„Was wird das kosten?” ist die am schwierigsten zu beantwortende Frage zur KI-Automatisierung. Token-Preise werden pro Million berechnet, Modelle berechnen unterschiedlich für Eingabe und Ausgabe, und die Kosten eines einzelnen Laufs hängen davon ab, wie viel Text hinein- und herausgeht. Die meisten Teams ignorieren die Kosten entweder, bis die Rechnung kommt, oder über-optimieren, indem sie das günstigste Modell für alles verwenden.
Keiner der beiden Ansätze funktioniert. So denken Sie praktisch über KI-Workflow-Kosten nach.
Die Grundlagen: Was ein einzelner Recipe-Lauf kostet
Ein Recipe-Lauf hat zwei Kostenkomponenten: Eingabe-Token (Ihr Prompt + Kontext) und Ausgabe-Token (die Antwort der KI). Ausgabe-Token sind typischerweise 3-5x teurer als Eingabe-Token.
Was typische Recipe-Läufe über Anbieter hinweg kosten (ungefähr, Stand Anfang 2026):
Einfache Extraktion oder Klassifizierung (kurze Eingabe, strukturierte Ausgabe):
- Claude Haiku 4.5: ~$0,002-0,005 pro Lauf
- GPT-5-mini: ~$0,002-0,004 pro Lauf
- Gemini 2.5 Flash Lite: ~$0,001-0,003 pro Lauf
Content-Generierung (moderate Eingabe, längere Ausgabe):
- Claude Sonnet 4.5: ~$0,01-0,03 pro Lauf
- GPT-5.1: ~$0,01-0,025 pro Lauf
- Gemini 2.5 Pro: ~$0,008-0,02 pro Lauf
Komplexe Analyse mit Extended Thinking (lange Eingabe, Reasoning + Ausgabe):
- Claude Opus 4.5: ~$0,05-0,15 pro Lauf
- o3: ~$0,04-0,12 pro Lauf
- Gemini 3 Pro: ~$0,03-0,10 pro Lauf
Dies sind ungefähre Spannen. Die tatsächlichen Kosten hängen von der Eingabelänge, Ausgabelänge und davon ab, ob Features wie Websuche oder Extended Thinking aktiviert sind.
Was ein Workflow kostet
Ein Workflow verkettet mehrere Recipes. Die Kosten sind die Summe aller Schrittkosten. Ein realistisches Beispiel:
Rechnungsverarbeitungs-Workflow (4 Schritte):
- Rechnungsdaten extrahieren (Haiku 4.5): $0,003
- Unstimmigkeiten prüfen (Sonnet 4.5): $0,015
- Genehmigungszusammenfassung erstellen (Haiku 4.5): $0,002
- Abschlussbericht schreiben (Sonnet 4.5): $0,02
Gesamtkosten pro Lauf: ~$0,04
Führen Sie dies 50 Mal pro Woche aus (10 Rechnungen pro Tag), und die monatlichen Kosten betragen etwa $8. Zum Vergleich: Der manuelle Prozess kostet ein Finanzteam-Mitglied 15-20 Minuten pro Rechnung — rund 12 Stunden Arbeit pro Woche.
Neue-Lead-Pipeline (4 Schritte mit Websuche):
- Interessentenrecherche mit Websuche (Sonnet 4.5): $0,04
- Lead-Qualifizierung (Haiku 4.5): $0,005
- Bedingungsprüfung: kostenlos (nur Logik, kein KI-Aufruf)
- Kontaktaufnahme entwerfen (Sonnet 4.5): $0,02
Gesamtkosten pro Lauf: ~$0,065
Bei 200 Leads pro Monat sind das etwa $13/Monat an KI-Kosten.
Der Optimierungshebel: Modellauswahl pro Schritt
Die größte Kostenoptimierung in JieGou ist nicht, überall günstigere Modelle zu verwenden — es ist, das richtige Modell für jeden Schritt zu verwenden.
Im Rechnungs-Workflow oben verwenden Extraktion und Genehmigungszusammenfassung Haiku (schnell, günstig, gut bei strukturierten Aufgaben). Die Unstimmigkeitsprüfung und der Abschlussbericht verwenden Sonnet (besseres Reasoning, bessere Prosa). Würden Sie Opus für alles verwenden, würde der Workflow ~$0,35 pro Lauf kosten statt $0,04 — fast 10x mehr für marginale Qualitätsverbesserung bei den einfacheren Schritten.
JieGou lässt Sie das Modell unabhängig für jedes Recipe einstellen, sodass Sie auf Schrittebene optimieren können, ohne die Workflow-Struktur zu ändern.
Kosten vor dem Lauf schätzen
JieGou enthält einen Kostenschätzer, der die Kosten eines Workflow-Laufs vor der Ausführung projiziert. Der Schätzer verwendet historischen Token-Verbrauch aus früheren Läufen jedes Recipes, um die Kosten für den aktuellen Lauf vorherzusagen.
Für neue Recipes ohne Historie verwendet der Schätzer modellspezifische Standardwerte basierend auf den Eingabe- und Ausgabe-Schema-Größen.
Kosten nach dem Lauf verfolgen
Das Analytik-Dashboard schlüsselt Token-Verbrauch und Kosten auf nach:
- Recipe — Welche Recipes sind pro Lauf am teuersten?
- Workflow — Was sind die Gesamtkosten jedes Workflows?
- Abteilung — Wie viel gibt jedes Team aus?
- Modell — Wie verteilen sich die Kosten über Anbieter?
Diese Transparenz ermöglicht es Ihnen, Optimierungsmöglichkeiten zu erkennen. Wenn ein Recipe 60 % der Kosten eines Workflows ausmacht, ist das die Stelle, an der Sie mit einem anderen Modell oder einem kürzeren Prompt experimentieren sollten.
Das monatliche Kostenbild
Für ein Team mit moderater Automatisierung:
| Workload | Monatliche Läufe | Geschätzte Kosten |
|---|---|---|
| Vertriebslead-Pipeline | 200 | $13 |
| Marketing-Content-Wiederverwendung | 20 | $1,50 |
| Support-Ticket-Triage | 800 | $4 |
| Wöchentlicher Deal-Review | 4 | $0,80 |
| Rechnungsverarbeitung | 200 | $8 |
Gesamt: ~$27/Monat an KI-Anbieterkosten. Das sind die tatsächlichen Token-Kosten, die direkt an die Anbieter gezahlt werden. JieGous Plattform-Abonnement ist separat und enthält keinen KI-Aufschlag.
Vergleichen Sie das mit der ersetzten manuellen Arbeitszeit — Dutzende von Stunden pro Woche im Team — und der ROI ist schwer zu bestreiten.
Faustregeln
- Verwenden Sie das günstigste Modell, das akzeptable Ergebnisse liefert. Für Triage, Extraktion und Klassifizierung reicht Haiku oder GPT-5-mini in der Regel aus. Reservieren Sie Opus und o3 für komplexe Analysen und High-Stakes-Content.
- Kürzere Prompts kosten weniger. Ein prägnantes Prompt-Template, das der KI genau sagt, was zu tun ist, kostet weniger als ein langes, das mit Beispielen und Vorbehalten aufgepolstert ist.
- Strukturierte Ausgabe-Schemas reduzieren Verschwendung. Wenn die KI genau weiß, welche Felder auszufüllen sind, produziert sie kürzere, fokussiertere Ausgaben. Weniger Ausgabe = niedrigere Kosten.
- Websuche erhöht die Kosten. Die Suche selbst ist in den Modellkosten enthalten, aber die Suchergebnisse erweitern den Eingabekontext. Aktivieren Sie die Websuche nur für Recipes, die aktuelle Informationen benötigen.