Margen: Warum nur die Magnificent Seven vom KI-Boom profitieren

Nur die Magnificent Seven verdienen am KI-Boom, sagt Apollo-Chefökonom Torsten Slok in einer Analyse vom 24. Oktober 2026. Ihre Margen steigen, während Umsatz pro Beschäftigten und Margen im S&P 493, dem Index ohne die sieben Tech-Giganten, flach bleiben. Die Aussage gilt für US-Unternehmen außerhalb der Tech-Branche; t3n berichtete am 1. November 2026 darüber.

Margen und Umsatz: Welche Zahlen die sieben Konzerne vom Rest trennen

Die Magnificent Seven steigern Umsatz pro Beschäftigten und Margen seit Anfang 2023 messbar. Der übrige S&P 500 tut das nicht. Zu den sieben zählen laut t3n unter anderem Tesla, Microsoft und Nvidia. Slok schreibt in seinem Beitrag bei Apollo, KI habe der US-Wirtschaft außerhalb der Tech-Branche keinen finanziellen Nutzen gebracht.

Die Details liefert 24/7 Wall St. am 10. Juni 2026 unter Berufung auf Slok. Bei den Sieben liegt der Umsatz pro Beschäftigten demnach bei rund 270.000 US-Dollar. Das ist der höchste Stand seit mindestens dreieinhalb Jahren. Das sind etwa 45.000 US-Dollar oder 20 Prozent mehr als Anfang 2023. Die übrigen 493 Firmen des S&P 500 kommen auf rund 195.000 US-Dollar. Ein Beschäftigter der Sieben erwirtschaftet damit etwa 38 Prozent mehr als einer der übrigen 493. Bei Unternehmen des Russell 2000, einem Index kleinerer US-Firmen, fiel der Wert um etwa 14 Prozent auf 122.000 US-Dollar. Das ist der niedrigste Stand seit mindestens dreieinhalb Jahren, ein Minus von etwa 20.500 US-Dollar.

Bei den Margen ist der Abstand ähnlich deutlich. Laut t3n stiegen die Margen bei Apple, Meta und Co. auf etwa 30 Prozent. Bis 2020 lagen sie bei rund einem Drittel davon. In anderen Wirtschaftszweigen blieben beide Messwerte bis auf leichte Schwankungen unverändert. Apollo stützt die Auswertung auf Daten von Bloomberg und Macrobond.

Stellenabbau treibt die Kennzahl mit: Was Umsatz pro Beschäftigten verschweigt

Der höhere Umsatz pro Beschäftigten bei Big Tech hat laut 24/7 Wall St. auch mit Stellenabbau zu tun. Nach dem Einstellungsboom von 2020 bis 2022 haben Microsoft, Meta und Alphabet Personal reduziert und weiter Umsatz gesteigert. Das hebt die Kennzahl, unabhängig davon, was KI beiträgt. Das Problem: Die Zahl trennt Sparkurs und KI-Wirkung nicht. Über die Margen sagt sie ohnehin nichts.

Kleinere Firmen haben es schwerer. Höhere Zinsen belasten laut 24/7 Wall St. ihre Kreditkosten. Vielen fehlt das Geld für KI-Infrastruktur oder eigene Modelle. Beim Produktivitätswachstum sieht Slok ebenfalls keine Anzeichen für einen KI-Schub. Er nutzt dafür die Gesamtfaktorproduktivität, also die Produktivität aller Einsatzfaktoren zusammen, in der Berechnung der Notenbank von San Francisco.

Der Autor von 24/7 Wall St. verweist auf frühere Technologien. Strom, PCs und Internet brauchten Jahre, bis ihr Nutzen in der Breite ankam. Warum sich der Ertrag so schwer fassen lässt, beschreibt ein Beitrag zur ROI-Messung von KI im Unternehmen.

Token-Kosten drücken die Margen: Wie KI zum Kostenfaktor wird

Token-Ausgaben gelten in US-Unternehmen außerhalb der Tech-Branche zunehmend als Kostenfaktor, der die Margen belastet. Token sind die Recheneinheiten, nach denen KI-Anbieter abrechnen. Wachstumsquelle sehen viele darin nicht mehr.

Dieses Bild wurde mit KI generiertProviderhiggsfieldModellgpt_image_2_5 flare high 1k 16:9PromptCinematic photo with dramatic lighting, low-angle close-up of a large monitor in a dim, empty office at night. The screen shows an abstract cost dashboard with a steeply climbing orange curve over a dark bar chart and a small header "Token-Kosten", no numbers or axis values. Cold blue ambient light from the window, warm orange glow from the screen reflecting on the glossy desk, a coffee mug and a closed notebook in soft focus. Shallow depth of field, moody contrast, teal and amber color grading, no people. No watermark, no signature.

Venture-Capital-finanzierte Firmen geben laut Slok immer mehr für Token aus. Der Mainstream braucht das neueste Modell nicht. Er will dafür auch nicht zahlen. Als Quelle nennt Apollo den Ramp AI Index und Ara Kharazian, Chefökonom bei Ramp.

Solange agentische KI und Token-Ausgaben auf einen kleinen Teil der Wirtschaft beschränkt sind, bleiben die gesamtwirtschaftlichen Effekte laut Slok sehr begrenzt. Agentische KI heißt: Systeme erledigen Aufgaben selbstständig in mehreren Schritten.

Wer Kosten steuern will, muss sie zuerst sehen. Wie das im Entwickleralltag aussieht, beschreibt der GitHub Token Breakdown.

Bitkom-Umfrage: Die KI-Rechnung überrascht ein Drittel der Unternehmen

Ein Drittel der Unternehmen, die KI einsetzen, ist laut einer Bitkom-Umfrage von den Kosten überrascht worden. Heise berichtete am 11. März 2026 über die Befragung von 604 Unternehmen mit mindestens 20 Beschäftigten. 41 Prozent setzen demnach KI ein. Zwei Drittel wollen den Einsatz künftig ausbauen. Der Hauptgrund liegt laut heise in der gefühlten Effizienzsteigerung.

Die Befragung zeigt ein gemischtes Bild. 93 Prozent der Unternehmen sehen laut heise durch die Digitalisierung Vorteile, nur 5 Prozent sehen Nachteile. Als externe Hemmnisse nennen sie Datenschutzanforderungen (77 Prozent), den Fachkräftemangel (70 Prozent) und Anforderungen an die technische Sicherheit (61 Prozent). Von den Unternehmen mit KI-Einsatz sehen sich 30 Prozent als Vorreiter. 48 Prozent planen oder diskutieren den Einsatz. Knapp die Hälfte glaubt, dass die Qualität ihrer Produkte oder Dienstleistungen besser geworden ist.

Bitkom-Präsident Ralf Wintergerst sagte auf Nachfrage von heise online, er könne sich das im Detail noch nicht erklären. Viele Unternehmen schilderten ihm im Gespräch, dass KI-Agenten mehr Aufmerksamkeit von klassischen Mitarbeitenden brauchten als gedacht. Ein Fünftel gibt laut heise an, wegen KI Stellen abgebaut zu haben. Die berichtete Beschleunigung interner Prozesse ist nicht nachweisbar, merkt heise an. Zugleich wächst auf niedrigem Niveau die Unsicherheit über den wirtschaftlichen Nutzen der Digitalisierung.

Viele Unternehmen reagieren laut t3n mit Modelmaxxing. Sie nutzen je nach Aufgabe gezielt unterschiedliche Modelle, statt pauschal teure Spitzenmodelle einzusetzen. Erste Model-Routing-Startups weisen Aufgaben automatisch dem Modell zu, das am besten passt und möglichst günstig arbeitet. Das Spitzenmodell für jede Aufgabe funktioniert nicht. Jeder unnötige Token geht zulasten der Margen. Auch beim Kontext lässt sich sparen: Context Engineering reduziert KI-Kosten.

Urteilsvermögen statt Rechenleistung: Wo sich der KI-Ertrag entscheidet

Der KI-Ertrag entscheidet sich laut Slok im S&P 493 und nicht bei den Magnificent Seven. KI mag ein hervorragender Rechner sein, schreibt er, doch in der Wirtschaft bestehe Intelligenz vor allem aus Urteilsvermögen. Das hänge vom Kontext ab. Die Antwort variiere, je nachdem, ob man einen Menschen oder ein Modell fragt. KI verstehe nichts von Verantwortlichkeit, Vertrauen, Kultur, ungeschriebenen Regeln, ethischen Abwägungen oder Fairness. Diese Faktoren prägen das Reputationsrisiko und damit Umsatzwachstum und Margen.

Die offene Frage formuliert Slok so: Werden Modelle zur Massenware, können Unternehmen dann immer billigere Intelligenz in höheres Umsatzwachstum und höhere Margen übersetzen? Das könne schwieriger sein, als es scheint.

Prüfen Sie vor Ihrem nächsten Budgetgespräch, welche Aufgabe welche Token-Ausgaben auslöst. Fragen Sie dann, ob dort Umsatz oder Margen messbar steigen. Slok sieht außerhalb der Tech-Branche bislang keinen Beleg dafür.