KI-gestützte Angebotserstellung verursacht je nach Modellwahl erhebliche Token-Kosten. Wie automatische Routing-Logik zwischen Open-Weight und Closed-Weight LLMs die Kalkulationskosten im Mittelstand signifikant senkt.

LLM-Token-Preise sind laut BenchLM (Oktober 2026) im Vergleich zu März 2023 um 85 % gefallen. Dennoch kosten Output-Token drei- bis achtmal mehr als Input-Token, und die teuersten Modelle sind bis zu 32.813-mal teurer als die günstigsten. Wer in der B2B-Angebotserstellung pauschal auf Frontier-Modelle setzt, riskiert eine bis zu zehnfach höhere KI-Rechnung ohne messbaren Qualitätsgewinn. Die automatische Auswahl zwischen Open-Weight- und Closed-Weight-Modellen je nach Aufgabenkomplexität ist daher kein Nice-to-have, sondern ein direkter Hebel auf die Kalkulationsmarge. Mit einem Median-Preis von 0,75 US-Dollar pro Million Input-Token und 3,00 US-Dollar pro Million Output-Token (BenchLM, Oktober 2026) lassen sich Kosten durch gezielte Modellwahl substanziell senken.

KI-gestützte Token-Kostenoptimierung in der B2B-Angebotserstellung: Automatische Modellauswahl zwischen Open-Weight und Closed-Weight LLMs

Leitfakt: Frontier-LLM-Token-Preise sind laut BenchLM Token Price Index im Oktober 2026 um 85 % unter das Niveau vom März 2023 gefallen. Gleichzeitig kosten Output-Tokens typischerweise das Drei- bis Achtfache von Input-Tokens, wobei der Faktor fünf laut Finout am häufigsten vorkommt. Für mittelständische E-Commerce-Unternehmen, die LLMs in der Angebotskalkulation einsetzen, bedeutet das: Die Modellwahl ist ein direkter Kostenhebel.

Marktüberblick: Was Tokens heute kosten

Nach Daten von BenchLM (Stand 23. Oktober 2026) liegt der Median-API-Preis über 206 erfasste Modelle bei 0,75 US-Dollar pro eine Million Input-Tokens und 3,00 US-Dollar pro eine Million Output-Tokens. Die Bandbreite ist erheblich: Das günstigste Modell im BenchLM-Tracking unterscheidet sich vom teuersten (o1-pro) um den Faktor 32.813 beim gemischten Token-Preis.

Flagship-Modelle bewegen sich laut CloudZero zwischen 5 und 10 US-Dollar pro Million Input-Tokens. Claude Opus 5 kostet 5 US-Dollar pro Million Input-Tokens und 25 US-Dollar pro Million Output-Tokens, Claude Fable 5 liegt bei 10 US-Dollar und 50 US-Dollar. Am unteren Ende des Marktes hält GPT-5.6 Luna nach OpenAIs Preissenkung vom 30. Juli 2026 den Mainstream-Tiefstwert bei 0,20 US-Dollar pro Million Input-Tokens.

Selbst gehostete Open-Weight-Modelle starten de facto bei null variablen Token-Kosten, tragen aber Infrastrukturkosten.

Praktische Implikationen für die B2B-Angebotserstellung

1. Output-Token-Volumen ist der entscheidende Kostentreiber

In der automatisierten Angebotskalkulation generieren Systeme typischerweise strukturierte Ausgaben: Preistabellen, Konditionsbeschreibungen, Begründungstexte. Diese Ausgaben fallen unter Output-Token-Abrechnung. Bei einem Faktor von fünf zwischen Input- und Output-Preis und Frontier-Modellen mit 25 bis 50 US-Dollar pro Million Output-Tokens kann ein mittelständisches Unternehmen mit 500 täglichen Angebotsvorgängen schnell vierstellige Monatskosten nur für Output-Tokens akkumulieren.

Die erste Optimierungsregel lautet daher: Output-Token-Volumen strukturiert reduzieren. Kompakte Prompt-Designs, die das Modell zu knappen, maschinenlesbaren Ausgaben anhalten, senken den Kostentreiber direkt.

Weiterführend: KI-gestützte Angebotsverwaltung, Kalkulation und Versionen

2. Automatische Modellauswahl nach Aufgabenkomplexität

Nicht jeder Schritt in der Angebotserstellung erfordert ein Frontier-Modell. Eine sinnvolle Klassifizierung der Teilaufgaben nach Komplexität erlaubt es, kostengünstigere Modelle gezielt einzusetzen:

Einfache Preisregel-Anwendung und Konditionsabruf: Mid-Tier-Modelle bei rund 2 US-Dollar pro Million Input-Tokens sind hier ausreichend. BenchLM verzeichnet für dieses Segment im Zwölfmonatsvergleich einen Preisrückgang von 44,5 %.
Komplexe Vertragsauslegung, Ausnahmefallprüfung, individuelle Kundenanfragen: Frontier-Modelle rechtfertigen ihren Aufpreis, wenn Fehler in der Ausgabe zu Vertragsrisiken führen.
Routing-Logik: Eine vorgeschaltete Klassifizierungsschicht, die eingehende Anfragen nach Komplexität sortiert und dem passenden Modell zuweist, ist der Kern automatischer Kostenoptimierung.

Open-Weight-Modelle auf eigener Infrastruktur kommen für standardisierte, wiederholbare Kalkulationsschritte in Betracht, sobald Volumen und Infrastrukturkosten das rechnen.

Weiterführend: B2B-Angebotsprozess digitalisieren | KI-gestützte Angebotsautomatisierung

3. Cached Tokens und Kontextwiederverwendung senken reale Kosten

Laut Finout kosten gecachte Tokens nur einen Bruchteil frischer Tokens. In der B2B-Angebotserstellung sind wiederkehrende Kontextblöcke die Regel: Konditionsrahmen, Preislisten, Kundenprofile, Vertragsklauseln. Systeme, die diese Kontexte einmal laden und für mehrere Anfragen cached wiederverwenden, zahlen den vollen Input-Token-Preis nur einmal.

Technisch relevant ist das besonders bei langen Systemkontexten mit Preislogik, die sich innerhalb einer Session nicht ändert. Ein gut strukturiertes Prompt-Caching-Konzept ist in dieser Hinsicht kein technisches Detail, sondern ein direkter Budgetfaktor.

Weiterführend: B2B-Preislogik: Vertragspreise, Staffelpreise, Mindestmengen

4. Preisvolatilität erfordert kontinuierliches Modell-Monitoring

Der BenchLM-Index zeigt im Zwölfmonatsvergleich bis Oktober 2026 zwei gegenläufige Trends: Frontier-Preise stiegen um 61,3 % Jahr-über-Jahr, während Mid-Tier-Preise um 44,5 % fielen. Das deutet auf eine Spreizung des Marktes hin, nicht auf eine einheitliche Preisbewegung.

Für Unternehmen, die ihre Angebotskalkulation auf fixen Modellannahmen aufgebaut haben, bedeutet das ein Budgetrisiko. CloudZero stellt fest: “Die Preise, die Sie im August budgetiert haben, sind im September falsch.” Ein automatisches Modell-Monitoring, das aktuelle Preise gegen interne Qualitätsschwellenwerte abgleicht und bei Kostenabweichungen automatisch auf günstigere Alternativen umschaltet, ist in diesem Umfeld keine Kür, sondern operative Notwendigkeit.

Weiterführend: KI-gestützte dynamische Preisoptimierung im B2B-Shop | Gemini-4-Argon-Pricing und Token-Kalkulation

Handlungsempfehlung

Mittelständische Unternehmen im B2B-E-Commerce sollten drei Maßnahmen priorisieren:

Token-Auditierung: Aufschlüsselung der tatsächlichen Input- und Output-Token-Verbräuche je Angebotsprozessschritt, um Kostentreiber zu identifizieren.
Modell-Routing einführen: Klassifizierungslogik vorschalten, die einfache Kalkulationsschritte an günstige oder Open-Weight-Modelle delegiert.
Preismonitoring automatisieren: Aktuelle Marktpreise regelmäßig gegen das eigene Nutzungsprofil abgleichen und Modellentscheidungen dynamisch anpassen.

Quellen

Häufige Fragen

Wie groß ist der Kostenunterschied zwischen Open-Weight- und Closed-Weight-Modellen bei der Angebotserstellung?

Der Unterschied ist erheblich. Laut BenchLM beträgt das Preisverhältnis zwischen dem teuersten und günstigsten Modell auf dem Markt bis zu 32.813-fach. Frontier-Modelle wie Claude Opus 5 kosten $10 pro Million Input-Token, während Open-Weight-Modelle deutlich darunter liegen. Für standardisierte Angebotskalkulationen, die keine Frontier-Qualität erfordern, lassen sich so 80 bis 95 % der Token-Kosten einsparen.

Warum sind Output-Token bei der Angebotskalkulation besonders kostenrelevant?

Output-Token kosten drei- bis achtmal mehr als Input-Token, wobei der Faktor fünf am häufigsten vorkommt. Bei der Angebotserstellung entstehen lange strukturierte Ausgaben, was den Output-Anteil stark erhöht. Frontier-Modelle berechnen bis zu $50 pro Million Output-Token. Wer Modell und Prompt-Strategie nicht optimiert, zahlt überproportional viel für genau diesen Ausgabe-Anteil.

Welche Preisentwicklung ist bei LLM-APIs 2026 zu beobachten und was bedeutet das für Budgetplanung?

Frontier-Token-Preise sind laut BenchLM Token Price Index bis Oktober 2026 um 85 % gegenüber März 2023 gefallen. Gleichzeitig stiegen Frontier-Preise im Jahresvergleich um 61,3 %, während Mid-Tier-Modelle 44,5 % günstiger wurden. Für Entscheider bedeutet das: Budgets sollten quartalsweise überprüft werden, da sich Preistabellen mitten im Quartal verschieben können.

Wann lohnt sich der Einsatz eines günstigeren Mid-Tier-Modells statt eines Frontier-Modells in der Angebotserstellung?

Mid-Tier-Modelle clustern laut CloudZero bei rund $2 pro Million Input-Token, während Flaggschiff-Modelle $5 bis $10 kosten. Für Standardpositionen, Preisberechnungen und Textbausteine reicht Mid-Tier-Qualität in der Regel aus. Automatische Modellauswahl prüft pro Aufgabe, ob Frontier-Qualität nötig ist, und leitet nur komplexe Anforderungen an teurere Modelle weiter.

Was ist der Einstiegspreis für LLM-APIs und welches Modell setzt derzeit den günstigsten Marktstandard?

Der günstigste Mainstream-Einstieg liegt bei $0,20 pro Million Input-Token, gehalten von GPT-5.6 Luna nach OpenAIs Preissenkung um 80 % am 30. Juli 2026. Der Marktmedian liegt laut BenchLM bei $0,75 Input und $3,00 Output pro Million Token. Open-Weight- und Offshore-Anbieter unterschreiten diesen Wert weiter, sofern selbst gehostet oder über spezialisierte Inference-Dienste bezogen.

Dieser Artikel wurde von einem KI-System automatisiert erstellt. Kennzeichnung gemäß Art. 50 der EU-KI-Verordnung.

KI-Modellauswahl: Token-Kosten in der B2B-Angebotserstellung senken