In der aktuellen Tech-Szene spalten sich die Strategien für den Einsatz von KI-Codetools. Während einige Startups bewusst versuchen, einen hohen Verbrauch von KI-Tokens zu erzwingen, um die Produktivität zu steigern, halten andere diesen Trend für übertrieben und kurzlebig. Das Wort "Tokenmaxxing", das in Silicon Valley verwendet wird, beschreibt den Versuch von Entwicklern, so viele Rechenressourcen wie möglich zu verbrauchen, um die Grenzen der KI-Tools auszureizen. Kavitta Ghai, Mitbegründerin des Startups Nectir, hat für ihre Ingenieure Mindestquoten für den Einsatz von Claude Code eingeführt. Was mit 100 Dollar pro Woche begann, ist mittlerweile eine Erwartung von mehreren tausend Dollar pro Monat. Ghai berichtet, dass diese Strategie skeptische Senior-Entwickler überzeugt hat, die die KI nun als eine "Armee von Codiern" bezeichnen. Sie sieht ihren Ansatz jedoch nicht als bloßen Trendfolger, sondern als notwendigen Schritt zur Steigerung der internen KI-Kompetenz, die für das eigene Produkt entscheidend ist. Auch Aron Solberg von Risotto betrachtet Token-Ausgaben als Kraftmultiplikator für kleine Teams. Er gab an, die Ausgaben für KI-Modelle in sechs Monaten von einem Zehntel auf 4.000 bis 5.000 Dollar pro Monat erhöht zu haben. Die Philosophie dahinter ist, Geld auszugeben, um Geld zu verdienen, da Wachstum oft durch solche Investitionen beschleunigt wird. Ähnliche Meinungen vertreten Investoren und Inkubatoren. Y Combinator bietet beispielsweise kostenlose Token-Credits an, wodurch Gründer wie Lance Yan von Traverse oder Boris Skurikhin von Docket ohne Kostendruck experimentieren können. Skurikhin berichtete von einer zehnfachen Steigerung seiner persönlichen Produktivität und betont, dass der Aufbau mit Tokens trotz hoher Kosten günstiger sei als die Einstellung zusätzlicher Ingenieure. Gegen diesen Trend stehen jedoch Stimmen wie Brennan Lupyrypa von Weave. Er bezeichnet das Tokenmaxxing als "extrem dumm" und warnt, dass Finanzvorstände diese Ausgaben nicht dauerhaft tolerieren werden. Obwohl Weave keine Mindestquoten erzwingt, wurden automatische Benachrichtigungen eingerichtet, um übermäßigen Verbrauch zu überwachen. Lupyrypa prognostiziert den Niedergang dieses Trends innerhalb der nächsten drei Monate. Ein weiteres Problem für einige Gründer sind die Preismodelle. Rishabh Sambare von Gale bevorzugt zwar spezifische Tools, scheitert aber an den nutzungsbasierten Kosten und weicht auf günstige Abonnementmodelle aus, obwohl er die Qualität der alternativen Tools geringer einschätzt. Für viele kleine Teams sind pauschale Abonnements die pragmatische Wahl, um das Budget zu schonen. Die Debatte spiegelt eine grundlegende Unsicherheit im Umgang mit KI-Kosten wider. Befürworter argumentieren, dass hohe Token-Kosten notwendig sind, um eine Produkt-Markt-Passung zu finden und Skalierbarkeit zu erreichen. Kritiker sehen darin eine ineffiziente Ressourcenverteilung, die mittelfristig scheitern wird, sobald die wirtschaftliche Realität einkehrt. Während einige Startups ihre Strategie auf maximale KI-Nutzung optimieren, bleiben andere vorsichtig und setzen auf kontrollierte Kostenstrukturen, um langfristig wettbewerbsfähig zu bleiben.