Was Tokens kosten: warum die Rechnung steigt und niemand sagen kann wofür
Es gibt einen Punkt in fast jeder KI-Einführung, an dem jemand aus dem Einkauf oder dem Controlling eine Frage stellt, die niemand beantworten kann. Die Rechnung ist gestiegen. Um wie viel und wofür, weiß im Haus keiner.
Das ist keine Schlamperei. Es liegt an der Art, wie diese Systeme abgerechnet werden, und daran, dass diese Art nicht zu der Art passt, wie Organisationen Kosten sonst zuordnen.
Wonach abgerechnet wird
Ein Sprachmodell rechnet in Tokens. Ein Token ist ungefähr ein Wortteil, im Deutschen grob eine Silbe. Bezahlt wird, was hineingeht, und bezahlt wird, was herauskommt, meistens zu unterschiedlichen Sätzen.
Drei Eigenschaften dieser Abrechnung erzeugen zusammen die Überraschung auf der Rechnung.
Der Abstand zwischen den Modellklassen ist groß, und zwar in beide Richtungen. Zwischen einem kleinen, schnellen Modell und einem Spitzenmodell liegen bei den Sätzen je Token ein bis zwei Größenordnungen. Das ist kein Aufschlag, das ist ein anderer Maßstab: Dieselbe Aufgabe kostet, je nachdem an welches Modell sie geht, das Fünffache oder das Hundertfache.
Derselbe Abstand besteht aber auch im Können, und deshalb ist die Rechnung nicht so einfach, wie sie zunächst aussieht. Ein kleines Modell ist nicht ein schlechteres großes; es liegt bei anspruchsvolleren Aufgaben oft ganz jenseits dessen, was es leisten kann. Wer aus Kostengründen pauschal auf die kleine Klasse geht, spart am Preis und zahlt an anderer Stelle: mit Ergebnissen, die nachgearbeitet werden müssen, oder mit Fällen, die man daraufhin für unmöglich hält. Die Frage lautet also nie „welches Modell ist billig genug", sondern welche Aufgabe welche Klasse tatsächlich braucht. Und die Antwort fällt öfter zugunsten der großen Modelle aus, als eine reine Kostenbetrachtung erwarten lässt: Was die Spitzenklasse an anspruchsvollen Aufgaben trägt, hat sich in den letzten Jahren erheblich ausgeweitet, und ein Ergebnis, das auf Anhieb stimmt, ist billiger als drei Anläufe plus Nacharbeit.
Ein Gespräch bezahlt sich immer wieder neu. Bei jedem weiteren Schritt geht der bisherige Verlauf erneut mit hinein. Eine lange Unterhaltung kostet deshalb nicht linear, sondern beschleunigt. Wer stundenlang an einem Dokument arbeitet, erzeugt am Ende ein Vielfaches dessen, was die ersten Fragen gekostet haben.
Was Sie nicht sehen, zählt mit. Moderne Modelle denken vor dem Antworten, und dieses Denken erzeugt Tokens, die niemand liest, die aber bezahlt werden. Ein Bild oder eine gescannte Seite wiegt außerdem sehr viel schwerer als derselbe Inhalt als Text. Ein paar hundert eingescannte PDF-Seiten sind ein anderer Kostenvorgang als ein paar hundert Sätze, und man sieht es der Anfrage nicht an.
Warum die teuren Anfragen die unauffälligen sind
Die teuersten Anfragen sehen für den, der sie stellt, aus wie die billigsten. Das ist der Grund, warum sich dieses Problem nicht von selbst löst.
Ein Mitarbeiter, der ein Modell auf einen großen Bestand ansetzt, ein paar hundert Dokumente verarbeiten lässt oder einen langen selbstständigen Lauf startet, tut subjektiv dasselbe wie jemand, der eine Mail umformulieren lässt. Er stellt eine Frage. Die Kosten der beiden Vorgänge unterscheiden sich um Größenordnungen.
Kostenbewusstsein setzt eine Anschauung voraus, und diese Anschauung kann hier niemand haben. Die Rechnung begegnet dem Verursacher nie an der Stelle, an der er sie erzeugt. Sie kommt Wochen später, in Summe, bei jemand anderem an.
Das Ergebnis ist nicht Verschwendung im moralischen Sinn. Es ist etwas Nüchterneres: Kosten entstehen pro Person und pro Impuls, Nutzen entsteht ungleichmäßig und an anderer Stelle, und die beiden lassen sich nicht aufeinander beziehen.
Warum Zurücknehmen der falsche Reflex ist
Der erste Gedanke ist fast immer, die Kontingente enger zu ziehen. Der Gedanke scheitert an einem Umstand, der selten mitbedacht wird.
Gerade die qualifizierten Leute brauchen die guten Modelle, und gerade bei ihnen ist der entgangene Nutzen teurer als der Verbrauch. Wer die teuren Modelle rationiert, rationiert Zugang zu Fähigkeit. Das ist das Einzige, was ein Unternehmen an dieser Stelle nicht rationieren will.
Damit steht ein Verantwortlicher zwischen zwei schlechten Möglichkeiten: bereitstellen ohne Steuerung, oder steuern durch Verknappung. In den meisten Häusern bleibt die Diskussion genau zwischen diesen beiden stehen.
Was eine Genehmigungspflicht kostet
Zwischen bereitstellen ohne Steuerung und steuern durch Verknappung finden Unternehmen fast immer denselben dritten Weg: die Genehmigung. Wer etwas Aufwendigeres vorhat, begründet es und lässt es freigeben.
Das funktioniert, und es kostet drei Dinge. Es erzeugt einen Genehmigungsschritt pro Vorhaben, in einem Feld, in dem Vorhaben klein und zahlreich sind. Es bremst die Bewegung genau dort, wo sie gerade produktiv wird. Und es dreht die Kompetenz um: Der Budgetverantwortliche beurteilt einen Aufwand, dessen fachlichen Wert er nicht einschätzen kann. Die Entscheidung wandert von dem, der die Sache versteht, zu dem, der das Budget hält. Besser wird sie dadurch nicht.
Der Kontrollpunkt sitzt in dieser Konstruktion an der Anfrage, also spät und häufig, und an der Stelle, an der Fachwissen und Budgetverantwortung auseinanderfallen.
Die Frage, die offen bleibt
Was Sie an dieser Stelle wirklich beantworten müssten, ist nicht „wie bekommen wir die Rechnung kleiner". Es ist: wofür war diese Rechnung eigentlich da?
In einem persönlichen Kontingent ist diese Frage nie beantwortbar, weil der Verbrauch sich in einer Person auflöst statt in einem Zweck. Solange Sie nur wissen, dass Abteilung X im Juli mehr verbraucht hat als im Juni, haben Sie keine Information, sondern eine Zahl.
Und ein Hinweis, damit die Erwartung stimmt: Der Weg dahin macht die Rechnung nicht kleiner. Ein gut ausgerichteter Einsatz verbraucht unter Umständen mehr, weil er längere und gründlichere Läufe überhaupt erst lohnend macht. Was sich ändert, ist nicht die Höhe, sondern ob jemand sie vertreten kann.
Und wohin läuft das Geld?
Eine Stufe höher wird aus der Betriebsfrage eine wirtschaftspolitische.
Der Tokenverbrauch von Unternehmen steigt, und er wird weiter steigen, weil die Systeme von einzelnen Anfragen zu langen selbstständigen Läufen übergehen. Jeder dieser Läufe ist eine Zahlung, und diese Zahlungen gehen fast vollständig an eine kleine Zahl von Anbietern außerhalb Europas. Bei den Modellen, die Unternehmen für ihre eigenen Anwendungen einkaufen, lag Anthropic 2025 bei rund 40 Prozent Marktanteil, OpenAI bei 27, Google bei 21 und Meta bei 8. Zwei Jahre vorher sah dieselbe Verteilung völlig anders aus. Der Markt ist also in Bewegung, aber er ist an keiner Stelle europäisch.
Das ist zunächst eine Feststellung und noch kein Problem. Zum Problem wird es, wenn ein wachsender Anteil der laufenden Kosten europäischer Wertschöpfung dauerhaft als Betriebsausgabe abfließt, für eine Leistung, die zur Grundausstattung wird. Bei Rechenzentren und Betriebssystemen ist genau das passiert, und niemand hat es damals als strategische Entscheidung erlebt.
Ich halte die Kennzahl, auf die es dabei ankommt, für die Kosten je Token bei vergleichbarer Fähigkeit. Wer die in Europa wettbewerbsfähig hinbekommt, hält einen Teil dieser Zahlungen hier. Der Weg dahin führt nicht über eine europäische Kopie der amerikanischen Spitzenmodelle. Er führt über frei verfügbare Modellgewichte, über Nachtraining auf die eigene Domäne und über die Fähigkeit, das eine mit dem anderen zu kombinieren. Die Fachfrage, welches Modell eine Aufgabe tatsächlich braucht, ist damit dieselbe Frage wie die wirtschaftspolitische. Nicht in dem Sinne, dass ein kleineres Modell immer reicht, denn das tut es oft gerade nicht. Sondern in dem Sinne, dass ein Haus, das seine Aufgaben kennt, die Spitzenklasse dort einsetzen kann, wo sie den Unterschied macht, statt überall.
Das ist der Punkt, an dem die Rechnung Ihres Hauses und die Frage, wo künftig Wertschöpfung entsteht, dieselbe Rechnung sind.