Die Zukunft der Preise für AI-Credits

• Während creditbasierte Preismodelle 2025 um 126 % zulegen und sich als Standard in der SaaS-Branche etablieren, führt Clay eine umfassende Preisreform durch, die Datenkosten und Plattformwert vollständig voneinander trennt
• Figma führte im Dezember 2025 ein AI-Credit-Modell ein, hatte die tatsächliche Durchsetzung jedoch aufgeschoben und setzt Credit-Limits ab dem 18. März 2026 nun konsequent um
• PostHog nutzt ein Pass-through-Modell, bei dem AI-Kosten mit nur 20 % Marge weitergegeben werden, und trennt damit Plattform- und Tokenkosten klar
• Clay rechnet durch die Umstellung auf die neue Preisstruktur mit einem sofortigen Umsatzrückgang von 10 %, setzt aber langfristig darauf, dies durch breitere Plattformadoption auszugleichen
• Wenn AI-Agenten AI-Credits künftig direkt kaufen, könnten komplexe nutzungsbasierte Preismodelle bei Transparenz und Optimierung sogar im Vorteil sein

---

Konsequente Durchsetzung von Figmas AI-Credit-Limits

• Figma führte im Dezember 2025 ein AI-Credit-Modell ein, verzögerte jedoch die tatsächliche Durchsetzung der Limits; seit dem 18. März 2026 gilt es nun vollumfänglich
  • Credits können seit dem 11. März gekauft werden
• Credits werden pro Nutzer zugewiesen und sind in allen Plänen enthalten
  • Kostenlose Nutzer: 500 Credits pro Monat (im Wert von 12 $)
  • Enterprise Full Seat: 4.200 Credits pro Monat (im Wert von 100 $)
• Credits werden monatlich zurückgesetzt und nicht übertragen
• Zusätzlich kann ein accountweites gepooltes Credit-Abonnement erworben werden: ab 120 $ pro Monat für 5.000 Credits (etwa 2 Cent pro Credit)
• Pay-as-you-go-Credits sollen später folgen und mit einem Aufschlag von 25 % gegenüber dem Monatsabo bepreist werden
• Wirkung der Strategie, drei Monate lang kostenlose Credits anzubieten
  • Nutzer konnten AI-Funktionen ausprobieren und sich daran gewöhnen
  • Es wurden reale Nutzungs- und Kostendaten gesammelt
  • Vor Beginn der Abrechnung konnte Feedback zur Feinabstimmung des Preismodells eingeholt werden
• Beim AI-Verbrauch zeigte sich eine Power-Law-Verteilung: 75 % der zahlenden Kunden mit ARR über 10.000 $ verbrauchen AI-Credits wöchentlich
• Einige Nutzer überschreiten ihre Credit-Limits bereits, genaue Zahlen wurden jedoch nicht veröffentlicht
• Es wurde eine Struktur zur Seat-Upgradelenkung entworfen: Dev Seat (500 Credits/Monat) → Professional Seat (3.000 Credits/Monat, zusätzlicher Gegenwert von 60 $); das Seat-Upgrade kostet nur 5 $ pro Monat und ist damit deutlich günstiger als der separate Credit-Kauf
• In der Preisstruktur steckt eine innere Spannung: Prototyping kostet fix 20 Credits, während Bildgenerierung je nach gewähltem LLM zwischen 5 und 25 Credits kostet
  • Durch die Mischung aus wertbasierter (value-based) und kostenbasierter (cost-based) Logik müssen Nutzer den Preis-Wert-Trade-off selbst beurteilen
  • Unklar bleibt auch, ob Nutzer von sinkenden LLM-Kosten profitieren würden

Plattform + Token: die neue Struktur für AI-Preismodelle

• Um die Grenzen gemischter kosten- und wertbasierter Credits zu überwinden, gewinnt ein Modell an Bedeutung, das Plattform (Wert) und Token (Kosten) getrennt abbildet
  • Vergleichbar mit Auto-Leasing (Plattform) + Kraftstoffkosten (Token) oder Costco-Mitgliedschaft (Plattform) + gekaufte Waren (Token)
• Snowflake: Trennung zwischen Storage und Datentransfer (Kostenweitergabe) sowie Computing und Cloud-Services (Wertschöpfung)
• Vertikale Software: Unterscheidung zwischen Zahlungsabwicklung (kostennahe Weitergabe mit niedriger Marge) und Softwaremodulen (wertbasierte Leistungen mit hoher Marge)
• Vier Vorteile dieser Struktur
  1. Garantierte Margenuntergrenze: mindestens rund 20 % Bruttomarge, während der Umsatz mit dem AI-Token-Verbrauch natürlich mitwächst
  2. Kostentransparenz: sinkende LLM-Kosten, günstigere Modelle oder Skaleneffekte bei Anbietern werden sofort an Kunden weitergegeben; Kunden können ihre Kosten direkt steuern
  3. Fokus auf den eigentlichen Produktwert: Statt AI-Infrastruktur hervorzuheben, die zunehmend zur Commodity wird, lässt sich die Differenzierung des Produkts betonen
  4. Flexible Beschaffungsmodelle: Erweiterbar um neue Kaufmodelle wie BYOK (Bring Your Own Key) oder AI-Marktplätze (etwa Apps, die wie im AWS Marketplace über OpenAI oder Anthropic gekauft werden)
• Nachteil: Für Käufer steigt die Komplexität

PostHog als Beispiel für Plattform + Token

• AI-Gebühren werden vereinfacht mit nur 20 % Aufschlag als Pass-through weitergegeben
• Neue Kunden erhalten 20 $ kostenlose Nutzung
• PostHog schafft Wert über mehr als 10 verschiedene Produkte; AI-Funktionen sind daher als komplementäre Ergänzung positioniert, die diese Produkte wertvoller macht

Clays neues Preismodell mit Plattform + Token

• Clays bisheriges Preismodell war bereits ein wegweisendes creditbasiertes Modell im GTM-Tech-Bereich und unterstützte in allen Plänen unbegrenzt viele Nutzer
• Die bisherigen Credits wurden für die Abfrage von Datenpunkten genutzt; zum Beispiel kostete die Abfrage einer Mobilnummer je nach Datenanbieter 2 bis 25 Credits
• Als sich Clay von einer anfänglich datenmarktplatzzentrierten Struktur zu einer Automatisierungsplattform für komplexe Workflows entwickelte, entstand eine Diskrepanz zum bisherigen Credit-Modell
• Zentrale Änderungen im neuen Preismodell (Stand: März 2026)
  • Kosten (Daten-Credits) und Wert (Actions) werden klar getrennt
  • Die Zahl der Pläne wird von 5 auf 4 reduziert, mit klarerer Positionierung für die jeweilige Zielgruppe
  • Die Kosten für Daten-Credits sinken um 50 bis 90 %
  • Kosten für fortgeschrittene AI-Modelle werden mit 0 % Aufschlag als Pass-through weitergegeben; Kunden zahlen nur den tatsächlichen Token-Verbrauch
  • Bestehende Self-Serve-Kunden können im Legacy-Preismodell bleiben
• Durch die Umstellung wird ein sofortiger Umsatzrückgang von 10 % erwartet
• Clays langfristiges Flywheel: (a) breiterer Produktzugang → (b) niedrigere GTM-Datenkosten → (c) Umsatzgenerierung durch die Ausführung komplexer GTM-Workflows

Die Zukunft, in der AI-Agenten Credits direkt kaufen

• Zwei Wege, mit denen Clay das Problem schwer vorhersehbarer nutzungsbasierter Preise entschärft
  • Großzügig gesetzte Action-Limits: 90 % der Bestandskunden erreichen ihr aktuelles Action-Limit nicht
  • Einbindung kundeneigener API-Daten (BYOD): Entfernt die Variable der Daten-Credits und vereinfacht damit das Preismodell
• Es gibt die Einschätzung, dass komplexe tokenbasierte Preismodelle sogar besser zu AI-Agenten passen könnten
  • AI-Agenten werden nicht von psychologischen Preiseffekten wie charm pricing, decoy effect, price anchoring oder zero price effect beeinflusst
  • Da sie große Informationsmengen einschließlich AGB verarbeiten können, könnten sie komplexe Preismodelle mit transparenter Dokumentation, Nutzungsverfolgung und Budgetobergrenzen sogar bevorzugen
• AI-Agenten entwickeln sich in Richtung eigenständiger Produktkäufe; im Kontext von Agenten wie Claude Code könnte sich dieser Trend weiter beschleunigen