Was uns dieser Beitrag an KI gekostet hat

Dieser Beitrag hat uns an Modellgebühren 61,0 Cent gekostet, bis er auf Deutsch fertig dastand. Gemessen an seinen eigenen vier Läufen, nicht geschätzt:

• Themenvorschlag: 15,4 Cent
• Entwurf: 12,7 Cent
• Lektoratslauf: 12,4 Cent
• Titelbild: 20,5 Cent

Die englische Fassung kam für 10,1 Cent dazu. Das sind die Werte dieses einen Textes, kein Durchschnitt. Ein Beitrag mit mehr Recherche oder einem zweiten Bildlauf, weil das erste Motiv nicht passt, liegt darüber. Diese Zahlen stehen bei uns nicht in einer Auswertung am Monatsende, sondern an jedem einzelnen Lauf. Wir sehen sie, bevor wir den nächsten Knopf drücken.

Das klingt nach Kleingeld, und genau das ist der Punkt. Kleingeld wird gefährlich, wenn niemand mitzählt.

Warum die Rechnung woanders explodiert

Aus Amazon sind Berichte über intern katastrophal teure KI-Nutzung durchgesickert, mit Kosten deutlich über dem, was jemand geplant hatte. Wir haben keinen Einblick in fremde Bücher und werden hier nichts nachrechnen, was wir nicht sehen können. Interessant ist ohnehin nicht die Summe, sondern der Mechanismus, und den kennt jeder, der schon einmal eine Automatisierung gebaut hat.

Ein Modellaufruf kostet je nach Modell Bruchteile eines Cents bis wenige Cent pro tausend Token. Ein Agent, der sich selbst prüft, ruft sich zweimal auf. Einer, der ein Werkzeug benutzt und das Ergebnis wieder ins Modell gibt, kommt auf fünf Aufrufe. Einer, der in einer Schleife hängt, weil eine Schnittstelle einen Fehler zurückgibt, den er nicht versteht, kommt auf tausend. Und weil eine Automatisierung ohne Beschwerde läuft, merkt es niemand. Ein Mensch, der eine Aufgabe zehnmal hintereinander falsch macht, hört irgendwann auf. Eine Schleife hört nicht auf.

Dazu kommt der zweite Effekt: Was billig ist, wird großzügig eingesetzt. Der ganze Vertragstext ins Kontextfenster statt der relevanten drei Absätze. Die komplette Produktdatenbank bei jedem Lauf statt nur der geänderten Zeilen. Einzeln jeweils harmlos, in der Summe die eigentliche Rechnung.

Drei Bauentscheidungen, die das verhindern

Das ist keine Frage der Disziplin, sondern der Konstruktion. Drei Dinge bauen wir grundsätzlich ein.

Erstens: Jeder Modellaufruf hängt an einem Knopf, den ein Mensch drückt. Bei diesem Blog heißt das konkret: Der Themenvorschlag entsteht, weil jemand ihn anfordert. Der Entwurf entsteht, weil jemand einen Vorschlag ausgewählt hat. Der Lektoratslauf entsteht, weil jemand den Entwurf gegengelesen haben will. Das Titelbild entsteht, weil ein Mensch den Beitrag gelesen und für gut befunden hat. Vier Läufe, vier Entscheidungen. Es gibt keinen Pfad, auf dem das System sich selbst zwölf Beiträge schreibt, weil eine Bedingung falsch formuliert war.

Das ist nicht nur eine Kostenbremse, das ist unsere Haltung zu KI überhaupt: Die Maschine schlägt vor, freigegeben wird von einem Menschen. Der angenehme Nebeneffekt ist, dass ein System, bei dem ein Mensch die Freigabe erteilt, sich nicht selbst den nächsten Lauf bestellt. Gegen eine Schleife innerhalb eines Laufs hilft das nicht, dafür ist das Zeitlimit da. Wer die Qualitätsfrage richtig beantwortet, hat die Kostenfrage aber zu einem guten Teil mit erledigt.

Zweitens: Jeder Lauf hat ein Zeitlimit und eine Kostenzeile. Ein Lauf, der nach der vereinbarten Zeit nicht fertig ist, wird abgebrochen. Nicht verlängert, abgebrochen. Und jeder Lauf schreibt mit, was er gekostet hat. Nicht in einem Dashboard, das man aufrufen könnte, sondern in derselben Ansicht, in der das Ergebnis steht. Wenn ein System eine Zahl ausgibt und niemand nachvollziehen kann, woher sie stammt, ist die Zahl wertlos. Das gilt für Ergebnisse, und es gilt genauso für Kosten.

Daraus ergibt sich fast von allein die dritte Frage, die man vor jeder Automatisierung stellen sollte: Was darf ein Lauf kosten, damit er sich lohnt? Bei einem Blogbeitrag sind 61 Cent gegenüber der Zeit, die ein Mensch für Rohentwurf und Bild braucht, keine Diskussion wert. Bei einer Automatisierung, die pro Tag zehntausendmal läuft, ist ein halber Cent pro Lauf eine ganz andere Rechnung. Die Zahl selbst ist harmlos, entscheidend ist, ob du sie kennst, bevor du das Ding scharf schaltest.

Drittens: Das Modell ist austauschbar. Preise für Modelle ändern sich, in beide Richtungen. Anbieter stellen Modelle ab. Ein Modell, das heute für eine Aufgabe die richtige Wahl ist, ist es in einem halben Jahr vielleicht nicht mehr, weil ein kleineres reicht oder ein anderes günstiger geworden ist. Wenn der Modellaufruf hinter einer eigenen Schnittstelle liegt und die Prompts bei dir liegen, ist ein Wechsel eine Konfigurationsänderung und ein Testlauf. Wenn nicht, ist es ein Projekt.

Genau das meinen wir mit Souveränität: nicht, dass nichts das Haus verlässt, sondern dass du die Wahl behältst. Cloud-KI ist eine legitime Entscheidung, ein lokales Modell auf eigener Hardware ebenso. Was zählt, ist, dass die Entscheidung revidierbar bleibt.

Wo wir das im Betrieb sehen

Unser zweites System dieser Art ist die Social-Automation für Kunst gegen Bares, eine Live-Kunst-Bühne in Düsseldorf. Kampagnenplanung, ein visueller Vorlagen-Editor, KI-Texte pro Kanal, Marken-Personas, Veröffentlichung und Auswertung. Auch dort gilt: Die Texte entstehen als Vorschlag, ein Mensch sieht sie an und gibt sie frei, erst dann gehen sie raus. Und die letzte Meile ist ohnehin außer Haus, wer auf Instagram veröffentlichen will, schickt Daten zu Instagram. Das ändert nichts an der Kostenlogik, im Gegenteil: Je mehr Teile eines Ablaufs bei Dritten liegen, desto wichtiger ist, dass du für jeden Lauf weißt, was er gekostet hat und wer ihn ausgelöst hat.

Der Maßstab, den du selbst anlegen kannst

Wenn dir jemand eine KI-Automatisierung anbietet, stell drei Fragen: Was kostet ein Lauf? Wo steht diese Zahl, ohne dass jemand sie ausrechnen muss? Und was passiert, wenn das Modell morgen doppelt so teuer wird?

Wer auf alle drei eine Antwort hat, hat wahrscheinlich schon einmal etwas betrieben und nicht nur vorgeführt. Wer bei der ersten Frage anfängt zu schätzen, wird es später auch tun.