Wie KI-API-Preise wirklich berechnet werden: Token, Cache, Batch und Servicestufen

Eingabe und Ausgabe kosten unterschiedlich viel

Anbieter wie OpenAI, Anthropic oder Google rechnen nicht mit einem einheitlichen Preis pro Wort oder Anfrage, sondern trennen Eingabetoken (der Text, den Sie senden) von Ausgabetoken (die Antwort des Modells). Die Ausgabe ist bei aktuellen Preislisten häufig deutlich teurer als die Eingabe. Das hat eine direkte praktische Konsequenz: Eine kurze, präzise Antwort kann wirtschaftlich mehr sparen als eine kleine Kürzung des eingegebenen Texts. Wer Modelle über klare Ausgabegrenzen, strukturierte Antwortformate und definierte Abbruchbedingungen steuert, begrenzt Kosten und Antwortzeit gleichermaßen — solange dabei die fachliche Vollständigkeit der Antwort nicht leidet.

Bei manchen Modellen kommt eine dritte Größe hinzu: intern verwendete „Reasoning"- oder „Thinking"-Token, die vor der sichtbaren Antwort anfallen. Je nach Anbieter werden sie separat oder im Ausgabepreis eingerechnet — für eine belastbare Kostenmessung reichen die sichtbaren Zeichen im Ergebnis nicht aus, es braucht die tatsächlichen Nutzungsfelder der Schnittstelle.

Prompt Caching: ein Rabatt mit Bedingungen

Prompt Caching senkt den Preis für wiederverwendete Eingabeteile — etwa einen gleichbleibenden Systemtext oder eine sich wiederholende Anweisung. Wichtig dabei: Der Rabatt gilt nur für den Teil der Eingabe, der tatsächlich identisch oder nach den Regeln des Anbieters wiederverwendbar ist. Dynamische Inhalte, wechselnde Reihenfolgen der Textbausteine oder eine geringe Wiederholungsrate senken die Trefferquote und damit den Nutzen erheblich. Einige Anbieter berechnen zusätzlich das Schreiben in den Cache und die Speicherzeit gesondert — ein Cache lohnt sich deshalb erst ab einer ausreichenden Wiederverwendung innerhalb seiner Gültigkeitsdauer. Caching einfach zu aktivieren, ohne die tatsächliche Trefferquote zu messen, kann die Kosten sogar erhöhen statt zu senken.

Batch, Flex und Priorität: Rabatt gegen Wartezeit oder Verfügbarkeit

Mehrere Anbieter bieten neben dem Standardtarif zusätzliche Servicestufen an:

• Batch-Verarbeitung: deutlich günstiger, verlangt dafür asynchrone Verarbeitung und tolerierte Wartezeit — geeignet für nächtliche Auswertungen, Massenklassifikation oder Datenaufbereitung, nicht für Echtzeitdialoge
• Flexible Kapazität: nutzt freie Restkapazität des Anbieters und kann günstiger sein, verlangt dafür längere Laufzeiten oder eine geringere Verfügbarkeitsgarantie
• Priorität/Fast: höherer Preis für bessere Kapazitätszusage und geringere Latenz — wirtschaftlich nur, wenn eine langsame Antwort tatsächlich mehr Schaden verursacht als der Aufpreis

Ein pauschaler Einsatz der teuersten Stufe für alle Anfragen verschwendet in aller Regel Budget; die passende Stufe sollte je Arbeitsschritt bewusst gewählt werden.

Warum derselbe Modellname nicht immer denselben Preis bedeutet

Dasselbe Modell kann über den Direktzugang des Anbieters oder über eine Cloudplattform wie Amazon Bedrock, Google Vertex AI oder Microsoft Azure bezogen werden — mit unterschiedlichen Preisen, Regionen, Vertragsbedingungen und Zusatzfunktionen. Ein Vergleich allein nach Modellname greift deshalb zu kurz; entscheidend ist der tatsächlich bezogene Gesamtservice. Auch regionale Datenverarbeitung kann einen Preisaufschlag auslösen, wenn Datenresidenz vertraglich oder rechtlich vorgeschrieben ist.

Einführungspreise sind kein Dauerzustand

Anbieter setzen zeitlich begrenzte Einführungspreise ein, die anschließend auf ein höheres reguläres Niveau steigen. Anthropic weist für Claude Sonnet 5 beispielsweise einen Einführungspreis mit Gültigkeit bis zum 31. August 2026 aus, danach gilt der reguläre, höhere Preis. Ein im Sommer aufgestellter Business Case kann dadurch bereits im Folgemonat mit einem anderen Modellpreis rechnen müssen. Jahresbudgets sollten deshalb den regulären Listenpreis als Grundlage nehmen, nicht die Einführungskonditionen — und Preisgültigkeit sowie Ablaufdatum in der eigenen Budgettabelle dokumentieren.

Ein verwandter Punkt: Anbieter nehmen ältere Modelle regelmäßig aus dem Betrieb oder ändern Modell-Aliasse. Ein solcher Wechsel kann Tokenisierung, Werkzeugaufrufe, Ausgabeformat und fachliche Qualität verändern — Regressionstests und eine Freigabe der Nachfolgeversion gehören deshalb als planbare, wiederkehrende Position ins Budget.