«Kostet ja nur 20 Franken im Monat.» Diesen Satz hört man oft, solange KI-Nutzung eine Einzelperson mit einem Abo betrifft. Sobald zehn Mitarbeitende täglich mit einem Chat-Tool arbeiten, ein internes System per API automatisiert Dokumente zusammenfasst und ein Agent rund um die Uhr Anfragen bearbeitet, wird aus der Kaffeekassen-Ausgabe eine echte Budgetposition. Das Problem: Kaum ein Schweizer KMU hat einen strukturierten Überblick, wie sich diese Kosten je nach Modellwahl und Nutzungsmuster tatsächlich verhalten. Dieser Artikel ordnet das ein – mit offiziellen API-Preisen und klar als solchen markierten Beispielrechnungen in CHF.
1. Wie sich KI-Kosten wirklich zusammensetzen
Es gibt grundsätzlich zwei Abrechnungsmodelle, und sie werden in der Praxis häufig verwechselt:
- Abo (Subscription): Ein fixer Betrag pro Nutzer und Monat für Zugang zu einem Chat-Interface (z. B. Claude Pro, ChatGPT Plus/Business). Die Nutzung ist innerhalb definierter Limiten «unbegrenzt» – das Risiko liegt in der Anzahl Lizenzen, nicht im einzelnen Prompt.
- API/Token-Nutzung: Abrechnung nach tatsächlich verarbeiteten Tokens – separat für Eingabe (Input) und Ausgabe (Output), meist in Millionen Tokens (MTok) angegeben. Das betrifft jede Automatisierung, jeden internen Agenten, jede Integration in ein bestehendes Tool.
Ein Token ist grob ein Wortteil – als Faustregel gilt für deutsche Texte oft rund 1,3 bis 1,5 Tokens pro Wort, abhängig von Modell und Tokenizer. Ein einseitiges Dokument (ca. 500 Wörter) entspricht damit schnell 700 bis 800 Tokens. Das Problem in der Praxis ist selten der einzelne Prompt, sondern das versteckte Volumen: Ein Agent, der bei jeder Anfrage ein komplettes Handbuch, die letzten zwanzig Chat-Nachrichten oder ein ganzes PDF als Kontext mitschickt, multipliziert die Inputkosten mit jeder einzelnen Anfrage – auch wenn der Nutzer nur eine kurze Frage stellt.
Für die Budgetplanung heisst das: Ein Abo ist planbar, aber unflexibel bei Automatisierung. API-Nutzung ist flexibel, aber ohne Monitoring unberechenbar. Die meisten Unternehmen brauchen beides – Abos für die tägliche Chat-Nutzung im Team, API-Zugänge für Integrationen und Agenten.
2. Modellwahl als Kostenhebel
Der grösste Hebel liegt selten in der Prompt-Optimierung, sondern in der Modellwahl. Die offiziellen Preise von Anthropic (Stand: 16. September 2026, Quelle: platform.claude.com/pricing) zeigen die Grössenordnung pro Million Tokens (MTok), in USD:
| Modell | Input / MTok | Output / MTok | Einsatzbereich |
|---|---|---|---|
| Claude Opus 5 | $5.00 | $25.00 | Komplexe Analysen, Architekturentscheide |
| Claude Sonnet 5 | $2.00 | $10.00 | Alltägliche Team-Aufgaben, Standard-Agenten |
| Claude Haiku 4.5 | $1.00 | $5.00 | Routineaufgaben, Klassifikation, hohe Volumen |
Zum Vergleich zeigt die Preisliste von OpenAI (Stand: 16. September 2026, Quelle: developers.openai.com/api/docs/pricing) eine ähnliche Staffelung: Das Flaggschiff-Modell GPT-5 liegt bei $1.25 Input / $10.00 Output pro MTok, das kleinere GPT-5-mini bei $0.25 / $2.00, das kompakteste GPT-5-nano bei $0.05 / $0.40. Das Muster ist bei allen Anbietern gleich: Das teuerste Modell kostet leicht das Zwanzig- bis Fünfzigfache des günstigsten – bei vielen Routineaufgaben (Zusammenfassen, Klassifizieren, einfache Formatierungen) liefert das kleine Modell aber ein praktisch identisches Ergebnis.
Die Modell-Faustregel aus dem Artikel KI-Agenten in der Praxis gilt hier doppelt: Nicht jede Aufgabe braucht das grösste Modell. Ein Support-Bot, der Standardanfragen kategorisiert, braucht kein Opus-Niveau – ein E-Mail-Entwurf für einen wichtigen Kunden vielleicht schon. Wer alle Aufgaben pauschal mit dem teuersten Modell erledigt, zahlt oft das Fünf- bis Zehnfache dessen, was für das Ergebnis nötig wäre.
3. Die drei grössten Kostentreiber in der Praxis
In den meisten Projekten stammen die unerwarteten Kostenspitzen nicht aus zu vielen Nutzern, sondern aus drei wiederkehrenden Mustern.
Lange Kontexte ohne Caching
Wird bei jeder Anfrage derselbe grosse Kontext (Systemprompt, Dokumentation, Chatverlauf) neu mitgeschickt, zahlt man den vollen Inputpreis jedes Mal erneut. Prompt Caching reduziert das: Ein Cache-Treffer kostet nur rund 10 % des normalen Inputpreises. Beispielrechnung: Ein interner Assistent mit einem 5'000-Token-Systemprompt, der 500 Mal pro Tag aufgerufen wird, verursacht ohne Caching bei Sonnet 5 rund CHF 8 pro Tag allein für den wiederholten Kontext – mit aktiviertem Caching sinkt dieser Anteil auf unter CHF 1.
Unnötige Wiederholungen
Agenten, die bei Fehlversuchen automatisch mehrfach neu anfragen, oder Workflows, die dieselbe Information in mehreren Schritten neu generieren lassen statt sie einmal zu berechnen und weiterzureichen, verdoppeln oder verdreifachen die Tokenkosten unbemerkt. Das ist meist ein Architekturproblem, kein Modellproblem.
Falsches Modell für Routineaufgaben
Wie in Abschnitt 2 beschrieben: Ein teures Modell für eine einfache Klassifikationsaufgabe ist der häufigste stille Kostentreiber, weil er nie als «Fehler» auffällt – die Rechnung ist einfach höher, als sie sein müsste.
4. Ein einfaches Kosten-Dashboard ohne eigenes Data-Team
Ein KMU braucht kein BI-Tool, um Kostenkontrolle zu behalten. Drei praktikable Schritte genügen:
- Nativen Nutzungs-Dashboard des Anbieters nutzen: Sowohl die Anthropic-Console als auch die OpenAI-Plattform zeigen Tages- und Modell-aufgeschlüsselte Kosten in Echtzeit – der einfachste Startpunkt, ganz ohne Zusatztool.
- Kosten-Alerts einrichten: Die meisten API-Konsolen erlauben Budget-Schwellenwerte mit E-Mail-Benachrichtigung. Das verhindert die böse Überraschung am Monatsende.
- Monatliches Kosten-Log pro Anwendungsfall führen: Eine einfache Tabelle (Anwendungsfall, Modell, geschätzte Tokens/Monat, Kosten) reicht, um zu sehen, welcher Agent oder welche Integration den grössten Anteil verursacht – und ob sich eine Umstellung auf ein günstigeres Modell lohnt.
Wer bereits einen der vier Hebel zur Vereinfachung nutzt, kennt das Prinzip: Transparenz vor Automatisierung. Ein Kosten-Dashboard ist nichts anderes als Transparenz auf Budgetebene.
5. Budgetierung: Was ein KMU realistisch einplanen sollte
Als grobe Orientierung (Beispielannahme, keine Garantie) für ein Schweizer KMU mit 20 bis 50 Mitarbeitenden:
- Abo-Kosten für aktive Chat-Nutzer: bei CHF 20–25 pro Lizenz und Monat, realistisch für 30–50 % der Belegschaft als aktive Nutzer – das ergibt bei 40 Mitarbeitenden rund CHF 240–500 pro Monat.
- API-Kosten für ein bis zwei produktive Agenten oder Integrationen: je nach Volumen und Modellwahl oft im Bereich von CHF 50–300 pro Monat pro Anwendungsfall – ein Support-Klassifikator mit einem Haiku-Klasse-Modell am unteren, ein dokumentenintensiver Analyse-Agent mit einem grösseren Modell am oberen Ende dieser Spanne.
- Puffer für Wachstum: Die Nutzung steigt mit der Akzeptanz im Team oft schneller als erwartet. Ein Puffer von 30–50 % über der ersten Schätzung verhindert, dass ein erfolgreiches Pilotprojekt am Budget scheitert.
Der entscheidende Punkt bleibt: Diese Zahlen sind Grössenordnungen zur Einordnung, keine Kalkulationsgrundlage für eine Offerte. Wer eine belastbare Zahl für den eigenen Betrieb braucht, misst das reale Nutzungsvolumen in einer Pilotphase von zwei bis vier Wochen und rechnet von dort hoch – alles andere bleibt Schätzung.
6. Nächste Schritte
Kostenkontrolle beginnt nicht mit einer Tabelle, sondern mit der Entscheidung, welches Modell für welche Aufgabe wirklich nötig ist. Wer noch keinen strukturierten Überblick über seine Agenten hat, findet in KI-Agenten in der Praxis den Einstieg. Wer bereits produktive Agenten betreibt, sollte deren Freigabeprozess und Kostenprofil gemeinsam betrachten – dazu passt Agenten-Governance: Wo KI-Agenten nicht eingesetzt werden sollten. Und wer zuerst prüfen will, wo im Unternehmen KI überhaupt Zeit und damit Kosten spart, beginnt beim KI-Effizienz-Audit für Schweizer KMU.
Das Prinzip dahinter ist dasselbe wie in Vereinfachung als Strategie: Wer nicht weiss, was ein Agent kostet, kann auch nicht beurteilen, ob er sich lohnt. Für Teams, die ihre KI-Kosten strukturiert einordnen und budgetieren wollen, von der Modellwahl bis zum monatlichen Kosten-Log, bietet CuonzTech ThinkLab ein massgeschneidertes Workshop-Format für Schweizer KMU an.