Blog
Was wir daraus lernen, die KI-Ausgaben von Unternehmen zu messen, die KI bereits produktiv einsetzen.
-
Was Sie jeder Kunde an KI kostet
Wenn Sie ein Produkt mit KI darin verkaufen, entscheiden die Kosten pro Kunde über Marge und Preis. Wie Sie sie berechnen, warum der Mittelwert täuscht und was Sie mit teuren Kunden tun.
Lesen → -
Mengenrabatte und reservierte Kapazität: wann sie teuer werden
Volumen gegen einen besseren Preis zu binden wirkt kostenlos, legt aber Ihren Verbrauch genau dann fest, wenn die Optimierung ihn senken sollte. Wie Sie mit Zahlen entscheiden.
Lesen → -
Obergrenzen, Kontingente und Warnungen: so vermeiden Sie die Überraschungsrechnung
Kaum jemand bemerkt eine Ausgabenspitze bei KI, bevor die Rechnung kommt. Wie Sie Grenzen je Team und Funktion setzen und wovor Sie rechtzeitig warnen.
Lesen → -
Was Sie doppelt bezahlen: Wiederholungen, Timeouts und verworfene Antworten
Fehlgeschlagene Arbeit wird wie gelungene abgerechnet. Wiederholungen, Timeouts und Ausgaben, die an der Validierung scheitern, können ein stiller Anteil Ihrer KI-Rechnung sein.
Lesen → -
Distillation: wann sich ein eigenes kleines Modell lohnt
Das große Modell bringt einem kleinen Ihre konkrete Aufgabe bei. Wie stark die Kosten pro Anfrage sinken, was der Aufbau kostet und ab welchem Volumen es sich rechnet.
Lesen → -
Wie Sie auf ein günstigeres Modell wechseln, ohne Qualität zu verlieren
Der größte Sparhebel ist der Wechsel auf ein günstigeres Modell, und niemand traut sich, weil niemand messen kann, ob es schlechter wird. Wie Sie an einem Tag eine minimale Evaluation aufsetzen.
Lesen → -
Warum ein Agent viel mehr kostet, als es aussieht
Ein Agent stellt nicht eine Anfrage, er läuft in einer Schleife. Der Verlauf wächst mit jeder Runde und die Kosten mit ihm. Wie Sie ihn pro erledigter Aufgabe messen und wo Sie bremsen.
Lesen → -
Eingabe-Tokens und Ausgabe-Tokens kosten nicht dasselbe
Die Ausgabe kostet bei fast allen Modellen drei- bis fünfmal so viel wie die Eingabe. Was das für Ihre Rechnung bedeutet und wie Sie den teuren Teil kürzen.
Lesen → -
Token-Preise: die Änderungen von 2026, die Ihre Rechnung erhöhen, ohne dass Sie etwas anfassen
Aktionspreise mit Enddatum, Long-Context-Stufen, Aufschläge für Datenresidenz und eine bereits angekündigte Erhöhung zum Januar 2027. Was sich bei OpenAI, Anthropic und Google geändert hat und was daraus folgt.
Lesen → -
Eigenes Modell vs API: wann sich Self-Hosting lohnt
Wann es sich lohnt, ein eigenes Modell zu betreiben statt pro API-Anfrage zu zahlen: die echte Volumenschwelle, die Kosten, die niemand addiert, und wie Sie mit Zahlen entscheiden.
Lesen → -
Warum langer Kontext die KI-Kosten in die Höhe treibt
Jeder Kontext-Token wird bei jeder Anfrage berechnet. Warum lange Fenster die Rechnung vervielfachen und wie Sie sie ohne Qualitätsverlust kürzen.
Lesen → -
KI-Ausgaben überwachen: welche Kennzahlen zählen
Was Sie messen müssen, um die KI-Kosten zu steuern: Kosten pro Aufgabe, pro Nutzer und pro Endpoint. Ohne diese drei Kennzahlen wissen Sie nicht, wo Sie zu viel zahlen.
Lesen → -
Was ein KI-Token ist und wie er abgerechnet wird
Ein Token ist die Einheit, in der KI-Modelle Text lesen und abrechnen: rund 4 Zeichen oder 0,75 Wörter. Wie sie gezählt werden und warum sie Ihre Rechnung bestimmen.
Lesen → -
Welches Modell für welche Aufgabe: der größte Kostenhebel
Wie Sie das KI-Modell je Aufgabe wählen: die meisten löst ein kleines Modell zu einem Bruchteil des Preises. Tabelle Aufgabe → Modell → Kosten und wie man routet.
Lesen → -
Batch-API: halbe Kosten, wenn die Aufgabe warten kann
Was die Batch-API ist und wie viel sie spart: rund 50 % gegenüber Echtzeit-Anfragen, dafür nicht sofort. Welche Aufgaben passen und welche nicht.
Lesen → -
Prompt-Caching: einmal für den wiederkehrenden Kontext zahlen
Was Prompt-Caching ist und wie viel es spart: 50-90 % bei den Kontext-Tokens, die Sie zwischen Anfragen wiederverwenden. Wann es sich lohnt und wie Sie es ohne Qualitätsverlust aktivieren.
Lesen → -
Die OpenAI-Rechnung senken: 7 Hebel mit der größten Wirkung
Sieben Wege, die Kosten der KI-API ohne Qualitätsverlust zu senken, sortiert nach Ersparnis. Die meisten sind in Stunden umgesetzt, nicht in Wochen.
Lesen → -
GPT-4o, Claude und Gemini: API-Preise im Vergleich (2026)
Was jedes Modell pro Million Tokens kostet und, was wirklich zählt, was jedes in Ihrem Fall je nach Volumen am Ende kostet. Die Tabelle und das Warum.
Lesen → -
RAG, Fine-Tuning oder langer Kontext: Was für Ihren Fall am günstigsten ist
Der Vergleich wird meist über die Qualität geführt. Doch die Entscheidung bricht fast immer an den Kosten, und dort verhalten sich die drei Optionen sehr unterschiedlich.
Lesen → -
Kosten pro Token und Kosten pro Aufgabe: warum Ihre KI-Rechnung steigt, obwohl die Preise fallen
OpenAI hat die API-Preise um bis zu 80 % gesenkt, und viele Unternehmen sahen ihre Rechnung im Folgemonat steigen. Die Erklärung liegt in der Einheit, die Sie messen.
Lesen →