Die Frage kommt fast nie vorher. Sie kommt, wenn die erste Rechnung da ist und jemand fragt, warum dieser eine Ablauf im Monat mehr kostet als gedacht.
Dabei ist die Rechnung kein Zufall. Sie folgt einer Handvoll Regeln, und wer sie kennt, zahlt für dieselbe Arbeit oft einen Bruchteil. Ich gehe die Hebel in der Reihenfolge durch, in der sie wirken: die kostenlosen zuerst, die mit Abstrichen danach.
Zuerst: Betrifft dich das überhaupt?
Es gibt zwei völlig verschiedene Arten, für KI zu bezahlen, und die meisten Betriebe kennen nur die erste.
Pro Kopf. Dein Team arbeitet im Chatfenster von ChatGPT oder Claude. Du zahlst einen festen Betrag pro Nutzer und Monat, egal wie viel jemand tippt. Hier gibt es nichts zu optimieren außer der Anzahl der Lizenzen.
Pro Token. Sobald etwas gebaut wird, das im Hintergrund läuft, ändert sich das Modell komplett: eine Automatisierung, die Anfragen einsortiert, ein Assistent auf euren eigenen Dokumenten, ein Prozess, der Angebote entwirft. Jetzt zahlst du nach Verbrauch, und der Verbrauch hängt davon ab, wie sauber gebaut wurde.
Alles Folgende betrifft den zweiten Fall. Wenn bei euch nur das Chatfenster läuft, kannst du hier aufhören und das Geld an anderer Stelle suchen.
Was ein Token ist, und warum Deutsch teurer ist
Abgerechnet wird nicht in Wörtern, sondern in Tokens: Wortfragmente, die das Modell als kleinste Einheit verarbeitet. Für englischen Text gilt die Faustregel, dass 100 Tokens etwa 75 Wörtern entsprechen.
Für Deutsch stimmt sie nicht. Unsere Komposita zerfallen in viele Teile. „Qualitätsmanagementhandbuch" sind fünf Tokens, „Arbeitssicherheitsunterweisung" sieben. Eine Messung, die ich für meinen Beitrag zu RAG gemacht habe, ergab: Deutsche Fachprosa braucht rund das 1,2-Fache an Tokens gegenüber englischer.
Das heißt in der Praxis: Dieselbe Aufgabe kostet auf Deutsch etwa ein Fünftel mehr als auf Englisch. Das ist kein Grund, auf Englisch umzustellen, aber ein Grund, bei Kostenschätzungen nicht die englische Faustregel zu verwenden.
Ausgabe kostet ein Vielfaches der Eingabe
Der Punkt, der am meisten überrascht: Was das Modell schreibt, ist deutlich teurer als das, was es liest. Bei Anthropic sieht die Staffel aktuell so aus, jeweils je einer Million Tokens:
- Claude Haiku 4.5: 1 US-Dollar Eingabe, 5 US-Dollar Ausgabe
- Claude Sonnet 5: 2 US-Dollar Eingabe, 10 US-Dollar Ausgabe
- Claude Opus 5: 5 US-Dollar Eingabe, 25 US-Dollar Ausgabe
- Claude Fable 5: 10 US-Dollar Eingabe, 50 US-Dollar Ausgabe
Die Ausgabe kostet durchgehend das Fünffache der Eingabe. Bei anderen Anbietern ist das Verhältnis ähnlich, die absoluten Zahlen unterscheiden sich.
Daraus folgt der erste praktische Hebel, und er kostet nichts: Sag dem Modell, wie lang die Antwort sein soll. Ein Klassifizierungsschritt, der „Rechnung", „Angebot" oder „Sonstiges" antworten soll, braucht keine drei erklärenden Sätze davor. Wer das nicht vorgibt, bezahlt die Höflichkeit des Modells mit.
Der größte Hebel ist kostenlos: Caching
Wenn ein Ablauf bei jeder Anfrage dieselben Grundlagen mitschickt, also euer Handbuch, eure Preisliste, eure Textbausteine, dann bezahlst du diese Tokens ohne Caching jedes Mal neu. Bei tausend Anfragen im Monat also tausendmal dasselbe Dokument.
Mit Caching wird dieser wiederkehrende Teil einmal abgelegt und danach zu etwa einem Zehntel des normalen Preises gelesen. Das Ablegen selbst kostet einmalig etwa das 1,25-Fache. Ab der zweiten Anfrage rechnet sich das, danach spart es dauerhaft rund 90 Prozent auf diesem Teil der Rechnung.
Der Haken ist die Funktionsweise, und daran scheitert es in der Praxis fast immer: Caching arbeitet über den Präfix, also den Anfang der Anfrage. Verändert sich darin auch nur ein einziges Zeichen, ist alles dahinter ungültig und wird zum vollen Preis neu berechnet.
Die drei häufigsten stillen Killer, die ich in Projekten finde:
- Ein Zeitstempel im System-Prompt. „Heute ist der 6. September 2026, 14:32 Uhr." Ändert sich jede Minute, macht den Cache jede Minute wertlos.
- Eine Werkzeugliste in wechselnder Reihenfolge. Wenn die Anwendung die verfügbaren Funktionen mal so, mal so sortiert übergibt, ist der Präfix jedes Mal ein anderer.
- Unsortierte Datenstrukturen. Dasselbe JSON mit vertauschten Schlüsseln ist für den Cache ein neues Dokument.
Ob der Cache greift, ist keine Glaubensfrage: Die Antwort der Schnittstelle enthält ein Feld für die aus dem Cache gelesenen Tokens. Steht dort über mehrere gleichartige Anfragen hinweg eine Null, greift er nicht, und einer der drei Punkte oben ist der Grund.
Für dich als Auftraggeber heißt das: Frag deinen Dienstleister, wie hoch die Cache-Trefferquote in deinem Ablauf ist. Wenn die Frage Ratlosigkeit auslöst, liegt dort mit hoher Wahrscheinlichkeit Geld.
Nicht alles in den Kontext kippen
Die naive Bauweise für einen Assistenten auf Firmenwissen lautet: alle Dokumente mitschicken und das Modell soll sich schon das Richtige heraussuchen. Das funktioniert, ist aber die teuerste denkbare Variante, weil jede einzelne Frage die gesamte Ablage bezahlt.
Die saubere Variante sucht vorab die drei, vier passenden Textstellen heraus und schickt nur diese mit. Das ist der Ansatz hinter RAG, und er senkt die Kosten nicht nur deutlich, sondern verbessert gleichzeitig die Antworten: Ein Modell, dem man dreißig Seiten vorlegt, findet die entscheidende Zeile seltener als eines, dem man die richtige halbe Seite gibt.
Das ist der seltene Fall, in dem billiger und besser dasselbe sind.
Nicht jede Aufgabe braucht das teuerste Modell
Zwischen dem kleinsten und dem größten Modell liegt in der Preistabelle oben der Faktor zehn. Ein Schritt, der eingehende Mails in drei Kategorien einsortiert, braucht kein Spitzenmodell. Ein Schritt, der einen Vertragsentwurf prüft, sehr wohl.
In gut gebauten Abläufen laufen deshalb mehrere Modelle nebeneinander: das günstige für Sortieren, Erkennen und Extrahieren, das starke für die Stellen, an denen es auf Urteilsvermögen ankommt.
Eine Warnung dazu, weil dieser Hebel gern überdreht wird: Rechne in Kosten pro erledigter Aufgabe, nicht pro Anfrage. Ein billigeres Modell, das zweimal nachfragen muss oder ein Ergebnis liefert, das jemand nachbessert, ist am Ende teurer. Der Preisunterschied pro Anfrage ist sichtbar, die Nacharbeit nicht.
Was nicht sofort sein muss, muss nicht sofort bezahlt werden
Ein Hebel, den fast niemand nutzt: Viele Aufgaben sind nicht eilig. Hunderte Dokumente auswerten, einen Bestand nachträglich verschlagworten, einen Monatsbericht erzeugen. Das darf über Nacht laufen.
Für genau solche Fälle gibt es die stapelweise Verarbeitung, und die kostet die Hälfte. Die einzige Gegenleistung ist Geduld: Das Ergebnis kommt nicht in Sekunden, sondern innerhalb von Stunden.
Prüf einmal durch, welche eurer Abläufe wirklich in Echtzeit antworten müssen. Bei allem, was ein Mensch ohnehin erst am nächsten Morgen ansieht, halbierst du die Rechnung durch eine einzige Umstellung.
Messen, bevor du optimierst
Der letzte und wichtigste Punkt. In den meisten Betrieben, die ich sehe, gibt es eine Gesamtrechnung und sonst nichts. Niemand kann sagen, welcher Ablauf welchen Anteil daran hat.
Damit ist jede Optimierung Raten. Bevor du irgendetwas umbaust, brauchst du zwei Zahlen pro Ablauf: was ein Durchlauf kostet und wie oft er im Monat läuft. Erst daraus ergibt sich, wo sich die Arbeit lohnt. Oft steckt der halbe Betrag in einem einzigen Ablauf, an den niemand gedacht hätte.
Und die Zahl, auf die es am Ende ankommt, ist nicht die Rechnung, sondern das Verhältnis: Was kostet ein Vorgang, und was hätte er als Handarbeit gekostet? Ein Ablauf für 40 Euro im Monat, der eine halbe Stelle ersetzt, ist kein Kostenproblem. Einer für 8 Euro, den niemand braucht, schon.
Fazit
Die Reihenfolge, in der ich vorgehen würde:
- Messen, welcher Ablauf welchen Anteil an der Rechnung hat.
- Caching prüfen. Der größte Hebel, kostet nichts, ist am häufigsten kaputt.
- Ausgabelänge begrenzen. Ausgabe kostet das Fünffache der Eingabe.
- Kontext eingrenzen statt alles mitzuschicken. Billiger und besser zugleich.
- Modelle nach Aufgabe verteilen, aber in Kosten pro Ergebnis rechnen.
- Nicht Eiliges stapelweise verarbeiten. Halber Preis.
Die ersten vier Punkte kosten keine Qualität. Sie sind reine Bauweise. Wenn ein Ablauf bei euch spürbar teuer ist und keiner dieser Punkte geprüft wurde, ist die Rechnung kein Preisproblem, sondern ein Umsetzungsproblem.
Wenn du wissen willst, was eure Abläufe tatsächlich kosten und wo der größte Hebel liegt, rechne den KI-Potenzial-Check durch oder sprich mit mir in einer KI-Beratung.