{"id":10406,"date":"2026-09-14T12:30:00","date_gmt":"2026-09-14T10:30:00","guid":{"rendered":"https:\/\/www.lukaswojcik.com\/blog\/?p=10406"},"modified":"2026-10-26T13:50:59","modified_gmt":"2026-10-26T12:50:59","slug":"die-rechnung-hinter-einer-llm-abrechnung","status":"publish","type":"post","link":"https:\/\/www.lukaswojcik.com\/blog\/de\/cloud-ai-de\/die-rechnung-hinter-einer-llm-abrechnung\/","title":{"rendered":"Die Rechnung hinter einer LLM-Abrechnung"},"content":{"rendered":"

Tokenbasierte Sprachmodell-APIs rechnen \u00fcblicherweise den Verbrauch je Anfrage ab. Die Gespr\u00e4chskosten ergeben sich aus der Summe dieser Anfragen. Beim Wiederverwenden des Verlaufs z\u00e4hlt eine fr\u00fche Frage dadurch mehrfach als Eingabe; eine allgemeine Gespr\u00e4chspauschale gibt es nicht.<\/p>\n

Ein LLM ist ein Sprachmodell, das Text erzeugt. \u00dcber eine API sendet Software Anfragen an das Modell. Die Eingabe umfasst die bereitgestellten Inhalte; die Ausgabe entsteht im Modell. Ein Prompt enth\u00e4lt Anweisung und Kontext. Ein Cache h\u00e4lt Zwischenergebnisse aus der Verarbeitung fr\u00fcherer Eingaben vor\u00fcbergehend bereit: Schreiben legt einen Eintrag an oder erweitert diesen, Lesen nutzt einen vorhandenen Eintrag.<\/p>\n

Eine brauchbare Sch\u00e4tzung trennt normale Eingabe, Cache-Schreiben, Cache-Lesen und Ausgabe sowie m\u00f6gliche Werkzeug- oder Dienstgeb\u00fchren. Das folgende Beispiel betrachtet ein Textgespr\u00e4ch mit festen Nachrichtenl\u00e4ngen. Es handelt sich um ein Rechenmodell, nicht um eine Anbieterrechnung oder allgemeing\u00fcltige Preisliste.<\/p>\n

\n\"Tokenmengen
Tokenmengen je Runde bei vollst\u00e4ndigem Verlauf: Grau umfasst Systemvorgabe und fr\u00fchere Nachrichten, Blau die neue Frage, Rot die neue Antwort. Die S\u00e4ulenh\u00f6he zeigt keinen Geldbetrag.<\/figcaption><\/figure>\n

Warum vollst\u00e4ndiger Verlauf die kumulierte Eingabe erh\u00f6ht<\/h2>\n

Eine API kann das erneute Senden des Verlaufs verlangen oder den Gespr\u00e4chszustand serverseitig verwalten. Beides macht den wiederverwendeten Kontext nicht automatisch kostenlos. Im folgenden Beispiel enth\u00e4lt jede Anfrage den gesamten bisherigen Verlauf, ohne Zusammenfassung, K\u00fcrzung oder gezielte Auswahl einzelner Inhalte.<\/p>\n

Die Systemvorgabe enth\u00e4lt die allgemeinen Anweisungen der Anwendung und umfasst 1.200 Token, jede Frage 150 und jede Antwort 400. Ein Tokenizer zerlegt Text in Einheiten namens Token. Das k\u00f6nnen W\u00f6rter, Wortteile oder Satzzeichen sein; ein Token entspricht keiner festen Wortzahl. Nachrichtenformatierung, Werkzeugdefinitionen, unsichtbare Formatelemente und Reasoning-Token f\u00fcr interne Modellverarbeitung vor der sichtbaren Antwort bleiben im vereinfachten Modell unber\u00fccksichtigt. F\u00fcr Runde n betr\u00e4gt die Eingabe 1.350 + 550 \u00d7 (n \u2212 1).<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n
Runde<\/th>\nEingabe dieser Runde<\/th>\nKumulierte Eingabetoken<\/th>\n<\/tr>\n<\/thead>\n
1<\/td>\n1.350<\/td>\n1.350<\/td>\n<\/tr>\n
2<\/td>\n1.900<\/td>\n3.250<\/td>\n<\/tr>\n
3<\/td>\n2.450<\/td>\n5.700<\/td>\n<\/tr>\n
4<\/td>\n3.000<\/td>\n8.700<\/td>\n<\/tr>\n
5<\/td>\n3.550<\/td>\n12.250<\/td>\n<\/tr>\n
6<\/td>\n4.100<\/td>\n16.350<\/td>\n<\/tr>\n
7<\/td>\n4.650<\/td>\n21.000<\/td>\n<\/tr>\n
8<\/td>\n5.200<\/td>\n26.200<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Nach acht Runden betr\u00e4gt die kumulierte Eingabe 26.200 Token. Die achte Anfrage enth\u00e4lt 5.200 Eingabetoken; einschlie\u00dflich der letzten Antwort mit 400 Token umfasst das Gespr\u00e4ch dann 5.600 Token samt Systemvorgabe. Alle acht Antworten ergeben zus\u00e4tzlich 3.200 Ausgabetoken. Die Tabelle z\u00e4hlt Eingabetoken, weder Geld noch die Summe aus Ein- und Ausgabe.<\/p>\n

Von der kumulierten Eingabe wiederholen 21.000 Token fr\u00fchere Eingabe, also rund 80 %. K\u00fcrzere wiederverwendete Anweisungen oder ein k\u00fcrzerer gespeicherter Verlauf k\u00f6nnen sp\u00e4tere Eingaben verkleinern. Eine Zusammenfassung kann jedoch selbst einen kostenpflichtigen Modellaufruf erfordern und Einzelheiten verlieren. Der Vergleich muss deshalb auch diese Kosten und die Qualit\u00e4t sp\u00e4terer Antworten ber\u00fccksichtigen.<\/p>\n

Beispieltarife statt allgemeing\u00fcltiger Preisliste<\/h2>\n\n\n\n\n\n\n\n\n\n
Art<\/th>\nVerh\u00e4ltnis<\/th>\nAnnahme<\/th>\n<\/tr>\n<\/thead>\n
Eingabe<\/td>\n1\u00d7<\/td>\nBeispielhafter Bezugswert<\/td>\n<\/tr>\n
Ausgabe<\/td>\n5\u00d7<\/td>\nBeispielmultiplikator, kein allgemeines Verh\u00e4ltnis<\/td>\n<\/tr>\n
Cache-Lesen<\/td>\n0,1\u00d7<\/td>\nBeispiel: geeigneten Anfang innerhalb der G\u00fcltigkeit wiederverwenden<\/td>\n<\/tr>\n
Cache-Schreiben<\/td>\n1,25\u00d7<\/td>\nBeispielhafter Gesamtpreis des Schreibens, kein zus\u00e4tzlicher Aufschlag von 1,25\u00d7<\/td>\n<\/tr>\n
Stapel<\/td>\n0,5\u00d7<\/td>\nBeispielrabatt; Modell, Endpunkt und Bedingungen m\u00fcssen passen<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Dokumentation gepr\u00fcft am 24. Oktober 2026:<\/strong> Cachebedingungen unterscheiden sich nach Anbieter und Modell. Claude dokumentiert Optionen mit 5 Minuten und 1 Stunde; OpenAI GPT-5.6 und neuer verwenden in Responses 30 Minuten und 12 Stunden. Auch Lesepreise variieren. Die Rechnung unten bleibt bewusst bei festen Beispieltarifen; ein echtes Budget ben\u00f6tigt aktuelle Preise und Verbrauchskategorien des gew\u00e4hlten Modells.<\/p>\n

Die Tabelle verwendet Beispielmultiplikatoren mit normaler Eingabe als Bezugswert 1. Ein \u00fcbereinstimmender Prompt-Anfang erh\u00e4lt nur dann den Cache-Lesepreis, wenn Eignung, Mindestl\u00e4nge, Speichergrenzen und Laufzeit des gew\u00e4hlten Modells passen. Eine ge\u00e4nderte Uhrzeit kann die Wiederverwendung ab dieser Stelle unterbrechen; ein davor liegender stabiler Anfang kann weiter nutzbar bleiben. Manche Anbieter erlauben ausdr\u00fccklich gesetzte Speichergrenzen am Ende wiederverwendbarer Eingabeabschnitte. Andere verwalten den Cache automatisch. JSON ist das strukturierte Datenformat der Anfrage. Ein identischer JSON-Text ist keine allgemeine Abrechnungsregel.<\/p>\n

Beim Schreibfaktor 1,25 und Lesefaktor 0,1 kosten einmaliges Schreiben und ein vollst\u00e4ndiger weiterer Treffer zusammen 1,35 statt 2: eine Ersparnis von 32,5 %. Zwei oder drei Treffer sind nicht n\u00f6tig. Ein kurzer Anfang kann unter der Mindestl\u00e4nge liegen; ein abgelaufener Eintrag kann erneutes Schreiben erfordern. Entscheidend sind Wiederverwendung und Tarif, nicht die Prompt-L\u00e4nge allein.<\/p>\n

Stapelverarbeitung und Fristen<\/h2>\n

Bei Stapelverarbeitung wird eine Gruppe von Aufgaben gemeinsam eingereicht. Der Dienst bearbeitet diese im Hintergrund und stellt die Ergebnisse sp\u00e4ter bereit. OpenAI dokumentiert 50 % Rabatt und ein Bearbeitungsfenster von 24 Stunden; nicht abgeschlossene Anfragen k\u00f6nnen ablaufen. Anthropic beschreibt ebenfalls rabattierte Stapel und einen Ablauf nach 24 Stunden, oft mit fr\u00fcherem Abschluss. Ein Stapel bedeutet daher weder Sofortantwort noch unbegrenztes Warten ohne definiertes Zeitfenster.<\/p>\n

Beispiele sind unabh\u00e4ngige Klassifizierungen, Katalogbeschreibungen und das Auslesen von Dokumentfeldern. Geeignetheit h\u00e4ngt von Fristen, unterst\u00fctzten Modellen, Endpunkten und Funktionen, Datengrenzen sowie Fehlerbehandlung ab. Ein gerade betrachteter Bildschirm ist kein Abrechnungskriterium. Abh\u00e4ngige Arbeitsschritte k\u00f6nnen getrennte Stapel ben\u00f6tigen, weil sp\u00e4tere Eingaben zun\u00e4chst noch fehlen.<\/p>\n

Tokenmengen je Sprache messen<\/h2>\n

Die Tokenisierung h\u00e4ngt von Modellvokabular, Sprache, Zeichensetzung und Inhalt ab. Angaben wie vier Zeichen je Token sind grobe Richtwerte f\u00fcr englischen Text, keine verl\u00e4ssliche Umrechnung f\u00fcr Deutsch oder Polnisch. Eine \u00dcbersetzung kann je nach Tokenizer und Formulierung mehr oder weniger Token ben\u00f6tigen.<\/p>\n

Daraus folgt kein fester Sprachaufschlag von 30 bis 50 %. Repr\u00e4sentative Eingaben und Antworten m\u00fcssen je Sprache mit dem Tokenizer oder Token-Z\u00e4hlendpunkt des vorgesehenen Modells erfasst werden. Die tats\u00e4chlichen Verbrauchsfelder zeigen anschlie\u00dfend die abgerechneten Kategorien. Unterschiedliche Tokenmengen sind von unterschiedlichen Preisen je Token zu trennen.<\/p>\n

Ausgabe und Reasoning begrenzen<\/h2>\n

Ausgabelimits bieten echte Kontrolle: Der API-spezifische Parameter setzt eine Obergrenze, jedoch keine Ziell\u00e4nge. Die Namen unterscheiden sich, etwa max_tokens bei Claude Messages und max_output_tokens bei OpenAI Responses. Eine niedrige Grenze kann Antworten abschneiden oder bereits durch Reasoning vor sichtbarem Text ausgesch\u00f6pft werden. Knappe Anweisungen und unterst\u00fctzte Einstellungen f\u00fcr Denkaufwand oder Ausf\u00fchrlichkeit steuern andere Aspekte.<\/p>\n

JSON ist nicht automatisch g\u00fcnstiger als Flie\u00dftext: Feldnamen, Satzzeichen und das Schema k\u00f6nnen zus\u00e4tzliche Token erzeugen. Ein kompaktes Format sollte gegen eine inhaltlich gleichwertige Alternative gemessen werden. Bei Abrechnung von Reasoning als Ausgabe ergeben 2.000 abgerechnete Reasoning-Token und 40 sichtbare Antworttoken insgesamt 2.040 Ausgabetoken, sofern keine weiteren abgerechneten Ausgabetoken hinzukommen. Ma\u00dfgeblich ist der gemeldete Verbrauch, nicht allein der sichtbare Text.<\/p>\n

\n

Fragen und Antworten<\/h2>\n

Wie viel spart ein Zwischenspeicher im Gespr\u00e4ch aus der ersten Tabelle?<\/h3>\n

Unter den genannten Multiplikatoren senkt das idealisierte Cachebeispiel die Eingabekosten um etwa 67,2 %. Vorausgesetzt sind vollst\u00e4ndig cachef\u00e4hige Prompts, die Wiederverwendung der gesamten vorherigen Anfrage und weiterhin g\u00fcltige Eintr\u00e4ge. Jede Erweiterung erg\u00e4nzt die vorherige Antwort mit 400 Token und die n\u00e4chste Frage mit 150 Token. Reale Mindestl\u00e4ngen, Speichergrenzen und fehlende Treffer k\u00f6nnen das Ergebnis ver\u00e4ndern.<\/p>\n

Die folgende Rechnung verwendet Preiseinheiten. Eine Einheit entspricht dem Preis eines normalen Eingabetokens. Diese Einheiten sind weder tats\u00e4chliche Tokenmengen noch Geldbetr\u00e4ge. Die Multiplikation mit dem normalen Eingabepreis je Token ergibt die Kosten:<\/p>\n