Kostenmodell · aktualisiert 2026
Die Kosten der KI-API wird Ihr Budget sprengen?
Cloud-API-Anbieter verbrennen einen enormen Teil ihrer Einnahmen. Hier finden Sie die Berechnung, mit der Sie feststellen können, ob ihre nächste Preiserhöhung auch Ihr Budget sprengen wird.
coût_mensuel_2026 = R × (T_in × P_in + (T_out + T_raisonnement) × P_out)coût_mensuel_2027 = coût_mensuel_2026 × (1 + r)^Δmois
Meine API-Kosten und den Umstiegspunkt berechnen
Geben Sie Ihr monatliches Volumen ein: Das Tool berechnet die Kosten heute sowie in 12 und 24 Monaten entsprechend dem Preissteigerungsszenario und die Amortisationszeit einer lokalen Konfiguration.
Die versteckte Preiserhöhung, die niemand ankündigt
Die angezeigten Preise pro Token haben seit 2023 insgesamt abgenommen. Doch zwei Dinge haben sich hinter den Kulissen geändert: die Reasoning-Tokens werden wie Ausgabetokens abgerechnet, und können ein Mehrfaches der Länge der sichtbaren Antwort ausmachen; das Standardrouting leitet „schwierige“ Anfragen unbemerkt an teurere Reasoning-Modelle weiter. Ein im April 2026 von TechAhead veröffentlichter Überblick nennt beispielsweise OpenAI-API-Preise, die „bis zu 4× höher in bestimmten Regionen“ zwischen März 2025 und Januar 2026, trotz der gesunkenen Listenpreise.
Eine realistische Rechnung für 2026
| Arbeitslast | Sichtbare Tokens pro Anfrage | Tokens für Reasoning/Anfrage | Kosten pro Anfrage (GPT-5) |
|---|---|---|---|
| Kundenservice-Klassifizierer | 120 Input / 40 Output | 180 | 0,0021 € |
| Code-Review-Agent (1 Datei) | 2 400 in / 600 out | 4 800 | 0,050 € |
| Agent für mehrstufige Recherchen | 8.000 in / 1.200 out | 22 000 | 0,213 € |
| Juristisches RAG mit langem Kontext | 62.000 in / 1.500 out | 9 000 | 0,161 € |
Berechnung zum öffentlich angegebenen GPT-5-Tarif (1,25 $ pro Million Eingabetokens, 10 $ pro Million Ausgabetokens, Reasoning-Tokens werden wie Ausgabetokens abgerechnet), umgerechnet mit 0,88 € pro 1 $ (September 2026).
Bei 50.000 Agentenausführungen pro Monat — einem überschaubaren Einsatz im Mittelstand — erreicht allein der Posten „Rechercheagent“ etwa 10.600 € pro Monat.
Break-Even-Punkt im Vergleich zum lokalen Deployment
Die eigentliche Frage lautet nicht „Ist ein lokales Modell auf MMLU einer API für ein Spitzenmodell ebenbürtig?“, sondern „Kann es 70 % meines Traffics akzeptabel verarbeiten, und wie viel kostet die Migration?“. Drei Referenzdeployments, über 24 Monate amortisiert, einschließlich Stromkosten (0,20 €/kWh, 60 % Auslastung). Der Schwellenwert vergleicht diese monatlichen Kosten ausschließlich mit dem Preis für Ausgabetokens von GPT-5 (≈ 8,80 € pro Million Tokens):
| Konfiguration | Modell | Hardwarekosten | Monatliche Kosten | Rentabel ab |
|---|---|---|---|---|
| RTX 5090 32 GB (in einen vorhandenen PC eingebaut) | Qwen 3 32B Q4_K_M | ≈ 5 000 € | ≈ 265 € | ~30 Mio. Ausgabe-Tokens/Monat |
| 2 × RTX 5090 (ohne NVLink, verteiltes Modell) | Qwen 2.5 72B Q4_K_M | ≈ 10 000 € | ≈ 520 € | ~59 Mio. Ausgabe-Tokens/Monat |
| Mac Studio M5 Ultra 96 GB | gpt-oss 120B | ≈ 6 600 € | ≈ 300 € | ~34 Mio. Ausgabe-Tokens/Monat |
Hardwarepreise, erfasst im September 2026 (RTX 5090 je nach Händler zwischen ≈ 5 000 und 5 600 €, Mac Studio M5 Ultra 96 GB zu 6 599 €). Die RTX 5090 haben kein NVLink: Zwei Karten teilen sich das Modell über den PCIe-Bus.
Für das obige Beispiel (50.000 Ausführungen, ~1,16 Milliarden Ausgabe- und Reasoning-Tokens pro Monat, ≈ 10.600 €/Monat) ist die Rentabilitätsschwelle bei Weitem überschritten. Eine einzelne GPU reicht jedoch nicht aus, um dieses Volumen zu erzeugen: Es sind mehrere Karten erforderlich, die Anfragen im Batchbetrieb verarbeiten (vLLM), und ein Teil des Datenverkehrs wird weiterhin über die API laufen.
Hybrider Router: das Beste aus beiden Welten
- Stufe 1 (lokal, 60–75 % des Traffics): Klassifikation, Extraktion, Codevervollständigung, RAG-Zusammenfassung bei einem Kontext von weniger als 32K.
- Stufe 2 (Mittelklasse-API, 15–25 %): kleine Modelle für moderate Anforderungen an das Schlussfolgern bei überschaubaren Kosten.
- Stufe 3 (APIs für Spitzenmodelle, 5–15 %): nur die Anfragen, die tatsächlich Schlussfolgerungen auf Spitzenniveau erfordern, gefiltert durch einen kostengünstigen Klassifikator.
Wenn 70 % der Anfragen lokal verarbeitet werden, sinkt die API-Rechnung um etwa 70 %, wobei die Hardwarekosten von der Ersparnis abzuziehen sind — vorausgesetzt, die Qualität bleibt bei diesen Anfragen akzeptabel, was sich durch einen Test anhand Ihres eigenen Traffics überprüfen lässt.
Fazit
| Aktuelle monatliche API-Kosten | Empfehlung | Warum |
|---|---|---|
| < 400 € | Bei der API bleiben | Der technische Aufwand für die Migration übersteigt die Einsparungen über 24 Monate |
| 400 - 1 800 € | Prompts optimieren, Reasoning begrenzen | Prompt-Caching, Batchverarbeitung (-50 %) und ein gedeckelter Reasoning-Aufwand senken die Kosten, ohne die API verlassen zu müssen |
| 1 800 - 8 000 € | Hybrider Ansatz: Ebene 1 lokal + Ebene 3 API | Eine High-End-GPU amortisiert sich innerhalb weniger Monate, wenn der Großteil des Datenverkehrs lokal verarbeitet wird |
| > 8 000 € | Aggressiv migrieren | Die Kostenentwicklung ist nach mehr als 12 Monaten nicht mehr tragbar |
Häufige Fragen
Werden die API-Preise wirklich steigen oder weiter sinken?
Die Listenpreise pro Token sind seit 2023 insgesamt gesunken. Die Kosten pro nützlicher Antwort können jedoch steigen, weil Reasoning-Tokens wie Ausgabetokens abgerechnet werden. Eine im April 2026 von TechAhead veröffentlichte Übersicht stellt fest, dass die Preise der OpenAI-API zwischen März 2025 und Januar 2026 „in bestimmten Regionen bis zu 4× höher“ lagen. Planen Sie Ihr Budget anhand Ihrer gemessenen Kosten pro Anfrage, nicht allein anhand des Listenpreises.
Reicht eine einzige High-End-GPU (32 GB) aus, um eine Frontier-API zu ersetzen?
Für einen großen Teil der üblichen Anfragen (Code, Klassifikation, RAG mit weniger als 32K Kontext) oft ja: Ein in Q4_K_M quantisiertes 32B-Modell erreicht auf einer RTX 5090 mehrere Dutzend Tokens pro Sekunde. Der tatsächlich ersetzbare Anteil hängt von Ihren Aufgaben ab und lässt sich anhand Ihrer eigenen Anfragen überprüfen. Für Spitzenleistungen beim Schlussfolgern und sehr lange Kontexte bleibt ein hybrider Router notwendig, der auf eine API für ein Frontier-Modell umschaltet.
Welche Inflationsrate sollte im Modell verwendet werden?
Es gibt keinen offiziellen Wert: r ist eine Szenarioannahme. Zur Veranschaulichung: Bei r = 0,06 pro Monat verdoppelt sich die Rechnung innerhalb eines Jahres. Testen Sie auch r = 0 (stabile Preise) und einen negativen Wert, der dem seit 2023 beobachteten Rückgang der Listenpreise entspricht.
Ist Fine-Tuning eine Alternative zum lokalen Betrieb?
Das Fine-Tuning bei einem Cloud-Anbieter senkt die Kosten pro Token des angepassten Modells, erhöht jedoch oft die Gesamtausgaben, da die Teams diesen niedrigeren Einheitspreis nutzen, um mehr Aufrufe zu rechtfertigen. Es bindet sie außerdem an den Anbieter. Das LoRA-Fine-Tuning eines lokalen Modells (Qwen3 oder Llama) bringt nachhaltige Einsparungen.