90 Prozent KI-Kosten gespart: Warum Revolut auf Nvidia B200 setzt

Das Finanztechnologie-Unternehmen Revolut baut seine interne Softwareentwicklung um und verabschiedet sich im Alltag von den großen US-amerikanischen KI-Anbietern. Statt für jede Programmieraufgabe teure Schnittstellen von OpenAI oder Anthropic zu bezahlen, hat das Unternehmen selbst gehostete chinesische Open-Weight-Modelle der GLM-Familie zum neuen Standard für das interne Coding gemacht. Die Rechnung dahinter zeigt, wie stark der Kostendruck beim produktiven Einsatz künstlicher Intelligenz inzwischen geworden ist: Revolut senkt seine laufenden Ausgaben für die Text- und Code-Generierung um rund 90 Prozent, während die benötigte Hardware von Nvidia stammt.

Vom API-Kunden zum Eigenbetrieb: Was Revolut umstellt

Bislang griffen Entwickler in großen Technologie- und Finanzfirmen meist direkt auf proprietäre Frontier-Modelle zurück. Bei Revolut liefen diese Prozesse über bekannte Schnittstellen wie Claude Code von Anthropic und Codex von OpenAI. Genau diese beiden Dienste hat das Unternehmen nun auf eine interne Ausnahmeliste verschoben. Sie kommen nicht mehr standardmäßig zum Einsatz, sondern nur noch dann, wenn das neue System im Einzelfall nicht ausreicht.

Den Regelfall übernimmt ab sofort das chinesische Open-Weight-Modell GLM, das Revolut in eigener Regie betreibt. Für diesen Eigenbetrieb nutzt das Unternehmen einen überschaubaren, aber leistungsstarken Hardware-Cluster aus genau 56 Nvidia-B200-Grafikprozessoren. Statt für jede einzelne Anfrage Gebühren an externe Cloud-Anbieter zu überweisen, verarbeitet die Bank den Programmiercode ihrer Entwickler auf dieser fest definierten Infrastruktur.

Die finanziellen und operativen Ergebnisse hat David Abitbol, Leiter der KI-Operationen bei Revolut, offengelegt. Demnach liegen die gemischten Betriebskosten mit dem GLM-Modell auf den 56 B200-Chips bei lediglich 30 US-Cent pro einer Million verarbeiteter Tokens. Das entspricht etwa einem Zehntel der Summen, die Revolut zuvor an Anthropic und OpenAI gezahlt hat. Gleichzeitig sank durch die Umstellung die sogenannte Engineering Lead Time – also die Durchlaufzeit in der Softwareentwicklung – um 70 Prozent.

✓

✕

”

Open-Weight-Modelle vs. proprietäre APIs

Bei proprietären Modellen wie denen von OpenAI oder Anthropic bleiben die trainierten Parameter unter Verschluss; Kunden zahlen pro abgerufener Textmenge (Tokens) über eine Schnittstelle. Bei Open-Weight-Modellen wie GLM sind die Gewichtungen frei zugänglich, sodass Unternehmen die Software auf gemieteten oder eigenen Servern ohne laufende Lizenzgebühren pro Token selbst ausführen können.

Warum die Rechnung für Nvidia aufgeht – und für API-Händler zum Problem wird

Der Schritt von Revolut zeigt eine Verschiebung in der Wertschöpfungskette für Unternehmens-KI. Wenn große Softwareteams hohe Token-Volumina erzeugen, werden verbrauchsabhängige API-Preise schnell zu einem massiven Kostenblock. Durch den Wechsel auf frei verfügbare Modellgewichte fällt die Marge weg, die Modellentwickler und deren Cloud-Partner bislang pro Anfrage verdient haben.

Chiphersteller bleiben unverzichtbar: Wer Modelle wie GLM im eigenen Haus oder auf dedizierten Servern betreibt, umgeht zwar die Gebühren von OpenAI und Anthropic, kommt an der zugrundeliegenden Rechenleistung aber nicht vorbei. Dass Revolut für sein neues Standardsystem gezielt 56 Einheiten der B200-Generation von Nvidia einsetzt, belegt die anhaltende Abhängigkeit von moderner Beschleuniger-Hardware. Selbst wenn chinesische Open-Weight-Software den Vorzug vor US-Sprachmodellen erhält, fließt das Budget für die Infrastruktur weiterhin in die Hochleistungschips von Nvidia.

Druck auf geschlossene Ökosysteme: Auf der anderen Seite stehen Konzerne, die hohe Milliardenbeträge in geschlossene Spitzenmodelle und deren Vermarktung über Cloud-Schnittstellen investiert haben. Microsoft ist über seine enge Verflechtung mit OpenAI und die Integration von Codex-Technologien direkt darauf angewiesen, dass Unternehmenskunden bereit sind, für proprietäre KI-Werkzeuge einen Aufpreis zu zahlen. Auch Alphabet tritt im Cloud- und Modellgeschäft als Wettbewerber an, der eigene geschlossene Systeme und Entwickler-Tools gegen offene Alternativen verteidigen muss.

Besonders bemerkenswert an den Zahlen von Revolut ist, dass der Verzicht auf die teuersten US-Modelle zu keinen Einbußen im Arbeitsalltag führte. Eine um 70 Prozent kürzere Durchlaufzeit in der Entwicklung deutet darauf hin, dass ein spezialisiertes, eng angebundenes Open-Weight-Modell auf schneller Hardware wie der B200 im praktischen Programmierbetrieb sogar reaktionsschneller arbeiten kann als eine überlastete externe Schnittstelle.

Was das Beispiel für die europäische Tech-Branche bedeutet

In der Branche steht nun die Erwartung im Raum, dass weitere europäische Technologie- und Finanzunternehmen dem Vorbild von Revolut folgen könnten. Gerade im stark regulierten Banken- und Zahlungsverkehrssektor spielt neben dem Preis von 30 US-Cent je Million Tokens auch die Kontrolle über die eigene Infrastruktur eine zentrale Rolle, wenn interner Programmiercode verarbeitet wird.

Allerdings lässt sich das Modell nicht ohne Weiteres auf jedes mittelständische Unternehmen übertragen. Um ein System wie GLM auf 56 Nvidia-B200-GPUs stabil zu betreiben und eine Verkürzung der Entwicklungszeiten um 70 Prozent zu erreichen, benötigt eine Firma eigenes Fachpersonal für KI-Operationen sowie ein dauerhaft hohes Aufkommen an Programmieraufgaben. Erst bei entsprechender Auslastung rechnet sich der Betrieb eines eigenen GPU-Clusters gegenüber der flexiblen Abrechnung pro Token.

Relevante Titel zum Thema

Die Umstellung bei Revolut berührt an der Börse unterschiedliche Geschäftsmodelle entlang der KI-Lieferkette: Während Nvidia mit seinen B200-Grafikprozessoren als direkter Hardware-Ausrüster auch dann liefert, wenn Kunden auf Open-Weight-Modelle umschwenken, spürt Microsoft als engster Partner hinter OpenAI und Codex den Gegenwind, wenn Großkunden teure Frontier-APIs auf die Ausnahmeliste setzen; Alphabet ist als großer Cloud- und KI-Wettbewerber ebenfalls vom Preiskampf zwischen geschlossenen Schnittstellen und offenen Modellen betroffen.

Diese Aktien gelten als mögliche Verlierer

Aus dem beschriebenen Anlass könnten vor allem diese Börsentitel stärker unter Druck geraten — mit unterschiedlichem Hebel.