Eigenes KI-Modell statt Cloud: Was Revoluts 90 Prozent lehren
04. November 2026
KI-generiert, redaktionell von 8thsense ausgewählt, geprüft und freigegeben. EU AI Act, Art. 50
Die britische Digitalbank Revolut hat ihre Kosten für KI-Programmierhilfen nach eigener Darstellung um rund 90 Prozent gesenkt. Statt bezahlter Cloud-Dienste wie Claude Code oder OpenAI Codex nutzen rund 2.000 Entwickler jetzt standardmäßig ein offenes Sprachmodell, das Revolut selbst betreibt. Das klingt nach einer Blaupause für alle, die ihre KI-Rechnung drücken wollen. Für Geschäftsführer im Mittelstand ist die Geschichte aber vor allem eine Rechenaufgabe: Welche Faktoren entscheiden, ob sich ein eigenes Modell lohnt, und ab wann bleibt die Cloud günstiger?
Was Revolut genau gemacht hat
Die Zahlen stammen aus einem Vortrag von David Abitbol, bei Revolut für Ops und Infrastruktur zuständig, auf der Konferenz AI Engineer in New York am 13. Oktober 2026 (Quelle: ai.engineer). Revolut setzte Anfang 2025 zunächst Gemini ein, Anfang 2026 dann Claude Code. Die Nutzung wurde teuer: Laut Abitbol gaben einzelne Entwickler 1.000 oder sogar 10.000 US-Dollar im Monat aus, ohne erkennbaren Mehrwert, weshalb Revolut strikte Budgetgrenzen einführte. Danach wechselte das Team auf GLM 5.1 des chinesischen Anbieters Z.ai, inzwischen auf GLM 5.3. Revolut beziffert die Kosten auf etwa 0,30 US-Dollar pro Million Tokens, die Rechnung liegt damit bei rund einem Zehntel der früheren Ausgaben für Anthropic und OpenAI (Quelle: theregister.com).
Die Ersparnis kam nicht von allein
Bemerkenswert ist, wie wenig das Modell selbst zur Lösung beitrug. Ohne Feinarbeit lief die Inferenz schlecht. Erst durch Tuning auf derselben Hardware stieg der Durchsatz um 76 Prozent, und die Wartezeit bis zum ersten Token fiel um 88 Prozent, von 14,26 auf 1,68 Sekunden. Die wichtigsten Stellschrauben laut Vortrag:
Quantisierung: Der Wechsel von FP8 auf das Format NVFP4 sparte rund 40 Prozent GPU-Speicher.
Kontextlänge: Gekappt auf 256.000 Tokens, obwohl das Modell eine Million kann. Abitbol nannte langen Kontext für diesen Einsatz „einen Scam”.
Architektur: Getrennte Verarbeitung von Eingabe und Ausgabe (disaggregated prefill und decode) sowie eine Cache-Trefferquote von über 90 Prozent als Ziel.
Zielwerte: Unter drei Sekunden bis zur ersten Antwort, etwa 200 Tokens pro Sekunde. Ab fünf Sekunden Wartezeit beschweren sich die Entwickler.
Das ist Spezialistenarbeit, die laufend Personal bindet. Der Bericht von StartupHub weist ausdrücklich darauf hin, dass Cloud-Kosten, Personal und Monitoring in der Token-Rechnung nicht enthalten sind (Quelle: startuphub.ai).
Die Größenordnung relativiert vieles
Revolut betreibt das Modell auf 56 Nvidia-B200-GPUs, rechnerisch so viele wie sieben DGX-Systeme mit je acht GPUs. Allein die Gewichte von GLM 5.1 brauchen laut The Register rund 380 GB Grafikspeicher, dazu kommen je Nutzer 6 bis 26 GB für den Kontext. Rechnerisch teilen sich etwa 36 Entwickler eine GPU. Diese Auslastung ist der eigentliche Hebel: Je gleichmäßiger fest reservierte Rechenleistung genutzt wird, desto eher rechnet sie sich. Nach 17 Uhr, wenn weniger los ist, erreichen die Entwickler laut Vortrag sogar rund 800 Tokens pro Sekunde, ein Zeichen für freie Kapazität. Die Quellen weichen übrigens in einem Detail ab: Während der Konferenz-Mitschnitt und The Register von GLM 5.1 sprechen, nennt der laut eigenem Hinweis KI-gestützt verfasste Text von StartupHub GLM 4.5. Für die Kostenaussage ändert das nichts, zeigt aber, wie wichtig der Blick in die Originalquelle ist.
Grenzen und Risiken
Ganz ohne Cloud kommt auch Revolut nicht aus. GLM verarbeitet nur Text, Aufgaben mit Bildern wie UI-Entwürfe leitet ein Router an andere Modelle wie Gemini weiter. Frontier-Modelle bleiben die Ausnahme für Spezialfälle. Abitbol räumte zudem Sicherheitsbedenken gegenüber chinesischen Open-Weight-Modellen ein, sieht das Hauptproblem aber beim Zugriff über APIs, die aus China heraus betrieben werden. Bei Betrieb im eigenen Rechenzentrum oder bei regionalen Cloud-Anbietern hält er das Risiko für beherrschbar. Revolut begegnet dem mit Betrieb in Ländern mit vergleichbarem Datenschutzniveau, GPU-Anbietern ohne Datenspeicherung, Freigabelisten für Befehle und einem Menschen, der jeden Agentenlauf bestätigt. Interessant ist auch, wo der Nutzen entstand: Die größten Gewinne kamen laut Vortrag nicht beim Code-Schreiben, sondern beim Debugging und beim Abarbeiten von Jira- und Confluence-Tickets. Nach dem Wechsel auf GLM verbesserte sich laut Revolut die Coding-Zeit um rund 60 Prozent und die Durchlaufzeit um rund 70 Prozent. Das sind interne Angaben eines einzelnen Sprechers, die Messmethode ist nicht offengelegt.
Was das für Unternehmen bedeutet
Ein Betrieb mit 20 oder 200 Mitarbeitern wird keine 56 Hochleistungs-GPUs anschaffen. Die eigentliche Lehre ist eine andere: Wer KI breit nutzt, sollte wissen, wofür er pro Monat zahlt, und dafür Budgets und Messgrößen festlegen, bevor die Rechnung explodiert. Bei geringer, schwankender Nutzung bleibt ein Cloud-Abo meist günstiger, denn eigene Hardware kostet auch dann Geld, wenn niemand sie nutzt. Interessant wird ein eigenes Modell vor allem bei hohem, gleichmäßigem Volumen, etwa wenn ein Pflegedienst täglich Hunderte Dokumentationen zusammenfassen lässt, oder wenn sensible Daten wie Gesundheits- oder Mitarbeiterdaten das Haus nicht verlassen sollen. Dann reicht oft ein deutlich kleineres offenes Modell auf einem einzelnen Server oder bei einem europäischen Hoster.
Der Fall zeigt auch, dass die Ersparnis erst durch die Integration in bestehende Abläufe entsteht: Ticketsystem, Wissensdatenbank, Freigaberegeln, Modell-Router. Software von der Stange liefert das nicht, und ein Pilotprojekt ohne Messgrößen beweist wenig. Sinnvoll ist ein kleiner Start mit einem klar umrissenen Prozess, etwa der Vorsortierung von Kundenanfragen oder der Zusammenfassung von Protokollen, sauber gemessen in Zeit und Kosten. Erst wenn für einen solchen Prozess Zahlen vorliegen, lässt sich bei der KI-Automation und Prozessautomatisierung belastbar entscheiden, ob Cloud, Hoster oder eigener Server die bessere Wahl ist.