Auf dieser Seite
- Die Rechnung, die du nicht kommen siehst
- Tokens, einfach erklärt
- Warum „einfaches Chatten“ teurer wird, je länger ein Gespräch dauert
- Wo die Verschwendung tatsächlich entsteht
- Ein anschauliches Beispiel: 10 Aufgaben pro Tag, zwei verschiedene Vorgehensweisen
- Warum eine gut erstellte Skill-Datei einen Ad-hoc-prompt übertrifft
- Praktische Gewohnheiten, die wirklich einen Unterschied machen
- FAQ
Die Rechnung, die du nicht kommen siehst
Die meisten Menschen, die Claude oder ChatGPT täglich bei der Arbeit nutzen, haben sich noch nie genau angesehen, wofür sie bezahlen. Es gibt ein monatliches Abonnement oder einen API-Schlüssel mit einem Guthaben, das sich unbemerkt verringert, und die Zahl verändert sich - manchmal langsamer als erwartet, manchmal deutlich schneller. Wenn du dich je gefragt hast, warum eine „leichte“ Woche mit AI-gestützter Arbeit mehr gekostet hat als eine intensive, liegt die Antwort fast nie darin, dass die AI „teuer“ ist. Meist geht es darum, was du sendest, nicht nur darum, was du fragst.
Dieser Beitrag geht die tatsächliche Mathematik durch - in verständlicher Sprache und ohne Fachjargon -, damit du sehen kannst, wo die Kosten wirklich entstehen und warum die Lösung nicht darin besteht, „AI weniger zu nutzen“, sondern darin, „nicht bei jeder einzelnen Nachricht dafür zu bezahlen, dich selbst erneut zu erklären“.
Tokens, einfach erklärt
Jede Nachricht, die du sendest, und jede Antwort, die du erhältst, wird in kleine Einheiten zerlegt, die Tokens genannt werden. Als grobe Faustregel entspricht ein Token etwa drei Vierteln eines Wortes - 1.000 Wörter Text entsprechen also ungefähr 1.300-1.400 Tokens. Kurze Wörter, häufige Formulierungen und Code lassen sich oft in weniger Tokens pro Wort komprimieren; ungewöhnliche Wörter, Formatierungen und nicht englischer Text können mehr verwenden.
Zwei Dinge sorgen bei der ersten Beschäftigung mit diesem Thema für Verwirrung:
- Beide Richtungen zählen. Sowohl die von dir eingegebenen Wörter (Eingabe) als auch die Wörter, die die AI zurückschreibt (Ausgabe), werden abgerechnet oder erfasst. Eine lange, ausführliche Antwort kostet mehr als eine einzeilige Antwort, selbst bei derselben Frage.
- Jede Nachricht sendet das gesamte Gespräch erneut. Das ist der Teil, den fast niemand erkennt, bevor er ihn einmal aufgeschlüsselt sieht. Chatbasierte AI-Modelle haben zwischen Nachrichten kein dauerhaftes Gedächtnis wie ein menschlicher Kollege. Um eine Antwort zu erzeugen, die im Kontext sinnvoll ist, muss das System jedes Mal den gesamten bisherigen Gesprächsverlauf erneut lesen - deine erste Nachricht, seine erste Antwort, deine zweite Nachricht, seine zweite Antwort und so weiter - jedes einzelne Mal, wenn du auf „Senden“ klickst.
Warum „einfaches Chatten“ teurer wird, je länger ein Gespräch dauert
Hier kommt es wirklich darauf an. Stell dir ein Gespräch vor, das kurz beginnt und ganz natürlich wächst, so wie echte Arbeitsgespräche:
- Nachricht 1: Du sendest 200 Wörter Kontext und erhältst 150 Wörter zurück.
- Nachricht 2: Das System muss nun Nachricht 1 und deine neue Nachricht verarbeiten und anschließend wieder antworten.
- Nachricht 3: Die Nachrichten 1 und 2 sowie deine neue Nachricht werden erneut verarbeitet.
Bei Nachricht 10 bezahlst du nicht für „eine neue Frage“. Du bezahlst jedes Mal dafür, alles Vorherige erneut zu übertragen. Der Gesprächsverlauf ist kumulativ - er wird nicht von selbst zurückgesetzt oder komprimiert. Ein Gespräch mit 20 Nachrichten ist nicht doppelt so teuer wie eines mit 10; durch den Effekt des erneuten Sendens kann es am Ende ein Mehrfaches kosten, obwohl die tatsächlich „neuen“ Inhalte pro Nachricht ungefähr gleich groß geblieben sind.
Das ist eine grobe Orientierung, keine Preistabelle - Anbieter legen ihre Preise pro Token selbst fest und ändern sie, und für genaue Zahlen zu Ihrem Tarif sollten Sie immer die aktuell veröffentlichten Preise auf der Website des Anbieters prüfen (anthropic.com oder openai.com). Der Mechanismus bleibt jedoch unabhängig vom Preis bestehen: Selbst moderate Kosten pro Token summieren sich schnell, wenn sie mit einem wachsenden Gesprächsverlauf multipliziert werden. Der Preis ist nicht der wichtigste Hebel. Entscheidend ist der Umfang dessen, was erneut gesendet wird.
Wo die Verschwendung tatsächlich entsteht
Betrachten wir nun, wie die meisten Menschen tatsächlich arbeiten. Eine typische Wissensarbeiterin oder ein typischer Wissensarbeiter, die oder der AI-gestützte Aufgaben erledigt - E-Mails entwirft, Gespräche zusammenfasst, eine Tabelle analysiert, ein Briefing schreibt oder eine Vertragsklausel prüft - beginnt nicht jede Aufgabe mit einem leeren Blatt. Stattdessen wird jedes Mal aufs Neue erklärt:
- „Du bist ein erfahrener [role]. Verhalte dich wie ein leitender [X]. Hier sind unsere Markenstimme, der Kontext unseres Teams und unsere Formatierungsvorgaben ...“
- Hintergrundinformationen zum Unternehmen, zum Projekt, zur Zielgruppe und zu den Einschränkungen.
- Dieselbe Tonalität und dieselben Stilanweisungen, die sie gestern und am Tag davor eingegeben haben.
Nichts davon sind für die jeweilige Aufgabe „neue“ Informationen - es handelt sich um Standardtext. Doch weil er neu in das Chatfenster eingegeben wird (oder schlimmer noch, sich organisch in einem langen, mäandernden Gespräch aufbaut), wird er jedes Mal erfasst, erneut gesendet und erneut abgerechnet.
Ein anschauliches Beispiel: 10 Aufgaben pro Tag, zwei verschiedene Vorgehensweisen
Vergleichen wir zwei Ansätze für denselben Arbeitstag - 10 AI-gestützte Aufgaben, bei denen die AI jeweils als eine bestimmte Art von Fachperson agieren soll (etwa als Marketinganalyst bei der Prüfung von Kampagnenzahlen oder als Operations Manager bei der Straffung eines Prozessdokuments).
Ansatz A: spontan erneut eingegebene Prompts
Jede der 10 Aufgaben beginnt damit, dass die Person einen oder zwei Absätze zur Rollenbeschreibung erneut eintippt (oder aus einem alten Dokument kopiert): „Du bist ein leitender Marketinganalyst mit Fachkenntnissen in Attribution und Kampagnen-ROI. Bitte analysiere die folgenden Daten und gib mir eine strukturierte Zusammenfassung mit Empfehlungen ...“ Dann folgt die eigentliche Aufgabe. Danach gibt es oft noch ein paar Folgenachrichten im selben Thread zur Klärung oder Präzisierung - und in jeder davon wird alles darüber erneut gesendet. Überträgt man dieses Muster aus Standardtext plus Folgefragen auf 10 separate Aufgaben, bezahlt man im Grunde den ganzen Tag, jeden Tag, Dutzende Male für im Wesentlichen dieselben Anweisungen.
Ansatz B: ein schlankes, auf einer Skill-Datei basierendes Setup
Die Rolle, der Ton, die Standards und die Arbeitsweise werden einmal sorgfältig als kompakter System-Prompt - eine „Skill-Datei“ - festgehalten und zu Beginn der Sitzung geladen, statt erneut eingegeben zu werden. Sie werden einmal vorangestellt, knapp gehalten (kein Abschweifen, keine redundanten Anweisungen) und bei jeder Aufgabe in dieser Rolle wiederverwendet. Die Person nennt einfach die Aufgabe. Es ist nicht nötig, erneut zu erklären, wer die AI sein soll, wie Antworten formatiert werden sollen oder wie „gut“ aussieht - das ist oben bereits präzise festgelegt.
Der Unterschied bei der Token-Berechnung besteht nicht darin, dass die AI in Ansatz B „härter arbeitet“ - vielmehr schrumpft der wiederholte Boilerplate-Anteil jeder Nachricht drastisch. Weniger Boilerplate wird pro Nachricht erneut gesendet, über jede Nachricht in jeder Aufgabe und jeden Tag hinweg - das summiert sich schnell, genauso wie das Problem des wachsenden Gesprächs, nur in die entgegengesetzte Richtung.
Ein vorgefertigter System-prompt, der Claude oder ChatGPT in einen Senior-Marketinganalysten verwandelt - Kampagnen-ROI, Attributions- und Reportingstandards werden einmalig festgelegt, sodass Sie die Rolle nicht jedes Mal erneut erklären müssen, wenn Sie neue Zahlen einfügen.
Rafa - Marketing Analytics Specialist anzeigen →Warum eine gut erstellte Skill-Datei einen Ad-hoc-prompt übertrifft
Nicht alle „wiederverwendbaren prompts“ lösen dieses Problem. Ein aufgeblähter, übermäßig allgemeiner System-prompt - fünf Seiten vager Anweisungen „für alle Fälle“ - kann genauso verschwenderisch sein wie das erneute Eintippen, weil er weiterhin bei jeder Nachricht als Boilerplate erneut gesendet wird, nur einmal eingefügt statt jedes Mal neu getippt. Der entscheidende Hebel ist Prägnanz: eine Skill-Datei, die genau festlegt, welche Rolle gilt, wie die Ausgabe formatiert wird und woran man genau erkennt, dass sie „fertig“ ist - nicht mehr und nicht weniger - und die pro Sitzung nur einmal am Anfang vorgegeben wird.
Das ist der entscheidende Unterschied zwischen einer Skill-Datei und einem losen prompt, den Sie immer wieder neu schreiben: Es geht nicht nur um Bequemlichkeit, sondern darum, den wiederholten Teil jeder von Ihnen gesendeten Nachricht dauerhaft zu verkleinern - während der gesamten Dauer dieser Arbeitssitzung.
Konfiguriert Claude oder ChatGPT als Senior Operations Manager - SOPs, Prozessprüfungen und Priorisierungs-Frameworks sind bereits integriert, sodass jede neue Aufgabe schlank beginnt, ohne Ihren Arbeitskontext von Grund auf erneut zu erklären.
Owen - Operations Manager anzeigen →Praktische Gewohnheiten, die wirklich einen Unterschied machen
Unabhängig davon, welches Tool oder welchen Tarif Sie nutzen: Ein paar Gewohnheiten reduzieren die „versteckte Gebühr für erneutes Senden“ stärker als alles andere:
- Beginnen Sie neue Aufgaben in neuen Unterhaltungen, statt alles in einem immer länger werdenden Thread anzuhäufen. Eine neue, fokussierte Unterhaltung sendet pro Nachricht deutlich weniger Verlauf erneut.
- Geben Sie Rolle und Kontext einmalig am Anfang vor, und zwar prägnant, statt beides jedes Mal innerhalb der eigentlichen Aufgabe erneut zu erklären.
- Halten Sie die Anweisungen am Anfang knapp. Ein langer, ausufernder System-prompt ist weiterhin Boilerplate, das erneut gesendet wird - kürzen Sie ihn auf das, was die Ausgabe tatsächlich verändert.
- Fordern Sie die Länge der Ausgabe an, die Sie tatsächlich benötigen. Auch Ausgabetokens zählen, und „gib mir eine strukturierte Zusammenfassung“ kostet tendenziell weniger als ein offenes „erzähl mir alles darüber“.
- Prüfen Sie die aktuell veröffentlichten Preise direkt bei Ihrem Anbieter, wenn Sie Ihre eigenen Kosten präzise modellieren möchten - Tarife und Modelle ändern sich, und die genauen Zahlen lassen sich am besten an der Quelle bestätigen statt anhand einer Schätzung eines Drittanbieters.
Eine konfigurierte Operations-Agent-Skill für wiederkehrende, strukturierte Aufgaben - entwickelt, um Anweisungen kompakt und konsistent zu halten, statt sie mit jeder neuen Anfrage anwachsen zu lassen.
Arthur ansehen - AI Operations Agent →Gib ein, wie du (oder dein Team) AI-Chats tatsächlich nutzt, und erhalte eine realistische monatliche Schätzung der Token- und Dollarkosten durch erneute Eingabe von prompts im Vergleich zu einer persistenten Skill-Datei. Keine Anmeldung, keine E-Mail - nur die auf diesen Beitrag angewandte Berechnung mit deinen Zahlen.
Probiere den Rechner aus →FAQ
Bezahle ich wirklich für die Antworten der AI und nicht nur für meine eigenen Nachrichten?
Ja. Sowohl das, was du sendest, als auch das, was du zurückbekommst, wird gezählt. Ein Modell, das standardmäßig lange, ausführliche Antworten schreibt, verwendet mehr Ausgabetoken als eines, das knapp und fokussiert antwortet - selbst bei exakt derselben Frage.
Warum kostet eine lange Unterhaltung pro Aufgabe so viel mehr als eine kurze?
Weil die meisten chatbasierten AI-Tools den Kontext zwischen Nachrichten nicht selbst speichern - um Nachricht 20 sinnvoll zu beantworten, muss das System die ersten 19 Nachrichten (und seine eigenen 19 Antworten) zusammen mit ihr erneut verarbeiten. Der Gesprächsverlauf wird jedes Mal vollständig erneut gesendet, sodass die Kosten tendenziell deutlich schneller steigen als die Gesprächslänge selbst.
Ist eine Skill-Datei nur ein schicker Name für einen gespeicherten prompt?
Funktional gesehen ja - es handelt sich um einen System-prompt oder eine Projektanweisung, die du einmal schreibst und wiederverwendest. Was einen guten davon von einem spontan erstellten prompt unterscheidet, ist Disziplin: Er legt Rolle, Standards und Ausgabeformat präzise und knapp fest, sodass der mit jeder Nachricht erneut gesendete „Standard“-Teil so klein wie möglich bleibt und trotzdem seinen Zweck erfüllt.
Muss ich mir Gedanken über die genauen Dollarbeträge machen oder nur über das Verhalten?
Konzentriere dich zuerst auf das Verhalten - wiederholten Kontext zu kürzen und für neue Aufgaben neue Unterhaltungen zu beginnen, reduziert deine Nutzung unabhängig davon, wie hoch der Tokenpreis diesen Monat ist. Wenn du die genauen Kosten für dein eigenes Volumen berechnen möchtest, rufe die aktuell veröffentlichten Preise auf der Preisseite deines Anbieters ab und rechne sie anhand deiner üblichen Nachrichtenanzahl durch.
Zusammenfassung:
Die Tokenkosten der täglichen AI-Arbeit werden weit stärker durch wiederholten Standardkontext als durch den Tokenpreis selbst bestimmt - bei jeder Nachricht wird die gesamte Unterhaltung erneut gesendet, sodass spontan neu eingegebene prompts sich schnell summieren. Eine prägnante, von Anfang an vollständige Skill-Datei wie Rafa oder Owen minimiert diese Verschwendung, indem sie die Rolle einmalig und präzise lädt, statt sie in jeder einzelnen Nachricht erneut zu erklären.