Ein einzelner KI-Aufruf kann nur einen kleinen Betrag kosten. Trotzdem kann eine Automatisierung teuer werden, wenn sie täglich tausende Vorgänge verarbeitet, große Dokumente immer wieder neu einliest oder für einfache Aufgaben unnötig leistungsstarke Modelle verwendet. Für Unternehmen ist deshalb nicht der Preis eines einzelnen Tokens entscheidend, sondern die Frage: Was kostet ein vollständiger Geschäftsprozess bei unserem tatsächlichen Nutzungsvolumen?
Der Preis eines Prompts sagt wenig über die Kosten des Prozesses
Bei einem einzelnen Chat fällt kaum auf, wie viel Verarbeitung im Hintergrund stattfindet. Bei einer automatisierten Unternehmenslösung wird dieselbe Logik jedoch möglicherweise hunderte oder tausende Male pro Monat ausgeführt.
Ein Beispiel: Neue Website-Anfragen sollen automatisch analysiert, kategorisiert und für einen Mitarbeiter vorbereitet werden.
Für die Kosten sind dann unter anderem diese Fragen entscheidend:
- Wie viele Anfragen werden pro Monat verarbeitet?
- Wie groß ist eine durchschnittliche Anfrage?
- Welche zusätzlichen Anweisungen und Unternehmensinformationen werden mitgesendet?
- Wie umfangreich soll die Ausgabe sein?
- Wie viele Modellaufrufe benötigt ein vollständiger Vorgang?
- Welches Modell wird verwendet?
- Werden Suchfunktionen, APIs oder andere Werkzeuge aufgerufen?
- Wie häufig muss ein Vorgang wiederholt oder manuell korrigiert werden?
Erst wenn diese Werte bekannt sind, lässt sich aus einem technischen API-Preis eine betriebswirtschaftlich brauchbare Zahl ableiten.
1. Was ist ein Token?
KI-Modelle verarbeiten Text nicht nach Seiten oder Wörtern. Eingaben werden in kleinere Verarbeitungseinheiten zerlegt, die als Tokens bezeichnet werden.
Ein Token kann beispielsweise ein kurzes Wort, ein Teil eines Wortes, ein Satzzeichen oder eine andere Texteinheit sein. Die genaue Anzahl hängt vom Modell, der Sprache und der verwendeten Tokenisierung ab.
Deshalb sollte eine Kalkulation nicht mit einer festen Regel wie „ein Wort entspricht einem Token“ arbeiten.
2. Welche Tokenarten verursachen Kosten?
Bei tokenbasierter API-Abrechnung wird typischerweise zwischen verschiedenen Arten von Verarbeitung unterschieden.
| Tokenart | Was dazu gehören kann |
|---|---|
| Input | Benutzeranfrage, Systemanweisung, Gesprächsverlauf, Dokumentauszüge und weiterer Kontext |
| Output | Vom Anbieter als Output abgerechnete Tokens: sichtbare Antworten oder strukturierte Ergebnisse sowie gegebenenfalls interne Reasoning-/Thinking-Tokens |
| Cached Input | Wiederverwendeter Kontext, sofern Modell und Anbieter entsprechendes Caching unterstützen |
| Reasoning oder interne Modellarbeit | Interne Modellarbeit kann als Output abgerechnet werden, ohne in der sichtbaren Antwort zu erscheinen. Ist sie im ausgewiesenen Output enthalten, nicht nochmals addieren. |
Input und Output können unterschiedlich bepreist werden. Auch zwischengespeicherter Input kann eine eigene Preisstufe besitzen.
3. Welche Faktoren bestimmen die Kosten eines KI-Prozesses?
| Kostenfaktor | Praktische Frage |
|---|---|
| Modell | Welche Modellklasse benötigt die Aufgabe tatsächlich? |
| Input | Wie viele Informationen werden pro Vorgang verarbeitet? |
| Output | Wie umfangreich muss das Ergebnis tatsächlich sein? |
| Modellaufrufe | Besteht ein Vorgang aus einem oder mehreren KI-Schritten? |
| Tools | Werden Suche, Datenbanken oder externe APIs verwendet? |
| Volumen | Wie viele Vorgänge treten täglich oder monatlich auf? |
| Fehler und Wiederholungen | Wie oft muss ein Vorgang erneut ausgeführt werden? |
| Menschliche Kontrolle | Wie viel Zeit benötigt ein Mitarbeiter für Prüfung oder Nachbearbeitung? |
Ein günstigerer Modellpreis bedeutet deshalb nicht automatisch einen günstigeren Geschäftsprozess. Wenn ein Modell mehr Wiederholungen oder manuelle Korrekturen verursacht, können die Gesamtkosten trotzdem höher sein.
4. Wie berechnet man die Kosten eines KI-Prozesses?
Für eine einfache textbasierte API-Anwendung lässt sich zunächst mit einer Grundformel arbeiten:
Bei tokenbasierter Abrechnung lassen sich Input und Output beispielsweise so berechnen:
Input-Kosten = Input-Tokens ÷ 1.000.000 × Preis pro 1 Mio. Input-Tokens
Output-Kosten = Output-Tokens ÷ 1.000.000 × Preis pro 1 Mio. Output-Tokens
Verwenden Sie dafür die tatsächlich abgerechneten Output-Tokens aus den Nutzungsdaten des Anbieters, nicht nur die Länge der sichtbaren Antwort. Bei Reasoning-Modellen können interne Denk-Tokens bereits zum Output gehören; bei Gemini weisen die entsprechenden Tarife Output einschließlich Thinking-Tokens aus. Sind diese Tokens bereits enthalten, werden sie nicht ein zweites Mal addiert. Die Modell- und Tarifdokumentation bestimmt, welche Kategorien für Ihren Aufruf gelten.
Für die monatliche Kalkulation kommt anschließend das tatsächliche Volumen hinzu:
Monatliche variable Kosten = Kosten pro Vorgang × Anzahl der Vorgänge pro Monat
Besteht ein Vorgang aus mehreren Modellaufrufen, müssen die Kosten aller Aufrufe addiert werden.
Hinzu kommen gegebenenfalls Suchanfragen, externe APIs, Automatisierungsplattformen oder andere verbrauchsabhängige Dienste.
5. Konkretes Rechenbeispiel: Kundenanfragen automatisch vorbereiten
Das folgende Beispiel zeigt bewusst keinen aktuellen Tarif eines bestimmten Anbieters. Die Preise sind fiktive Rechenwerte, damit die Formel auch dann verständlich bleibt, wenn Anbieter ihre Tarife ändern.
Annahmen des Beispiels
- 1.000 Kundenanfragen pro Monat
- 2 Modellaufrufe pro Kundenanfrage
- insgesamt 6.000 Input-Tokens pro vollständigem Vorgang
- insgesamt 1.000 Output-Tokens pro vollständigem Vorgang
- fiktiver Input-Preis: 1,00 US-Dollar pro 1 Mio. Tokens
- fiktiver Output-Preis: 5,00 US-Dollar pro 1 Mio. Tokens
- keine zusätzlichen Tool-Kosten im ersten Schritt
Schritt 1: Input-Kosten pro Vorgang
6.000 ÷ 1.000.000 × 1,00 USD = 0,006 USD
Schritt 2: Output-Kosten pro Vorgang
1.000 ÷ 1.000.000 × 5,00 USD = 0,005 USD
Schritt 3: Modellkosten pro vollständigem Vorgang
0,006 USD + 0,005 USD = 0,011 USD
Schritt 4: Monatsvolumen
1.000 Vorgänge × 0,011 USD = 11,00 USD Modellkosten pro Monat
Damit ist die Kalkulation aber noch nicht abgeschlossen.
Angenommen, bei 15 Prozent der Vorgänge muss ein Mitarbeiter das Ergebnis jeweils zwei Minuten nachbearbeiten:
- 150 Vorgänge benötigen Nachbearbeitung
- 150 × 2 Minuten = 300 Minuten
- 300 Minuten = 5 Stunden Mitarbeiterzeit
Bei angenommenen internen Vollkosten von beispielsweise 40 Euro pro Arbeitsstunde entstehen zusätzlich 200 Euro interne Bearbeitungskosten.
Das vereinfachte Beispiel zeigt damit einen wichtigen Unterschied:
Alle Preise und Arbeitskosten dieses Beispiels sind ausdrücklich fiktive Annahmen und keine aktuellen Angebote eines KI-Anbieters. Für eine reale Kalkulation müssen die zum Prüfzeitpunkt gültigen Tarife und tatsächlichen Personalkosten verwendet werden.
Wo finden Sie die aktuellen Preise für eine reale Kalkulation?
Modelle und API-Preise ändern sich. Für eine reale Wirtschaftlichkeitsrechnung sollten deshalb immer die aktuellen offiziellen Preise des tatsächlich eingesetzten Anbieters verwendet und mit einem Prüfdatum dokumentiert werden.
Google AI: aktuelle Gemini API-Preise
Notieren Sie bei einer internen Kalkulation mindestens:
- genaue Modellbezeichnung
- verwendeten Tarif beziehungsweise API-Modus
- Input-Preis
- Output-Preis
- gegebenenfalls Cached-Input-Preis
- zusätzliche Tool-Preise
- Datum der Preisprüfung
So lässt sich später nachvollziehen, warum sich eine Kalkulation geändert hat.
6. Wo entstehen unnötige KI-Kosten?
Zu viel Kontext
Wenn für eine einfache Aufgabe jedes Mal umfangreiche Handbücher, lange Gesprächsverläufe oder große Dokumente übertragen werden, wächst der Input unnötig.
Zu lange Ausgaben
Eine Klassifizierung benötigt möglicherweise nur Kategorie, Priorität und nächsten Schritt. Ein ausführlicher Bericht verursacht mehr Output, ohne dem Prozess zusätzlichen Nutzen zu geben.
Zu viele Modellschritte
Ein Workflow sollte nicht automatisch aus fünf KI-Aufrufen bestehen, wenn zwei Schritte zuverlässig zum gleichen Ergebnis führen.
Unnötig leistungsfähiges Modell
Eine einfache Einordnung von Formularanfragen stellt andere Anforderungen als eine komplexe technische Analyse.
Wiederholungen durch schlechte Prozessdefinition
Unklare Eingaben oder schlecht definierte Ausgabeformate können dazu führen, dass Ergebnisse mehrfach neu erzeugt werden müssen.
Keine Zuordnung der Kosten
Wer nur die Gesamtrechnung des Monats betrachtet, erkennt nicht, welcher konkrete Anwendungsfall die Kosten erzeugt.
7. Brauchen Sie immer das stärkste Modell?
Nein. Das leistungsfähigste Modell ist nicht automatisch die wirtschaftlich beste Wahl für jede Aufgabe.
Statt Modelle nur anhand ihrer allgemeinen Leistungsfähigkeit oder ihres Listenpreises auszuwählen, sollten Unternehmen repräsentative Aufgaben testen.
Vergleichen Sie dabei
- Qualität des Ergebnisses
- Zuverlässigkeit bei normalen Fällen
- Verhalten bei Ausnahmefällen
- Geschwindigkeit
- Input- und Outputverbrauch
- Kosten pro erfolgreichem Vorgang
- notwendige manuelle Nachbearbeitung
Ein günstigeres Modell ist keine echte Ersparnis, wenn Mitarbeiter einen großen Teil der Ergebnisse korrigieren müssen.
Umgekehrt ist zusätzliche Modellleistung wirtschaftlich wenig relevant, wenn eine einfache Aufgabe bereits mit einer günstigeren Modellklasse zuverlässig erledigt werden kann.
8. Warum können KI-Agenten mehr kosten?
Ein einzelner Modellaufruf folgt meist einem übersichtlichen Ablauf: Eingabe hinein, Ergebnis heraus.
Ein KI-Agent kann dagegen mehrere Schritte durchführen: planen, Informationen abrufen, Werkzeuge verwenden, Ergebnisse prüfen und anschließend weitere Aktionen auslösen.
Dadurch können innerhalb eines einzigen Geschäftsvorgangs mehrere Modell- und Tool-Aufrufe entstehen.
Bei agentischen Abläufen sollte deshalb festgelegt werden
- wie viele Schritte maximal ausgeführt werden dürfen
- welche Werkzeuge erlaubt sind
- wann ein Vorgang erfolgreich beendet ist
- wann ein Fehler erneut versucht wird
- nach wie vielen Fehlversuchen der Prozess stoppt
- wann ein Mitarbeiter übernehmen muss
- welches Kostenlimit ein einzelner Vorgang haben darf
Wie solche Aufgaben und Kontrollpunkte vorbereitet werden können, erklären wir in KI-Agenten im Unternehmen: Welche Aufgaben eignen sich wirklich?.
Nicht nur Kosten messen: Was bringt der Prozess?
Eine Automatisierung ist nicht deshalb sinnvoll, weil die API nur wenige Euro im Monat kostet.
Für die wirtschaftliche Bewertung sollte die technische Kostenrechnung mit dem bisherigen Prozess verglichen werden.
| Messgröße | Beispiel |
|---|---|
| Technische Kosten | Modelle, Tools und externe Dienste |
| Menschliche Bearbeitungszeit | Prüfung, Korrektur und Ausnahmefälle |
| Zeit bis zur Bearbeitung | Wie schnell liegt ein nutzbares Ergebnis vor? |
| Fehlerquote | Wie häufig ist das Ergebnis nicht verwendbar? |
| Automatisierungsgrad | Welcher Anteil der Vorgänge benötigt weiterhin manuelle Arbeit? |
Eine höhere technische Rechnung kann wirtschaftlich trotzdem sinnvoll sein, wenn dadurch relevante manuelle Arbeit zuverlässig reduziert wird. Umgekehrt kann eine billige KI-Lösung teuer sein, wenn sie permanent kontrolliert und korrigiert werden muss.
Selbstcheck: Kennen Sie die Kosten Ihres KI-Prozesses?
Nehmen Sie einen bereits verwendeten oder geplanten Prozess und beantworten Sie diese Fragen:
- Welches konkrete Modell wird verwendet?
- Wie viele Input-Tokens benötigt ein typischer Vorgang?
- Wie viele Output-Tokens entstehen?
- Wie viele Modellaufrufe gehören zu einem vollständigen Vorgang?
- Welche zusätzlichen Tools oder APIs werden verwendet?
- Wie viele Vorgänge treten pro Monat tatsächlich auf?
- Wie häufig entstehen Wiederholungen oder Fehler?
- Wie viel menschliche Nachbearbeitung bleibt notwendig?
- Was kostet ein erfolgreich abgeschlossener Vorgang?
- Welcher messbare Nutzen steht diesen Kosten gegenüber?
Wann lohnt sich eine genauere Prozessanalyse?
Bei wenigen manuellen KI-Anfragen ist eine detaillierte Kostenoptimierung häufig nicht notwendig.
Relevant wird sie, wenn KI regelmäßig über APIs läuft, große Datenmengen verarbeitet, mehrere Systeme verbindet oder Agenten innerhalb eines Vorgangs mehrere Schritte selbstständig ausführen.
Dann sollten Modellwahl, Kontext, Tool-Aufrufe, Wiederholungen, Kontrollaufwand und tatsächlicher Business-Nutzen gemeinsam betrachtet werden.
Was diese Rechnung nicht verspricht
Eine Kostenkalkulation garantiert nicht, dass eine KI-Automatisierung wirtschaftlich sinnvoll ist.
Modelle, Tarife und technische Bedingungen können sich ändern. Gleichzeitig hängen Qualität und Nutzen stark vom jeweiligen Prozess, den Daten und der konkreten Umsetzung ab.
Deshalb sollten Kosten, Qualität, Bearbeitungszeit und geschäftlicher Nutzen gemeinsam gemessen werden.
Häufige Fragen zu KI-Kosten und Tokens
Was ist ein Token bei KI?
Ein Token ist eine Verarbeitungseinheit eines KI-Modells. Ein Token entspricht nicht automatisch einem Wort. Anzahl und Aufteilung hängen unter anderem von Modell, Sprache und Tokenisierung ab.
Wie berechne ich die Tokenkosten?
Teilen Sie die Anzahl der verwendeten Tokens durch eine Million und multiplizieren Sie das Ergebnis mit dem jeweiligen Preis pro Million Tokens. Input und Output sollten getrennt berechnet werden, wenn dafür unterschiedliche Preise gelten.
Warum sollte ich nicht nur den Preis pro Million Tokens vergleichen?
Weil für einen Geschäftsvorgang unterschiedlich viele Tokens, Modellaufrufe und zusätzliche Werkzeuge benötigt werden können. Aussagekräftiger sind deshalb die Gesamtkosten pro erfolgreich abgeschlossenem Vorgang.
Kann ein günstigeres KI-Modell am Ende teurer sein?
Ja. Wenn mehr Wiederholungen oder manuelle Korrekturen erforderlich sind, kann ein niedrigerer API-Preis durch zusätzliche Prozesskosten wieder aufgehoben werden.
Warum erhöhen lange Kontexte die Kosten?
Zusätzliche Dokumente, Systemanweisungen oder Gesprächsverläufe können den Input vergrößern. Werden diese Informationen bei vielen Aufrufen wiederholt verarbeitet, kann sich der Effekt über das monatliche Volumen deutlich summieren.
Was ist Prompt oder Context Caching?
Bei unterstützten Modellen können wiederkehrende Teile eines Inputs wiederverwendet oder nach einer gesonderten Preislogik abgerechnet werden. Ob dies wirtschaftlich sinnvoll ist, hängt vom Anbieter, Modell und tatsächlichen Nutzungsmuster ab.
Sind KI-Agenten automatisch teurer?
Nicht automatisch. Sie können jedoch innerhalb eines Vorgangs mehrere Modell- und Tool-Aufrufe durchführen. Deshalb sollte der gesamte agentische Ablauf gemessen und mit klaren Schritt-, Fehler- und Kostenlimits versehen werden.
Welche Kennzahl ist für Unternehmen besonders hilfreich?
Eine nützliche Kennzahl ist häufig der Gesamtaufwand pro erfolgreich abgeschlossenem Geschäftsvorgang. Dazu gehören nicht nur API-Kosten, sondern auch zusätzliche Werkzeuge sowie verbleibende menschliche Prüf- und Bearbeitungszeit.