Mit dem 40-Tonner zum Bäcker: wie Sie KI-Kosten senken, ohne Qualität zu verlieren

Executive Summary

Mehrere Leute haben mir in den letzten Wochen erzählt, ihr wöchentliches KI-Limit sei schon am Dienstag aufgebraucht. Auf Nachfrage höre ich meistens dasselbe. E-Mails zusammenfassen, Grafiken für LinkedIn bauen. KI-Kosten senken beginnt genau hier, bei der Zuordnung von Aufgabe und Modell. Zwischen dem stärksten und dem kleinsten Modell derselben Anbieterfamilie liegt derzeit der Faktor zehn im Preis pro Token ^[1], und eine Untersuchung vom März 2026 zeigt, dass in 32 Prozent der verglichenen Modellpaare ausgerechnet das billiger gelistete Modell die höheren Gesamtkosten verursacht hat ^[2].

Warum die Rechnung gerade jetzt sichtbar wird

Anthropic hatte das stärkste Modell, Claude Fable 5, im Rahmen einer Aktion für alle bezahlten Pläne mit bis zu 50 Prozent des Wochenlimits geöffnet. Diese Aktion endete am 19. Juli 2026. Seither hängt der Zugang am Plan. Max behält die 50 Prozent ohne Aufpreis, im Pro-Plan ist Fable 5 nicht mehr im Limit enthalten und läuft über separat gekaufte Nutzungsguthaben ^[3].

Damit wandert eine Kostenposition aus dem Unsichtbaren auf die Rechnung. Sie war vorher genauso da, nur hat sie niemand gespürt. Anthropic formuliert den Verbrauch selbst zurückhaltend und schreibt, Fable 5 ziehe die Limits schneller ab als andere Modelle, ohne eine Zahl zu nennen ^[3].

Das als Endkundenthema abzutun, unterschätzt die Mechanik. Dieselbe Fehlzuordnung, die bei einer Person am Dienstag das Limit sprengt, läuft in einem Unternehmen über hunderte Mitarbeiter und in einem Softwareprodukt über jeden einzelnen Kundenkontakt. Dort steht sie dann in den Herstellkosten und wächst mit dem Umsatz mit.

Anthropic rechnet in der eigenen Preisdokumentation vor, dass 10.000 Support-Konversationen mit durchschnittlich rund 3.700 Token bei Haiku 4.5 etwa 37 US-Dollar kosten ^[1].

Zwischen Fable 5 im Direktbetrieb und Haiku 4.5 über die Batch-Schnittstelle liegt der Faktor 20. Keine einzige dieser Zeilen betrifft die Qualität der Antwort auf eine Support-Anfrage. Für eine Mail-Zusammenfassung fährt hier gerade der 40-Tonner vor.

Warum ist die Modellwahl erst der vierte Kostenhebel?

Die Diskussion dreht sich fast immer um das Modell. In der Praxis liegen drei Hebel davor, über die kaum jemand spricht.

Der erste ist die Menge an Kontext, die bei jedem einzelnen Aufruf mitfährt. Eingabe-Token werden jedes Mal neu berechnet. Ein aufgeblähter Systemprompt oder eine ungefilterte Gesprächshistorie ist damit ein Multiplikator auf alles, was danach kommt. Eine durchschnittliche Webseite mit 10 Kilobyte entspricht rund 2.500 Token, ein Forschungs-PDF mit 500 Kilobyte rund 125.000 Token ^[1]. Halten Sie drei solche Dokumente unnötig im Kontext, zahlen Sie sie bei jedem weiteren Aufruf mit.

Caching ist der zweite Hebel und der am schnellsten wirksame. Ein Cache-Treffer kostet bei Anthropic ein Zehntel des normalen Eingabepreises. Das Schreiben in den Cache kostet je nach Haltedauer das 1,25-Fache oder das Doppelte, weshalb sich die Investition nach einem einzigen Lesevorgang bei fünf Minuten Haltedauer und nach zwei Lesevorgängen bei einer Stunde amortisiert ^[1].

Am meisten hängt an der Zahl der Aufrufe, die eine Aufgabe überhaupt auslöst. Hier liegt der einzige Befund dieser Recherche, der Orchestrierung und Modellwahl im selben Versuchsaufbau gegeneinander misst. Ein Team von Writer hat im Juli 2026 gemessen, was passiert, wenn man ausschließlich die Orchestrierung austauscht und die Modelle konstant hält. Die Kosten je Aufgabe fielen von 0,21 auf 0,12 US-Dollar, also um 41 Prozent, die Token je Aufgabe um 38 Prozent. Über sechs getestete Modelle hinweg lag der Effekt zwischen 33 und 61 Prozent. Der Wechsel vom teuersten zum günstigsten Modell brachte im selben Test 36 Prozent. Die Qualität blieb dabei auf demselben Niveau, 0,78 gegen 0,81, was die Autoren bei 22 Aufgaben selbst als Nullbefund einordnen. Die Qualität je Dollar legte um 82 Prozent zu ^[4].

Der Hinweis gehört dazu, dass die Autoren bei Writer arbeiten und ihr eigenes Orchestrierungswerkzeug getestet haben. Die 36 Prozent für den Modellwechsel begünstigen ihr Produkt allerdings nicht, und genau diese Zahl ist die interessante.

Erst danach kommt die Frage, welches Modell rechnet. Und selbst dort ist der Listenpreis ein unzuverlässiger Indikator. Die eingangs zitierte Untersuchung von Chen und Kollegen fand Umkehrungen bis zum Faktor 28. Ein Modell mit 80 Prozent niedrigerem Listenpreis verursachte über alle getesteten Aufgaben hinweg 38 Prozent höhere Gesamtkosten, weil es für dieselbe Frage deutlich mehr Denk-Token verbrauchte. Bei identischer Anfrage lagen zwischen zwei Modellen bis zu 900 Prozent Unterschied im Verbrauch, und selbst Wiederholungen derselben Anfrage schwankten um den Faktor 9,7 ^[2].

Was kostet es, wenn das Ergebnis falsch ist?

Aus diesen Befunden folgt ein Rahmen, der ohne Preisliste auskommt. Die Frage, die eine Modellentscheidung am stärksten trägt, ist der Preis eines Fehlers.

Häufig und harmlos beschreibt Klassifizierung, Extraktion, Zusammenfassung, erste Rohfassungen. Hier gehört das kleinste Modell hin, das die Aufgabe erledigt, und hier liegt das meiste ungenutzte Sparpotenzial.

Architekturentscheidungen, Vertragstexte und alles, was unter Ihrem Namen nach außen geht, kommen selten vor und werden teuer, wenn sie schiefgehen. Die Diskussion über Token-Preise ist hier verlorene Zeit. Nehmen Sie das beste verfügbare Modell.

Häufig und teuer ist der einzige Fall, in dem sich echte Ingenieursarbeit lohnt: ein zweistufiges Verfahren, bei dem ein günstiges Modell den Entwurf liefert und ein starkes prüft, dazu eine Messung, die belegt, dass die Prüfung greift.

Der vierte Fall braucht keine Optimierung. Bei allem, was selten vorkommt und wenig Schaden anrichtet, kostet das Nachdenken darüber mehr als die Sache selbst.

Die Einheit, die dabei zählt, sind Kosten je erledigter Aufgabe. Ein Modell, das dreimal ansetzt und danach 20 Minuten menschliche Nacharbeit erzeugt, ist teurer als eines, das beim ersten Versuch trägt, selbst wenn die Tokenrechnung das Gegenteil suggeriert. In den meisten Unternehmen kostet ohnehin der Mensch, der auf das Ergebnis wartet, mehr als die Tokenrechnung.

Warum Preisvergleiche in die Irre führen

Drei Fallen stecken in jeder Vergleichstabelle, auch in einer guten.

Der Tokenizer ist die erste. Anthropic weist in der eigenen Preisdokumentation darauf hin, dass die neueren Modelle einen anderen Tokenizer verwenden, der für denselben Text rund 30 Prozent mehr Token erzeugt ^[1]. Der Preis je Token ist zwischen Modellgenerationen und erst recht zwischen Anbietern also nicht direkt vergleichbar.

Dazu kommen Preisstichtage. Claude Sonnet 5 läuft derzeit zu einem Einführungspreis von 2 US-Dollar Eingabe und 10 US-Dollar Ausgabe je Million Token. Ab dem 1. September 2026 gelten 3 und 15 US-Dollar ^[1]. Eine im Juli aufgestellte Jahresrechnung liegt im September um 50 Prozent daneben.

Und die Modellnamen sagen nichts über die Preisklasse. Bei Anthropic kostet das abgekündigte Opus 4.1 mit 15 und 75 US-Dollar je Million Token das Dreifache des neueren Opus 5 mit 5 und 25, und Fable 5 liegt mit 10 und 50 doppelt so hoch wie Opus 5 ^[1]. Wer nach dem Namen einkauft, kauft die falsche Zeile. Und die Spanne steckt schon innerhalb eines einzigen Anbieters: Bei DeepSeek kostet V4-Flash 0,14 US-Dollar Eingabe und 0,28 Ausgabe je Million Token, V4-Pro 0,435 und 0,87 ^[13]. Für dieselbe Größenordnung, gerechnet mit 3.700 Token Eingabe und 300 Token Antwort je Vorgang, sind das etwa 6 US-Dollar auf Flash und rund 19 auf Pro (eigene Kalkulation). Der Faktor drei liegt innerhalb eines Anbieters, ohne Plattformwechsel.

Eine laufend gepflegte Übersicht über Preise und Leistung führt Artificial Analysis ^[6], ergänzend gibt es eine schlanke, reine Preisliste unter llm-prices.com ^[11]. Beide sind Momentaufnahmen. Prüfen Sie das Abrufdatum, bevor Sie eine Zahl in ein Budget übernehmen.

Wann lohnt sich ein offenes Modell im eigenen Betrieb?

Bei den Alternativen zur Anbieter-Schnittstelle wird viel behauptet und wenig gerechnet.

Router wie OpenRouter erheben nach eigener Aussage keinen Aufschlag auf die Token-Preise. Die Gebühr sitzt an einer anderen Stelle. OpenRouter berechnet im Pay-as-you-go-Plan 5,5 Prozent Plattformgebühr ^[12]. Wichtiger als die Gebühr ist die Datenfrage. OpenRouter nutzt Eingaben und Ausgaben nach eigener Aussage nicht für das Training. Die Daten gehen an den jeweils ausgewählten Anbieter, und dieser kann sie für Training oder Verbesserung verwenden ^[7]. Eine feste Liste von Unterauftragnehmern setzt deshalb voraus, dass das Routing festgenagelt ist.

Bei den offenen Modellen lohnt eine Präzisierung, die selten gemacht wird. Nach der Open-Source-Definition der Open Source Initiative reicht ein frei verfügbarer Gewichtssatz nicht aus, es braucht zusätzlich den Trainingscode und belastbare Auskunft über die Trainingsdaten ^[10]. Nach diesem Maßstab ist praktisch kein verbreitetes Modell Open Source. Der Unterschied, der im Betrieb tatsächlich zählt, verläuft woanders. Apache-2.0- und MIT-Lizenzen kommen ohne Nutzungsbeschränkung und ohne Nutzerschwellen, während die Community-Lizenzen einzelner Anbieter Schwellenwerte, Einsatzverbote und Weitergabepflichten enthalten. Das ist eine Frage für die Rechtsabteilung, bevor das erste Modell in Produktion geht.

Beim Eigenbetrieb ist die Datenlage dünn. Veröffentlichte Break-even-Rechnungen stammen überwiegend aus Praktiker-Blogs und lassen sich kaum vergleichen, weil offen bleibt, wogegen gerechnet wird, wie hoch die Auslastung angesetzt ist und ob anteilige Personalkosten enthalten sind. Wer den Eigenbetrieb erwägt, rechnet ihn mit der eigenen Auslastung selbst.

Für europäische Unternehmen kommt eine Dimension dazu, die in keiner Preistabelle steht. Anthropics Datenresidenz-Parameter kennt derzeit genau zwei Werte, global und US, ein EU-Wert existiert nicht; US-Verarbeitung kostet zudem das 1,1-Fache ^[8]. Verarbeitung innerhalb der EU ist über den Erstanbieter-Zugang damit nicht zu bekommen und erfordert den Weg über die Cloud-Plattformen mit europäischen Regionen. Die Frage, welches Modell wo antwortet, wird damit auch zur Dokumentationsfrage.

Wie senken Sie Ihre KI-Kosten in fünf Schritten?

1. Messen Sie, bevor Sie optimieren. In Claude Code zeigt /usage den Verbrauch der Sitzung samt Aufschlüsselung nach Modell, /context die Aufteilung des Kontextfensters ^[5]. Ohne diese Zahlen ist jede Umstellung geraten.
2. Setzen Sie Modell und Denkaufwand am Anfang der Sitzung. Jeder Wechsel erzwingt einen neuen Cache-Schreibvorgang, und der kostet je nach Haltedauer das 1,25-Fache oder das Doppelte des Eingabepreises ^[1]. Sparsamkeit durch ständiges Umschalten kostet also Geld.
3. Delegieren Sie umfangreiche Recherche an Subagenten. Ein Subagent arbeitet in einem eigenen Kontextfenster und gibt nur das Ergebnis zurück, sodass die Dateimengen nicht im Hauptkontext landen ^[5]. Für Suchaufgaben können Sie ihm per Konfiguration ein kleineres Modell zuweisen.
4. Halten Sie den Dauerkontext kurz. Die Dokumentation nennt als Zielgröße unter 200 Zeilen je Projektanweisung, weil diese Datei bei jedem Sitzungsstart mitgeladen wird und ihre Token auch dann anfallen, wenn Sie an etwas völlig anderem arbeiten ^[5]. Alles, was nur manchmal gebraucht wird, gehört in nachladbare Bausteine.
5. Schieben Sie alles Unkritische in die Stapelverarbeitung. Wo eine Antwort nicht in Sekunden gebraucht wird, halbiert die Batch-Schnittstelle den Preis auf Eingabe und Ausgabe, und der Rabatt lässt sich mit dem Caching kombinieren ^[1].

Meine Einordnung

Was mich an dieser Diskussion stört, ist die Fixierung auf den Preis pro Token. Das ist die einzige Zahl, die leicht zu bekommen ist, und deshalb wird über sie geredet. Kaum ein Unternehmen, mit dem ich spreche, kann mir sagen, was eine erledigte Aufgabe kostet, obwohl genau das die Zahl ist, die in die Marge wandert.

In den kommenden 12 Monaten werden die Modellpreise weiter fallen. Epoch AI hat für den Zeitraum bis März 2025 einen Median von Faktor 50 pro Jahr für gleiche Leistung ermittelt ^[9]. Trotzdem werden die KI-Rechnungen vieler Unternehmen steigen, weil der Verbrauch schneller wächst als der Preis fällt. Wer heute keine Zuordnung von Aufgabe und Modell hat, skaliert das Problem mit.

Und noch eine Beobachtung, die ich für unterschätzt halte. Die Leute, die ihr Limit am Dienstag aufgebraucht haben, sind fast immer die, die am meisten mit den Werkzeugen arbeiten. Diese Gruppe ist Ihr bester Frühindikator. Wenn Sie wissen wollen, wo in Ihrem Unternehmen KI-Kosten entstehen, fragen Sie die fünf Leute, die zuerst an ihre Grenze stoßen.

Warum die Mauer alle bauen und nur der Graben zählt, steht in Mauer, Graben und vier Hebel. Welche Entscheidungen schwerer wiegen als die Werkzeugwahl, klärt die KI-Compliance-Architektur.