger angepriesen wird.
Lesetipps der Redaktion
cloudmagazinOpenAI kauft Macs, auf denen Agenten wie Menschen klickencloudmagazinFAST LTA: KI-Agenten arbeiten im eigenen RechenzentrumcloudmagazinCANCOM setzt bei KI-Projekten für den Start auf das Zusammenspiel zwischen Menschen und Künstlicher IntelligenzBildquelle: KI-generiert (November 2026)
