Azure-OpenAI- und Bedrock-Kosten: Meter, Usage Types, Tags

Azure-OpenAI-Kosten und Amazon-Bedrock-Kosten stehen nicht als eine „KI“-Zeile auf der Rechnung, sondern als Meter und Usage Types je Modell, Tokenart, Bereitstellungstyp und Kapazitätsmodell. Wer sie zuordnen will, liest zuerst diese Felder und klärt dann, welche Ressource, welches Profil oder welche Identität den Aufruf gemacht hat. Welches Produkt-Feature oder welcher Kunde dahintersteht, weiß die Rechnung nicht; dafür brauchen Sie Struktur und Tags auf Ressourcenebene und Ihre eigenen Logs.

Was die Rechnung zeigt und was nicht

Beide Anbieter rechnen nach Modell, Tokenart (Eingabe, Ausgabe, Cache, Batch), Bereitstellungstyp oder Region und nach reservierter Kapazität ab. Die Zeilen hängen an einer Ressource, einem Konto oder einer Identität. Nicht auf der Rechnung stehen der Prompt, der einzelne Request, Wiederholungen nach Fehlern, das auslösende Feature und der Kunde. Alles, was Sie darüber wissen wollen, müssen Sie vor dem Aufruf in die Struktur legen oder in der Anwendung protokollieren.

Azure OpenAI in den Kostendetails lesen

Microsoft führt Azure OpenAI in Cost Management unter der Serviceklassifizierung Cognitive Services; für einen Filter über die Subscription nutzen Sie Service tier: Azure OpenAI (im Export MeterSubCategory). Die Azure Retail Prices API nennt denselben Service bereits Foundry Models mit Produkten wie Azure OpenAI und Azure OpenAI GPT5. Prüfen Sie in Ihrem Export, welcher MeterCategory-Wert ankommt, bevor Sie ihn fest in eine Abfrage schreiben.

Der Meter-Name trägt Modell, Tokenart und Bereitstellungstyp. Beispiele aus der Retail Prices API für Sweden Central:

• gpt 4.1 Inp glbl Tokens, gpt 4.1 Outp Data Zone Tokens, gpt 4.1 cached Inp regnl Tokens, gpt 4.1 Batch Inp glbl Tokens, Einheit 1K
• GPT 5.1 inp Gl 1M Tokens, GPT 5.1 cd inp Dz 1M Tokens, Einheit 1M
• Provisioned Managed Global Unit, Provisioned Managed Data Zone Unit, Provisioned Managed Regional Unit, Einheit 1/Hour

Die Abkürzungen sind uneinheitlich (glbl, Gl; Data Zone, DZone, Dz; regnl), und die Einheit wechselt zwischen 1.000 und 1 Million Tokens. Pflegen Sie deshalb eine Zuordnungstabelle von Meter zu Modell, Tokenart und Bereitstellungstyp, statt Namen per Regex zu zerlegen.

Die Bereitstellungstypen entscheiden über Datenverarbeitung und Preis: Global (Verarbeitung in jeder Azure-Region möglich), Data Zone (nur innerhalb der Zone US, EU oder APAC; die EU-Zone folgt der EU Data Boundary und kann EFTA-Staaten wie Norwegen und die Schweiz einschließen) und Standard bzw. Regional Provisioned (in der gewählten Azure-Geografie). In Germany West Central listet die Retail Prices API für GPT-4.1 heute nur Global- und Data-Zone-Meter. Welche Variante zulässig ist, entscheidet Ihr Datenschutzkonzept, nicht der Preis.

Provisionierter Durchsatz (PTU) kostet pro bereitgestellter PTU und Stunde, anteilig abgerechnet; ein Deployment lässt sich nicht pausieren, die Abrechnung endet erst mit dem Löschen. Reservierungen gibt es für einen Monat oder ein Jahr, getrennt für Global, Data Zone und Regional; sie werden nicht nach Modell oder Deployment zugeordnet, und darüber hinausgehende PTU kosten den Stundenpreis. Feinabgestimmte Modelle kosten zusätzlich eine Hosting-Gebühr pro Stunde, auch ohne Aufrufe.

Partnermodelle, die über Azure Marketplace abgerechnet werden, erscheinen als Meter unter „Global“-Ressourcen im Format Modellname-GUID, können nicht mit Azure Prepayment bezahlt werden und tragen kein project-Tag.

Amazon Bedrock in CUR 2.0 lesen

Für alle Bedrock-Zeilen setzt AWS in CUR 2.0 product_product_family auf den einheitlichen Wert Amazon Bedrock. Die Map-Spalte product enthält für Bedrock die Schlüssel provider, model, inference_type (etwa input tokens, output tokens) und feature (etwa On-Demand, Batch); in Cost Explorer heißt der Filter Product attribute und hat Daten ab 1. September 2026. Die AWS-Preisliste führt Bedrock in mehreren Angeboten (AmazonBedrock, AmazonBedrockService, AmazonBedrockFoundationModels); ein Filter auf einen einzigen line_item_product_code greift deshalb zu kurz.

Usage Types folgen dem Muster Region, Modell, Tokenart, zum Beispiel EUC1-NovaPro-input-tokens, EUC1-NovaPro-output-tokens, EUC1-NovaPro-input-tokens-batch und EUC1-NovaPro-cache-read-input-token-count in eu-central-1. Servicestufen (Reserved, Priority, Standard, Flex) erscheinen als Suffixe wie -priority oder -flex. Provisioned Throughput rechnet AWS stündlich je Model Unit ab, ohne Bindung, für einen Monat oder sechs Monate, und zwar bis zum Löschen: EUC1-TitanEmbeddingsG1-Text-ProvisionedThroughput-1month-ModelUnits.

Wichtig: Für bestimmte Modelle stellt AWS eine Rechnung über AWS Marketplace aus, weil der Modellanbieter verkauft. Laut AWS werden etwa die Anthropic-Dienste in Bedrock von Anthropic verkauft. Diese Zeilen tragen bill_billing_entity = 'AWS Marketplace', in der Preisliste Produktnamen wie „Claude Sonnet 4.5 (Amazon Bedrock Edition)“ und Usage Types wie EUC1-MP:EUC1_InputTokenCount-Units. Prüfen Sie, ob Ihre Gutschriften sie abdecken: Die AWS-Bedingungen für Promotional Credits schließen Marketplace aus, sofern AWS nichts anderes erlaubt.

Abfrage-Skizzen für beide Anbieter

Für den Azure-Kostendetail-Export (Spaltennamen je nach Vertragstyp leicht anders geschrieben):

SELECT
  ResourceId,
  MeterSubCategory,
  MeterName,
  UnitOfMeasure,
  PricingModel,
  ChargeType,
  SUM(Quantity) AS quantity,
  SUM(CostInBillingCurrency) AS cost
FROM azure_cost_details
WHERE MeterCategory IN ('Cognitive Services', 'Foundry Models')
GROUP BY ResourceId, MeterSubCategory, MeterName, UnitOfMeasure, PricingModel, ChargeType
ORDER BY cost DESC;

Für CUR 2.0 in Athena:

SELECT
  bill_billing_entity,
  product['provider'] AS model_provider,
  product['model'] AS model,
  product['inference_type'] AS inference_type,
  product['feature'] AS serving_mode,
  line_item_usage_type,
  line_item_iam_principal,
  SUM(line_item_usage_amount) AS usage_amount,
  SUM(line_item_unblended_cost) AS unblended_cost
FROM cur2
WHERE (product_product_family = 'Amazon Bedrock'
       OR product['product_name'] LIKE '%(Amazon Bedrock Edition)%')
  AND bill_billing_period_start_date = TIMESTAMP '2026-10-01 00:00:00'
GROUP BY 1, 2, 3, 4, 5, 6, 7
ORDER BY unblended_cost DESC;

line_item_iam_principal ist nur gefüllt, wenn Sie in einem neuen CUR-2.0-Export die Identitätsdaten einschließen; bestehende Exporte erhalten sie nicht rückwirkend. Wie CUR 2.0 und FOCUS sich unterscheiden, erklärt AWS CUR 2.0 oder FOCUS.

Zuordnung vorbereiten: Ressourcen, Profile, Tags

Cost Allocation Tags wirken in AWS erst ab ihrer Aktivierung. Ein Backfill für bis zu zwölf Monate hilft nur, wenn das Tag damals schon an der Ressource hing. Planen Sie die Struktur also vor dem Start eines Features, nicht nach der ersten hohen Rechnung. Wer KI-Kosten später je Kunde ausweisen will, beginnt mit der Kennzahl aus Cloud-Kosten pro Kunde.

Häufige Fehler

• In der Kostenanalyse wird nach einem Service „Azure OpenAI“ gesucht und nichts gefunden, weil er unter Cognitive Services läuft.
• Meter mit 1K- und 1M-Einheit werden addiert, als wären sie gleich.
• Ein PTU-Deployment oder ein feinabgestimmtes Modell bleibt nach einem Test stehen und kostet jede Stunde. Testumgebungen gehören in eigene Konten oder Subscriptions, wie Nicht-Produktionskosten: Staging, Dev und Preview steuern beschreibt.
• Eine PTU-Reservierung wird für Global gekauft, das Deployment läuft aber als Data Zone.
• Ein Filter nur auf den Produktcode AmazonBedrock übersieht Modelle, die in anderen Bedrock-Angeboten oder über AWS Marketplace abgerechnet werden.
• Ein Application Inference Profile wird mit der Responses API aufgerufen; AWS lehnt das mit Fehler 400 ab.

Gleichen Sie KI-Kosten erst für den abgerechneten Monat mit Ihren Logs ab: Azure-Kosten gelten bis zur Rechnung als Schätzung, und in CUR bleibt bill_invoice_id bis zur finalen Abrechnung leer. Wie Sie spät eintreffende Positionen behandeln, zeigt Cloud-Kosten im Monatsabschluss. Die nächste Entscheidung hängt am größten Meter: Wächst die Tokenmenge, entscheidet das Produktteam; läuft Kapazität leer oder passt der Bereitstellungstyp nicht, die Plattform; geht es um Reservierungen, Marketplace oder Gutschriften, Finance und Einkauf.

Was Costfluent dabei abdeckt

Costfluent liest Azure- und AWS-Abrechnungsdaten über schreibgeschützte native Connectoren, siehe Azure-Integration. In Kostenberichten sehen Sie KI-Kosten nach Anbieter, Konto, Service, Ressource und Tag und können effektive Kosten statt abgerechneter Kosten anzeigen. Token-Telemetrie, Prompts und Invocation Logs liest Costfluent nicht; die Zuordnung je Request bleibt in Ihren eigenen Logs.

Quellen und Methode

Geprüft am 10. Oktober 2026: Microsoft Foundry: Kosten planen und verwalten, Foundry: Bereitstellungstypen, Azure OpenAI: Abrechnung von Provisioned Throughput, Azure OpenAI: Monitoring-Referenz, Azure Retail Prices API, Foundry Models, Azure: Gruppieren und Filtern, Azure: Cost-Management-Daten verstehen, AWS CUR 2.0: Product-Spalten, AWS CUR 2.0: Line-Item-Spalten, AWS CUR 2.0: Bill-Spalten, Cost Explorer: Filter, AWS-Preisliste, Angebotsindex, Bedrock: Provisioned Throughput, Bedrock: Servicestufen, Bedrock: Application Inference Profiles, Bedrock: IAM-Principal-Zuordnung, Bedrock: Request-Metadaten, Bedrock FAQ, Bedrock: Drittanbietermodelle, AWS: Backfill von Cost Allocation Tags, AWS Promotional Credit Terms. Meter-Beispiele stammen aus der Retail Prices API (Sweden Central, Germany West Central) und der AWS-Preisliste für eu-central-1. Tabellen und Prüfschritte sind Costfluent-Empfehlungen.