Token (KI)

Wenn eine KI einen Satz liest, sieht sie keine Wörter, sondern Tokens. Laut OpenAI-Dokumentation zerlegt ein Sprachmodell Text in häufig vorkommende Zeichenfolgen – kurze, gängige Wörter wie „the" werden zu einem Token, seltenere oder zusammengesetzte Wörter wie „tokenization" in mehrere Teile wie „token" und „ization". Das ist vergleichbar mit einem Baukasten: Statt jeden Buchstaben einzeln zu verarbeiten, nutzt die KI vorgefertigte Textbausteine unterschiedlicher Länge.

Warum ist das für euren Betrieb relevant? Zwei Gründe: Erstens rechnen die meisten KI-Anbieter nach Tokenanzahl ab – nicht nach Wörtern oder Zeichen. Zweitens hat jedes Modell ein Kontextfenster, also eine Obergrenze, wie viele Tokens aus Eingabe (Prompt) und Ausgabe zusammen in einer Anfrage verarbeitet werden können. Wird diese Grenze überschritten, bricht die Antwort ab oder ältere Teile des Gesprächs fallen aus dem Blick.

Als grobe Faustregel gilt: Ein Token entspricht ungefähr drei Vierteln eines englischen Wortes. Deutsche Texte mit langen zusammengesetzten Wörtern – etwa „Betriebshaftpflichtversicherung" – zerfallen oft in mehr Tokens pro Wort, was die Kosten pro Vorgang leicht erhöhen kann. Wer KI-gestützte Prozesse plant, sollte diesen Umstand kennen, statt sich nur an Wortzahlen zu orientieren.

Wer versteht, wie Tokens gezählt werden, kann Kosten für KI-gestützte Prozesse realistisch schätzen – etwa für automatisierte E-Mail-Antworten, Angebotsentwürfe oder Dokumentenzusammenfassungen. Das verhindert böse Überraschungen bei der ersten Abrechnung.

Die Kenntnis des Kontextfensters hilft, Anwendungen richtig zu dimensionieren: Ein Chatbot, der lange Kundenhistorien verarbeiten soll, braucht ein Modell mit größerem Kontextfenster – sonst „vergisst" er frühere Nachrichten mitten im Gespräch.

Für Angebote und Budgetplanung ist die Token-Logik ein nüchternes Werkzeug: Statt vager Schätzungen lässt sich der ungefähre Textumfang eines Prozesses in Tokens umrechnen und mit den Preisen des jeweiligen Anbieters multiplizieren.

Reine Token-Kosten sind meist ein kleiner Teil der Gesamtrechnung eines KI-Projekts – die eigentliche Arbeit liegt in Anbindung, Testen und Betrieb. Zur Einordnung: Bei Anthropics Claude Sonnet 5 kosten aktuell 2 $ pro Million Eingabe-Token und 10 $ pro Million Ausgabe-Token; andere Anbieter und Modelle liegen teils darüber, teils darunter.

Entscheidend für die tatsächlichen Kosten sind weniger die reinen Token-Preise als die Häufigkeit der Nutzung, die Textlänge pro Anfrage und ob Ausgabe-Tokens (meist teurer) oder Eingabe-Tokens überwiegen. Nach unserer Erfahrung lohnt sich vor dem Start eine grobe Kalkulation: typische Textlänge × erwartete Anfragen pro Monat.

Euer erstes KI-System zum Festpreis ab 3.500 € (AI READY) – darin ist die Token-Kalkulation für euren konkreten Anwendungsfall bereits eingepreist, ihr müsst euch also nicht selbst durch Preistabellen der Anbieter arbeiten.

Ein Großhandel mit 45 Mitarbeitenden lässt eingehende Kundenanfragen per E-Mail von einer KI vorsortieren und Antwortentwürfe erstellen. Eine typische Anfrage samt Antwort umfasst rund 600 Tokens. Bei 2.000 E-Mails im Monat sind das etwa 1,2 Mio. Tokens – bei den oben genannten Beispielpreisen ein niedriger zweistelliger Euro-Betrag an reinen Modellkosten. Die eigentliche Investition liegt in der Anbindung an das Mailsystem und der Qualitätskontrolle, nicht in den Tokens selbst.