KI-Kosten im Griff behalten: Was Bauen mit KI wirklich kostet

Die erste KI-Rechnung überrascht selten, weil die Preise hoch wären. Sie überrascht, weil im Kopf ein falsches Modell steckt: die Vorstellung, man bezahle pro Frage. Tatsächlich bezahlst du für Textmenge — und zwar für jede Textmenge, die du bei jedem einzelnen Aufruf mitschickst. Wer diesen Unterschied einmal verstanden hat, trifft beim Bauen mit KI plötzlich andere Entscheidungen.

Dieser Beitrag erklärt die Mechanik, nicht die Tagespreise. Zahlen ändern sich, Pläne werden umbenannt, Promotions kommen und gehen. Die vier Hebel darunter bleiben gleich, egal ob du mit Claude, ChatGPT, Gemini oder einem lokalen Modell arbeitest.

Abgerechnet wird pro Token, nicht pro Frage

Ein Token ist ein Textstück — je nach Sprache grob ein halbes bis ein ganzes Wort. Anbieter rechnen getrennt ab, was hineingeht und was herauskommt: Eingabe-Tokens sind in aller Regel deutlich günstiger als Ausgabe-Tokens. Eine kurze Frage mit einer sehr langen Antwort kann deshalb teurer sein als eine lange Frage mit einer knappen Antwort.

Das hat eine unmittelbare praktische Folge: „Fasse dich kurz“ ist keine Höflichkeitsfloskel, sondern eine Kostenanweisung. Wenn du in einem Auftrag ausdrücklich ein Format und eine Länge vorgibst, begrenzt du den teureren Teil der Rechnung. Genau das ist auch der Grund, warum ein präziser Auftrag doppelt zahlt — inhaltlich und finanziell. Wie so ein Auftrag aufgebaut ist, steht in dein erster guter Prompt.

Der Kontext ist der eigentliche Kostentreiber

Hier steckt die Überraschung, die die meisten Rechnungen erklärt: Ein Sprachmodell hat kein Gedächtnis zwischen zwei Aufrufen. Damit sich eine Unterhaltung wie eine Unterhaltung anfühlt, wird bei jedem neuen Schritt der bisherige Verlauf erneut mitgeschickt — und damit erneut als Eingabe abgerechnet.

Der zwanzigste Schritt einer Sitzung bezahlt also die neunzehn Schritte davor mit. Bei einer Coding-Sitzung, in der zusätzlich Dateien, Fehlermeldungen und Werkzeugausgaben im Verlauf landen, wächst diese Grundlast schnell. Zehn kurze, frische Unterhaltungen kosten regelmäßig weniger als eine lange, in der alles mitläuft.

Daraus folgt eine Arbeitsgewohnheit, die mehr spart als jeder Preisvergleich: einen neuen Chat beginnen, sobald das Thema wechselt. Nicht aus Ordnungsliebe, sondern weil der alte Verlauf sonst bei jedem weiteren Schritt mitbezahlt wird. Dasselbe gilt für Agenten: Ein eng begrenzter Auftrag mit klarem Abbruchkriterium erzeugt weniger Werkzeugaufrufe als eine offene Erkundung, wie sie KI-Agenten sonst gerne starten.

Abonnement und API sind zwei getrennte Welten

Ein bezahltes Chat-Abonnement ist eine Pauschale mit Nutzungsgrenzen: Du zahlst monatlich einen festen Betrag und stößt dafür gelegentlich an ein Limit. Die API funktioniert genau umgekehrt — sie kennt keine enthaltene Menge, sondern rechnet jeden Aufruf einzeln ab. Dafür blockiert sie auch nichts, solange dein Zahlungsmittel trägt.

Beide Welten sind getrennt: Ein Abo enthält kein API-Guthaben, und API-Nutzung wird über ein eigenes Konto mit eigenen Ratengrenzen und eigener Abrechnung geführt. Wer das verwechselt, wartet entweder unnötig auf einen Reset oder startet ungewollt kostenpflichtige Nutzung. Welche Grenze dich gerade bremst und wann sie sich erneuert, klärt der Beitrag zu den Claude- und Codex-Limits.

Für den Alltag heißt das: Handarbeit gehört ins Abo, Automatisierung in die API — und Automatisierung braucht ein Limit.

Vier Hebel, die wirklich etwas ändern

Kontext klein halten ist der stärkste und zugleich billigste Hebel, weil er bei jedem einzelnen Aufruf wirkt. Neuer Chat bei neuem Thema, nur die relevante Datei statt des ganzen Ordners, keine Fehlerprotokolle in voller Länge.

Wiederholtes cachen. Wenn viele Aufrufe denselben langen Anfang haben — eine Systemanweisung, ein Regelwerk, ein Referenzdokument —, bieten Anbieter dafür Caching an: Anthropic als Prompt Caching mit kurzer Gültigkeit, Google als Context Caching in der Gemini-API. Der wiederkehrende Teil wird dann günstiger verrechnet als eine vollständige Neuübertragung. Bei jedes Mal frischen, kurzen Prompts bringt Caching dagegen nichts — es lohnt sich erst ab echter Wiederholung.

Stapel statt Einzelaufrufe. Wenn eine Aufgabe nicht sofort fertig sein muss, ist die asynchrone Verarbeitung die günstigere Variante. Anthropic bietet dafür Message Batches, Google eine Batch-API. Der Preis dafür ist Wartezeit — für nächtliche Auswertungen, Massenübersetzungen oder Datenaufbereitung ist das meist irrelevant.

Die passende Modellgröße wählen. Das größte Modell ist nicht immer das teuerste Ergebnis. Für klar umrissene, mechanisch prüfbare Aufgaben reicht oft ein kleines Modell. Für offene Planung und schwierige Fehlersuche ist das große Modell häufig günstiger, weil es die Aufgabe im ersten Versuch löst statt im vierten. Drei fehlgeschlagene billige Versuche sind teurer als ein gelungener teurer.

Das Limit kommt vor dem Experiment

Die teuersten Rechnungen entstehen nicht durch teure Modelle, sondern durch Schleifen, die niemand gestoppt hat: ein Skript, das bei jedem Fehler neu versucht, ein Agent ohne Abbruchkriterium, ein vergessener Cronjob. Ohne Ausgabenlimit erfährst du davon erst aus der Rechnung.

Deshalb gilt eine einfache Reihenfolge: Ausgabenlimit im Anbieterkonto setzen, bevor der erste automatisierte Aufruf läuft. Nicht danach, nicht „wenn es produktiv geht“. Ergänzend helfen niedrige Ratengrenzen für neue Schlüssel, getrennte API-Schlüssel je Projekt und ein maximales Token-Budget pro Antwort.

Die monatliche Fünf-Minuten-Routine

Kostenkontrolle ist keine einmalige Einstellung. Vier Fragen genügen im Monatsrhythmus:

• Stimmt der Verbrauch mit dem überein, was ich tatsächlich getan habe?
• Läuft irgendwo noch ein automatisierter Aufruf, den ich vergessen habe?
• Gibt es einen wiederkehrenden langen Prompt-Anfang, der noch nicht gecacht ist?
• Passt die Modellwahl noch zur Aufgabe, oder ist sie historisch gewachsen?

Maßgeblich ist dabei immer die Nutzungsanzeige des Anbieters, nicht die eigene Schätzung. Anthropic bietet für diesen Zweck zusätzlich eine Usage- und Cost-API an, mit der sich Verbrauch und Kosten programmatisch abfragen und in ein eigenes Dashboard holen lassen.

Was dieser Beitrag bewusst nicht leistet

Er nennt keine konkreten Preise pro Million Token und keine Planvergleiche in Euro. Solche Zahlen sind an dem Tag falsch, an dem ein Anbieter sie ändert — und das passiert häufiger als es einem Blogbeitrag guttut. Die verbindlichen Werte stehen in den verlinkten Preisseiten und in deiner Kontoanzeige.

Was bleibt, ist die Mechanik: Tokens statt Fragen, Kontext als Multiplikator, getrennte Töpfe für Abo und API, und ein Limit, das vor dem Fehler greift statt danach. Wer diese vier Dinge einmal eingerichtet hat, muss über KI-Kosten selten wieder nachdenken.