{"id":165095,"date":"2026-09-03T09:29:47","date_gmt":"2026-09-03T14:29:47","guid":{"rendered":"https:\/\/www.dacgroup.com\/?p=165095"},"modified":"2026-09-03T09:29:53","modified_gmt":"2026-09-03T14:29:53","slug":"die-kostenlose-token-mahlzeit-ist-vorbei-smarerer-umgang-mit-den-kosten-von-ki","status":"publish","type":"post","link":"https:\/\/www.dacgroup.com\/de\/einblicke\/blog\/analytics\/die-kostenlose-token-mahlzeit-ist-vorbei-smarerer-umgang-mit-den-kosten-von-ki\/","title":{"rendered":"Die kostenlose Token-Mahlzeit ist vorbei. Endlich."},"content":{"rendered":"\n

Ich habe diese Woche den Beitrag \u201eMarketers, The Free Token Lunch Is Over. Is Your Stack Ready?\u201c von Jon Morra auf AdExchanger<\/a> gelesen und muss seither immer wieder daran denken. Er hat einer Diskussion, die in unserem Gesch\u00e4ft mittlerweile fast t\u00e4glich gef\u00fchrt wird, einen treffenden Namen gegeben: Die wahren wirtschaftlichen Aspekte von KI schlagen endlich auf der Rechnung auf.<\/p>\n\n\n\n

Sein Argument ist naheliegend. Die Gewohnheit, jede Aufgabe an das jeweils gr\u00f6sste verf\u00fcgbare Modell zu schicken, konnte eine unternehmensweite Nutzung unm\u00f6glich \u00fcberstehen. F\u00fcr Marketingverantwortliche sollte das eher kl\u00e4rend als alarmierend wirken. Es zwingt uns dazu, zu verstehen, was wir eigentlich einkaufen, und bessere Entscheidungen dar\u00fcber zu treffen, wo diese Systeme echte Hilfe bieten.<\/p>\n\n\n\n

Meine Sichtweise speist sich aus dem Schnittpunkt von Technologie, Analytics und Agenturbetrieb. Ich sehe, wie sich die wirtschaftliche Realit\u00e4t in der t\u00e4glichen Marketingarbeit niederschl\u00e4gt, wo Qualit\u00e4t, Geschwindigkeit, Risiko und Marge aufeinandertreffen. Vor diesem Hintergrund werden sich jene Unternehmen durchsetzen, die Urteilsverm\u00f6gen auf Task-Ebene entwickeln. Budgetziele allein verraten uns sehr wenig. Leistungsumfang, Qualit\u00e4t und Kosten m\u00fcssen zur jeweiligen Arbeit passen.<\/p>\n\n\n\n

Die widerspr\u00fcchlichen Botschaften bei der KI-Einf\u00fchrung<\/h2>\n\n\n\n

Die meisten Unternehmen senden gleichzeitig zwei Botschaften aus. Die erste lautet: Jeder sollte jeden Tag und f\u00fcr alles KI nutzen. Die zweite lautet: Bitte h\u00f6rt auf, Token zu verschwenden. Beide Aussagen sind vern\u00fcnftig, aber nebeneinander wirken sie oft verwirrend. Teams ben\u00f6tigen gen\u00fcgend Kontext, um sie miteinander zu vereinbaren.<\/p>\n\n\n\n

Eine einfache Klassifizierungsaufgabe oder ein erster Entwurf lassen sich problemlos auf einem schlanken Modell ausf\u00fchren. Arbeiten, die komplexes Reasoning, tiefes Dom\u00e4nenwissen oder eine extrem niedrige Fehlertoleranz erfordern, rechtfertigen leistungsf\u00e4higere und teurere Systeme. Der schwierige Teil besteht darin zu wissen, in welcher Situation man sich gerade befindet. Reasoning-Modelle k\u00f6nnen erhebliche interne Token verbrauchen, bevor sie ein sichtbares Ergebnis liefern, und dieser Verbrauch kann je nach Modell und Einstellungen stark variieren.<\/p>\n\n\n\n

Sobald Menschen diesen Kompromiss verstehen, treffen sie in der Regel bessere Entscheidungen. Sie k\u00f6nnen abw\u00e4gen, wann ein st\u00e4rkeres Modell eine sp\u00fcrbare Verbesserung bringt und wann es einfach nur Kosten verursacht. Wer die Verbrauchskosten als Finanzgeheimnis h\u00fctet oder sie erst dann offenlegt, wenn eine Rechnung f\u00fcr \u00dcberraschung sorgt, vorenth\u00e4lt den Teams die Informationen, die sie ben\u00f6tigen. Transparenz f\u00f6rdert Akzeptanz und Effizienz gleichermassen.<\/p>\n\n\n\n

Wir kennen diesen Film bereits<\/h2>\n\n\n\n

Der \u00dcbergang von grossz\u00fcgigen Flatrate-Zug\u00e4ngen zu einem transparenten Verbrauchsmodell war absehbar. Die fr\u00fche Preisgestaltung senkte die H\u00fcrden f\u00fcr Experimente, was dem Markt zu schnellem Wachstum verhalf. Im grossen Massstab ben\u00f6tigen Anbieter und Unternehmenskunden jedoch eine engere Kopplung zwischen Nutzung und Kosten.<\/p>\n\n\n\n

Wer schon etwas l\u00e4nger dabei ist, dem kommt dieses Gef\u00fchl bekannt vor. Viele von uns erinnern sich daran, wie wir Handyminuten z\u00e4hlten und vor dem Anruf-Button warteten, bis es 18:01 Uhr war (wer es weiss, der weiss es). Das Preismodell hat uns darauf trainiert, Sendezeit als knappes Gut zu betrachten. Wettbewerb, Kapazit\u00e4ten und eine bessere Wirtschaftlichkeit liessen diese Sorge schliesslich f\u00fcr die Meisten verschwinden.<\/p>\n\n\n\n

Die KI-Rechenleistung k\u00f6nnte einen \u00e4hnlichen Bogen spannen. Wir befinden uns nach wie vor in der Phase des \u201eMinutenz\u00e4hlens\u201c, und Budgets werden kalt erwischt, wenn Teams so tun, als w\u00e4re das nicht so. Die St\u00fcckkosten m\u00f6gen weiter sinken, aber die Nutzung steigt oft schneller als der Preis eines Tokens f\u00e4llt. Mehr Anwendungsf\u00e4lle, l\u00e4ngere Kontexte, zus\u00e4tzliches Reasoning, erneute Versuche und agentenbasierte Workflows k\u00f6nnen diese Einsparungen m\u00fchelos aufzehren.<\/p>\n\n\n\n

Morras n\u00fctzlichster Punkt ist die Idee der Cost-of-Pass: die erwarteten Kosten f\u00fcr die Erzielung einer akzeptablen Antwort. Der Preis pro Token ist dabei nur ein Faktor. Eine sinnvolle Berechnung schliesst auch Wiederholungen, Latenzzeiten, menschliche Pr\u00fcfungen und die Kosten eines Fehlschlags mit ein. Durch diesen Rahmen wird das Model-Routing zu einer operativen Disziplin mit direkten Auswirkungen auf Qualit\u00e4t, Marge und Risiko.<\/p>\n\n\n\n

Das Gespr\u00e4ch \u00fcber Preis und Wert ist zur\u00fcck<\/h2>\n\n\n\n

Hier schl\u00e4gt das Thema f\u00fcr Agenturen und Wissensarbeit im Allgemeinen am st\u00e4rksten zu Buche. KI-gest\u00fctzte Arbeit kann menschliche Arbeitsstunden reduzieren, und Kunden sollten erwarten, an echten Effizienzgewinnen beteiligt zu werden. Gleichzeitig k\u00f6nnen diese Stunden nun tiefere Analysen, eine breitere Abdeckung, schnellere Iterationen und Arbeiten beinhalten, die vor einigen Jahren zu einem vern\u00fcnftigen Preis noch undenkbar gewesen w\u00e4ren. Die Arbeitsstunden sinken; was in sie hineinpasst, ist jedoch umfassender.<\/p>\n\n\n\n

Auch die Kostenbasis ver\u00e4ndert sich. Hinter einem KI-gest\u00fctzten Ergebnis stehen Rechenleistung, Tools, Orchestrierung, Governance, Evaluierung und die f\u00fcr eine verantwortungsvolle Steuerung erforderlichen Senior-Talente. Diese Kosten steigen nicht gleichm\u00e4ssig, und menschliche Expertise wird in vielen Mandaten der gr\u00f6sste Kostenfaktor bleiben. Dennoch ist \u201eDas Modell hat es erledigt\u201c ein unzureichender Massstab f\u00fcr die Arbeitskosten und den Wert des Ergebnisses.<\/p>\n\n\n\n

Ein ges\u00fcnderes gesch\u00e4ftliches Gespr\u00e4ch beginnt bei Ergebnissen, Servicelevels und Risiken. Wir sollten bereit sein aufzuzeigen, wo KI den Aufwand verringert und wo sie neue Kosten verursacht hat. Kunden k\u00f6nnen den daraus resultierenden Leistungsumfang und das Ergebnis dann bewerten, ohne Arbeitsstunden als einziges K\u00fcrzel f\u00fcr den Wert zu verwenden. Wenn alle Beteiligten auf dasselbe ehrliche Zahlenwerk blicken, h\u00f6rt dies auf, eine Geb\u00fchrenverhandlung zu sein, und wird zu einem gemeinsamen Erfolg.<\/p>\n

\n \n
\n
\n

\n Bleiben Sie einen Schritt voraus <\/h2>\n

\n Erhalten Sie exklusive Einblicke in die
aktuellsten Themen aus dem Bereich Digital
Media direkt in Ihren Posteingang. <\/p>\n <\/div>\n\n

\n
\n
\n
\n \n