Die Leistung steigt. Die Rechnung hängt vom Einsatz ab
In den letzten Monaten sind Modelle erschienen, die besser schlussfolgern, dazu Kontextfenster mit bis zu einer Million Tokens und Agenten, die lange Aufgaben selbstständig bearbeiten. Der Preis pro Token steigt nicht mehr automatisch mit der Leistung: Einige neue Generationen kamen sogar günstiger als ihre Vorgänger auf den Markt, während die Spitzenmodelle in eine eigene Preisklasse aufgestiegen sind. Die Kosten je Aufgabe können trotzdem steigen, denn ein Modell, das länger „nachdenkt“, mehr Kontext liest und mehr Schritte ausführt, verbraucht für dasselbe Ergebnis mehr Tokens.
Für ein Unternehmen lautet die sinnvolle Frage nicht „welches ist das stärkste Modell?“, sondern „welche Qualität brauchen wir hier und was ist sie wert?“. Eine gute Support-Antwort, die Extraktion aus einer Rechnung und ein Architekturplan haben nicht dieselben Anforderungen. Kostendisziplin beginnt mit dieser Trennung.
Beginnen Sie mit mittlerem Aufwand; erhöhen Sie nur bei Bedarf
Die meisten Plattformen erlauben inzwischen, für dasselbe Modell eine Aufwandsstufe zu wählen, von niedrig bis sehr hoch oder maximal. Weniger Aufwand bedeutet schnellere, günstigere Antworten; mehr Aufwand kann die Qualität bei schwierigen Problemen verbessern, aber den Tokenverbrauch vervielfachen. Testen Sie in der Praxis mit realen Beispielen und erhöhen Sie den Aufwand nur, wenn das Ergebnis klar scheitert (Auslassungen, Logikfehler, unvollständige Pläne). Notieren Sie, bei welchem Aufgabentyp das nötig war.
Gut zu wissen: Ein Modell der neuen Generation erreicht mit geringerem Aufwand oft das Niveau der Vorgängergeneration mit hohem Aufwand. Vermeiden Sie daher beide Extreme: alles „sicherheitshalber“ auf Maximum laufen zu lassen oder dauerhaft bei Minimaleinstellungen zu bleiben, die das Team zum Nacharbeiten zwingen. Ein kurzes Protokoll mit Aufgabentyp, verwendeter Stufe und der Frage, ob ein zweiter Versuch nötig war, hilft Ihnen, eine interne Richtlinie festzulegen statt einer spontanen Vorliebe.
In Multi-Agent-Abläufen Leistung dort einsetzen, wo sie zählt
Nutzt ein Ablauf einen Orchestrator und mehrere Subagenten, hängt die Gesamtkosten davon ab, wie viele Aufrufe jede Rolle macht und wie teuer das Modell dahinter ist. Praktische Regel: reservieren Sie die fähigsten Modelle für Schritte, in denen Fehler teuer sind — Analyse, Entwurf, Prüfung — und nutzen Sie sparsamere Modelle für Routing, kurze Zusammenfassungen oder Formatierung, wenn die Qualität akzeptabel bleibt.
Prüfen Sie bei Agenten-Setups, wer am meisten verbraucht: Manchmal treibt ein Orchestrator auf einem teuren Modell die Rechnung hoch, obwohl die schwere Arbeit bereits delegiert ist. Wählen Sie die Leistung nach Rolle, nicht aus Gewohnheit, aber zerlegen Sie den Ablauf nicht ohne Grund: Prompt-Caching ist an das verwendete Modell gebunden, sodass ein Ablauf, der häufig zwischen Modellen wechselt, einen Teil der Rabatte verliert. Vergleichen Sie vor einer Kaskade aus mehreren Modellen die einfache Variante: ein einziges fähiges Modell mit geringerem Aufwand.
Fähige Modelle mit gutem Preis-Leistungs-Verhältnis
Nicht jede Aufgabe braucht die Spitze der Produktpalette. Für Klassifikation, strukturierte Extraktion, Umformulierung oder einen ersten Entwurf bei klaren Daten kann ein schnelles, günstigeres Modell genügen, etwa aus den Klassen Gemini Flash oder Claude Haiku. Und Mittelklassemodelle aktueller Generationen decken oft Arbeit ab, für die man bis vor Kurzem das Spitzenmodell gewählt hätte. Die Bedingung bleibt: Testen Sie sie an Ihren Daten, nicht nur an öffentlichen Demos.
Bauen Sie eine interne Stufenleiter: ein sparsames Modell für Volumen und planbare Schritte; ein Mittelklassemodell für die meiste Projektarbeit; ein Top-Modell für schwere Fälle oder die Endprüfung. Wechseln Sie die Stufe nach gemessenem Scheitern, nicht nach dem Eindruck eines einzelnen Gesprächs.
Vorhandene Rabatte nutzen: Caching und Stapelverarbeitung
Zwei Mechanismen senken die Rechnung, ohne die Qualität zu senken. Der erste ist Prompt-Caching: Wenn Sie wiederholt denselben Anfang senden (Systemanweisungen, Dokumentation, Produktkatalog), kann der bereits verarbeitete Teil wiederverwendet werden, und aus dem Cache gelesene Tokens kosten nur einen Bruchteil des normalen Preises (bei Anthropic rund 10 %). Voraussetzung: Der stabile Teil steht am Anfang und ändert sich zwischen den Aufrufen nicht. Ein Datum oder eine eindeutige ID in den Anweisungen hebt die Ersparnis auf.
Der zweite ist die Stapelverarbeitung (Batch). Aufgaben, auf die niemand sofort wartet — einen Katalog klassifizieren, nächtliche Zusammenfassungen, Extraktion aus einem Archiv —, lassen sich bei den großen Anbietern asynchron zu etwa dem halben Preis senden. Trennen Sie interaktive Abläufe von solchen, die einige Stunden warten können, und Sie sehen den Unterschied direkt auf der Rechnung.
Weniger Kontext senden, aber den richtigen
Ein Teil der Kosten entsteht durch die Textmenge je Aufruf: lange Historie, ganze Dateien oder irrelevante Dokumentation. Begrenzen Sie vor einem teuren Schritt den Kontext auf die Quellen, die diese Aufgabe braucht. Ein guter Index, gezielte Suche oder eine kurze Liste relevanter Dateien kostet meist weniger als „nimm das ganze Repository“. Kontextfenster mit einer Million Tokens sind nützlich, aber keine Einladung, sie zu füllen: Sie zahlen für jedes gesendete Token, bei jedem Aufruf.
Trennen Sie ebenso Schritte, die ohne Modell als Regeln laufen können — Validierung, Tabellenberechnungen, Benachrichtigungen — von Schritten, die wirklich Interpretation brauchen. Weniger KI-Aufrufe in planbaren Abläufen bedeuten eine kleinere Rechnung und mehr Kontrolle.
Kosten je akzeptiertem Ergebnis messen, nicht je Aufruf
Ein günstiger Aufruf mit falschem Entwurf und drei Korrekturrunden kann teurer sein als ein teurerer Aufruf, der die Prüfung beim ersten Mal besteht. Verfolgen Sie in einem Pilot: Servicekosten, menschliche Review-Zeit und Akzeptanzrate. Diese drei Zahlen sagen mehr als der Preis je einer Million Tokens in einer Marketingtabelle.
Definieren Sie von Anfang an, was „fertig“ heißt: Pflichtfelder vollständig, keine erfundenen Daten, Unternehmensregeln eingehalten. Ohne dieses Kriterium optimieren Sie Geschwindigkeit, nicht Wert. Ein konkreter Rahmen für Baseline und ROI-Berechnung steht im Leitfaden zur Messung eines KI-Piloten.
Messen Sie nach einem Modellwechsel neu: Neue Generationen können einen anderen Tokenizer verwenden, und derselbe Text kann mehr Tokens ergeben, also eine andere Rechnung beim gleichen Listenpreis. Legen Sie für Agenten Budgetgrenzen pro Aufgabe oder Sitzung fest, wo die Plattform es erlaubt, damit ein festgefahrener Ablauf nicht unkontrolliert verbraucht.
So wenden wir Kostendisziplin in einem Projekt an
Für ein Projektgespräch sind hilfreich: die Aufgabentypen, die Sie automatisieren wollen, geschätzte Monatsvolumina und ein Beispielergebnis, das das Team als korrekt ansieht. Darauf aufbauend können wir eine rollenbasierte Architektur vorschlagen — was über Regeln läuft, was über ein sparsames Modell oder per Batch, was über ein fähigeres — mit menschlicher Prüfung dort, wo Fehler kommerzielle oder rechtliche Wirkung haben.
Ziel ist nicht, immer das neueste Modell zu nutzen, sondern einen Prozess zu liefern, den Sie tragen können: planbar im Aufwand, transparent in den Kosten und gut genug für die tägliche Arbeit. KI-Leistung lohnt sich; Verschwendung nicht.