Der technische Kontext
Ich begann mit einem einfachen Gedanken: Sobald der unbegrenzte Zugang wegfällt, fühlt sich Claude nicht mehr wie ein „bequemer Helfer“, sondern wie ein Kostenpunkt an. Und hier stößt die artificial intelligence implementation nicht an die Qualität des Modells, sondern an simple Mathematik.
Ich habe mir die aktuellen Tarife von Anthropic für Mai 2026 angesehen. Haiku 4.5 kostet 1 $ pro Million Input-Token und 5 $ für den Output, Sonnet 4.6 bereits 3 $ und 15 $, Opus 4.6 liegt bei 5 $ und 25 $. Das Schmerzhafteste ist nicht der Input, sondern der Output: Er ist durchweg fünfmal teurer.
Wenn man beispielsweise 5 Millionen Input- und 1 Million Output-Token pro Tag mit Sonnet verarbeitet, kommt man auf etwa 30 $ täglich, also rund 900 $ pro Monat. Und wenn der Kontext 200K Token überschreitet, erhöht Anthropic den Preis zusätzlich. Aktiviert man den Fast Mode bei Opus, wird der Preis so hoch, dass ich meinen Laptop nicht mehr ohne Taschenrechner öffnen würde.
Ja, es gibt eine Batch API mit 50 % Rabatt und Prompt Caching, was die Rechnung bei sich wiederholendem Kontext erheblich senken kann. Aber das sind keine „netten Boni“, sondern obligatorische Bestandteile der AI architecture. Ohne Caching, Routing zwischen Modellen und strenge Limits wird automation with AI schnell zu einer teuren Angewohnheit.
Was das für Unternehmen und Automatisierung bedeutet
Erstens: Einzelentwickler und kleine Teams können das Modell nicht mehr als unerschöpfliches Gehirn betrachten. Man muss eine Pipeline entwerfen: Wo wird Haiku eingesetzt, wo Sonnet, und wo ist einfacher Code effizienter?
Zweitens: Ein Abo für 200 $/Monat kann die API wirtschaftlich übertreffen, wenn man viel manuell im Chat arbeitet. Für Produkte, Integrationen und Hintergrundprozesse benötigt man jedoch weiterhin die API, was eine saubere AI integration erfordert und nicht ein chaotisches „rufen wir einfach die LLM auf“.
Und drittens: Ein Junior-Entwickler und eine API lösen unterschiedliche Probleme, aber allein der Vergleich ist aufschlussreich. Wenn Ihre Token-Kosten anfangen, mit dem Gehalt einer Person zu konkurrieren, bedeutet das, dass Ihre Architektur fehlerhaft ist oder der Anwendungsfall für die Automatisierung schlecht gewählt wurde.
Solche Ungleichgewichte sehe ich regelmäßig: Ein Team freut sich über die Geschwindigkeit eines Prototyps, erhält dann die Rechnung und erinnert sich plötzlich an die Effizienz. Wenn Ihnen das bekannt vorkommt, lassen Sie uns Ihren Prozess analysieren. Im Nahornyi AI Lab gestalte ich die AI solution development normalerweise so, dass die Automatisierung Geld und Zeit spart, anstatt einen weiteren teuren Mitarbeiter zu imitieren.