{"id":2314,"date":"2026-11-19T09:31:00","date_gmt":"2026-11-19T08:31:00","guid":{"rendered":"https:\/\/www.bitflinx.com\/?p=2314"},"modified":"2026-11-19T14:49:24","modified_gmt":"2026-11-19T13:49:24","slug":"was-kostet-ki-im-betrieb","status":"publish","type":"post","link":"https:\/\/www.bitflinx.com\/de\/was-kostet-ki-im-betrieb\/","title":{"rendered":"Was eine KI-Anwendung im Betrieb kostet: ein Rechenweg"},"content":{"rendered":"<div class=\"wpb-content-wrapper\" id=\"wpb-content-root\"><p>[vc_row unlock_row_content=&#8220;yes&#8220; row_height_percent=&#8220;0&#8243; override_padding=&#8220;yes&#8220; h_padding=&#8220;4&#8243; top_padding=&#8220;4&#8243; bottom_padding=&#8220;4&#8243; back_color=&#8220;color-xsdn&#8220; gutter_size=&#8220;3&#8243; content_parallax=&#8220;0&#8243; back_color_type=&#8220;uncode-palette&#8220; el_class=&#8220;bfx-artikel bfx-artikel-text&#8220; uncode_shortcode_id=&#8220;771518&#8243;][vc_column width=&#8220;1\/1&#8243; uncode_shortcode_id=&#8220;603899&#8243;][vc_row_inner row_inner_height_percent=&#8220;0&#8243; gutter_size=&#8220;4&#8243; limit_content=&#8220;&#8220; uncode_shortcode_id=&#8220;803208&#8243;][vc_column_inner gutter_size=&#8220;3&#8243; width=&#8220;2\/3&#8243; uncode_shortcode_id=&#8220;487227&#8243;][vc_custom_heading text_color=&#8220;accent&#8220; heading_semantic=&#8220;h6&#8243; text_size=&#8220;h6&#8243; text_transform=&#8220;uppercase&#8220; text_color_type=&#8220;uncode-palette&#8220; uncode_shortcode_id=&#8220;841277&#8243;]KI im Unternehmen[\/vc_custom_heading][vc_custom_heading text_color=&#8220;color-758381&#8243; heading_semantic=&#8220;h1&#8243; text_size=&#8220;fontsize-155944&#8243; text_color_type=&#8220;uncode-palette&#8220; uncode_shortcode_id=&#8220;692269&#8243;]Was eine KI-Anwendung im Betrieb kostet: ein Rechenweg[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;499738&#8243;]<a href=\"https:\/\/www.bitflinx.com\/de\/ueber-mich\/\">Florian Rockt\u00e4schel<\/a> \u00b7 Stand: November 2026 \u00b7 10 Minuten Lesezeit[\/vc_column_text][vc_column_text text_lead=&#8220;yes&#8220; el_class=&#8220;bfx-kachel&#8220; uncode_shortcode_id=&#8220;936037&#8243;]<\/p>\n<h2 class=\"h3\">Kurz gesagt<\/h2>\n<p>Die Modellkosten einer KI-Anwendung sind eine einfache Rechnung: Anfragen im Monat mal Tokens pro Anfrage mal Preis, getrennt nach Eingabe und Ausgabe. Caching und Batch senken das Ergebnis, die Modellwahl verschiebt es um den Faktor zehn und mehr. Im Beispiel unten, einem internen Assistenten mit 42.000 Anfragen im Monat, liegen die Modellkosten zwischen rund 40 und 580 \u20ac im Monat. Teurer sind fast immer Betrieb, Tests und die Menschen, die beides erledigen. Wirklich ins Geld gehen Tokens vor allem bei Agenten und bei sehr gro\u00dfen Mengen.[\/vc_column_text][vc_empty_space empty_h=&#8220;1&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;h3&#8243; uncode_shortcode_id=&#8220;851243&#8243;]Wie rechnet man die Kosten einer KI-Anwendung?[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;890474&#8243;]Die Formel f\u00fcr die Modellkosten im Monat:<\/p>\n<p>Anfragen \u00d7 (Eingabe-Tokens \u00d7 Eingabepreis + Ausgabe-Tokens \u00d7 Ausgabepreis)<\/p>\n<p>Dazu kommen drei Korrekturen und ein Block, der in keiner Preisliste steht:<\/p>\n<ul>\n<li>Caching: Wiederkehrende Anf\u00e4nge eines Prompts kosten nur einen Bruchteil.<\/li>\n<li>Batch: Was nicht sofort fertig sein muss, kostet die H\u00e4lfte.<\/li>\n<li>Aufschl\u00e4ge: Verarbeitung in einer festen Region kostet bei mehreren Anbietern 10 % mehr.<\/li>\n<li>Betrieb: Entwicklung, Tests, \u00dcberwachung, Bereitschaft und die Arbeitszeit daf\u00fcr.<\/li>\n<\/ul>\n<p>Die Rechnung ist schlicht. Fehler entstehen fast immer bei den Eingangsgr\u00f6\u00dfen, also bei der Frage, wie viele Tokens eine Anfrage wirklich hat.[\/vc_column_text][vc_empty_space empty_h=&#8220;1&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;h3&#8243; uncode_shortcode_id=&#8220;154946&#8243;]Wie viele Tokens hat eine Anfrage?[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;111900&#8243;]Ein Token ist ein Wortteil. F\u00fcr deutsche Texte rechnet man mit etwa 1,5 Tokens pro Wort: Notebookcheck hat gemessen, dass eine Million Tokens im aktuellen OpenAI-Tokenizer rund 649.000 deutsche W\u00f6rter fasst, aber rund 833.000 englische. Deutsch ist also teurer als Englisch, bei gleichem Inhalt.<\/p>\n<p>Eine Anfrage besteht selten nur aus der Frage. Bei einem typischen Assistenten mit Zugriff auf Firmendokumente setzt sie sich so zusammen:<\/p>\n<ul>\n<li>Systemanweisung: Rolle, Regeln, Werkzeuge, Antwortformat. Oft 1.000 bis 3.000 Tokens, bei jeder Anfrage gleich.<\/li>\n<li>Abgerufene Dokumente: die Textstellen, die die Suche zur Frage gefunden hat. Meist der gr\u00f6\u00dfte Posten.<\/li>\n<li>Gespr\u00e4chsverlauf: Jede fr\u00fchere Frage und Antwort im selben Gespr\u00e4ch wird erneut mitgeschickt.<\/li>\n<li>Die Frage selbst: meist der kleinste Teil.<\/li>\n<li>Die Antwort: Ausgabe-Tokens, die ein Mehrfaches kosten.<\/li>\n<li>Bei Denkmodellen die internen Zwischenschritte: OpenAI rechnet diese Reasoning-Tokens als Ausgabe ab, obwohl sie \u00fcber die API nicht sichtbar sind.<\/li>\n<\/ul>\n<p>Sch\u00e4tzen Sie diese Werte nicht, messen Sie sie. Jede Antwort der g\u00e4ngigen APIs enth\u00e4lt die tats\u00e4chlich verbrauchten Tokens. Ein Prototyp mit 50 echten Fragen liefert bessere Eingangsgr\u00f6\u00dfen als jede Annahme.[\/vc_column_text][vc_empty_space empty_h=&#8220;1&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;h3&#8243; uncode_shortcode_id=&#8220;869390&#8243;]Was kosten Tokens bei den Anbietern?[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;412552&#8243;]Listenpreise in US-Dollar pro Million Tokens, Stand 18. November 2026:<\/p>\n<table>\n<thead>\n<tr>\n<th>Modell<\/th>\n<th>Anbieter<\/th>\n<th>Eingabe<\/th>\n<th>Eingabe aus dem Cache<\/th>\n<th>Ausgabe<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Ministral 3 14B<\/td>\n<td>Mistral (Frankreich)<\/td>\n<td>0,20 $<\/td>\n<td>0,02 $<\/td>\n<td>0,20 $<\/td>\n<\/tr>\n<tr>\n<td>Mistral Small 4<\/td>\n<td>Mistral (Frankreich)<\/td>\n<td>0,15 $<\/td>\n<td>0,015 $<\/td>\n<td>0,60 $<\/td>\n<\/tr>\n<tr>\n<td>Mistral Large 4<\/td>\n<td>Mistral (Frankreich)<\/td>\n<td>0,70 $<\/td>\n<td>0,07 $<\/td>\n<td>2,10 $<\/td>\n<\/tr>\n<tr>\n<td>Gemma 4 31B u. a.<\/td>\n<td>STACKIT (Deutschland)<\/td>\n<td>0,45 \u20ac<\/td>\n<td>keine Angabe<\/td>\n<td>0,65 \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Claude Sonnet 5.5<\/td>\n<td>Anthropic (USA), zum Vergleich<\/td>\n<td>2,00 $<\/td>\n<td>0,10 $<\/td>\n<td>10,00 $<\/td>\n<\/tr>\n<tr>\n<td>gpt-6.2-sol<\/td>\n<td>OpenAI (USA), zum Vergleich<\/td>\n<td>2,00 $<\/td>\n<td>0,10 $<\/td>\n<td>10,00 $<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Drei Dinge fallen auf. Die Ausgabe kostet bei Mistral Large 4 und Small 4 das Drei- bis Vierfache der Eingabe, bei den US-Modellen das F\u00fcnffache. Nur die kleinen Ministral-Modelle berechnen beides gleich. Zwischen dem kleinen europ\u00e4ischen Modell und den verbreiteten US-Modellen liegt bei der Eingabe gut der Faktor 13. Und der Eingabepreis aus dem Cache liegt bei einem Zehntel bis einem Zwanzigstel des normalen Preises.<\/p>\n<p>F\u00fcr die Umrechnung verwende ich den Referenzkurs der EZB vom 18. November 2026: 1 \u20ac = 1,0968 $.[\/vc_column_text][vc_empty_space empty_h=&#8220;1&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;h3&#8243; uncode_shortcode_id=&#8220;829185&#8243;]Rechenbeispiel: Was kostet ein interner Wissensassistent?[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;150769&#8243;]Ein ausgedachtes, aber realistisch dimensioniertes Beispiel. Alle Annahmen sind Beispielwerte, keine Messung:<\/p>\n<ul>\n<li>200 Mitarbeiter, je 10 Anfragen pro Arbeitstag, 21 Arbeitstage: 42.000 Anfragen im Monat.<\/li>\n<li>Pro Anfrage 7.000 Tokens Eingabe: 2.000 Systemanweisung, 4.000 abgerufene Dokumente (auf Deutsch rund 2.600 W\u00f6rter), 1.000 Verlauf und Frage.<\/li>\n<li>Pro Anfrage 500 Tokens Antwort.<\/li>\n<\/ul>\n<p>Das ergibt 294 Millionen Eingabe-Tokens und 21 Millionen Ausgabe-Tokens im Monat. Die 2.000 Tokens Systemanweisung sind bei jeder Anfrage gleich und k\u00f6nnen aus dem Cache kommen, das sind 84 Millionen.<\/p>\n<table>\n<thead>\n<tr>\n<th>Modell<\/th>\n<th>ohne Caching<\/th>\n<th>mit Caching<\/th>\n<th>mit Caching, in Euro<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Mistral Small 4<\/td>\n<td>56,70 $<\/td>\n<td>45,36 $<\/td>\n<td>ca. 41 \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Ministral 3 14B<\/td>\n<td>63,00 $<\/td>\n<td>47,88 $<\/td>\n<td>ca. 44 \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Mistral Large 4<\/td>\n<td>249,90 $<\/td>\n<td>196,98 $<\/td>\n<td>ca. 180 \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Gemma 4 31B bei STACKIT<\/td>\n<td>145,95 \u20ac<\/td>\n<td>keine Angabe<\/td>\n<td>ca. 146 \u20ac<\/td>\n<\/tr>\n<tr>\n<td>Claude Sonnet 5.5 oder gpt-6.2-sol<\/td>\n<td>798,00 $<\/td>\n<td>638,40 $<\/td>\n<td>ca. 582 \u20ac<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>\u00dcber den EU-Endpunkt von Mistral kommen 10 % hinzu, f\u00fcr Mistral Large 4 also rund 198 \u20ac statt 180 \u20ac. Bei Anthropic kommen f\u00fcr das Schreiben in den Cache kleine Aufschl\u00e4ge hinzu, die ich hier vernachl\u00e4ssige.<\/p>\n<p>Eine einzelne Anfrage kostet mit Mistral Large 4 damit rund 0,4 Cent. Das ist die Zahl, die man im Kopf behalten sollte, bevor jemand vorschl\u00e4gt, Prompts zu k\u00fcrzen.[\/vc_column_text][vc_empty_space empty_h=&#8220;1&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;h3&#8243; uncode_shortcode_id=&#8220;112057&#8243;]Wie viel sparen Caching und Batch?[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;497124&#8243;]Caching wirkt nur auf den Anfang eines Prompts, der sich nicht \u00e4ndert. Gemerkt wird ein Pr\u00e4fix, also alles bis zur ersten Abweichung. Deshalb geh\u00f6rt Festes nach vorn (Systemanweisung, Werkzeuge, Handbuch), Wechselndes nach hinten (Frage, Datum, Name). Ein Zeitstempel in der ersten Zeile verhindert jeden Treffer. Im Beispiel spart Caching rund 20 %. Bei Anwendungen mit langen festen Unterlagen, etwa einem Handbuch von 20.000 Tokens vor jeder Frage, ist es deutlich mehr.<\/p>\n<p>Batch hei\u00dft: Sie schicken viele Anfragen auf einmal und bekommen die Ergebnisse sp\u00e4ter. Mistral, Anthropic und OpenAI geben daf\u00fcr 50 % Rabatt, bei Anthropic auch zus\u00e4tzlich zum Caching. Das passt f\u00fcr alles, worauf niemand wartet: n\u00e4chtliche Auswertungen, das Verschlagworten eines Archivs, Testl\u00e4ufe. F\u00fcr einen Chat passt es nicht. Ich trenne Aufgaben deshalb schon beim Bau in zwei Spuren: sofort und bis morgen.[\/vc_column_text][vc_empty_space empty_h=&#8220;1&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;h3&#8243; uncode_shortcode_id=&#8220;776386&#8243;]Welche Rolle spielt die Modellwahl?[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;175771&#8243;]Die gr\u00f6\u00dfte. Zwischen den Zeilen der Tabelle liegt mehr als jede Optimierung am Prompt bringen kann. Das hei\u00dft nicht, immer das billigste Modell zu nehmen. Es hei\u00dft, f\u00fcr jede Aufgabe das kleinste Modell zu nehmen, das sie zuverl\u00e4ssig l\u00f6st.<\/p>\n<p>In der Praxis bedeutet das oft zwei oder drei Modelle in einer Anwendung: ein kleines f\u00fcr Einordnung, Zusammenfassung und einfache Fragen, ein gro\u00dfes f\u00fcr die schwierigen F\u00e4lle. Ob das kleine reicht, entscheidet kein Bauchgef\u00fchl, sondern ein Testset mit echten Fragen und erwarteten Antworten.<\/p>\n<p>Vergleichen Sie dabei Kosten pro gel\u00f6ster Aufgabe, nicht pro Token. Ein Modell, das bei jeder f\u00fcnften Frage nachgefragt werden muss, ist teurer, als sein Preis sagt. Und Token ist nicht gleich Token: Laut Notebookcheck erzeugen neuere Claude-Modelle f\u00fcr denselben Text rund 30 % mehr Tokens als ihre Vorg\u00e4nger. Ein niedrigerer Preis pro Token kann so teilweise wieder verloren gehen.[\/vc_column_text][vc_empty_space empty_h=&#8220;1&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;h3&#8243; uncode_shortcode_id=&#8220;341066&#8243;]Wann werden Tokens wirklich teuer?[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;586833&#8243;]Bei Agenten. Ein Agent arbeitet in Schritten: Er ruft ein Werkzeug auf, liest das Ergebnis, entscheidet \u00fcber den n\u00e4chsten Schritt. Bei jedem Schritt wird der gesamte bisherige Verlauf erneut als Eingabe geschickt.<\/p>\n<p>Ein Beispiel mit runden Zahlen: Ein Agent braucht 15 Schritte, sein Kontext w\u00e4chst dabei von 10.000 auf 40.000 Tokens. Zusammen sind das rund 375.000 Eingabe-Tokens f\u00fcr eine einzige Aufgabe. Mit einem verbreiteten US-Modell zu 2 $ pro Million kostet das 0,75 $ Eingabe pro Aufgabe, bei 1.000 Aufgaben am Tag rund 750 $ t\u00e4glich, vor Ausgabe und Caching. Mit Mistral Small 4 w\u00e4ren es knapp 6 Cent pro Aufgabe.<\/p>\n<p>Hier lohnt sich Kostenarbeit: Schritte begrenzen, Zwischenergebnisse zusammenfassen statt mitschleppen, Caching f\u00fcr den wachsenden Verlauf nutzen und ein Budget pro Aufgabe setzen, bei dem der Agent abbricht. Was eine Anwendung dar\u00fcber hinaus braucht, um im Betrieb beherrschbar zu bleiben, steht in <a href=\"https:\/\/www.bitflinx.com\/de\/ki-prototyp-in-den-betrieb\/\">Vom KI-Prototyp in den Betrieb<\/a>.[\/vc_column_text][vc_empty_space empty_h=&#8220;1&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;h3&#8243; uncode_shortcode_id=&#8220;754475&#8243;]Rechnet sich ein eigener Server?[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;755104&#8243;]Gegen die API desselben Modells erst bei sehr gro\u00dfen Mengen. Ein gemieteter Server mit einer 96-GB-Grafikkarte kostet bei Hetzner ab 1.499 \u20ac netto im Monat. F\u00fcr dasselbe Geld bekommen Sie bei Mistral Small 4 \u00fcber den EU-Endpunkt rund 6,2 Milliarden Tokens, wenn auf vier Teile Eingabe ein Teil Ausgabe kommt. Das sind etwa 2.400 Tokens pro Sekunde, rund um die Uhr.<\/p>\n<p>Das Beispiel oben verbraucht 315 Millionen Tokens im Monat, rund 5 % davon. Dazu k\u00e4men beim Selbstbetrieb ein zweiter Server f\u00fcr die Ausfallsicherheit und deutlich mehr Arbeitszeit. Selbstbetrieb ist deshalb fast immer eine Entscheidung \u00fcber Datenhoheit und Kontrolle, selten \u00fcber Kosten. Modelle, Lizenzen und Hardware daf\u00fcr behandle ich in <a href=\"https:\/\/www.bitflinx.com\/de\/souveraene-ki-selbst-betreiben\/\">Souver\u00e4ne KI selbst betreiben<\/a>.[\/vc_column_text][vc_empty_space empty_h=&#8220;1&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;h3&#8243; uncode_shortcode_id=&#8220;472225&#8243;]Welche Kosten stehen auf keiner Preisliste?[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;222716&#8243;]Diese Posten fehlen in fast jeder ersten Kalkulation:<\/p>\n<ul>\n<li>Entwicklung und Pflege: Dokumente aufbereiten, Suche einstellen, Anweisungen anpassen. Eine KI-Anwendung ist nie fertig, weil sich Daten, Fragen und Modelle \u00e4ndern.<\/li>\n<li>Tests: Jede \u00c4nderung an Anweisung, Modell oder Suche muss gegen das Testset laufen. Die Tokens daf\u00fcr sind billig, die Zeit f\u00fcr das Auswerten der Ergebnisse nicht.<\/li>\n<li>\u00dcberwachung: Kosten pro Anfrage, Antwortzeiten, Fehler, R\u00fcckmeldungen der Nutzer. Ohne diese Zahlen merken Sie Ausrei\u00dfer erst auf der Rechnung.<\/li>\n<li>Modellwechsel: Anbieter stellen \u00e4ltere Modelle ein. Jeder Wechsel hei\u00dft erneut testen. Wie man das klein h\u00e4lt, steht in Modellwechsel ohne Neuanfang.<\/li>\n<li>Preis\u00e4nderungen: Preise \u00e4ndern sich in beide Richtungen. Mistral hat Large 4 etwa zum Start zwei Wochen lang zum halben Preis angeboten.<\/li>\n<li>Aufschl\u00e4ge f\u00fcr Datenresidenz: 10 % bei Mistral f\u00fcr den EU-Endpunkt, ebenso 10 % bei OpenAI f\u00fcr regionale Endpunkte und bei Anthropic f\u00fcr reine US-Verarbeitung.<\/li>\n<\/ul>\n<p>Der gr\u00f6\u00dfte Posten ist die Arbeitszeit. Eine Arbeitsstunde kostete in Deutschland 2025 im Schnitt 45 \u20ac (Statistisches Bundesamt), \u00fcber alle Branchen. Fachleute f\u00fcr KI und Softwarebetrieb liegen dar\u00fcber. Schon zwei Personentage im Monat f\u00fcr Pflege, Tests und \u00dcberwachung kosten damit mindestens 720 \u20ac. Das ist mehr als jede Modellrechnung im Beispiel, auch die mit einem US-Modell. Diese Arbeitszeit gilt f\u00fcr die Pflege der Anwendung selbst, also Dokumente, Tests und \u00dcberwachung, egal wo das Modell l\u00e4uft.[\/vc_column_text][vc_empty_space empty_h=&#8220;1&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;h3&#8243; uncode_shortcode_id=&#8220;550591&#8243;]Was ist die Anwendung wert?[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;528237&#8243;]Die Kostenrechnung ist nur die halbe Rechnung. Bleiben wir beim Beispiel: Spart jede der 42.000 Anfragen nur eine Minute Suche, sind das 700 Stunden im Monat. Zum Durchschnittssatz von 45 \u20ac sind das 31.500 \u20ac. Dem stehen Modellkosten von 41 bis 582 \u20ac gegen\u00fcber.<\/p>\n<p>Deshalb halte ich die Debatte \u00fcber Tokenpreise bei normaler Wissensarbeit f\u00fcr die falsche. Wer an Prompts spart, w\u00e4hrend Fachkr\u00e4fte auf brauchbare Antworten warten, optimiert die falsche Kennzahl. Die richtigen Fragen lauten: Wird die Antwort genutzt? Stimmt sie? Und wer merkt es, wenn sie nicht mehr stimmt?[\/vc_column_text][vc_empty_space empty_h=&#8220;1&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;h3&#8243; uncode_shortcode_id=&#8220;213735&#8243;]Der Rechenweg zum Mitnehmen[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;143794&#8243;]1. Anfragen im Monat sch\u00e4tzen: Nutzer \u00d7 Anfragen pro Tag \u00d7 Arbeitstage. 2. Tokens pro Anfrage messen, getrennt nach Systemanweisung, Dokumenten, Verlauf, Frage und Antwort. 3. Mit dem Preis des Modells multiplizieren, getrennt nach Eingabe und Ausgabe. 4. Den festen Anfang als Cache-Anteil abziehen und alles, was warten kann, mit dem Batch-Preis rechnen. 5. Aufschl\u00e4ge f\u00fcr Datenresidenz und Wechselkurs ber\u00fccksichtigen. 6. F\u00fcr Agenten die Schritte pro Aufgabe und den wachsenden Verlauf einrechnen. 7. Arbeitszeit f\u00fcr Pflege, Tests, \u00dcberwachung und Bereitschaft dazurechnen. 8. Das Ergebnis gegen den Nutzen stellen: eingesparte Zeit, vermiedene Fehler, schnellere Antworten f\u00fcr Kunden.<\/p>\n<p>Wenn Sie diese Rechnung f\u00fcr ein konkretes Vorhaben aufstellen wollen: Darum geht es auf meiner Seite <a href=\"https:\/\/www.bitflinx.com\/de\/ki-im-unternehmen\/\">KI im Unternehmen<\/a>.[\/vc_column_text][\/vc_column_inner][vc_column_inner gutter_size=&#8220;3&#8243; width=&#8220;1\/3&#8243; el_class=&#8220;bfx-seite&#8220; uncode_shortcode_id=&#8220;934564&#8243;][vc_raw_html]%3Cdiv%20class%3D%22bfx-toc-titel%20bfx-erstes%22%3EGeschrieben%20f%C3%BCr%3C%2Fdiv%3E%3Cp%20class%3D%22bfx-fuer%22%3EIT-Leitung%2C%20Entwickler%20und%20Gesch%C3%A4ftsf%C3%BChrung%2C%20die%20eine%20KI-Anwendung%20planen%20oder%20schon%20betreiben%20und%20die%20laufenden%20Kosten%20belastbar%20sch%C3%A4tzen%20wollen.%3C%2Fp%3E%3Cdiv%20class%3D%22bfx-toc-titel%22%3EIn%20diesem%20Beitrag%3C%2Fdiv%3E%3Cnav%20class%3D%22bfx-toc%22%3E%3C%2Fnav%3E%3Cscript%3E%28function%28%29%7Bfunction%20slug%28s%29%7Breturn%20s.toLowerCase%28%29.replace%28%2F%5B%C3%A4%C3%84%5D%2Fg%2C%27ae%27%29.replace%28%2F%5B%C3%B6%C3%96%5D%2Fg%2C%27oe%27%29.replace%28%2F%5B%C3%BC%C3%9C%5D%2Fg%2C%27ue%27%29.replace%28%2F%C3%9F%2Fg%2C%27ss%27%29.replace%28%2F%5B%5Ea-z0-9%5D%2B%2Fg%2C%27-%27%29.replace%28%2F%5E-%7C-%24%2Fg%2C%27%27%29%7Dfunction%20run%28%29%7Bvar%20nav%3Ddocument.querySelector%28%27.bfx-toc%27%29%3Bvar%20row%3Ddocument.querySelector%28%27.bfx-artikel-text%27%29%3Bif%28%21nav%7C%7C%21row%29return%3Bvar%20ul%3Ddocument.createElement%28%27ul%27%29%3Bvar%20hs%3D%5B%5D%3Brow.querySelectorAll%28%27h2%27%29.forEach%28function%28h%29%7Bif%28h.closest%28%27.bfx-seite%27%29%7C%7Ch.closest%28%27.bfx-kachel%27%29%29return%3Bh.id%3Dh.id%7C%7Cslug%28h.textContent%29%3Bvar%20li%3Ddocument.createElement%28%27li%27%29%2Ca%3Ddocument.createElement%28%27a%27%29%3Ba.href%3D%27%23%27%2Bh.id%3Ba.textContent%3Dh.textContent%3Bli.appendChild%28a%29%3Bul.appendChild%28li%29%3Bhs.push%28%5Bh%2Ca%5D%29%7D%29%3Bnav.appendChild%28ul%29%3Bfunction%20mark%28%29%7Bvar%20cur%3Dnull%3Bhs.forEach%28function%28x%29%7Bif%28x%5B0%5D.getBoundingClientRect%28%29.top%3CinnerHeight%2A0.4%29cur%3Dx%7D%29%3Bhs.forEach%28function%28x%29%7Bx%5B1%5D.classList.toggle%28%27aktiv%27%2Cx%3D%3D%3Dcur%29%7D%29%7Dwindow.addEventListener%28%27scroll%27%2Cmark%2C%7Bpassive%3Atrue%7D%29%3Bmark%28%29%7Dif%28document.readyState%21%3D%3D%27loading%27%29run%28%29%3Belse%20document.addEventListener%28%27DOMContentLoaded%27%2Crun%29%7D%29%28%29%3B%3C%2Fscript%3E%3Cdiv%20class%3D%22bfx-teilen-wrap%22%3E%3Cdiv%20class%3D%22bfx-toc-titel%22%3EBeitrag%20teilen%3C%2Fdiv%3E%3Cdiv%20class%3D%22bfx-teilen%22%3E%3Ca%20class%3D%22bfx-teilen-btn%22%20data-ziel%3D%22linkedin%22%20href%3D%22%23%22%20title%3D%22Auf%20LinkedIn%20teilen%22%20aria-label%3D%22Auf%20LinkedIn%20teilen%22%3E%3Csvg%20viewBox%3D%220%200%2024%2024%22%20width%3D%2220%22%20height%3D%2220%22%20aria-hidden%3D%22true%22%3E%3Cpath%20fill%3D%22currentColor%22%20d%3D%22M20.45%2020.45h-3.56v-5.57c0-1.33-.02-3.04-1.85-3.04-1.85%200-2.14%201.45-2.14%202.94v5.67H9.35V9h3.41v1.56h.05c.48-.9%201.64-1.85%203.37-1.85%203.6%200%204.27%202.37%204.27%205.46v6.28zM5.34%207.43a2.06%202.06%200%201%201%200-4.13%202.06%202.06%200%200%201%200%204.13zM7.12%2020.45H3.56V9h3.56v11.45z%22%2F%3E%3C%2Fsvg%3E%3C%2Fa%3E%3Ca%20class%3D%22bfx-teilen-btn%22%20data-ziel%3D%22whatsapp%22%20href%3D%22%23%22%20title%3D%22Per%20WhatsApp%20senden%22%20aria-label%3D%22Per%20WhatsApp%20senden%22%3E%3Csvg%20viewBox%3D%220%200%2024%2024%22%20width%3D%2220%22%20height%3D%2220%22%20aria-hidden%3D%22true%22%3E%3Cpath%20fill%3D%22currentColor%22%20d%3D%22M17.47%2014.38c-.3-.15-1.76-.87-2.03-.97-.27-.1-.47-.15-.67.15-.2.3-.77.97-.94%201.17-.17.2-.35.22-.64.07-.3-.15-1.26-.46-2.4-1.48-.89-.79-1.49-1.77-1.66-2.07-.17-.3-.02-.46.13-.61.13-.13.3-.35.45-.52.15-.17.2-.3.3-.5.1-.2.05-.37-.02-.52-.08-.15-.67-1.62-.92-2.22-.24-.58-.49-.5-.67-.51h-.57c-.2%200-.52.07-.79.37-.27.3-1.04%201.02-1.04%202.48s1.07%202.88%201.21%203.08c.15.2%202.1%203.2%205.08%204.49.71.31%201.26.49%201.69.63.71.23%201.36.2%201.87.12.57-.09%201.76-.72%202.01-1.41.25-.69.25-1.29.17-1.41-.07-.12-.27-.2-.57-.35zM12.05%2021.79h-.01a9.87%209.87%200%200%201-5.03-1.38l-.36-.21-3.74.98%201-3.65-.24-.37a9.86%209.86%200%200%201-1.51-5.26c0-5.45%204.44-9.88%209.89-9.88%202.64%200%205.12%201.03%206.99%202.9a9.82%209.82%200%200%201%202.89%206.99c0%205.45-4.44%209.88-9.88%209.88zm8.41-18.29A11.82%2011.82%200%200%200%2012.05%200C5.5%200%20.16%205.34.16%2011.89c0%202.1.55%204.14%201.59%205.95L.06%2024l6.31-1.65a11.88%2011.88%200%200%200%205.68%201.45h.01c6.55%200%2011.89-5.34%2011.89-11.89%200-3.18-1.24-6.16-3.49-8.41z%22%2F%3E%3C%2Fsvg%3E%3C%2Fa%3E%3Ca%20class%3D%22bfx-teilen-btn%22%20data-ziel%3D%22mail%22%20href%3D%22%23%22%20title%3D%22Per%20E-Mail%20senden%22%20aria-label%3D%22Per%20E-Mail%20senden%22%3E%3Csvg%20viewBox%3D%220%200%2024%2024%22%20width%3D%2220%22%20height%3D%2220%22%20aria-hidden%3D%22true%22%3E%3Cg%20fill%3D%22none%22%20stroke%3D%22currentColor%22%20stroke-width%3D%222%22%20stroke-linecap%3D%22round%22%20stroke-linejoin%3D%22round%22%3E%3Crect%20x%3D%223%22%20y%3D%225%22%20width%3D%2218%22%20height%3D%2214%22%20rx%3D%222%22%2F%3E%3Cpath%20d%3D%22m3%207%209%206%209-6%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E%3C%2Fa%3E%3Ca%20class%3D%22bfx-teilen-btn%22%20data-ziel%3D%22link%22%20href%3D%22%23%22%20title%3D%22Link%20kopieren%20%28z.%20B.%20f%C3%BCr%20Slack%20oder%20Teams%29%22%20aria-label%3D%22Link%20kopieren%20%28z.%20B.%20f%C3%BCr%20Slack%20oder%20Teams%29%22%3E%3Csvg%20viewBox%3D%220%200%2024%2024%22%20width%3D%2220%22%20height%3D%2220%22%20aria-hidden%3D%22true%22%3E%3Cg%20fill%3D%22none%22%20stroke%3D%22currentColor%22%20stroke-width%3D%222%22%20stroke-linecap%3D%22round%22%20stroke-linejoin%3D%22round%22%3E%3Cpath%20d%3D%22M10%2013a5%205%200%200%200%207.07%200l3-3a5%205%200%200%200-7.07-7.07l-1.5%201.5%22%2F%3E%3Cpath%20d%3D%22M14%2011a5%205%200%200%200-7.07%200l-3%203a5%205%200%200%200%207.07%207.07l1.5-1.5%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E%3C%2Fa%3E%3Cspan%20class%3D%22bfx-teilen-msg%22%20aria-live%3D%22polite%22%3E%3C%2Fspan%3E%3C%2Fdiv%3E%3C%2Fdiv%3E%3Cscript%3E%28function%28%29%7Bif%28window.matchMedia%28%27%28max-width%3A959px%29%27%29.matches%29%7Bvar%20w%3Ddocument.querySelector%28%27.bfx-teilen-wrap%27%29%2Chs%3Ddocument.querySelectorAll%28%27.bfx-artikel-text%20h2%27%29%2Ch%3Dhs.length%3Fhs%5Bhs.length-1%5D%3Anull%2Cz0%3Dh%26%26%28h.closest%28%27.uncont%27%29%7C%7Ch.parentNode%29%3Bif%28w%26%26z0%26%26%21document.querySelector%28%27.bfx-teilen-mobil%27%29%29%7Bvar%20c%3Dw.cloneNode%28true%29%3Bc.classList.add%28%27bfx-teilen-mobil%27%29%3Bz0.appendChild%28c%29%7D%7Dvar%20u%3DencodeURIComponent%28location.href.split%28%27%23%27%29%5B0%5D%29%2Ct%3DencodeURIComponent%28document.title%29%3Bvar%20z%3D%7Blinkedin%3A%27https%3A%2F%2Fwww.linkedin.com%2Fsharing%2Fshare-offsite%2F%3Furl%3D%27%2Bu%2Cwhatsapp%3A%27https%3A%2F%2Fwa.me%2F%3Ftext%3D%27%2Bt%2B%27%2520%27%2Bu%2Cmail%3A%27mailto%3A%3Fsubject%3D%27%2Bt%2B%27%26body%3D%27%2Bu%7D%3Bdocument.querySelectorAll%28%27.bfx-teilen-btn%27%29.forEach%28function%28a%29%7Bvar%20k%3Da.getAttribute%28%27data-ziel%27%29%3Bif%28z%5Bk%5D%29%7Ba.href%3Dz%5Bk%5D%3Bif%28k%21%3D%3D%27mail%27%29%7Ba.target%3D%27_blank%27%3Ba.rel%3D%27noopener%27%7D%7Delse%20a.addEventListener%28%27click%27%2Cfunction%28e%29%7Be.preventDefault%28%29%3Bvar%20h%3Dlocation.href.split%28%27%23%27%29%5B0%5D%3B%28navigator.clipboard%3Fnavigator.clipboard.writeText%28h%29%3APromise.reject%28%29%29.then%28function%28%29%7Bvar%20m%3Da.parentNode.querySelector%28%27.bfx-teilen-msg%27%29%3Bif%28m%29%7Bm.textContent%3D%27Link%20kopiert%27%3BsetTimeout%28function%28%29%7Bm.textContent%3D%27%27%7D%2C2500%29%7D%7D%29%7D%29%7D%29%7D%29%28%29%3B%3C%2Fscript%3E[\/vc_raw_html][\/vc_column_inner][\/vc_row_inner][vc_raw_html el_class=&#8220;bfx-css&#8220;]%3Cstyle%3E.bfx-css%7Bdisplay%3Anone%21important%7D.post-content%20h2%7Btext-box%3Atrim-both%20cap%20alphabetic%3Bpadding-top%3A4px%7D.bfx-faq-grau%20.panel%7Bborder-color%3A%23d0d4d6%21important%7D%40media%20%28min-width%3A960px%29%7B.menu-container%20.row-menu-inner%7Bpadding-left%3A72px%21important%3Bpadding-right%3A72px%21important%7Dbody%3Anot%28%3Ahas%28.bfx-cta-ende%29%29%20.site-footer%20.row.limit-width%7Bmax-width%3Anone%21important%7D%7D.error404%20.row-container%3Ahas%28.isotope-system%29%7Bdisplay%3Anone%21important%7D%40media%20%28min-width%3A960px%29%7B.bfx-person%3E.row%3E.wpb_row%7Bheight%3A600px%7D%7D%40media%20%28min-width%3A1500px%29%7B.menu-container%20.row-menu-inner%7Bpadding-left%3A108px%21important%3Bpadding-right%3A108px%21important%7D%7D.row-internal.row-container%2B.empty-space%2B.row-internal.row-container%7Bmargin-top%3A36px%21important%7D.row-internal.row-container%2B.empty-space%7Bdisplay%3Anone%21important%7Dbody%3Ahas%28.bfx-rechtstext%29%20.row-menu.limit-width%7Bmax-width%3Anone%21important%7D.menu-container.menu-borders%3A%3Aafter%7Bdisplay%3Anone%21important%3Bborder%3A0%21important%7D.wpml-language-bar%7Bbackground%3A%23424e53%21important%3Bcolor%3A%23fff%21important%7D.wpml-language-bar%20.wpml-language-bar__text%7Bcolor%3A%23fff%21important%3Bfont-size%3A17px%21important%7D.wpml-language-bar%20.wpml-language-bar__go%7Bbackground%3A%23009fe3%21important%3Bcolor%3A%23fff%21important%3Bborder%3A0%21important%3Bborder-radius%3A8px%21important%3Bfont-weight%3A600%21important%3Bfont-size%3A17px%21important%3Bpadding%3A12px%2028px%21important%7D.wpml-language-bar%20.wpml-language-bar__go%3Ahover%7Bbackground%3A%230088c2%21important%7D.wpml-language-bar%20.wpml-language-bar__close%7Bcolor%3A%23fff%21important%7D.menu-shadows%2C.body-border-shadow%2C.is_stuck%20.menu-container%2C.menu-container%7Bbox-shadow%3Anone%21important%7D.bfx-vergleich%20ul.bfx-zeilen%7Blist-style%3Anone%21important%3Bmargin%3A0%21important%3Bpadding%3A0%21important%7D.bfx-vergleich%20ul.bfx-zeilen%20li%7Blist-style%3Anone%21important%3Bpadding-left%3A0%21important%3Bmargin-left%3A0%21important%7D.bfx-vergleich%20ul.bfx-zeilen%20li%3A%3Abefore%2C.bfx-vergleich%20ul.bfx-zeilen%20li%3A%3Amarker%7Bcontent%3Anone%21important%3Bdisplay%3Anone%21important%7D.bfx-vergleich%20ul.bfx-zeilen%20li%7Bborder-top%3A1px%20solid%20%23d0d4d6%3Bpadding%3A12px%200%3Bmargin%3A0%3Bbox-sizing%3Aborder-box%7D.bfx-vergleich%20ul.bfx-zeilen%20li%20strong%7Bdisplay%3Ablock%3Bcolor%3A%23424e53%7D.bfx-hervor%3E.uncol%3E.uncoltable%3E.uncell%7Bbackground-color%3A%23009fe3%21important%7D.bfx-hervor%20h3%2C.bfx-hervor%20h3%20%2A%2C.bfx-hervor%20h6%2C.bfx-hervor%20h6%20%2A%2C.bfx-hervor%20.text-lead%2C.bfx-hervor%20.text-lead%20%2A%7Bcolor%3A%23fff%21important%7D.bfx-hervor%20ul.bfx-zeilen%20li%7Bborder-top-color%3Argba%28255%2C255%2C255%2C.45%29%21important%7D.bfx-zahlen%20h3%7Bwhite-space%3Anowrap%7D.post-content%20.icon-box-top%20.fa-fw%7Btext-align%3Aleft%21important%7D%40media%20%28min-width%3A960px%29%7B.menu-horizontal%20.menu-primary-inner%3Eli%3Ea%7Bfont-size%3A18px%21important%3Bcolor%3A%23424e53%21important%7D.menu-horizontal%20.menu-primary-inner%3Eli%3Ea%3Ahover%7Bcolor%3A%23009fe3%21important%7D.menu-horizontal%20.menu-item-button%20.menu-btn-container%7Bbackground%3A%23009fe3%21important%3Bborder-color%3A%23009fe3%21important%3Bborder-radius%3A8px%21important%3Bcolor%3A%23fff%21important%3Bfont-size%3A17px%21important%3Bletter-spacing%3A-0.34px%21important%3Bpadding%3A18px%2044px%21important%3Bline-height%3Anormal%21important%3Bheight%3Aauto%21important%7D.menu-horizontal%20.menu-item-button%20.menu-btn-container%20span%7Bcolor%3A%23fff%21important%7D.menu-horizontal%20.menu-item-button%20a%3Ahover%20.menu-btn-container%7Bbackground%3A%230088c2%21important%3Bborder-color%3A%230088c2%21important%7D.menu-horizontal%20.drop-menu%7Bbackground%3A%23fff%21important%3Bpadding%3A14px%200%21important%3Bmin-width%3A270px%21important%3Bborder%3A1px%20solid%20%23eaeaea%21important%3Bborder-top%3A0%21important%3Bbox-shadow%3A0%2014px%2032px%20rgba%2866%2C78%2C83%2C.14%29%21important%7D.menu-horizontal%20.menu-primary-inner%3Eli%3Anot%28.wpml-ls-item%29%3E.drop-menu%7Bmargin-left%3A-28px%21important%7D.menu-horizontal%20.drop-menu%20a%7Bfont-size%3A18px%21important%3Bcolor%3A%23424e53%21important%3Bpadding%3A10px%2028px%21important%3Bbackground%3Atransparent%21important%7D.menu-horizontal%20.drop-menu%20li%3Ahover%3Ea%2C.menu-horizontal%20.drop-menu%20li.current-menu-item%3Ea%2C.submenu-light%20.menu-horizontal.menu-sub-enhanced%20.menu-smart%20ul.drop-menu%20li%3Ea%3Ahover%2C.submenu-light%20.menu-horizontal.menu-sub-enhanced%20.menu-smart%20ul.drop-menu%20li%3Ea%3Afocus%7Bbackground%3Atransparent%21important%3Bcolor%3A%23009fe3%21important%7D%7D%3C%2Fstyle%3E%3Cscript%3E%28function%28%29%7Bfunction%20eq%28%29%7Bdocument.querySelectorAll%28%27.bfx-vergleich%27%29.forEach%28function%28r%29%7Bvar%20u%3D%5B%5D.slice.call%28r.querySelectorAll%28%27ul.bfx-zeilen%27%29%29%3Bif%28u.length%3C2%29return%3Bu.forEach%28function%28x%29%7Bx.style.marginTop%3D%27%27%3B%5B%5D.forEach.call%28x.children%2Cfunction%28l%29%7Bl.style.minHeight%3D%27%27%3B%7D%29%3B%7D%29%3Bif%28Math.abs%28u%5B0%5D.getBoundingClientRect%28%29.top-u%5B1%5D.getBoundingClientRect%28%29.top%29%3E200%29return%3Bvar%20t%3Du.map%28function%28x%29%7Breturn%20x.getBoundingClientRect%28%29.top%3B%7D%29%2Cm%3DMath.max.apply%28null%2Ct%29%3Bu.forEach%28function%28x%2Ci%29%7Bx.style.marginTop%3D%28m-t%5Bi%5D%29%2B%27px%27%3B%7D%29%3Bfor%28var%20i%3D0%3B%3Bi%2B%2B%29%7Bvar%20ls%3Du.map%28function%28x%29%7Breturn%20x.children%5Bi%5D%3B%7D%29.filter%28Boolean%29%3Bif%28%21ls.length%29break%3Bvar%20h%3DMath.max.apply%28null%2Cls.map%28function%28l%29%7Breturn%20l.getBoundingClientRect%28%29.height%3B%7D%29%29%3Bls.forEach%28function%28l%29%7Bl.style.minHeight%3Dh%2B%27px%27%3B%7D%29%3B%7D%7D%29%3B%7Dwindow.addEventListener%28%27load%27%2Ceq%29%3Bwindow.addEventListener%28%27resize%27%2Ceq%29%3Bif%28document.fonts%29document.fonts.ready.then%28eq%29%3Bdocument.addEventListener%28%27DOMContentLoaded%27%2Ceq%29%3B%7D%29%28%29%3B%3C%2Fscript%3E[\/vc_raw_html][vc_raw_html el_class=&#8220;bfx-css&#8220;]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[\/vc_raw_html][\/vc_column][\/vc_row]<br \/>\n[vc_row unlock_row_content=&#8220;yes&#8220; row_height_percent=&#8220;0&#8243; override_padding=&#8220;yes&#8220; h_padding=&#8220;4&#8243; top_padding=&#8220;4&#8243; bottom_padding=&#8220;4&#8243; gutter_size=&#8220;3&#8243; content_parallax=&#8220;0&#8243; el_class=&#8220;bfx-faq-grau&#8220; back_color=&#8220;color-gyho&#8220; back_color_type=&#8220;uncode-palette&#8220; uncode_shortcode_id=&#8220;177958&#8243;][vc_column width=&#8220;1\/1&#8243; uncode_shortcode_id=&#8220;824912&#8243;][vc_custom_heading text_color=&#8220;color-758381&#8243; heading_semantic=&#8220;h2&#8243; text_size=&#8220;fontsize-155944&#8243; text_color_type=&#8220;uncode-palette&#8220; uncode_shortcode_id=&#8220;511283&#8243;]H\u00e4ufige Fragen[\/vc_custom_heading][vc_accordion typography=&#8220;advanced&#8220; sign=&#8220;plus&#8220; content_border=&#8220;yes&#8220; gutter_simple=&#8220;1&#8243; no_h_padding=&#8220;yes&#8220; heading_semantic=&#8220;h3&#8243; titles_size=&#8220;h3&#8243; titles_weight=&#8220;600&#8243; active_tab=&#8220;0&#8243; uncode_shortcode_id=&#8220;143557&#8243;][vc_accordion_tab gutter_size=&#8220;2&#8243; column_padding=&#8220;2&#8243; title=&#8220;Was kostet eine einzelne KI-Anfrage?&#8220; tab_id=&#8220;100706-183047&#8243;][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;185004&#8243;]Das h\u00e4ngt von Modell und L\u00e4nge ab. Eine Anfrage mit 7.000 Tokens Eingabe und 500 Tokens Antwort kostet mit Mistral Large 4 rund 0,4 Cent, mit einem kleinen Modell wie Mistral Small 4 unter 0,1 Cent und mit einem verbreiteten US-Modell rund 1,4 Cent (Listenpreise November 2026, mit Caching).[\/vc_column_text][\/vc_accordion_tab][vc_accordion_tab gutter_size=&#8220;2&#8243; column_padding=&#8220;2&#8243; title=&#8220;Warum kostet die Antwort mehr als die Frage?&#8220; tab_id=&#8220;496916-737334&#8243;][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;671968&#8243;]Das Modell liest die Eingabe in einem Durchgang, die Antwort erzeugt es Token f\u00fcr Token. Die Anbieter berechnen die Ausgabe deshalb meist mit dem Drei- bis F\u00fcnffachen des Eingabepreises.[\/vc_column_text][\/vc_accordion_tab][vc_accordion_tab gutter_size=&#8220;2&#8243; column_padding=&#8220;2&#8243; title=&#8220;Wie viele Tokens hat ein deutscher Text?&#8220; tab_id=&#8220;125084-210814&#8243;][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;862697&#8243;]Als Faustregel etwa 1,5 Tokens pro Wort. Deutsche Texte brauchen wegen langer zusammengesetzter W\u00f6rter mehr Tokens als englische mit gleichem Inhalt. Die genaue Zahl h\u00e4ngt vom Tokenizer des Modells ab.[\/vc_column_text][\/vc_accordion_tab][vc_accordion_tab gutter_size=&#8220;2&#8243; column_padding=&#8220;2&#8243; title=&#8220;Ab wann lohnt sich ein eigener KI-Server?&#8220; tab_id=&#8220;644849-480306&#8243;][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;329574&#8243;]Gegen die API desselben Modells erst bei Milliarden Tokens im Monat. Ein gemieteter Server mit einer 96-GB-Karte kostet ab 1.499 \u20ac im Monat, daf\u00fcr bekommen Sie bei Mistral Small 4 per API rund 6 Milliarden Tokens. Ein eigener Server lohnt sich daher meist wegen Datenhoheit und Kontrolle, nicht wegen der Kosten.[\/vc_column_text][\/vc_accordion_tab][vc_accordion_tab gutter_size=&#8220;2&#8243; column_padding=&#8220;2&#8243; title=&#8220;Wie senke ich die Kosten einer KI-Anwendung am wirksamsten?&#8220; tab_id=&#8220;413223-896145&#8243;][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;134385&#8243;]In dieser Reihenfolge: das kleinste Modell w\u00e4hlen, das die Aufgabe zuverl\u00e4ssig l\u00f6st; Festes an den Anfang des Prompts stellen, damit Caching greift; alles, was warten kann, per Batch verarbeiten; bei Agenten Schritte und Budget begrenzen.[\/vc_column_text][\/vc_accordion_tab][\/vc_accordion][vc_raw_html el_class=&#8220;bfx-css&#8220;]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[\/vc_raw_html][\/vc_column][\/vc_row]<br \/>\n[vc_row unlock_row_content=&#8220;yes&#8220; row_height_percent=&#8220;0&#8243; override_padding=&#8220;yes&#8220; h_padding=&#8220;4&#8243; top_padding=&#8220;4&#8243; bottom_padding=&#8220;4&#8243; back_color=&#8220;color-xsdn&#8220; gutter_size=&#8220;3&#8243; content_parallax=&#8220;0&#8243; back_color_type=&#8220;uncode-palette&#8220; el_class=&#8220;bfx-artikel&#8220; uncode_shortcode_id=&#8220;756567&#8243;][vc_column width=&#8220;1\/1&#8243; uncode_shortcode_id=&#8220;341158&#8243;][vc_custom_heading text_color=&#8220;color-758381&#8243; heading_semantic=&#8220;h2&#8243; text_size=&#8220;fontsize-155944&#8243; text_color_type=&#8220;uncode-palette&#8220; uncode_shortcode_id=&#8220;738759&#8243;]Quellen[\/vc_custom_heading][vc_row_inner row_inner_height_percent=&#8220;0&#8243; gutter_size=&#8220;4&#8243; limit_content=&#8220;&#8220; uncode_shortcode_id=&#8220;725496&#8243;][vc_column_inner gutter_size=&#8220;3&#8243; width=&#8220;2\/3&#8243; uncode_shortcode_id=&#8220;686880&#8243;][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;475063&#8243;]Stand: 18. November 2026. Preise sind Listenpreise der Anbieter zu diesem Datum, ohne Gew\u00e4hr; sie \u00e4ndern sich h\u00e4ufig. Das Rechenbeispiel beruht auf ausgedachten Annahmen.<\/p>\n<ul>\n<li>Mistral, API-Preise: <a href=\"https:\/\/docs.mistral.ai\/inference\/pricing\" rel=\"nofollow noopener\" target=\"_blank\">docs.mistral.ai<\/a><\/li>\n<li>Mistral, Regional inference (Aufschlag EU-Endpunkt): <a href=\"https:\/\/docs.mistral.ai\/inference\/regional-inference\" rel=\"nofollow noopener\" target=\"_blank\">docs.mistral.ai<\/a><\/li>\n<li>Mistral, Batch Processing: <a href=\"https:\/\/docs.mistral.ai\/inference\/batch-processing\" rel=\"nofollow noopener\" target=\"_blank\">docs.mistral.ai<\/a><\/li>\n<li>Mistral, Changelog (Startrabatt Large 4): <a href=\"https:\/\/docs.mistral.ai\/resources\/changelogs\" rel=\"nofollow noopener\" target=\"_blank\">docs.mistral.ai<\/a><\/li>\n<li>STACKIT AI Model Serving, Preise: <a href=\"https:\/\/stackit.com\/en\/products\/data-ai\/stackit-ai-model-serving\" rel=\"nofollow noopener\" target=\"_blank\">stackit.com<\/a><\/li>\n<li>Anthropic, Pricing (zum Vergleich): <a href=\"https:\/\/platform.claude.com\/docs\/en\/about-claude\/pricing\" rel=\"nofollow noopener\" target=\"_blank\">platform.claude.com<\/a><\/li>\n<li>OpenAI, Pricing (zum Vergleich): <a href=\"https:\/\/developers.openai.com\/api\/docs\/pricing\" rel=\"nofollow noopener\" target=\"_blank\">developers.openai.com<\/a><\/li>\n<li>OpenAI, Reasoning-Modelle (Abrechnung der Reasoning-Tokens): <a href=\"https:\/\/developers.openai.com\/api\/docs\/guides\/reasoning\" rel=\"nofollow noopener\" target=\"_blank\">developers.openai.com<\/a><\/li>\n<li>Notebookcheck, W\u00f6rter pro Million Tokens: <a href=\"https:\/\/www.notebookcheck.net\/A-million-tokens-is-fewer-words-than-you-think-we-measured-it.1352830.0.html\" rel=\"nofollow noopener\" target=\"_blank\">notebookcheck.net<\/a><\/li>\n<li>Hetzner, GPU-Server: <a href=\"https:\/\/www.hetzner.com\/dedicated-rootserver\/matrix-gpu\/\" rel=\"nofollow noopener\" target=\"_blank\">hetzner.com<\/a><\/li>\n<li>Statistisches Bundesamt, Arbeitskosten 2025: <a href=\"https:\/\/www.destatis.de\/DE\/Themen\/Arbeit\/Arbeitskosten-Lohnnebenkosten\/_inhalt.html\" rel=\"nofollow noopener\" target=\"_blank\">destatis.de<\/a><\/li>\n<li>EZB, Referenzkurs Euro\/US-Dollar: <a href=\"https:\/\/www.ecb.europa.eu\/stats\/policy_and_exchange_rates\/euro_reference_exchange_rates\/html\/eurofxref-graph-usd.en.html\" rel=\"nofollow noopener\" target=\"_blank\">ecb.europa.eu<\/a><\/li>\n<\/ul>\n<p>[\/vc_column_text][\/vc_column_inner][vc_column_inner gutter_size=&#8220;3&#8243; width=&#8220;1\/3&#8243; uncode_shortcode_id=&#8220;847367&#8243;][\/vc_column_inner][\/vc_row_inner][\/vc_column][\/vc_row]<br \/>\n[vc_row unlock_row_content=&#8220;yes&#8220; row_height_percent=&#8220;0&#8243; override_padding=&#8220;yes&#8220; h_padding=&#8220;0&#8243; top_padding=&#8220;0&#8243; bottom_padding=&#8220;0&#8243; equal_height=&#8220;yes&#8220; gutter_size=&#8220;0&#8243; content_parallax=&#8220;0&#8243; back_color=&#8220;color-gyho&#8220; back_color_type=&#8220;uncode-palette&#8220; el_class=&#8220;bfx-person&#8220; uncode_shortcode_id=&#8220;408596&#8243;][vc_column gutter_size=&#8220;3&#8243; back_image=&#8220;1127&#8243; back_position=&#8220;center top&#8220; width=&#8220;1\/3&#8243; mobile_height=&#8220;420&#8243; uncode_shortcode_id=&#8220;279301&#8243;][\/vc_column][vc_column position_vertical=&#8220;middle&#8220; gutter_size=&#8220;3&#8243; override_padding=&#8220;yes&#8220; column_padding=&#8220;4&#8243; el_class=&#8220;bfx-abstand&#8220; width=&#8220;2\/3&#8243; uncode_shortcode_id=&#8220;971677&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;fontsize-155944&#8243; text_color=&#8220;color-758381&#8243; text_color_type=&#8220;uncode-palette&#8220; uncode_shortcode_id=&#8220;351497&#8243;]\u00dcber den Autor[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;353930&#8243;]Ich bin Florian Rockt\u00e4schel, Ingenieur (RWTH Aachen). Ich arbeite seit 2013 mit lernenden Verfahren und seit 2018 als Fractional CTO f\u00fcr mittelst\u00e4ndische Unternehmen. Hier schreibe ich auf, was ich in dieser Arbeit immer wieder gefragt werde.[\/vc_column_text][vc_button button_color=&#8220;accent&#8220; button_color_type=&#8220;uncode-palette&#8220; size=&#8220;btn-lg&#8220; radius=&#8220;btn-round&#8220; border_width=&#8220;0&#8243; link=&#8220;url:%2Fde%2Fueber-mich%2F|target:_blank&#8220; uncode_shortcode_id=&#8220;642477&#8243;]Mehr \u00fcber mich[\/vc_button][vc_raw_html el_class=&#8220;bfx-css&#8220;]JTNDc3R5bGUlM0UuYmZ4LWNzcyU3QmRpc3BsYXklM0Fub25lJTIxaW1wb3J0YW50JTdEJTQwbWVkaWElMjAlMjhtaW4td2lkdGglM0E5NjBweCUyOSU3Qi5iZngtYWJzdGFuZCUzRS51bmNvbCUzRS51bmNvbHRhYmxlJTNFLnVuY2VsbCU3QnBhZGRpbmctdG9wJTNBMTA4cHglMjFpbXBvcnRhbnQlM0JwYWRkaW5nLWJvdHRvbSUzQTEwOHB4JTIxaW1wb3J0YW50JTdEJTdEJTNDJTJGc3R5bGUlM0U=[\/vc_raw_html][\/vc_column][\/vc_row]<br \/>\n[vc_row el_class=&#8220;bfx-cta-ende&#8220; row_height_percent=&#8220;0&#8243; override_padding=&#8220;yes&#8220; h_padding=&#8220;4&#8243; top_padding=&#8220;4&#8243; bottom_padding=&#8220;4&#8243; back_color=&#8220;color-758381&#8243; gutter_size=&#8220;3&#8243; content_parallax=&#8220;0&#8243; back_color_type=&#8220;uncode-palette&#8220; uncode_shortcode_id=&#8220;855756&#8243;][vc_column column_width_use_pixel=&#8220;yes&#8220; gutter_size=&#8220;3&#8243; style=&#8220;dark&#8220; width=&#8220;1\/1&#8243; column_width_pixel=&#8220;1300&#8243; uncode_shortcode_id=&#8220;783543&#8243;][vc_row_inner row_inner_height_percent=&#8220;0&#8243; gutter_size=&#8220;4&#8243; limit_content=&#8220;&#8220; uncode_shortcode_id=&#8220;185199&#8243;][vc_column_inner position_vertical=&#8220;middle&#8220; gutter_size=&#8220;3&#8243; style=&#8220;dark&#8220; width=&#8220;5\/12&#8243; uncode_shortcode_id=&#8220;552381&#8243;][vc_custom_heading heading_semantic=&#8220;h2&#8243; text_size=&#8220;fontsize-155944&#8243; uncode_shortcode_id=&#8220;754504&#8243;]Wo steht Ihre Technik?[\/vc_custom_heading][vc_column_text text_lead=&#8220;yes&#8220; uncode_shortcode_id=&#8220;640031&#8243;]Die Technik-Ampel fragt in 15 Fragen nach KI, Strategie, Sicherheit, Daten, Kosten und Team. Zehn Minuten, Ergebnis sofort, kostenlos.[\/vc_column_text][vc_button button_color=&#8220;accent&#8220; button_color_type=&#8220;uncode-palette&#8220; size=&#8220;btn-lg&#8220; radius=&#8220;btn-round&#8220; border_width=&#8220;0&#8243; link=&#8220;url:https%3A%2F%2Fcheck.bitflinx.com%2Ftechnik-check%2Fv1%2Fde&#8220; uncode_shortcode_id=&#8220;313023&#8243;]Technik-Ampel starten[\/vc_button][\/vc_column_inner][vc_column_inner position_vertical=&#8220;middle&#8220; gutter_size=&#8220;3&#8243; width=&#8220;7\/12&#8243; uncode_shortcode_id=&#8220;837037&#8243;][vc_single_image media=&#8220;1594&#8243; media_width_percent=&#8220;100&#8243; alignment=&#8220;center&#8220;][\/vc_column_inner][\/vc_row_inner][\/vc_column][\/vc_row]<\/p>\n<\/div>","protected":false},"excerpt":{"rendered":"<p>Anfragen mal Tokens mal Preis, dazu Caching, Batch, Modellwahl und die Kosten, die auf keiner Preisliste stehen. Ein Rechenweg zum Selbstrechnen mit einem durchgerechneten Beispiel.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"rs_blank_template":"","rs_page_bg_color":"","slide_template_v7":"","footnotes":""},"categories":[49],"tags":[],"class_list":["post-2314","post","type-post","status-publish","format-standard","hentry","category-ki-im-unternehmen"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.bitflinx.com\/de\/wp-json\/wp\/v2\/posts\/2314","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.bitflinx.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.bitflinx.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.bitflinx.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.bitflinx.com\/de\/wp-json\/wp\/v2\/comments?post=2314"}],"version-history":[{"count":17,"href":"https:\/\/www.bitflinx.com\/de\/wp-json\/wp\/v2\/posts\/2314\/revisions"}],"predecessor-version":[{"id":2758,"href":"https:\/\/www.bitflinx.com\/de\/wp-json\/wp\/v2\/posts\/2314\/revisions\/2758"}],"wp:attachment":[{"href":"https:\/\/www.bitflinx.com\/de\/wp-json\/wp\/v2\/media?parent=2314"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.bitflinx.com\/de\/wp-json\/wp\/v2\/categories?post=2314"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.bitflinx.com\/de\/wp-json\/wp\/v2\/tags?post=2314"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}