DocuSign degradiert das Frontier-Modell zum Schiedsrichter – und senkt seine KI-Rechnung um 90 Prozent

DocuSign liest täglich mehr als eine Million Verträge – und dieses Pensum lief auf Frontier-Modellen, bis die Rechnung zum größten Einzelposten der Infrastrukturkosten anwuchs ¹. Die Lösung war keine bessere Preisliste. Günstige, aufgabenspezifische Modelle übernehmen inzwischen die Extraktion im Tagesgeschäft – bei um 90 Prozent niedrigeren Kosten und achtfachem Durchsatz. Das Frontier-Modell bleibt den Einschätzungsfragen vorbehalten und sieht nur die Passagen, auf die es ankommt ¹.

90 Prozent günstiger – so das Unternehmen selbst

Die Ersparnis ist eine Eigenangabe, am 21. September 2026 berichtet↗ und ungeprüft ¹. Die Größenordnung dahinter ist öffentlich: 875,75 Millionen Dollar Umsatz im zweiten Quartal, ein Nettogewinn von 77,72 Millionen Dollar – Zahlen, die Anfang September eingereicht wurden ². Der im Mai vorgestellte Iris-Assistent und die Agenten arbeiten mit dem, was die kleinen Modelle zunächst extrahieren – so erbt jeder Agent die niedrigere Rechnung ¹. Im Juli erweiterte DocuSign die Palette um Workflow-Agenten und KI-gestützte Webformulare ⁸.

In derselben Woche senken die KI-Labore die Preise

Am 22. September führte OpenAI GPT-6 Sol und GPT-6 Luna zum halben bisherigen Preis ein↗: Sol für 2 Dollar pro Million Eingabe-Token und 10 Dollar pro Million Ausgabe-Token, Luna für 0,10 und 0,50 Dollar ³. Sam Altman nannte sie „halb so teuer pro Token – und pro Aufgabe sogar noch billiger“ ³.

Die Preise gelten dauerhaft, nicht als Aktion – und sie fielen mitten in einen Preiskrieg ⁴. Einen Tag zuvor hatte xAI Grok 4.7 zu 2 und 6 Dollar pro Million Token ausgerollt, und Anthropic konterte 90 Minuten vor OpenAI mit Opus 5.5 zu 4 und 20 Dollar ⁴. Der LLM Token Expenditure Index hatte Anfang September bereits 97 Cent erreicht, den niedrigsten je gemessenen Wert↗, und lag damit um mehr als die Hälfte unter seinem Sommerhoch ⁵.

Das alles geschieht, während OpenAI erste Gespräche mit Investoren über eine Finanzierungsrunde zu einer Bewertung von nahezu 1,2 Billionen Dollar führt; im März war das Unternehmen noch 852 Milliarden Dollar wert ⁶. Diese Bewertung ist eine Wette darauf, dass die Token-Rechnungen der Firmenkunden mit der Nutzung weiter wachsen.

OpenAIs Konter: die Billigstufe selbst besetzen

OpenAIs Konter besteht darin, die Billigstufe selbst zu besetzen. Luna ist für Verwaltungsarbeit in großen Mengen gebaut, für die Zusammenfassung von Dokumenten und die Extraktion von Informationen – genau die Aufgaben, die DocuSign soeben per Routing von den Frontier-Modellen verlagert hat ³. OpenAI führt die Senkungen auf Einsparungen bei Zwischenspeicherung und Inferenz zurück und gibt sie direkt weiter ³.

Charles-Henry Monchau von der Syz Group deutet dieselbe Datenlage als Margenrechnung: „Die Token-Deflation drückt die Umsätze, während die Zusagen für Rechenkapazitäten unverändert bleiben“ ⁵. Der Burggraben, schreibt er, müsse sich „in Richtung Vertrieb, Gedächtnis und Kontext“ verschieben ⁵. Noch weiter geht Steve Hou von Silicon Data: Das Angebot könne „für die meisten Aufgaben bereits ausreichende Fähigkeiten“ liefern, sagt er ⁵.

Diese Vertriebskarte hält DocuSign im eigenen Markt selbst in der Hand. Am 30. September öffnet das Unternehmen seinen MCP-Server↗, und jeder Agent in Claude, ChatGPT, Gemini, Copilot oder Slack kann dann die Iris-Intelligenz direkt aufrufen ⁷. Ein KI-Labor kann seinen Preis halbieren. Aber auf Daten, die es nie zu sehen bekommt, gibt es keinen Rabatt.

Weniger Token nötig – das eigentliche Problem der KI-Labore

Keine öffentliche Zahl verknüpft DocuSigns Einsparungen mit dem Umsatz eines einzelnen KI-Labors, und kein unabhängiger Benchmark belegt, dass die 90 Prozent ohne Qualitätseinbußen zustande gekommen sind ¹. Erwartungen zufolge beginnt Anthropic frühestens Mitte Oktober mit der Vermarktung seines Börsengangs ⁶ – zugleich bedroht die Token-Deflation die Gewinne der KI-Labore auf dem Weg an die Börse ⁵. Die KI-Labore haben den Preis der Token gesenkt. Ihre Kunden haben gelernt, weniger davon zu brauchen.