Der Tokenpreis ist nicht der Preis

Der scheinbare Widerspruch zwischen Tokenpreis und Vorgangskosten hat nichts mit Google zu tun. Er betrifft jede Automatisierung, die auf Sprachmodellen aufsetzt.

Gleicher Preis, mehr Verbrauch

Das neue Modell ist deutlich besser bei mehrstufigen Aufgaben, bei Softwareentwicklung und bei Abläufen, in denen die KI selbstständig Werkzeuge bedient. Den Grund dafür beschreibt Google ungewöhnlich offen: Das Modell arbeitet gründlicher. Es legt zusätzliche Denkschritte ein und ruft Werkzeuge mehrfach auf, bis das Ergebnis passt.

Das kostet. In der Entwicklerdokumentation steht der Hinweis, dass Anwendungen, bei denen Recheneffizienz das entscheidende Kriterium ist, entweder mit reduzierter Anstrengungsstufe arbeiten oder beim Vorgängermodell bleiben sollten. Wie stark, hängt von der eingestellten Anstrengungsstufe ab. Die unabhängige Messung von Artificial Analysis kommt auf höchster Stufe auf rund 40 Prozent höhere Kosten pro Aufgabe, auf der voreingestellten mittleren Stufe auf wenige Prozent – und auf der niedrigsten Stufe liegt das neue Modell unter dem alten. Der Preis pro Token ist in allen drei Fällen derselbe.

Warum Preislisten in die Irre führen

Anbieter vergleichen sich über den Preis pro Million Token. Für ein Unternehmen ist das die falsche Kennzahl. Relevant ist, was ein Vorgang kostet: eine geprüfte Rechnung, eine beantwortete Anfrage, ein zugeordnetes Dokument. Und das hängt davon ab, wie viele Schritte das Modell dafür braucht und wie oft es danebenliegt.

Ein günstiges Modell, das dreimal ansetzt und beim zweiten Versuch eine Korrekturschleife im Team auslöst, ist teurer als ein teures, das gleich richtig liegt. Umgekehrt ist Gründlichkeit verschwendetes Geld, wenn die Aufgabe simpel ist.

Drei Konsequenzen für die Planung

Pro Vorgang rechnen, nicht pro Token. Bevor ein Agent produktiv geht: 50 bis 100 echte Fälle durchlaufen lassen und die tatsächlichen Kosten je Fall messen. Diese Zahl ist belastbar, eine Preisliste ist es nicht.

Nicht auf eine Modellversion bauen. Google hat die Flash-Reihe innerhalb weniger Monate mehrfach erneuert, andere Anbieter ebenso. Wer seine Automatisierung so aufsetzt, dass das Modell austauschbar ist, kann jede Verbesserung mitnehmen. Wer sich festlegt, baut sich eine Migration.

Je Prozess entscheiden, nicht je Unternehmen. Bei der Rechnungsprüfung zahlt sich ein gründliches, teureres Modell aus, weil ein Fehler richtig weh tut. Bei Standardantworten im Posteingang nicht. Die Modellwahl gehört zur Prozessentscheidung, nicht zur IT-Grundsatzentscheidung.

Die brauchbare Frage

„Welches KI-Modell sollen wir nehmen?" ist selten die richtige Frage – die Antwort ändert sich ohnehin im Quartalstakt. Brauchbar ist: Welcher unserer Abläufe ist regelmäßig, klar beschreibbar und teuer genug, dass sich Automatisierung rechnet? Wer das beantwortet hat, findet das passende Modell in einer Nachmittagssitzung.