Was kosten Tokens: API-Ausgaben für OpenAI, Claude und Gemini berechnen

Die API-Rechnung überrascht oft stärker als der Listenpreis: Das Modell berechnet jeden Input- und Output-Token, nicht «eine Anfrage». Unten - so funktioniert Billing bei OpenAI, Claude und Gemini, so planen Sie das Monatsbudget, und wo Unternehmen typischerweise zu viel zahlen.

• Token - Abrechnungseinheit: etwa 3-4 Zeichen oder ein Wortteil
• Input gewinnt beim Volumen; Output ist teurer pro 1M - langer Kontext trifft die Rechnung härter als eine kurze smarte Antwort
• Formel - (input_tokens / 1M) × input_price + (output_tokens / 1M) × output_price
• Orientierung Juli 2026 - GPT-5.6 Luna/Terra/Sol, Claude Sonnet 5 / Opus 4.8 / Fable 5, Gemini 3.5 Flash / 3.1 Pro
• Versteckte Kosten - System-Prompt, Chat-Historie, RAG-Chunks, Retries, Tool-Calls
• Sparen - kleineres Modell für Routine, Caching/Batch, Kontext kürzen, Flagship nur bei schweren Fällen eskalieren

Was ein Token ist - und warum kein «Wort»

Ein Token ist ein Textfragment nach der Tokenisierung des Modells. Es ist nicht immer ein ganzes Wort: «Programmierung» kann 2-3 Tokens werden; Leerzeichen und Zeichensetzung zählen mit. Zur Volumenschätzung:

Der exakte Schnitt hängt vom Tokenizer des Anbieters ab - fürs Billing nutzen Sie usage in der API-Antwort, keine Bauchschätzung. Zum Limit pro Request: Kontextfenster.

So wird der API-Preis berechnet

Alle drei Anbieter folgen demselben Schema:

1. Input-Tokens zählen (System + User + Historie + Anhänge/Chunks).
2. Output-Tokens zählen (Antwort; manchmal Reasoning/Thinking separat).
3. Der Satz gilt pro 1 Million Tokens (1M), getrennt für Input und Output.
4. Kosten pro Call:

cost = (input_tokens / 1_000_000) × price_input
     + (output_tokens / 1_000_000) × price_output

Wichtige Nuancen:

• Output ist pro 1M fast immer teurer - oft 4-6× - lange Antworten und «Reasoning» blähen die Rechnung auf.
• Langer Kontext kostet bei manchen Modellen oberhalb einer Schwelle mehr (OpenAI GPT-5.6 ab 272K; Gemini 3.1 Pro ab 200K).
• Batch API und Prompt Caching senken den Preis bei wiederholtem System-/RAG-Kontext - wenn die Architektur das zulässt.
• ChatGPT-/Claude-/Gemini-Workspace-Seats sind eine andere Kostenart - nicht mit Per-Token-API verwechseln. Plattformvergleich: ChatGPT vs Claude vs Gemini.

Tarife Juli 2026: Planungsgrundlage

Preise ändern sich - vor Produktion die offizielle Liste prüfen. Unten Arbeitswerte aus dem Modellüberblick Juli 2026 (USD pro 1M Tokens, Standard).

OpenAI (GPT-5.6)

Über 272K Input gilt bei GPT-5.6 ein Long-Context-Tarif (Orientierung: Input ×2, Output ×1.5).

Anthropic (Claude)

Ab 01.09.2026 Claude Sonnet 5: $3.00 / $15.00 pro 1M.

Google (Gemini)

Gemini 3.1 Pro über 200K Tokens - erhöhter Tarif (Orientierung: $4.00 / $18.00 pro 1M).

Rechenbeispiele

Beispiel 1. Support-Antwort: kurzer Dialog

Pro Ticket:

• Input: 1 200 Tokens (Anweisung + Frage + 2 Historien-Turns);
• Output: 400 Tokens;
• Volumen: 50 000 Tickets / Monat.

Für L1-Support rechnet sich ein Flagship fast nie: Retrieval-Qualität und «ich weiß es nicht» schlagen den Top-Benchmark.

Beispiel 2. Vertrags-Summary mit großem Kontext

Pro Dokument:

• Input: 80 000 Tokens (PDF + System);
• Output: 2 000 Tokens;
• Volumen: 2 000 Dokumente / Monat.

Hier dominiert Input. Billiger ist nicht «kürzer antworten», sondern nicht das ganze PDF zu schicken, wenn relevante RAG-Chunks reichen.

Beispiel 3. Tool-Agent: der versteckte Multiplikator

Eine «User-Anfrage» beim Agenten sind oft 5-20 Modell-Calls (Plan → Tool → Beobachtung → wieder Plan). Wenn jeder Schritt volles System + Historie trägt:

agent_cost ≈ cost_of_one_call × number_of_steps

10 Schritte mit 8K Input / 500 Output auf Terra ist kein «Chat für Centbeträge» mehr, sondern echte Dollars pro schwerem Fall. Budgetieren Sie Agenten-Traces, nicht UI-Nachrichten.

Wo Unternehmen zu viel zahlen

1. Ein Flagship für alles. Sol / Fable 5 für Mail-Klassifikation und FAQ - klassisches Budgetleck.
2. Fetter System-Prompt + volle Historie bei jedem Call. Wiederholter Kontext ohne Caching multipliziert Input.
3. RAG ohne Chunk-Limit. Zehn «sicherheitshalber»-Chunks kosten mehr als zwei relevante - und die Qualität sinkt.
4. Retries und Fallback ungezählt. Timeout → Retry → zweites Modell = doppelte Rechnung pro Klick.
5. Langer Output «sicherheitshalber». Hohes max_tokens + vager Prompt = das Modell schreibt einen Roman.
6. Seat vs. API verwechselt. Team-Abo ersetzt keine Token-Rechnung für Produkt, Bots und Automatisierung.
7. Long-Context-Tarife ignoriert. Ab 200K/272K springt der Satz, das Dashboard zeigt noch den «Durchschnitt».

So planen Sie das Monatsbudget

Praktische Vorlage für Finance und CTO:

1. Traffic in Szenarien splitten (Support-Chat, Summarization, Agent, Embeddings getrennt).
2. Pro Szenario die Median-Input/Output aus Logs nehmen (nicht die Ideal-Demo).
3. Mit Monatsvolumen an Requests / Agent-Schritten multiplizieren.
4. 20-40% Puffer für Retries, Peaks und Experimente addieren.
5. Modellwechsel planen: Pilot auf dem günstigeren + Eskalation nach Regeln.

Mini-Planungstabelle:

Ohne diese Tabelle ist «das smarteste Modell» eine Lotterie, keine Finanzplanung.

Kosten senken ohne Qualitätsverlust

• Model Routing. Klassifikation und Entwürfe - Luna / Flash / Sonnet; harter Code und lange agentische Ketten - Sol / Fable 5.
• Context Engineering. Historie kürzen, System kurz halten, Anweisungen nicht duplizieren. Siehe Context Engineering.
• RAG statt «alles in den Prompt». Weniger Input - niedrigere Rechnung und weniger Halluzinations-Risiko durch Rauschen.
• Prompt Caching und Batch. Wiederholte Anweisungen und Nachbatchjobs sind oft günstiger als Realtime.
• Harte Output-Limits. Structured Output (JSON) statt Essays; klare Längenlimits.
• Eskalieren, nicht flagship-defaulten. Zuerst günstig; teuer bei niedriger Confidence oder schwerem Task-Typ.
• Observability. usage nach Feature/Tenant loggen - sonst gibt es nichts zu optimieren.

Fazit

Token-Kosten sind nicht «der Modellpreis aus der Preisliste», sondern Input-Volumen × Satz + Output-Volumen × Satz × Anzahl Calls. 2026 sieht ein vernünftiger Business-Stack oft so aus: günstiges schnelles Modell für den Strom, Mid-Tier für Arbeitsdokumente, Flagship nur punktuell. Rechnen Sie aus echten Log-Szenarien inklusive Agent-Ketten und Retries - dann ist die API kein Monatsende-Überraschungspaket mehr.

Häufig gestellte Fragen

Worin unterscheiden sich Input- und Output-Tokens im Preis?

Output ist pro 1M fast immer teurer, oft 4-6×. Die Endrechnung bläht aber oft Input auf: lange Dokumente, Chat-Historie und RAG-Chunks. Schauen Sie beide Teile von usage, nicht nur «wie viel das Modell schrieb».

Wie viele Tokens hat eine typische User-Nachricht?

Eine kurze deutsche Frage sind oft 30-120 Tokens. Mit System-Prompt, Policies und 10 Historien-Turns wird ein «Chat» leicht zu 1 000-5 000+ Input vor der Antwort. Fürs Budget die volle Anfrage messen, nicht nur den Kundensatz.

Was lohnt sich bei hohem Traffic: Gemini Flash, GPT Luna oder Claude Sonnet?

Für Massenklassifikation, FAQ und kurze Antworten gewinnen oft Gemini 3.5 Flash und GPT-5.6 Luna. Claude Sonnet 5 kommt, wenn Stil, Anweisungen und sorgfältiger Text bei noch moderatem Preis zählen. Mit A/B auf Ihrem Datensatz bestätigen, nicht nur mit der Preistabelle.

Muss man immer das teuerste Modell «sicherheitshalber» nehmen?

Nein. Teure Modelle rentieren sich bei schweren Aufgaben: langer Code, agentische Ketten, strenge Reasoning-Anforderungen. Bei vielen gleichartigen Requests ist der Aufpreis Verschwendung - besser Routing und regelbasierte Eskalation.

Wie schätzt man die Monatsrechnung ohne Logs?

20-50 reale Prompts nehmen, durch die API schicken, usage erfassen, Input/Output mitteln, mit Forecast-Volumen multiplizieren und 30% für Retries und Wachstum addieren. Nach 1-2 Wochen die Schätzung durch Produktions-Mediane ersetzen - der Fehler fällt meist um ein Vielfaches.