Lösungen für
Bitte auswählen
Web-App testen
ki-modelle

KI-Pricing einfach erklärt

Redaktion ·

Warum dich KI-Pricing angeht

Die erste Anthropic- oder OpenAI-Rechnung kommt fast immer als Überraschung. Ein Prototyp, der im Test 30 Cent pro Tag gekostet hat, schlägt unter Last plötzlich mit 80 Euro im Monat zu Buche. Ein Coding-Agent, der bei zehn Anfragen täglich kaum auffällt, kostet bei einem aktiven Tag mit Mehrturn-Dialogen schnell 5–15 Dollar. Und ein RAG-System mit großen Kontexten kann pro Anfrage durchaus 10 Cent verschlingen — was bei 1.000 Nutzern pro Tag nicht trivial wird.

KI-Pricing ist keine Geheimwissenschaft, aber es funktioniert anders als das, was man von SaaS oder Cloud-Hosting kennt. Wer drei Konzepte verstanden hat — Tokens, das Input/Output-Verhältnis und die versteckten Kostentreiber — trifft Architektur-Entscheidungen besser. Dieser Artikel führt dich durch die Grundlagen, die wichtigsten Stellschrauben und konkrete Rechenbeispiele.

Die Grundmechanik: Token-basierte Abrechnung

KI-Anbieter rechnen nicht nach Anfragen ab und nicht nach Verarbeitungszeit, sondern nach Tokens — der kleinsten Einheit, mit der Sprachmodelle intern arbeiten. Ein Token ist meistens ein Wortteil, manchmal ein einzelnes Zeichen. Faustregel: 1.000 Tokens entsprechen rund 750 englischen oder 600 deutschen Wörtern. Eine Million Tokens — die übliche Preiseinheit — sind grob ein halber bis ganzer Roman.

Die Standard-Preisangabe sieht so aus: $3 / $15 per MTok für Claude Sonnet. Übersetzt: 3 US-Dollar pro Million Input-Tokens, 15 US-Dollar pro Million Output-Tokens. Diese Trennung ist zentral.

Input-Tokens — was du dem Modell schickst

Alles, was im Prompt steht, zählt als Input: System-Prompt, Nutzerfrage, Kontext-Dokumente, Konversationshistorie, Tool-Definitionen. Bevor das Modell antworten kann, muss es diese Tokens lesen und in seine internen Repräsentationen umwandeln. Das ist günstig: Input-Preise liegen bei den großen Anbietern zwischen 0,15 $ und 3 $ pro MTok.

Output-Tokens — was das Modell zurückschickt

Output ist deutlich teurer — typischerweise drei- bis fünfmal so teuer wie Input. Grund: Bei jedem einzelnen Output-Token muss das Modell den gesamten Kontext erneut durchrechnen, um das nächste wahrscheinlichste Token zu wählen. Output-Preise reichen von 0,60 $ bis 75 $ pro MTok bei Frontier-Modellen wie Claude Opus.

Diese Asymmetrie hat eine wichtige Konsequenz: Lange Eingaben sind günstiger als lange Ausgaben. Wer ein Modell ein 50-Seiten-Dokument zusammenfassen lässt, zahlt vor allem die Zusammenfassung — nicht das Dokument.

Die versteckten Kostentreiber

Drei Mechaniken treiben Kosten oft unbemerkt nach oben.

Kontextfenster ≠ kostenlos

Moderne Modelle bieten Kontextfenster bis zu einer Million Tokens. Verlockend — bis man merkt: Jeder Token im Kontext wird beim Senden mitberechnet, und zwar bei jeder Anfrage neu. Wer in einem Multi-Turn-Dialog die komplette Historie immer wieder mitsendet, zahlt sie jedes Mal. 50 Anfragen mit jeweils 30k Tokens Kontext kosten bei Claude Sonnet 50 × 30.000 × ($3 / 1.000.000) = 4,50 $ allein an Input — bevor das Modell auch nur ein einziges Output-Token erzeugt hat.

Reasoning-Modelle erzeugen unsichtbare Output-Tokens

Modelle wie GPT-5.5-Reasoning oder Claude mit Extended Thinking produzieren vor der eigentlichen Antwort interne „Thinking-Tokens”. Die siehst du nicht in der Antwort, werden aber voll als Output-Tokens berechnet. Eine einzige Reasoning-Antwort kann so leicht 5.000–20.000 Output-Tokens kosten. Bei einem Frontier-Modell mit 75 $/MTok Output sind das 0,38 $ – 1,50 $ pro Anfrage.

Tool Use kostet doppelt

Wenn ein Agent Tools aufruft (Function Calling), entstehen pro Tool-Call zwei Roundtrips: einer, in dem das Modell entscheidet, welches Tool mit welchen Parametern aufzurufen ist (Output), und einer, in dem das Tool-Ergebnis zurück ins Modell fließt (Input). Ein Agent, der zehn Tools nacheinander aufruft, sendet den gesamten bisherigen Kontext zehnmal — exponentielle Token-Akkumulation.

Drei Hebel zum Sparen

Die Praxis zeigt: Wer bewusst pricing-optimiert baut, zahlt typischerweise 30–80 % weniger als der naive Setup. Drei Hebel sind besonders wirksam.

1. Tier-Wechsel — das passende Modell für jede Aufgabe

Nicht jede Aufgabe braucht ein Frontier-Modell. Klassifikation, Routing, einfache Extraktion und kurze Antworten erledigen die kleinen Tier-Modelle (Haiku, GPT-Nano, Gemini Flash-Lite) oft genauso gut — bei einem Bruchteil der Kosten. Der Preisunterschied zwischen Top- und Bottom-Tier liegt typischerweise beim Faktor 30–60.

Eine sinnvolle Standard-Architektur: kleines Modell als „Router” oder Vorklassifikation, großes Modell nur für die wirklich komplexen Schritte.

2. Prompt Caching — wiederholte Kontexte fast geschenkt

Wer in vielen Anfragen denselben Prompt-Anfang sendet (großer System-Prompt, mitgegebene Dokumente, Tool-Definitionen), kann diesen Teil auf der Anbieter-Seite cachen lassen. Cache-Hits kosten typischerweise nur 10 % des regulären Input-Preises. Anthropic, OpenAI und Google bieten diese Funktion an. Bei Coding-Agenten oder RAG-Systemen mit stabilem Kontext spart das oft 70–90 % der Input-Kosten.

3. Batch-API — Asynchron für 50 % Rabatt

Für nicht-interaktive Workloads — Klassifikation eines großen Korpus, Embedding-Generierung, Auswertungen — gibt es bei OpenAI, Anthropic und Google die Batch-API. Du lädst eine JSONL-Datei mit hunderten oder tausenden Anfragen hoch, der Anbieter verarbeitet sie innerhalb von 24 Stunden, und du zahlst etwa die Hälfte des Echtzeit-Preises. Plus eigenes, höheres Rate-Limit.

Aktuelle Preistabelle (Stand Mai 2026)

Die folgenden Werte beziehen sich auf US-Dollar pro Million Tokens und sind als Orientierung zu verstehen — bitte vor produktiver Nutzung auf den Anbieter-Seiten gegenprüfen, das Feld bewegt sich schnell.

| Modell | Input | Output | Cache-Read | Anbieter | |---|---|---|---|---| | Claude Opus 4.7 | $15,00 | $75,00 | $1,50 | Anthropic | | Claude Sonnet 4.6 | $3,00 | $15,00 | $0,30 | Anthropic | | Claude Haiku 4.5 | $0,80 | $4,00 | $0,08 | Anthropic | | GPT-5.5 | $5,00 | $20,00 | $0,50 | OpenAI | | GPT-5.5-mini | $0,40 | $1,60 | $0,04 | OpenAI | | GPT-Nano | $0,10 | $0,40 | $0,01 | OpenAI | | Gemini 3 Pro | $3,50 | $14,00 | $0,35 | Google | | Gemini 3 Flash | $0,35 | $1,40 | $0,04 | Google | | DeepSeek V4 | $0,55 | $2,20 | $0,06 | DeepSeek |

Aktuelle Veränderungen findest du in den News zu LLM-Pricing.

Drei Rechenbeispiele aus der Praxis

Beispiel 1: Chatbot mit 10.000 Anfragen pro Monat

Annahmen: Pro Anfrage durchschnittlich 2.000 Input-Tokens (System-Prompt + kurze Frage), 500 Output-Tokens.

  • Reine Sonnet-Variante: 10.000 × (2.000 × $3 + 500 × $15) / 1.000.000 = $135 / Monat
  • Mit Prompt Caching (90 % der Input-Tokens cached): 10.000 × (200 × $3 + 1.800 × $0,30 + 500 × $15) / 1.000.000 ≈ $87 / Monat — 35 % gespart
  • Mit Tier-Mix (70 % Haiku, 30 % Sonnet) + Caching: ≈ $42 / Monat — 69 % gespart

Beispiel 2: RAG-System mit großen Kontext-Chunks

Annahmen: 5.000 Anfragen pro Monat, je 25.000 Input-Tokens (Frage + 20k Retrieved-Chunks), 1.500 Output-Tokens.

  • Reine Sonnet-Variante: 5.000 × (25.000 × $3 + 1.500 × $15) / 1.000.000 = $487 / Monat
  • Mit Prompt Caching der stabilen System- und Anweisungs-Prompts (5k von 25k cached): ≈ $432 / Monat
  • Mit zusätzlichem Reranker-Tier (Haiku reduziert Chunks von 20k auf 8k vor dem Sonnet-Call): ≈ $215 / Monat — 56 % gespart

Beispiel 3: Coding-Agent mit Tool Use

Annahmen: 200 aktive Sessions pro Monat, je 15 Tool-Calls, durchschnittlich 12.000 Input-Tokens pro Roundtrip am Sitzungsende, 3.000 Output-Tokens insgesamt pro Session.

  • Reine Opus-Variante (für höchste Qualität): 200 × (15 × 12.000 × $15 + 3.000 × $75) / 1.000.000 = $585 / Monat
  • Mit aggressivem Prompt Caching (Repository-Kontext cached): ≈ $135 / Monat — 77 % gespart
  • Mit Sonnet als Hauptmodell + Opus nur für kritische Steps: ≈ $80 / Monat — 86 % gespart

Fazit

Die Frage „welches KI-Modell” ist immer auch eine Frage „welcher Preispunkt für welche Aufgabe”. Wer Frontier-Modelle pauschal für alles einsetzt, verbrennt Geld; wer pauschal nur Low-Tier nutzt, riskiert Qualität. Der wirtschaftliche Sweet-Spot liegt fast immer im durchdachten Mix — und in der konsequenten Nutzung der drei Hebel: Tier-Wechsel, Prompt Caching, Batch-API.

Konkret heißt das für die meisten Projekte: Erstmal mit Mid-Tier (Sonnet, GPT-5.5-mini) starten. Sobald Lasten messbar sind, Prompt Caching nachziehen — das ist der Hebel mit dem besten Aufwand-Nutzen-Verhältnis. Tier-Mix und Batch-API kommen dann, wenn die Anwendung produktiv läuft und die Lastprofile bekannt sind.

Wer eigene Hardware hat oder Datenschutz-Anforderungen den Cloud-Einsatz ausschließen, sollte zusätzlich lokale Modelle prüfen — die haben keinen Token-Preis, dafür Hardware-Investment und Strom als Kostenposten.

Themenuebersicht

KI-ModelleLLM-Pricing