Was eine KI-Automatisierung wirklich kostet: die ganze Rechnung

Die sieben Posten einer KI-Automatisierung

Wer den KI-Kostenrechner benutzt, bekommt eine Zahl: die Token-Kosten je Monat und Jahr. Diese Zahl ist korrekt und wichtig — und sie ist trotzdem nur ein Siebtel der Wahrheit. Eine Automatisierung, die im Betrieb steht, verursacht Kosten an sieben Stellen: bei der Entwicklung und Einrichtung, bei der Anbindung an Ihre Systeme, beim Betrieb und Hosting, bei der Prüfung der Ergebnisse durch Menschen, bei Fehlern, bei der Wartung nach Modellwechseln und bei den Token selbst. Nur der letzte Posten steht auf einer Preisliste.

Dieser Artikel geht die sechs anderen Posten durch und rechnet am Ende drei typische Vorhaben komplett durch. Die Token-Kosten darin stammen aus den Anbieterpreisen vom 10. September 2026 und sind nachvollziehbar; alle Nebenkosten sind Schätzungen in Arbeitsstunden, die wir als solche kennzeichnen — Ihre Stundensätze kennen nur Sie. Wer eine Zahl für „was kostet die Einrichtung“ sucht, wird hier keine Euro-Beträge finden, sondern eine Methode, die eigenen Stunden ehrlich zu zählen.

Entwicklung und Einrichtung: der einmalige Posten

Bevor die erste Anfrage läuft, muss jemand vier Dinge tun: die Aufgabe präzise beschreiben, die Anweisung an das Modell formulieren und testen, das passende Modell auswählen und die Ausgabe in ein Format bringen, das Ihre Systeme verstehen. Der Teil, den Laien unterschätzen, ist der zweite. Eine Anweisung, die im Chatfenster einmal gut funktioniert, versagt im Automatikbetrieb bei der zwanzigsten Mail, die anders aussieht als erwartet — mit Anhang, auf Englisch, mit drei Fragen statt einer. Erst ein Testlauf mit echten Beispielen zeigt, ob die Anweisung trägt; wie man einen solchen Mini-Benchmark mit 20 Fällen anlegt, beschreibt der Artikel Kleines oder großes Modell?.

Als Schätzung für die Größenordnung, ohne Anspruch auf Allgemeingültigkeit: Ein einfacher Klassifizierer (Mail in fünf Kategorien) ist mit klarem Auftrag in einem bis zwei Arbeitstagen betriebsbereit, ein Angebots-Entwurf mit Preisliste und Firmenstil braucht eher drei bis fünf Tage, ein Website-Chatbot mit Wissensbasis, Übergabe an Menschen und Schutz gegen unerwünschte Antworten eine bis drei Wochen. Was den Aufwand am stärksten treibt, ist nicht die Technik, sondern die Klärung: Was genau soll die KI tun, was darf sie auf keinen Fall, und wer entscheidet im Zweifel? Diese Fragen kosten Besprechungszeit, bevor eine Zeile Code entsteht.

Anbindung und Betrieb: was jeden Monat läuft

Eine Automatisierung ist nur nützlich, wenn sie an Ihr Mailprogramm, Ihren Shop, Ihr CRM oder Ihre Website angeschlossen ist. Dafür gibt es zwei Wege. Werkzeuge der n8n-/Zapier-Klasse verbinden Dienste per Klick, lassen sich ohne Programmierung einrichten und kosten entweder eine monatliche Gebühr (gehostete Variante) oder — bei selbst betriebenen Werkzeugen wie n8n — einen eigenen Server, den jemand pflegen muss. Der zweite Weg ist eigener Code, der direkt mit der Schnittstelle des Anbieters spricht: flexibler, ohne Zwischengebühr, aber mit dem Preis, dass Sie ihn selbst warten.

Zum Betrieb gehören Posten, die sich klein anfühlen und sich summieren: ein Server oder ein Abo für das Verbindungs-Werkzeug, ein Ort für Protokolle (was wurde wann an das Modell geschickt, was kam zurück), Fehlerbenachrichtigungen, und die Zeit, um diese Benachrichtigungen zu lesen. Wer Kundendaten verarbeitet, braucht außerdem einen Auftragsverarbeitungsvertrag mit dem Anbieter und muss klären, ob eine feste Verarbeitungsregion nötig ist — OpenAI und Anthropic berechnen dafür 10 % Aufschlag auf die Token (Preisseiten, 10.09.2026). Zusatzfunktionen kosten extra: Websuche über die Anthropic-API 10 Dollar je 1.000 Suchen zusätzlich zu den Token (Anthropic-Preisdokumentation, 10.09.2026).

Eine Schätzung für die Größenordnung des laufenden Betriebs bei einer einzelnen Automatisierung: ein bis drei Stunden im Monat für Protokolle, Fehler und kleine Anpassungen, wenn nichts Größeres passiert. Passiert etwas Größeres — der Anbieter ändert die Schnittstelle, das Mailprogramm ein Format —, wird daraus ein Arbeitstag.

Prüfaufwand durch Menschen: der unterschätzte Posten

Sprachmodelle liefern Ergebnisse, die fast immer plausibel aussehen — auch dann, wenn sie falsch sind. Deshalb braucht jede Automatisierung eine Prüfung, und ihr Umfang richtet sich nach dem Schaden, den ein Fehler anrichten kann. Drei Stufen haben sich bewährt:

Als Schätzung: Beim Mail-Sortierer mit 1.760 Mails im Monat sind 10 % Stichprobe zu einer halben Minute je Mail rund 1,5 Stunden. Beim Angebots-Entwurf liest ein Mensch jedes der 220 Angebote — fünf Minuten je Stück sind rund 18 Stunden, die aber die bisherige Schreibzeit ersetzen und nicht dazukommen. Beim Chatbot mit 9.000 Gesprächen im Monat sind 2 % Stichprobe zu zwei Minuten rund 6 Stunden. Diese Stunden sind real, auch wenn sie in keiner Rechnung stehen; wer sie nicht einplant, prüft am Ende gar nicht.

Fehlerkosten und Halluzinationen

„Halluzination“ ist das Fachwort für eine erfundene, aber überzeugend formulierte Angabe: ein Rabatt, den es nie gab, ein Liefertermin, der nicht haltbar ist, ein Paragraf, der nicht existiert. Wie oft das passiert, hängt von Modell, Aufgabe und Anweisung ab; eine allgemeine Quote gibt es nicht, und wir nennen deshalb keine. Was sich dagegen beziffern lässt, ist der Schaden je Fehler — und der bestimmt, wie viel Prüfung sich lohnt.

Eine falsch einsortierte Mail kostet zwei Minuten Umsortieren. Ein Angebot mit erfundenem Rabatt kostet die Differenz oder das Kundengespräch, in dem Sie ihn zurücknehmen. Eine falsche Auskunft des Chatbots zu Rückgabefristen oder Preisen kann Sie rechtlich binden. Die nüchterne Rechnung lautet: erwartete Fehler je Monat mal Schaden je Fehler. Bei der Mail-Sortierung ist das Produkt klein, beim Chatbot kann es die gesamte Token-Rechnung übersteigen — ein Grund, dem Chatbot enge Grenzen zu setzen („nur Fragen zu Öffnungszeiten, Versand und Rückgabe; sonst an einen Menschen verweisen“) und ihm keine Zusagen zu erlauben.

Wartung bei Modellwechsel

Ein Modell ist kein Produkt, das Sie einmal kaufen. Anbieter veröffentlichen neue Versionen, ändern Preise und kündigen ältere Modelle ab. Zwei Beispiele, beide vom 10. September 2026: Anthropic führt in seiner Preisdokumentation mehrere zurückgezogene Modelle; Google nennt für Gemini 3.8 Flash den Preis von 0,75/3,75 Dollar je Million Token ausdrücklich „bis 31. Dezember 2026“ und ab 1. Januar 2027 das Doppelte, 1,50/7,50 Dollar. Wer heute einen Chatbot auf Gemini 3.8 Flash baut, hat im Januar entweder die doppelte Token-Rechnung oder einen Modellwechsel vor sich.

Ein Modellwechsel klingt nach einer Zeile Konfiguration, ist aber ein Testlauf: Modelle reagieren auf dieselbe Anweisung unterschiedlich, gliedern anders, halten sich unterschiedlich streng an Formatvorgaben, und Anthropic weist darauf hin, dass Claude-Modelle ab Version 4.7 einen Tokenizer nutzen, der für denselben Text rund 30 % mehr Token erzeugt (Preisdokumentation, 10.09.2026) — die Kalkulation verschiebt sich also selbst bei gleichem Preis je Token. Planen Sie deshalb je Automatisierung mindestens einen Modellwechsel pro Jahr ein, mit demselben Testlauf wie bei der Einrichtung: als Schätzung ein halber bis ganzer Arbeitstag.

Ausgabenlimits: die günstigste Versicherung

Ein Fehler in der Anbindung kann eine Automatisierung in eine Dauerschleife schicken — dieselbe Mail wird tausendfach verarbeitet, ein Chatbot antwortet sich selbst. Ohne Grenze fällt das erst mit der Rechnung auf. OpenAI, Anthropic und Google bieten in ihren Verwaltungsoberflächen monatliche Budgetgrenzen und Warnschwellen; sie zu setzen kostet Minuten. Eine praktikable Regel: Grenze auf das Doppelte der erwarteten Monatskosten, Warnung bei der Hälfte, und ein Blick in die Verbrauchsübersicht in der ersten Woche jeder neuen Automatisierung. Ergänzend hilft eine technische Bremse in der Anbindung selbst — höchstens so viele Anfragen je Stunde, wie das Vorhaben plausibel braucht.

Drei Szenarien durchgerechnet

Die Token-Kosten der drei Szenarien folgen der Methode des Rechners: Anfragen je Monat mal Token hinein mal Eingabepreis, plus Token heraus mal Ausgabepreis, Cache-Treffer mit dem jeweils genannten Cache-Preis. Alle Preise vom 10. September 2026; Euro-Umrechnung mit dem EZB-Referenzkurs vom 9. September 2026 (1 € = 1,1652 $). Die Nebenkosten stehen als Stunden, gekennzeichnet als Schätzung.

Szenario 1: Mail-Sortierer (Claude Sonnet 5)

80 Kundenmails je Werktag, 22 Werktage: 1.760 Anfragen im Monat. Eingabe 2.000 Token (davon 1.500 feste Anweisung aus dem Cache), Ausgabe 100 Token. Dieselbe Rechnung wie im Artikel Was sind Tokens?: 0,88 Mio. Token zu 2 $ plus 2,64 Mio. Cache-Treffer zu 0,20 $ plus 0,176 Mio. Ausgabe zu 10 $ — 4,05 $ im Monat, rund 3,48 €. Als Batch über Nacht die Hälfte.

Szenario 2: Angebots-Entwurf (Claude Sonnet 5)

10 Angebotsanfragen je Werktag, 220 im Monat. Eingabe: 6.000 Token feste Anweisung mit Preisliste und Firmenstil (aus dem Cache, Mindestlänge 1.024 Token bei Sonnet 5 ist erfüllt) plus 800 Token Kundenanfrage; Ausgabe 1.200 Token Entwurf. Rechnung: 220 × 800 = 0,176 Mio. × 2 $ = 0,35 $; Cache einmal je Werktag angelegt (22 × 6.000 Token × 2,50 $) = 0,33 $; 198 × 6.000 = 1,188 Mio. Cache-Treffer × 0,20 $ = 0,24 $; 220 × 1.200 = 0,264 Mio. Ausgabe × 10 $ = 2,64 $. Summe 3,56 $ im Monat, rund 3,06 €. Ohne Caching wären es 5,63 $ — die Preisliste bei jeder Anfrage voll zu bezahlen, kostet hier fast so viel wie die gesamte Ausgabe.

Szenario 3: Website-Chatbot (Gemini 3.8 Flash)

300 Gespräche je Tag an 30 Tagen, je vier Nachrichtenwechsel: 36.000 Anfragen im Monat. Eingabe: 5.000 Token Wissensbasis (Öffnungszeiten, Versand, Rückgabe, häufige Fragen) plus im Schnitt 600 Token Verlauf und aktuelle Frage; Ausgabe 200 Token. Bei Gemini 3.8 Flash greift die automatische Zwischenspeicherung ab 4.096 Token (Google-Dokumentation, 10.09.2026), die Wissensbasis liegt darüber. Rechnung: 36.000 × 600 = 21,6 Mio. × 0,75 $ = 16,20 $; 36.000 × 5.000 = 180 Mio. Cache-Treffer × 0,075 $ = 13,50 $; 36.000 × 200 = 7,2 Mio. Ausgabe × 3,75 $ = 27,00 $. Summe 56,70 $ im Monat, rund 48,66 €. Ohne Cache: 178,20 $. Batch kommt nicht infrage — der Chatbot muss sofort antworten. Ab 1. Januar 2027 verdoppelt sich die Rechnung laut Google auf rund 113 $, sofern kein Modellwechsel erfolgt.

Die Lehre aus der Tabelle: Selbst beim Chatbot mit 36.000 Anfragen liegt die Token-Rechnung bei rund 50 Euro im Monat — sechs Stunden Prüfung, ein Server und ein Modellwechsel im Januar kosten in Arbeitszeit ein Vielfaches. Beim Angebots-Entwurf sind die drei Dollar Token fast eine Fußnote; die eigentliche Frage ist, ob 18 Stunden Lesen und Freigeben weniger sind als die bisherigen Stunden Schreiben. Wenn ja, lohnt sich das Vorhaben — unabhängig davon, ob die Token 3 oder 30 Dollar kosten.

Das erste Jahr im Zeitverlauf

So verteilen sich die Posten typischerweise über zwölf Monate — als Orientierung, nicht als Plan:

1. Monat 0Klärung und AuftragWas soll die KI tun, was nicht, wer prüft, wer entscheidet? 20 echte Beispiele sammeln, Erfolgskriterium festlegen. Größter Posten: Besprechungszeit.
2. Monat 1Einrichtung und TestlaufAnweisung schreiben, Modell wählen (klein zuerst), mit den 20 Beispielen testen, Anbindung bauen. Ausgabenlimit beim Anbieter setzen, bevor die erste Anfrage im Automatikbetrieb läuft.
3. Monat 2Pilot mit VollprüfungJede Ausgabe wird gelesen, jeder Fehler wandert in die Testsammlung. Token-Kosten sind noch unerheblich; Prüfstunden sind der Posten.
4. Monat 3 bis 5RegelbetriebPrüfanteil auf Stichprobe senken, sobald die Fehlerquote stabil ist. Caching und — wo möglich — Batch aktivieren. Verbrauchsübersicht monatlich prüfen.
5. Monat 6HalbjahresprüfungPreisseiten der Anbieter erneut nachschlagen, Token-Zahlen mit dem Rechner gegen die tatsächliche Abrechnung halten, Anweisung um gesammelte Fehlerfälle ergänzen.
6. Monat 9 bis 12ModellwechselNachfolgemodell mit derselben Testsammlung prüfen, umstellen, Kalkulation neu rechnen. Beispiel: Gemini 3.8 Flash wird zum 1. Januar 2027 teurer (Google, 10.09.2026).

Häufige Fragen