Output-Token
Ein Output-Token ist ein kleines Textstück, das ein KI-Sprachprogramm bei seiner Antwort erzeugt – meist ein Wort, ein Wortteil oder ein Satzzeichen. Weil solche Programme ihre Antwort Stück für Stück aufbauen, werden Output-Token zur wichtigsten Maßeinheit für Tempo und Kosten.
Programme wie ChatGPT schreiben ihre Antwort nicht auf einen Schlag. Sie setzen sie aus vielen kleinen Textstücken zusammen, eines nach dem anderen. Solche Stücke nennt man Token. Ein Token ist oft ein ganzes kurzes Wort, manchmal nur eine Silbe, manchmal nur ein Komma. Alle Stücke, die das Programm selbst erzeugt und ausgibt, heißen Output-Token. Die Stücke, die vorher hineingehen – also deine Frage – heißen dagegen Input-Token.
Die Währung, in der KI-Anbieter abrechnen
Wer ein KI-Modell über eine Programmierschnittstelle nutzt, also automatisiert aus eigener Software heraus, zahlt pro Token. Anbieter geben ihre Preise typischerweise für eine Million Token an. Dabei kosten Output-Token fast immer mehr als Input-Token, oft das Drei- bis Fünffache. Der Grund ist der Rechenaufwand: eingelesener Text kann in großen Blöcken parallel verarbeitet werden, jedes ausgegebene Token muss dagegen einzeln berechnet werden.
Für Unternehmen wird das schnell zur zentralen Kostenfrage. Ein Kundenservice-Bot mit hunderttausend Gesprächen am Tag erzeugt Millionen Output-Token. Deshalb bekommen KI-Systeme oft die Anweisung, sich kurz zu fassen. Eine knappe Antwort ist nicht nur angenehmer zu lesen, sie ist auch billiger.
Auch fürs Tempo sind Output-Token das Maß der Dinge. Man misst die Geschwindigkeit eines Modells in Token pro Sekunde. Etwa 20 Token pro Sekunde fühlen sich für einen Menschen flüssig an, weil man ungefähr so schnell liest. Wenn ein Chatbot im Browser Wort für Wort erscheint, siehst du buchstäblich zu, wie die Output-Token entstehen.
Wie ein Token nach dem anderen entsteht
Das Modell macht im Kern immer dasselbe: Es schaut sich den bisherigen Text an und schätzt, welches Token als Nächstes passt. Dafür berechnet es für tausende mögliche Fortsetzungen eine Wahrscheinlichkeit. Dann wählt es eine aus, hängt sie an den Text an und beginnt von vorne. Dieses Verfahren wiederholt sich, bis die Antwort fertig ist oder eine festgelegte Obergrenze erreicht ist.
Wichtig ist dabei: Jedes neu erzeugte Token wird Teil der Eingabe für den nächsten Schritt. Das Modell liest also ständig seine eigene halbfertige Antwort mit. Genau deshalb lässt sich diese Phase kaum parallelisieren. Der zehnte Satz kann erst berechnet werden, wenn der neunte steht.
Ein häufiger Irrtum ist, ein Token sei dasselbe wie ein Wort. Im Deutschen stimmt das selten. Lange zusammengesetzte Wörter wie „Krankenversicherung“ werden in mehrere Stücke zerlegt. Als Faustregel gilt: Hundert deutsche Wörter entsprechen ungefähr 130 bis 170 Token. Englische Texte brauchen für den gleichen Inhalt weniger Token, weshalb Englisch bei manchen Anbietern günstiger ist.
Wo dir die Token-Zahlen begegnen
In Preislisten von Anbietern wie OpenAI, Google oder Anthropic stehen Input- und Output-Token immer getrennt. In technischen Beschreibungen findest du außerdem oft eine maximale Ausgabelänge, etwa 8.000 oder 64.000 Token. Sie legt fest, wie lang eine einzelne Antwort höchstens werden darf. Wenn eine KI mitten im Satz abbricht, ist meist diese Grenze erreicht.
Auch in Börsen- und Wirtschaftsmeldungen taucht der Begriff auf. Firmen nennen die Zahl der monatlich verarbeiteten Token als Wachstumskennzahl, ähnlich wie andere Unternehmen Nutzerzahlen nennen. Analysten rechnen mit Token-Preisen, wenn sie schätzen, ob ein KI-Geschäftsmodell profitabel sein kann.
Besonders relevant sind Output-Token bei sogenannten Reasoning-Modellen. Diese Modelle erzeugen vor der eigentlichen Antwort einen langen internen Gedankengang. Auch dieser Gedankengang besteht aus Output-Token und wird mitbezahlt, selbst wenn du ihn nie zu sehen bekommst. Eine scheinbar kurze Antwort kann so tausende Token gekostet haben.
