Embedding-Kosten sind der Preis je Token, zu dem ein Embedding-Modell Dokumente und Suchanfragen in Vektoren umwandelt, und sie sind nur einer von vier Kostenteilen einer Suche über eigene Dokumente: Der Bestand wird eingebettet, die Vektoren werden gespeichert, der Index wird bei jeder Suche abgefragt, und die gefundenen Passagen bezahlt jede Modellanfrage als Eingabetoken. Der letzte Teil wächst mit jeder Anfrage und kostet je Token ein Vielfaches: gpt-6.1-sol und Gemini 3.1 Pro Preview verlangen je Eingabetoken das Zehn- bis Hundertfache der Embedding-Modelle ihres Anbieters.
So funktioniert es
Beim Indexieren werden Dokumente in Abschnitte (Chunks) zerlegt, eingebettet und als Vektoren mit Metadaten gespeichert; bei jeder Anfrage wird die Frage eingebettet, und der Index liefert die ähnlichsten Abschnitte für den Prompt. Jeder Schritt hat seine eigene Einheit:
| Kostenteil | Wann er anfällt | Einheit | Was die Menge bestimmt |
|---|---|---|---|
| Bestand einbetten | beim Indexieren und bei jedem Neuaufbau | Eingabetoken des Embedding-Modells | Umfang, Überlappung der Abschnitte, Änderungsrate |
| Vektoren speichern | laufend | GB je Monat oder Tag, oder Kapazität je Stunde | Vektoren × Dimensionen × Bytes je Dimension, plus Metadaten |
| Index abfragen | je Suche | je Aufruf, je verarbeiteter Datenmenge oder in der Kapazität enthalten | Suchen je Sekunde, Indexgröße |
| Passagen im Prompt | bei jeder Modellanfrage | Eingabetoken des Sprachmodells | Zahl der Treffer × Länge der Abschnitte |
Die Preise in diesem Abschnitt sind Listenpreise in USD, gelesen am 2026-10-16.
Embedding-Modelle. OpenAI berechnet für text-embedding-3-small 0,02 USD und für text-embedding-3-large 0,13 USD je Million Eingabetoken; die Vektoren haben standardmäßig 1.536 beziehungsweise 3.072 Dimensionen und lassen sich mit dem Parameter dimensions kürzen. Google berechnet für gemini-embedding-2 in der kostenpflichtigen Stufe 0,20 USD je Million Text-Token, über die Batch API die Hälfte; ausgegeben werden standardmäßig 3.072 Dimensionen, empfohlen sind 768, 1.536 oder 3.072. Anthropic bietet kein eigenes Embedding-Modell an und verweist auf einen Drittanbieter. Vektoren verschiedener Modelle lassen sich nicht vergleichen: Wer bei Google von gemini-embedding-001 auf gemini-embedding-2 wechselt, muss den gesamten Bestand neu einbetten.
Vektorspeicher. Sie werden nach drei Mustern abgerechnet:
- Bereitgestellte Kapazität. Azure AI Search im Modell Dedicated berechnet Search Units, das Produkt aus Replikaten und Partitionen, zu einem Stundensatz je Tarif. Das Vektorkontingent richtet sich je Partition nach dem Arbeitsspeicher, weil HNSW-Indizes dauerhaft im Speicher liegen; mehr Vektoren verlangen also mehr Partitionen oder einen größeren Tarif. Vector Search in Googles Gemini Enterprise Agent Platform berechnet jeden Knoten eines bereitgestellten Index je Stunde und zusätzlich 3,00 USD je verarbeitetem GiB, wenn ein Index aufgebaut oder aktualisiert wird.
- Verbrauch. Amazon OpenSearch Serverless berechnet OpenSearch Compute Units (OCU) je Stunde, getrennt für Indexierung und Suche, und Speicher je GB-Monat. NextGen-Collections fallen nach zehn Minuten ohne Last auf null OCU; für Classic-Collections berechnet AWS für die erste Collection eines Kontos mindestens zwei OCU, und Collections für Vektorsuche erhalten eigene OCU. Amazon S3 Vectors berechnet logischen Speicher je GB-Monat, Uploads je GB und Abfragen je Aufruf plus eine Gebühr je verarbeiteter Datenmenge, die mit der Indexgröße wächst. Azure AI Search Serverless (Vorschau) berechnet seit dem 2026-09-13 Compute Units je Stunde und Speicher je GB-Monat.
- Verwaltete Retrieval-Werkzeuge. OpenAIs File Search berechnet Vektorspeicher über das erste freie GB hinaus mit 0,10 USD je GB und Tag, gemessen an den geparsten Abschnitten samt Embeddings, und jeden Werkzeugaufruf zusätzlich. Bei File Search in der Gemini API kosten Embeddings nur beim Indexieren der Dateien; das Speichern und das Einbetten der Suchanfragen sind kostenlos. Amazon Bedrock Knowledge Bases berechnet die verwaltete Variante je GB Rohdaten und Monat und je 1.000 Abfragen, Parsing und Embeddings eingeschlossen; die selbst verwaltete Variante läuft auf einem Vektorspeicher und einem Embedding-Modell, die Sie zu deren eigenen Preisen bezahlen.
Passagen im Prompt. Was der Index liefert, wird als Teil des Kontexts zum Eingabepreis des Sprachmodells berechnet, wie Token, Anfragen und Kontext beschreibt; Google nennt das auch für File Search. OpenAI zerlegt Dateien in Vector Stores standardmäßig in Abschnitte von 800 Token mit 400 Token Überlappung, und eine Suche liefert standardmäßig bis zu 10 Treffer, höchstens 50. Im File-Search-Werkzeug spart eine kleinere Trefferzahl (max_num_results) Token und Latenz, kann laut OpenAI aber die Antworten verschlechtern.
Was es für Ihre Kosten bedeutet
Die vier Teile skalieren mit verschiedenen Größen: das Einbetten mit dem Bestand und seiner Änderungsrate, der Speicher mit Vektorzahl und Dimension, die Passagen mit der Zahl der Modellanfragen. Bei einer Funktion mit viel Verkehr entscheiden deshalb Trefferzahl und Abschnittslänge über die Kosten, nicht der Embedding-Preis. Drei Stellgrößen wirken je auf einen Faktor:
- Trefferzahl und Abschnittslänge bestimmen die zusätzlichen Eingabetoken je Anfrage: Treffer mal Abschnittslänge, bei jeder Anfrage neu bezahlt.
- Dimensionen und Datentyp bestimmen den Speicher. Google und AWS rechnen mit 4 Byte je Dimension, sodass 768 statt 3.072 Dimensionen ein Viertel des Speichers belegen; Azure AI Search nennt schmalere Datentypen und Quantisierung als Weg, das Vektorkontingent zu senken.
- Überlappung vervielfacht, was eingebettet und gespeichert wird. Bei Abschnittslänge c und Überlappung o steht jeder Token im Mittel in c / (c − o) Abschnitten, bei OpenAIs Standard von 800 und 400 also in zweien, der größten Überlappung, die OpenAI zulässt.
Beim Vektorspeicher entscheidet das Lastprofil: Bereitgestellte Kapazität kostet auch ohne Abfrage, Modelle mit Nullskalierung kosten im Leerlauf nur den Speicher. Ein Index für eine selten genutzte Funktion gehört deshalb auf die Liste der ungenutzten Ressourcen. Die Dienste, auf denen viele Indizes laufen, beschreiben verwaltete Datenbanken und Block-, Objekt- und Dateispeicher, die Sätze der Sprachmodelle KI-Modellpreise und Preislisten und günstigeren wiederholten Kontext LLM-Caching, Batching und Routing.
Wo es schiefgeht
- Ein ungenutzter Index kostet weiter. Die Rechnung zeigt Stunden eines Suchdienstes ohne Abfragen. Die Ursache: Kapazitätsmodelle und Mindestkapazität (Search Units, Knoten eines bereitgestellten Index, Classic-Collections) laufen unabhängig von der Last.
- Mehr Treffer, als die Antwort braucht. Die Eingabetoken je Anfrage liegen weit über der Frage. Die Ursache: Standardwerte wie zehn Treffer bleiben stehen, obwohl die Antwort einen oder zwei nutzt.
- Unveränderte Dokumente werden erneut eingebettet. Embedding-Kosten fallen bei jedem Lauf für den ganzen Bestand an. Die Ursache: ein Vollaufbau statt einer inkrementellen Aktualisierung. Bei Vector Search lösen Streaming-Updates zudem eine Verdichtung aus, die wie ein Neuaufbau berechnet wird.
- Mehr Dimensionen, als die Aufgabe braucht. Speicher und Kapazität wachsen, ohne dass die Treffer besser werden. Die Ursache: Der Standard von 3.072 Dimensionen bleibt, obwohl OpenAI und Google kürzere Vektoren anbieten.
Beispiel
Listenpreise in USD, gelesen am 2026-10-16: text-embedding-3-small und gpt-6.1-sol über die OpenAI API in der Standardverarbeitung, Eingabe bis 272.000 Token; Indexaufbau in Vector Search, laut Google in allen Regionen gleich.
| Rechnung | Ergebnis |
|---|---|
| 1.000 Token einmal einbetten, text-embedding-3-small zu 0,02 USD je Million | 0,00002 USD |
| dieselben 1.000 Token als Passage einer Anfrage, gpt-6.1-sol zu 2,00 USD je Million Eingabetoken | 0,002 USD je Anfrage |
| OpenAI-Standard für Vector Stores: 10 Treffer × 800 Token | bis zu 8.000 Eingabetoken, bis zu 0,016 USD je Anfrage mit gpt-6.1-sol |
| je Million Vektoren mit 3.072 Dimensionen × 4 Byte | 11,44 GiB, ein Aufbau 34,33 USD |
| je Million Vektoren mit 768 Dimensionen × 4 Byte | 2,86 GiB, ein Aufbau 8,58 USD |
Als Passage kostet ein Token hier das Hundertfache seines Einbettens, und er wird bei jeder Anfrage bezahlt statt einmal je Fassung des Dokuments.
Quellen
Gelesen am 2026-10-16. OpenAI Preise, Embeddings, Retrieval und Vector Stores und File Search; Google Preise der Gemini API, Embeddings, File Search und Preise der Gemini Enterprise Agent Platform; Anthropic Embeddings; AWS Preise von Amazon OpenSearch Service, Amazon S3 Vectors, Amazon Bedrock Knowledge Bases, Knowledge Base mit Vektorspeicher aufbauen und Preise von Amazon Bedrock; Microsoft Preise von Azure AI Search, Preismodell und Tarif wählen und Größe des Vektorindex.