LLM-API-Preisrechner: was dein AI-Stack wirklich kostet

Cache-Strategie kalkuliert

Anthropic Prompt-Caching ist seit 2024 verfügbar und hat das ökonomische Modell für viele LLM-Workloads radikal verändert. Die Mechanik ist simpel: wenn dein Prompt einen wiederkehrenden Teil hat (System-Prompt, Few-Shot-Examples, Dokument-Context), markierst du ihn als „cache_control: ephemeral". Bei jedem späteren Request, der denselben Cached-Block enthält, zahlst du nur 10 % vom normalen Input-Preis.

Beispiel: ein Customer-Support-Bot mit einem System-Prompt von 8.000 Tokens. Ohne Cache zahlst du für jeden User-Turn:

8.000 input × 3 USD/1M = 0,024 USD pro Request
× 50.000 Requests/Tag = 1.200 USD/Tag = 36.000 USD/Monat

Mit Cache (90 % Hit-Rate auf den System-Prompt):

8.000 input × 90% × 0,30 USD/1M = 0,00216 USD
8.000 input × 10% × 3 USD/1M    = 0,00240 USD
Total Input: 0,00456 USD pro Request
× 50.000 Requests/Tag           = 228 USD/Tag = 6.840 USD/Monat

Ersparnis: 29.160 USD/Monat = 349.920 USD/Jahr. Das ist kein Tippfehler. Das ist der reale Hebel von Cache bei Volume-Use-Cases mit wiederkehrendem Context.

Wann lohnt sich Cache? Faustregel: System-Prompt ≥ 2.000 Tokens, Requests pro Cache-Lifetime (5 Minuten Default) ≥ 5. Wenn du diese beiden Hürden nimmst, zahlt sich Cache aus. Bei sehr seltenen oder sehr kleinen Prompts ist der initiale Cache-Write-Overhead (1,25x Input-Preis) nicht wieder reinzuholen.

Wann Haiku vs Sonnet vs Opus

Anthropic hat seit Claude 3 eine klare Modell-Hierarchie. Jedes Modell hat ungefähr 5x den Preis vom nächst-kleineren. Sonnet ist 5x teurer als Haiku, Opus ist 5x teurer als Sonnet. Das hat Konsequenzen für die Architektur.

Haiku 4.5 ist für Volume-Workloads gemacht. Tagging („welche Kategorie ist dieser Text?"), Klassifizierung („spam oder nicht?"), kurze Extraktion („extrahiere alle Emails aus diesem Text"). Bei diesen Aufgaben ist Haiku praktisch immer ausreichend — und 75x billiger als Opus. Bei einer Tagging-Pipeline mit 100.000 Calls/Tag kostet Haiku ca. 0,50 USD/Tag, Opus dagegen 37,50 USD/Tag. Beide würden den Job korrekt erledigen.

Sonnet 4.6 ist der Sweet-Spot für die Mehrheit der Produktions-Workloads. Customer-Support, RAG-Apps, Code-Reviews, Daten-Analyse, lange Conversational-Flows. Wenn du dich nicht entscheiden kannst, nimm Sonnet. In 90 % aller Fälle ist es richtig.

Opus 4.7 für die wirklich schwierigen Sachen: Multi-Step-Agents mit langen Tool-Chains, komplexes Reasoning, Code-Generierung über mehrere Files, mehrstündige Konversationen. Hier macht der Qualitätsunterschied einen messbaren ROI: ein Coding-Agent, der 90 % Korrektheit liefert vs 70 % spart dir das Manual-Debug-Zeit, das den Preisunterschied locker rechtfertigt.

Cascade-Pattern: viele produktive Workloads nutzen ein Cascade — erst Haiku, der entscheidet, ob die Anfrage „einfach" (Antwort direkt) oder „schwer" (an Sonnet/Opus eskalieren) ist. Das kann die durchschnittlichen Kosten massiv senken, weil 70-80 % der Anfragen meist trivial sind.

Batch-API-Discounts

Anthropic und OpenAI bieten Batch-APIs mit 50 % Rabatt. Du schickst ein Bundle von Requests, bekommst sie innerhalb von 24 Stunden zurück (meist deutlich schneller). Für Workloads, die nicht real-time sein müssen — ETL-Tagging, Nightly-Reports, Daten-Migration, Embedding-Generation — ist Batch immer eine gute Idee.

Praktisch heißt das: wenn dein Use-Case eine Pipeline ist, die einmal pro Stunde, einmal pro Tag oder einmal pro Nacht läuft, sollst du Batch nutzen. 50 % Ersparnis ohne jeden Qualitäts-Verlust, ohne jeden Code-Aufwand. Im Rechner ist Batch nicht modelliert — multipliziere die ausgewiesenen Kosten einfach mit 0,5.

Wenn dein Use-Case Real-Time ist (User wartet auf Antwort), geht Batch nicht. Da ist Cache der wichtigere Hebel.

Tool-Use und Token-Multiplikation

Was der Rechner nicht zeigt: Tool-Use verzehnfacht oft die Token- Counts. Wenn dein Agent 5 Tools aufruft pro Turn, und jeder Tool-Result wieder als Input zurückfließt, hast du nicht mehr 2k Input, sondern 15k. Bei langen Multi-Turn-Konversationen wächst der Context linear-bis-quadratisch.

Faustregel für Agents: rechne 3-5x den naiven Token-Count, den du für einen Single-Shot-Call annimmst. Coding-Agents mit File-Reading-Tools sind nochmal eine Liga drüber — leicht 50k-100k Tokens pro Turn.

Häufige Fragen