Kosten pro Aufgabe
Kosten pro Aufgabe geben an, wie viel Geld ein KI-System braucht, um eine vollständige Arbeit zu Ende zu bringen – etwa einen Text zu übersetzen oder eine Rechnung zu prüfen. Die Kennzahl ist aussagekräftiger als der Preis einzelner Rechenschritte, weil sie alle Versuche und Korrekturen mitzählt.
Wer ein KI-System betreibt, zahlt für Rechenleistung. Die Anbieter rechnen das meist in sehr kleinen Einheiten ab, zum Beispiel pro Textstück oder pro Sekunde Rechenzeit. Diese Einzelpreise sagen aber wenig darüber aus, was am Ende eine echte Arbeit kostet. Genau da setzen die Kosten pro Aufgabe an: Man nimmt eine abgeschlossene Aufgabe als Maßstab, etwa „eine Kundenmail vollständig beantworten“ oder „eine Seite Vertrag zusammenfassen“. Dann addiert man alles, was dafür nötig war – auch die Fehlversuche und die Nachbesserungen. Das Ergebnis ist eine Zahl, die man mit den Kosten menschlicher Arbeit direkt vergleichen kann.
Warum Einzelpreise täuschen
Ein billiges Modell kann teurer sein als ein teures. Das klingt widersprüchlich, ist aber leicht erklärt. Ein schwaches Modell braucht oft drei oder vier Anläufe, bis das Ergebnis brauchbar ist. Ein starkes Modell schafft es beim ersten Versuch. Wenn der Einzelpreis fünfmal höher ist, die Trefferquote aber achtmal besser, gewinnt trotzdem das teure Modell.
Dazu kommt versteckte Arbeit, die auf keiner Rechnung des Anbieters steht. Jemand muss die Ergebnisse prüfen, korrigieren oder ganz neu anfordern. Diese Menschenzeit ist in vielen Firmen der größte Kostenblock. Wer nur auf den Preis pro Textstück schaut, übersieht ihn komplett.
Für Anleger und Firmen ist die Kennzahl deshalb der ehrlichere Vergleichsmaßstab. Sie zeigt, ob sich der Einsatz einer KI wirtschaftlich lohnt. Sinken die Kosten pro Aufgabe unter den Lohn für dieselbe Arbeit, verändert das ganze Branchen. Liegen sie darüber, bleibt die Technik ein Experiment.
Was in die Rechnung einfließt
Man beginnt mit den direkten Rechenkosten für einen Durchlauf. Dazu gehört alles, was das Modell an Text liest und schreibt. Moderne Systeme denken oft in mehreren Schritten, prüfen sich selbst oder rufen Werkzeuge wie eine Suchmaschine auf. Jeder dieser Schritte kostet extra. Eine einzige Aufgabe kann so aus dutzenden Anfragen bestehen.
Dann kommt die Trefferquote ins Spiel. Angenommen, ein Durchlauf kostet zwei Cent und funktioniert in der Hälfte der Fälle. Dann braucht man im Schnitt zwei Durchläufe, also vier Cent. Man teilt die Kosten also durch die Erfolgswahrscheinlichkeit. Diese einfache Division erklärt, warum Verlässlichkeit wirtschaftlich so wertvoll ist.
Zum Schluss addiert man die Nebenkosten. Dazu zählen die menschliche Kontrolle, die Speicherung von Daten und der Aufwand, das System am Laufen zu halten. Ein häufiger Irrtum ist, die Kosten pro Aufgabe mit dem Preis eines Abos zu verwechseln. Ein Abo ist ein fester Monatsbetrag, die Kosten pro Aufgabe wachsen mit der Menge der Arbeit.
Die Zahl in Quartalsberichten und Produktpreisen
In Nachrichten über KI-Firmen taucht die Kennzahl oft indirekt auf. Wenn ein Anbieter meldet, eine bestimmte Aufgabe sei nun zehnmal günstiger, meint er genau das. Solche Sprünge entstehen durch kleinere Modelle, sparsamere Rechenverfahren oder billigere Chips. Für Investoren ist die Entwicklung dieser Zahl ein wichtiger Hinweis darauf, ob ein Geschäftsmodell tragfähig wird.
Auch bei Preislisten von Software merkt man den Einfluss. Manche Anbieter verlangen Geld pro erledigtem Vorgang statt pro Nutzer und Monat. Ein Kundendienst-Werkzeug kostet dann zum Beispiel einen festen Betrag pro gelöstem Ticket. Der Anbieter trägt damit selbst das Risiko, wenn seine KI mehrere Versuche braucht.
Im Alltag begegnet dir das Prinzip, wenn Gratis-Angebote plötzlich Grenzen bekommen. Bildgeneratoren erlauben nur wenige Bilder pro Tag, Chatbots schalten nach einigen Anfragen auf ein schwächeres Modell um. Der Grund ist immer derselbe: Jede Aufgabe kostet den Anbieter echtes Geld, und irgendwann rechnet sich das Verschenken nicht mehr.