Ein KI-Budget für 2027 lässt sich nicht belastbar aus der bisherigen Rechnung hochrechnen. Nutzerzahl, Anwendungsfälle, Modellmix, Preisversionen und Architektur ändern sich oft gleichzeitig, und die Rechnung kennt keinen dieser Treiber. Die tragfähige Antwort ist deshalb keine präzise Jahreszahl, sondern ein treiberbasiertes Budgetmodell: Es zeigt, welche Annahme die Zahl bewegt, wer sie belegt und wann sie neu geprüft wird.
Warum die Vorjahreskosten keine Basis sind
Bei stabiler Infrastruktur trägt eine Fortschreibung der Vorjahreskosten mit bekannten Änderungen recht weit. Bei KI-Ausgaben fehlen dafür drei Voraussetzungen. Erstens ist die Historie kurz und oft von Experimenten geprägt, die nie in den Betrieb gehen. Zweitens hängt der Verbrauch je Vorgang an technischen Entscheidungen wie Kontextlänge, Antwortlänge, Caching und Routing, die sich mit jedem Release verschieben. Drittens ändern Anbieter Modelle und Preisstufen in kurzen Abständen, sodass derselbe Vorgang im nächsten Jahr auf einem anderen Tarif landet.
Die FinOps Foundation™ beschreibt die Lage in ihrer Umfrage State of FinOps 2026: Fast alle Antwortenden auf die entsprechende Frage geben an, KI-Ausgaben zu steuern, und als wichtigste Hürden nennt der Bericht Sichtbarkeit der KI-Kosten, ihre Zuordnung und den Wertnachweis. Die Stichprobe ist von großen Budgets geprägt. Für ein kleines Team ist die Folgerung trotzdem dieselbe: Planen Sie vom Treiber aus, nicht von der Rechnung.
Erst den Budgetumfang festlegen
Trennen Sie drei Töpfe, bevor Sie Mengen schätzen:
- Experimente haben ein festes Ausgabenlimit und ein Enddatum. Sie finanzieren Lernen, noch keinen dauerhaften Betrieb.
- Produktionsanwendungen werden über Nachfrage und Verbrauch kalkuliert: Nutzer, Vorgänge, Eingabe, Ausgabe und gewähltes Modell.
- Gemeinsame Plattform umfasst Kosten, die nicht sauber zu einer einzelnen Anfrage gehören, etwa Evaluation, Vektorsuche, Guardrails, Logging, Netzwerk oder bereitgestellte Kapazität.
Halten Sie außerdem fest, wo jede Position erscheint. Amazon Bedrock, Azure OpenAI in Microsoft Foundry und die Gemini Enterprise Agent Platform von Google Cloud, früher Vertex AI, landen in der jeweiligen Cloud-Abrechnung. Bei AWS erscheinen Modelle von Drittanbietern auf Bedrock laut AWS-Dokumentation unter der Abrechnungseinheit AWS Marketplace; ein Budget, das nur die Einheit AWS filtert, übersieht sie. Direkt bei einem Modellanbieter bezogene APIs stehen auf separaten Rechnungen. Ein KI-Budget, das nur die Cloud-Exporte betrachtet, ist dann unvollständig.
Diese Trennung verhindert zwei typische Fehler: Ein erfolgreicher Versuch wird nicht stillschweigend zum Produktionsbudget, und gemeinsame Plattformkosten verschwinden nicht in einem scheinbar günstigen Preis pro Anfrage.
Eingaben, die vor der ersten Zahl vorliegen müssen
Sammeln Sie vor dem Rechnen vier Arten von Belegen:
- Nachfrage aus dem Produkt: geplante Nutzer, freigeschaltete Arbeitsplätze, Vorgänge pro Monat und Rollout-Termine. Die Cloud-Rechnung zeigt Verbrauch, aber keinen Rollout-Plan.
- Gemessene Tokenform: Eingabe-, Ausgabe-, Cache-Read- und Cache-Write-Tokens je Vorgang aus den Usage-Feldern der Modellantworten oder aus Provider-Metriken. Bedrock meldet etwa
InputTokenCount,OutputTokenCountund die Cache-Zähler in CloudWatch, Azure OpenAI liefertcached_tokensin den Usage-Details. - Datierte Preise: Modell, Region, Bezugsmodell, Währung und Prüfdatum je Preis. Ausgabetokens sind bei vielen Modellen teurer als Eingabetokens, und Cache-Writes können je nach Modell über dem normalen Eingabepreis liegen.
- Vertragsbedingungen: Credits, verhandelte Rabatte, bestehende Reservierungen und ihre Laufzeiten.
Fehlt eine Produktmetrik, verwenden Sie einen klar benannten Ersatztreiber, etwa bearbeitete Fälle, und setzen Sie einen Termin für seine Ablösung.
Das Arbeitsblatt: von Nutzung zu Kosten
Das Budgetblatt enthält Eingaben und Verantwortliche, nicht nur Monatsbeträge. Verwenden Sie pro Anwendungsfall eine Zeile mit mindestens diesen Feldern:
| Feld | Was eingetragen wird | Wer die Annahme belegt |
|---|---|---|
| Zweck und Phase | Experiment, Einführung oder stabiler Betrieb | Produktverantwortung |
| Nachfrage | aktive Nutzer, Vorgänge oder Aufrufe pro Zeitraum | Produkt oder Fachbereich |
| Modellaufrufe je Vorgang | inklusive Retries, Toolschritten und Fallbacks | Engineering |
| Eingabe je Aufruf | Text-, Bild-, Audio- oder Videoeinheiten, inklusive wiederholtem Kontext | Engineering |
| Ausgabe je Aufruf | erwartete Antwortlänge, Reasoning-Anteil und Modalität | Engineering |
| Modellmix | Anteil je Modell und Regel für Fallback oder Routing | Engineering |
| Wiederverwendung | gemessene Cache-Read- und Cache-Write-Anteile | Engineering |
| Bezugsmodell | Pay-as-you-go, Batch, Flex oder bereitgestellte Kapazität samt Laufzeit | Plattform und Einkauf |
| Nebenkosten | Suche, Datenhaltung, Netzwerk, Evaluation, Logging und Schutzmechanismen | Plattform |
| Abrechnungsort | Cloud-Konto, Marketplace-Einheit oder separate Rechnung | Finance |
| Preisquelle | Anbieter, Region, Währung, Preisseite und Prüfdatum | FinOps oder Finance |
| Unsicherheit | Bandbreite, Auslöser für eine Neuschätzung und Owner | gemeinsame Entscheidung |
Für nutzungsabhängige Modelle reicht als Rechenstruktur je Modell:
Vorgänge × Aufrufe je Vorgang × (ungecachte Eingabe × Eingabepreis + Cache-Reads × Cache-Read-Preis + Cache-Writes × Cache-Write-Preis + Ausgabe × Ausgabepreis)
Ergänzen Sie Batch- und multimodale Preise nur dort, wo die Architektur sie wirklich nutzt. Ein Durchschnittspreis pro Token verdeckt sonst, dass Eingabe und Ausgabe unterschiedlich bepreist werden und ein Modellwechsel beide Seiten verändert. Die Spalte „Aufrufe je Vorgang“ ist bei Agenten und Retries die häufigste Quelle für Fehlschätzungen.
Drei Szenarien statt Scheingenauigkeit
Planen Sie Basis, niedrige und hohe Nutzung mit denselben Formeln. Ändern Sie nur die Annahmen, die tatsächlich unsicher sind. So bleibt erkennbar, ob die Bandbreite aus Nachfrage, Antwortlänge, Modellwahl oder Kapazitätsentscheidung entsteht.
Für jedes Szenario gehören diese Angaben auf das Freigabeblatt:
- der geschäftliche Treiber;
- die technische Verbrauchsannahme;
- die aktuelle Preisquelle und Währung;
- die nicht nutzungsabhängigen Plattformkosten;
- die Entscheidung, die bei Über- oder Unterschreitung folgt.
Credits und verhandelte Rabatte stehen separat unter den Bruttokosten. Sie verändern den Rechnungsbetrag, aber nicht die zugrunde liegende Nutzung, und sie laufen aus. Dasselbe gilt für Wechselkurse: Legen Sie einen Umrechnungskurs und ein Aktualisierungsdatum fest und führen Sie bei Konzernen, die in Euro konsolidieren, die Sicht in Landeswährung neben der Konzernsicht, damit ein Währungseffekt nie als Verbrauchsabweichung erscheint.
Bereitgestellte Kapazität ist eine eigene Entscheidung
Pay-as-you-go folgt dem Verbrauch und passt zu schwankender oder unbekannter Nachfrage. Bereitgestellte Kapazität tauscht Flexibilität gegen einen fixen Kostenblock, der unabhängig von der Nutzung anfällt. Die Bedingungen unterscheiden sich deutlich:
| Angebot | Abrechnung | Laufzeit | Was das Budget daraus macht |
|---|---|---|---|
| Bedrock Provisioned Throughput | stündlich je Model Unit, bis zur Löschung | ohne Bindung, 1 oder 6 Monate | Fixposten ab Kaufdatum |
| Bedrock Reserved Tier | fester Preis je 1.000 Tokens pro Minute, monatlich | 1 oder 3 Monate; Mindestmenge 100.000 Eingabe- und 10.000 Ausgabe-TPM | Fixposten plus Überlauf in den Standard-Tarif |
| Azure Provisioned (PTU) | stündlich je PTU, unabhängig von Tokens | stündlich oder per Reservierung für 1 Monat oder 1 Jahr | Reservierung sichert nur den Preis, keine Kapazität |
| Google Provisioned Throughput (GSU) | fester Preis je Laufzeit | 1 Woche (nur Google-Modelle), 1 Monat, 3 Monate, 1 Jahr | Gebühr fällt unabhängig von der Nutzung an; ungenutzter Durchsatz verfällt; Überlauf wird standardmäßig nach Pay-as-you-go berechnet |
Übertragen Sie eine Pay-as-you-go-Schätzung deshalb nicht direkt in eine Kapazitätsbestellung. Messen Sie Eingabe, Ausgabe, Parallelität, Spitzenlast und Cache-Anteil für den konkreten Anwendungsfall; Microsoft weist etwa darauf hin, dass gecachte Tokens keine PTU-Kapazität verbrauchen. Ein Commitment gehört erst in die Baseline, wenn Nachfrage und technische Form stabil genug sind. Bis dahin steht es als Entscheidung mit Termin, Owner und Eintrittsbedingung im Plan.
Nicht interaktive Arbeit wie Evaluationen oder Backfills planen Sie separat: Bedrock bietet Batch für ausgewählte Modelle mit 50 Prozent Abschlag auf On-Demand, Azure Global Batch mit 50 Prozent auf Global Standard und Google Batch mit 50 Prozent auf Echtzeit-Inferenz. Diese Rabatte gelten nur für den Anteil, der tatsächlich asynchron laufen kann.
Wie Budgetalarme für KI wirken
Budgetalarme melden eine Abweichung, sie steuern keinen Verbrauch. AWS aktualisiert Budgets bis zu dreimal täglich, Azure wertet Budgets alle 24 Stunden aus, bei typischer Datenverfügbarkeit nach 8 bis 24 Stunden, und Google weist auf eine Verzögerung zwischen Nutzung und Kostenmeldung hin. Für ein Jahresbudget reicht das. Für einen Fehler, der innerhalb von Stunden Tokens verbraucht, reicht es nicht.
Setzen Sie deshalb zwei Arten von Schwellen: Budgetalarme je Topf und Szenario für die Finanzsteuerung, und technische Limits in der Anwendung für den Betrieb. Google bietet seit dem 27. Juli 2026 als Preview Spend-Cap-Budgets an, die neue Nutzung eines einzelnen Dienstes, etwa der Gemini API oder der Agent Platform, in einem einzelnen Projekt pausieren; sie greifen auf Basis geschätzter Bruttokosten und mit Verzögerung, bereits laufende Anfragen werden noch abgeschlossen und berechnet, und Überschreitungen werden normal abgerechnet. Planen Sie solche Caps als Notbremse, nicht als Budgetmethode.
Typische Fehler
- Ein Durchschnittspreis pro Token ersetzt getrennte Eingabe-, Ausgabe- und Cache-Preise.
- Ein Experiment läuft nach seinem Enddatum weiter und wird zur stillen Produktionslast.
- Credits werden mit Bruttokosten verrechnet und verdecken den Verbrauch, bis sie auslaufen.
- Eine Kapazitätsbestellung entsteht aus einer Pay-as-you-go-Hochrechnung ohne Lastmessung.
- Marketplace-Positionen oder direkte API-Rechnungen fehlen im Scope.
- Eine neue Modellversion geht live, ohne dass Preis und Tokenform neu erhoben werden.
Im Jahr nachsteuern
Legen Sie keine beliebige Routine an, sondern Auslöser, die eine neue Schätzung rechtfertigen:
- ein neues Modell oder eine neue Preisversion geht in Produktion;
- Nutzerzahl, Vorgänge oder Tokenform weichen von der freigegebenen Bandbreite ab;
- Caching, Routing oder Antwortbegrenzung verändern den Verbrauch je Vorgang;
- ein Experiment wird eingestellt oder in den Betrieb überführt;
- bereitgestellte Kapazität wird bestellt, verlängert oder nicht mehr ausgelastet.
Vergleichen Sie Ist und Forecast auf derselben Kostenbasis. Die verantwortliche Person sieht neben dem Betrag auch Treiber, Modell, Phase und letzte Annahme. Für die Kosten je Leistungseinheit hilft der passende Nenner aus Unit Economics. Wie die einzelnen Meter auf der Rechnung erscheinen, zeigt KI-Kosten in Azure OpenAI und Bedrock lesen; die Zuordnung zu Funktionen beschreibt KI-Kosten einem Produkt-Feature zuordnen, und den übrigen Cloud-Plan Cloud-Budget 2027 aus Verbrauch und Änderungen planen.
Was Costfluent dabei abdeckt
Costfluent liest die Abrechnungsdaten von AWS, Azure und Google Cloud über lesende Konnektoren, also auch die KI-Dienste, die dort abgerechnet werden, und zeigt sie nach Konto, Dienst, Ressource, Tag und Segment. Ein Budget legen Sie für den Workspace im Produkt an oder für ein Kostensegment über die Public API und den Terraform-Provider, und Sie vergleichen die Ist-Kosten mit dem Budget für dessen Zeitraum. Die Schritte stehen in der Dokumentation unter Budgets. Ein gespeicherter Kostenbericht lässt sich im Rhythmus Ihres Reviews per E-Mail zustellen. Ein Kostenbericht kann eine Ausgabenprognose einblenden, und ein Budget zeigt, worauf sein laufender Zeitraum zusteuert. Budget-Benachrichtigungen sind In Planung. API-Ausgaben bei OpenAI und Anthropic kommen hinzu, sobald Sie diese Anbieter direkt verbinden (OpenAI- und Anthropic-API-Ausgaben verfolgen). Produktmetriken wie Vorgänge liest Costfluent nicht; den Treiberteil des Arbeitsblatts pflegen Sie weiterhin selbst.
Quellen und Methode
Geprüft am 2026-10-10. FinOps Foundation: State of FinOps 2026, Amazon Bedrock: Provisioned Throughput, Amazon Bedrock: Service tiers, Amazon Bedrock: Token-Zählung und Quoten, Amazon Bedrock: Prompt Caching, Amazon Bedrock: Preise, AWS Cost Anomaly Detection (Marketplace-Abrechnung von Bedrock-Drittanbietermodellen), AWS Budgets, Microsoft Foundry: Provisioned Throughput, Azure OpenAI: Prompt Caching, Azure OpenAI: Global Batch, Microsoft Cost Management: Budgets, Google Cloud: Provisioned Throughput kaufen, Google Cloud: Provisioned Throughput berechnen, Google Cloud: Provisioned Throughput nutzen, Google Cloud: Batch-Inferenz, Google Cloud: Budgets, Google Cloud: Spend-Cap-Budgets, Cloud Billing Release Notes und Google Cloud: Namensänderungen der Agent Platform. Arbeitsblatt, Rechenstruktur, Kapazitätstabelle und Review-Auslöser sind Costfluent-Empfehlungen, keine Rechnungslegungsberatung. Preise gehören mit Region, Währung und Prüfdatum in das eigene Budget; dieser Leitfaden verwendet bewusst keine Beispielbeträge.



