Was KI im Monat wirklich kostet: API-Preise realistisch gerechnet

“Was kostet uns das im Monat?” Auf diese Frage antwortet die halbe Branche mit einem Preis pro Million Token. Damit lässt sich keine Budgetzeile füllen.

Also rechnen wir es aus. Das Ergebnis vorweg: 200 Kundenmails am Tag klassifizieren kostet an Modellverbrauch gut 12 Euro im Monat. 500 Produkttexte erzeugen gut 10 Euro. Zehn Mitarbeiter an einem internen Chatbot rund 42 Euro. Zusammen knapp 65 Euro, und in allen drei Fällen ist das Modell der kleinste Posten der Rechnung.

Die KI-Kosten pro Monat im Unternehmen treiben deshalb nicht die Token-Preise, sondern vier Größen: Volumen, Kontextlänge, Aufrufe je Vorgang und Wiederholung. Laut der DIHK-Digitalisierungsumfrage 2026 nennen 40 Prozent der Unternehmen fehlendes Geld als Hürde der Digitalisierung, hinter Zeit mit 58 und Komplexität mit 56 Prozent. Bei den Beträgen oben ist das Geld selten das Problem.

Zum Preisstand. Unser Modellvergleich fand allein zum Stichtag 24. August 2026 drei befristete Aktionspreise, einer lief sieben Tage später aus. Deshalb stehen unten keine Listenpreise, sondern offene Rechenannahmen aus den Klassen dieses Vergleichs, bei kleiner und mittlerer Klasse an der oberen Kante der Spanne, damit das Ergebnis nicht zu freundlich ausfällt. Bei der Spitzenklasse geht das nicht, dort reicht die Spanne vom Vierfachen bis auf gut das Dreißigfache, deshalb zeigen wir beide Enden. Umgerechnet wird mit 0,90 Euro je US-Dollar, auch das eine Annahme.

Die KI-Kosten pro Monat entstehen aus vier Größen

Monatskosten = Vorgänge im Monat × Aufrufe je Vorgang × (Eingabe-Token × Eingabepreis + Ausgabe-Token × Ausgabepreis), beide Preise geteilt durch eine Million.

Das Volumen kennen die meisten, es ist die harmloseste der vier. Die Kontextlänge, also wie viel Text bei jedem einzelnen Aufruf mitgeht, sprengt Rechnungen, weil sie unsichtbar wächst. Die Aufrufe je Vorgang sind der übersehene Multiplikator: Ein Ablauf, der eine Mail liest, den Bestellstatus aus dem ERP deutet und einen Antwortentwurf baut, ist nicht ein Aufruf, sondern drei. Und die Wiederholung zählt, wie oft derselbe Datensatz erneut durch die Maschine läuft. Zu allen dreien stehen unten Rechnungen.

Die Ausgabe ist teurer als die Eingabe, quer durch die Klassen meist um den Faktor fünf bis sechs, in Einzelfällen mehr. Gemini 3.5 Flash-Lite liegt laut unserem Modellvergleich bei 0,30 zu 2,50 US-Dollar, also bei gut dem Achtfachen. Aufgaben, die viel lesen und wenig schreiben, sind billig. Umgekehrt nicht.

Zur Einordnung der Klassen, Namen aus demselben Vergleich, Stand 24. August 2026: klein sind gpt-5.6-luna, Gemini 3.5 Flash-Lite und Claude Haiku 4.5, Mittelklasse gpt-5.6-terra, Gemini 3.1 Pro und Claude Sonnet 5, Spitzenklasse gpt-5.6-sol, Claude Opus 5 und gpt-5.5-pro. Die Preise dazu stehen dort, hier bewusst nicht.

Drei Rechnungen, die du mit deinen eigenen Zahlen wiederholen kannst

Anwendungsfall	Aufrufe im Monat	Token ein/aus	Modellklasse (Annahme)	Modellkosten im Monat
200 Kundenmails am Tag klassifizieren	4.200	2.500 / 150	klein (1 / 5 USD)	gut 12 Euro
500 Produkttexte erzeugen	700	1.800 / 700	Mittelklasse (3 / 15 USD)	gut 10 Euro
10 Mitarbeiter, interner Chatbot	2.500	4.500 / 350	Mittelklasse (3 / 15 USD)	rund 42 Euro

200 Kundenmails am Tag klassifizieren

Annahmen: 200 Mails täglich an 250 Arbeitstagen, macht 50.000 im Jahr oder rund 4.200 im Monat. Eingabe je Mail 2.500 Token, also System-Prompt mit acht Kategorien und sechs Beispielen plus die Mail samt zitiertem Verlauf. Ausgabe 150 Token für Kategorie, Dringlichkeit, erkannte Nummern und eine kurze Begründung.

Eingabe: 2.500 geteilt durch eine Million, mal 1 US-Dollar, sind 0,0025 US-Dollar. Ausgabe: 150 geteilt durch eine Million, mal 5, sind 0,00075. Zusammen 0,00325 je Mail, ein Drittel US-Cent.

Aufs Jahr sind das 162,50 US-Dollar, umgerechnet rund 150 Euro. Gut 12 Euro im Monat. Ab hier stehen nur noch die Ergebnisse, der Rechenweg ist immer dieser.

Und die Gegenseite. Einordnen, Zuständigkeit suchen, weiterleiten, Nummer nachschlagen kostet rund 30 Sekunden je Mail, Erfahrungswert aus unseren Postfach-Analysen und keine Erhebung, hergeleitet im Beitrag zur E-Mail-Klassifizierung. Bei 200 Mails sind das gut 416 Stunden im Jahr, zu 50 Euro internen Stundenkosten rund 20.800 Euro. Davon gehen etwa 50 Stunden für Stichproben und Nachschärfen wieder ab, also 2.500 Euro eigene Arbeitszeit und keine Rechnung von außen. Netto bleiben gut 18.000 Euro im Jahr, gegen die der einmalige Aufbau steht, dazu unten.

Der Modellverbrauch macht rund sechs Prozent der laufenden Kosten aus. Wer an dieser Stelle über den Token-Preis verhandelt, spart am falschen Ende.

500 Produkttexte im Monat erzeugen

Annahmen: Eingabe 1.800 Token für Produktdaten, Tonalitätsregeln und drei Musterbeispiele, Ausgabe 700 Token für rund 300 Wörter plus Meta-Description. Dazu ein Zuschlag, den fast jede Kalkulation vergisst: 1,4 Durchläufe je fertigem Text, weil erfahrungsgemäß vier von zehn einen zweiten Anlauf brauchen. Aus 500 Texten werden damit 700 Aufrufe.

Ergebnis: 0,0159 US-Dollar je Durchlauf, 0,0223 je fertigem Text, für 500 Texte 11,13 US-Dollar oder gut 10 Euro.

Der Handgriff je Text, also Daten einsetzen, generieren, gegenlesen, anpassen und veröffentlichen, kostet drei bis acht Minuten, Erfahrungswert aus unseren Katalogprojekten. Wir rechnen mit fünf, wie im Beitrag zu Produkttexten mit KI. Bei 500 Texten sind das knapp 42 Stunden oder gut 2.000 Euro, das Modell steuert ein halbes Prozent der Gesamtkosten bei. Ohne KI liegt der Aufwand je Text etwa fünfmal so hoch, die Ersparnis je Durchgang also bei rund 166 Stunden oder 8.300 Euro.

Eine Einschränkung, die die Rechnung kippt: Ab einigen tausend Artikeln kontrolliert niemand mehr jeden Text, sondern zieht Stichproben. Der Personalanteil sinkt dann stark, der Modellanteil steigt, und ab da lohnt der Blick auf die Modellklasse wieder.

Zehn Mitarbeiter mit einem internen Chatbot

Annahmen: 10 Personen, 12 Fragen am Tag, 250 Arbeitstage, macht 2.500 Fragen im Monat. Eingabe je Frage 4.500 Token, also System-Prompt, sechs gefundene Dokumentabschnitte zu je rund 500 Token, die Frage und drei vorherige Gesprächsschritte. Ausgabe 350 Token.

Ergebnis: 0,01875 US-Dollar je Frage, knapp 1,7 Euro-Cent. Im Monat 46,88 US-Dollar, umgerechnet rund 42 Euro. Im Jahr gut 500 Euro.

Die Ersparnis lässt sich hier ehrlicherweise nicht beziffern, weil die Alternative meist “jemanden fragen” heißt und die Zeit dann bei zwei Leuten anfällt. Wer sie messen will, stoppt vorher zehn typische Suchen. Ohne diese Messung ist jede Amortisationsrechnung für einen internen Chatbot geraten.

Was die drei Rechnungen zusammen zeigen

Vergleich die Mails mit dem Chatbot. Der Chatbot verarbeitet 2.500 Vorgänge im Monat, die Mailsortierung 4.200. Vierzig Prozent weniger Vorgänge, und trotzdem dreieinhalbmal so teuer. Der Grund sind 4.500 statt 2.500 Eingabe-Token und die dreifachen Sätze, zusammen fast das Sechsfache je Aufruf. Der teuerste Posten ist in keinem der drei Szenarien das Modell, sondern die Leute, die nachlesen, und der einmalige Aufbau.

Drei Posten stecken bewusst nicht in diesen Zahlen: das einmalige Einbetten der Dokumente, also das Umrechnen jedes Abschnitts in eine durchsuchbare Zahlenform, samt Nachlauf bei jeder Änderung. Der Vektorspeicher, in dem diese Form liegt. Und das Hosting der Oberfläche.

Wer statt einer eigenen Anbindung eine fertige Chatbot-Plattform mietet, zahlt ohnehin keine Token, sondern eine Pauschale. In unserem Beitrag zum KI-Chatbot für Unternehmen stehen dafür 500 bis 2.500 Euro im Monat. Kein Widerspruch zu den 42 Euro hier, sondern eine andere Ware: Dort sind Betrieb, Oberfläche, Datenanbindung und Support drin, hier ist es der reine Modellverbrauch. Beides in einer Tabelle zu vergleichen ist der häufigste Denkfehler in Angebotsvergleichen.

Fünf Fehler, die den Verbrauch vervielfachen

Ein Vorgang ist nicht ein Aufruf. Mail rein, Bestellstatus aus dem ERP holen und deuten, Antwortentwurf raus: drei Aufrufe, und jeder schleppt das Ergebnis des vorherigen mit. Gerechnet mit 2.500, dann 3.050, dann 3.770 Eingabe-Token und mit 150, 120 und 400 Ausgabe-Token steigt der Vorgang von 0,00325 auf 0,01267 US-Dollar. Aus gut 12 Euro im Monat werden knapp 48. Nicht das Dreifache, sondern fast das Vierfache, weil der Kontext bei jedem Schritt wächst.

Den Kontext bei jedem Aufruf neu mitschicken. Statt der sechs gefundenen Abschnitte geht das komplette Handbuch mit, sagen wir 40.000 Token statt der 3.000 aus den Abschnitten. Aus 0,01875 US-Dollar je Frage werden 0,12975, im Monat rund 292 statt 42 Euro. Fast das Siebenfache, im Jahr rund 3.000 Euro Unterschied. Zwei Dinge verhindern das: gezielt suchen statt alles anhängen, und den unveränderlichen Teil des Prompts nach vorn stellen und als zwischenspeicherbar markieren. Alle großen Anbieter rechnen wiederholte Prompt-Anfänge dann günstiger ab, wie stark steht in der jeweiligen Preisliste.

Das große Modell für Routine. Dieselbe Mailsortierung auf der Spitzenklasse kostet je nach Modell das Vierfache bis gut das Dreißigfache. Am günstigen Ende sind das 585 statt 150 Euro im Jahr, ein Ärgernis. Am teuren Ende 4.590 Euro für exakt dasselbe Ergebnis, und das ist keins mehr. Sortieren, extrahieren und kürzen kann die kleine Klasse. Welche Klasse deine Aufgabe braucht, prüfst du an zwanzig echten Vorgängen aus dem laufenden Betrieb.

Der falsche Auslöser ohne Obergrenze im Konto. Der teuerste Fehler von allen, und er sieht im Code harmlos aus: Ein nächtlicher Lauf erzeugt Produkttexte nicht für die geänderten Artikel, sondern für alle 8.000 im Katalog. Aus 500 geänderten Artikeln im Monat werden 240.000 Durchläufe, das 480-fache, gerechnet ohne den 1,4-Zuschlag, weil im unbeaufsichtigten Lauf niemand nachbessert. Macht 3.816 US-Dollar statt 7,95, umgerechnet rund 3.400 Euro statt gut 7. Setz eine harte Monatsgrenze und lass dir die Warnung bei 50 Prozent schicken, nicht bei 100, denn bei 100 ist der Schaden bezahlt.

Testverbrauch auf dem Produktivkonto. Ein Entwickler, der beim Bauen jedes Mal den kompletten Datensatz durchlaufen lässt, verbraucht nach unserer Erfahrung in einer Woche mehr als der spätere Betrieb in einem Quartal. Eigener Schlüssel je Umgebung, eigenes Limit je Schlüssel, Testlimit so niedrig, dass es früh weh tut. Ohne getrennte Schlüssel siehst du auf der Rechnung nicht einmal, wohin das Geld gegangen ist.

Plätze zahlst du für Köpfe, Token für Vorgänge

Ein Platz im Business-Tarif kostet 25 US-Dollar monatlich, bei Jahreszahlung 20, Stand August 2026 aus unserem Beitrag zu ChatGPT im Unternehmen. Zehn Plätze sind damit 225 Euro im Monat, bei Jahreszahlung 180. Gegen die 42 Euro aus dem Chatbot-Szenario spart die eigene Anbindung 183 Euro im Monat, bei Jahreszahlung nur noch 138.

Auf den zweiten Blick spart sie gar nichts, denn bei der Lizenz ist die Oberfläche dabei. Teil deinen einmaligen Aufbaupreis durch die Ersparnis, dann hast du deinen Break-even. Bei uns startet ein Automations-Use-Case bei 1.500 Euro, darin stecken die Anbindung an ein Quellsystem, der Prompt mit Testfällen, die Fehlerbehandlung samt Freigabeschritt und die Übergabe an dein Team. Macht gut acht Monate bei Monatszahlung und knapp elf bei Jahreszahlung. Eine interne Oberfläche mit Rechteverwaltung, Protokoll und Nutzerpflege ist allerdings kein einzelner Use-Case, dort wandert der Break-even entsprechend nach hinten.

Die Regel: Tausch eine Team-Lizenz nie aus Kostengründen gegen eine eigene Anbindung. Die Anbindung lohnt sich, wenn kein Mensch mehr tippt. Zehn Leute können 4.200 Mails im Monat gar nicht von Hand durch einen Chat schicken, dafür gibt es keinen Tarif. Wer beides parallel betreibt, ohne die Zuständigkeit zu trennen, zahlt zweimal für dieselbe Aufgabe. Wie so eine Anbindung an ERP und Postfach andockt, siehst du daran, wie wir KI-Automation umsetzen.

Bleibt das offene Modell auf eigener Hardware. Die Schwelle liegt bei rund 100.000 gleichartigen Verarbeitungen im Monat, durchgerechnet steht sie im selben Modellvergleich. Der größte Fall hier liegt bei 4.200. Eigenbetrieb ist bei diesen Mengen eine Datenschutzentscheidung, keine Kostenentscheidung.

Wo sich das Rechnen gar nicht lohnt

Unterhalb von ein paar hundert Aufrufen im Monat ist der Modellverbrauch eine Rundungsdifferenz. Ob am Ende 5 oder 30 Euro auf der Rechnung stehen, die Diskussion darüber kostet mehr Zeit, als sie ausmacht. Die richtige Frage lautet dann, ob sich die Einrichtung trägt, und die entscheidet sich an Aufwand und gesparten Minuten, nicht an Token.

Genauso wenig lohnt eine Kalkulation, bevor du einen echten Monat gemessen hast. Geschätzte Vorgangszahlen liegen in unseren Projekten regelmäßig um den Faktor zwei bis drei daneben, in beide Richtungen. Zähl vier Wochen mit, dann rechne.

Was du jetzt tun kannst

Nimm einen einzigen Vorgang, den du automatisieren willst. Schick ihn einmal durch das Modell und lies drei Zahlen ab: Eingabe-Token, Ausgabe-Token, Preis je Million laut aktueller Preisliste. Zähl dazu, aus wie vielen Aufrufen dein Vorgang wirklich besteht, und multiplizier mit deiner Monatsmenge. Das dauert zwanzig Minuten und ersetzt jede Schätzung.

Dann prüf die drei Multiplikatoren: Wie viel Text hängt an jedem Aufruf, wie oft läuft derselbe Datensatz durch, und steht im Konto eine Obergrenze. Ist eine der drei Antworten unklar, liegt dein Risiko nicht beim Modellpreis.

Wie wir solche Abläufe aufsetzen, damit der Verbrauch nicht unbemerkt wächst, siehst du bei uns als KI-Agentur. Das Erstgespräch dazu kostet nichts. Willst du weiter, rechnen wir deinen Fall in einer Fokus-Session durch, 60 Minuten ab 495 Euro zzgl. MwSt.: deine Vorgangsmenge, die Aufrufe je Vorgang, deine Kontextlänge an echten Beispielen gemessen und ein gesetztes Kontolimit. Am Ende hast du eine Monatszahl, die du deiner Bank und deinen Mitgesellschaftern zeigen kannst.