Die ehrliche Antwort auf „Was kostet die OpenAI-API?" lautet: Es kommt darauf an, und zwar fast ausschließlich auf Ihren konkreten Anwendungsfall. Anders als bei einem Software-Abo gibt es keinen Preis pro Nutzer und keine monatliche Grundgebühr. Sie zahlen nur, was Sie tatsächlich verbrauchen, abgerechnet in winzigen Texteinheiten, die Token heißen. Das macht die API einerseits günstig für viele Mittelstands-Szenarien, andererseits schwer greifbar, solange man das Abrechnungsmodell nicht verstanden hat.
Dieser Artikel rechnet das auf. Wir erklären, wie die Token-Abrechnung funktioniert, warum deutscher Text teurer ist als englischer, was ein Kundenservice-Agent oder eine Dokumenten-Pipeline realistisch pro Monat kostet, mit welchen sechs Hebeln Sie den Preis drücken und wann sich die API gegenüber einem schlichten ChatGPT-Abo überhaupt lohnt. Alle konkreten Preise haben den Stand Juni 2026 und sollten vor einer Kalkulation immer gegen die offizielle OpenAI-Preisseite geprüft werden, weil OpenAI Preise und Modellnamen häufig ändert.
Ein Token ist eine Texteinheit, die kleiner ist als ein Wort, oft ein Wortteil, eine Silbe oder ein häufiges Zeichenfragment. Die Modelle „denken" nicht in Wörtern, sondern in Token. Abgerechnet werden zwei Sorten: Input-Tokens, also alles, was Sie ins Modell schicken (System-Prompt, Frage des Nutzers, mitgelieferter Kontext, Dokumente, bisheriger Gesprächsverlauf), und Output-Tokens, also alles, was das Modell generiert.
Der entscheidende Punkt für jede Kalkulation: Output ist deutlich teurer als Input, typisch um den Faktor drei bis sechs. Preise werden fast immer pro einer Million Token angegeben. Es gibt keine Grundgebühr, kein Seat, kein Mindestvolumen. Wer einen Monat lang nichts aufruft, zahlt nichts.
Sie müssen Token nicht schätzen. OpenAI stellt einen Tokenizer als Web-Tool und die Python-Bibliothek tiktoken bereit, mit der sich vor dem ersten API-Call exakt zählen lässt, wie viele Token ein realer Beispiel-Prompt erzeugt. Genau das ist die verlässlichste Grundlage für eine Kostenrechnung, deutlich besser als jede Wort-Faustregel.
Die Tokenizer von OpenAI sind primär auf englischen Text optimiert. Für Englisch gilt grob: rund vier Zeichen ergeben ein Token, etwa 1.000 Token entsprechen rund 750 englischen Wörtern. Deutscher Text zerfällt in mehr Token, weil unsere Komposita und Flexionsendungen seltener als ganze Einheiten erkannt werden. Als Faustregel sollten Sie für Deutsch ungefähr 30 bis 40 Prozent mehr Token einplanen als die englischen Benchmark-Werte vermuten lassen.
Konkret heißt das: 1.000 deutsche Wörter erzeugen grob 1.800 Token statt der rund 1.330 im Englischen. Für eine seriöse Kalkulation eines deutschsprachigen Kundenservice-Bots oder einer Dokumentenanalyse ist dieser Aufschlag kein Detail, sondern ein spürbarer Kostenfaktor. Wer mit englischen Beispielrechnungen aus US-Blogs plant, unterschätzt die eigenen Kosten systematisch.
OpenAI bietet zu jedem Zeitpunkt mehrere Modellklassen an, die sich im Preis um den Faktor zehn bis sechzig unterscheiden. Statt sich an einzelnen Modellnamen festzuhalten, die OpenAI regelmäßig umbenennt, lohnt es sich, in drei Klassen zu denken: kleine Nano-Modelle für einfache Routineaufgaben, mittlere Mini-Modelle als Standard-Arbeitstier und das jeweils aktuelle Flaggschiff für schwere Reasoning-Fälle. Die folgende Tabelle zeigt repräsentative Größenordnungen mit Stand Juni 2026 in US-Dollar je einer Million Token. Bitte prüfen Sie die exakten Werte und Modellnamen vor jeder Kalkulation gegen die offizielle Preisseite.
| Modellklasse | Input / 1M | Output / 1M | Typischer Einsatz |
|---|---|---|---|
| Nano-Klasse | ca. $0,10 | ca. $0,40 | Klassifikation, Tagging, einfache Extraktion |
| Mini-Klasse | ca. $0,40 | ca. $1,60 | Standard-Chatbot, Zusammenfassungen, die meisten Use-Cases |
| Mittelklasse (z. B. GPT-4.1) | ca. $2,00 | ca. $8,00 | anspruchsvolle Texte, längere Kontexte |
| Flaggschiff | ca. $5,00 | ca. $30,00 | schwierige Reasoning- und Spezialfälle |
Zwei Dinge sind wichtiger als die exakten Zahlen. Erstens der Cached-Input-Rabatt: Schicken Sie denselben Prompt-Anfang wiederholt, etwa einen gleichbleibenden System-Prompt oder Wissensblock, greift automatisches Prompt Caching. Der zwischengespeicherte Teil kostet dann nur noch einen Bruchteil, oft rund ein Zehntel des normalen Input-Preises. Für Chatbots und Agenten, die immer dieselbe Anleitung mitschicken, ist das einer der größten Sparhebel überhaupt.
Zweitens die Reasoning-Modelle (die sogenannte o-Serie). Sie erzeugen unsichtbare Denk-Token, die als Output-Tokens abgerechnet werden. Die reale Rechnung kann dadurch deutlich höher ausfallen, als die sichtbare Antwortlänge vermuten lässt. Reasoning-Modelle sind wertvoll für harte Probleme, aber eine teure Wahl für simple Routineanfragen.
Die Grundformel ist simpel: Kosten je Anfrage gleich Input-Tokens mal Input-Preis plus Output-Tokens mal Output-Preis, jeweils geteilt durch eine Million. Mal Anfragen pro Monat ergibt die Monatskosten. Die folgenden Beispiele sind Modellrechnungen zur Größenordnung, mit deutschsprachigen, also token-intensiven Prompts. Als grober Wechselkurs ist ein US-Dollar mit etwa 0,90 bis 0,95 Euro angesetzt.
Annahme pro Anfrage: rund 1.500 Input-Tokens (System-Prompt, Kontext und Frage) und rund 400 Output-Tokens für die Antwort, mit einem Mini-Modell zu etwa $0,40 Input und $1,60 Output. Das ergibt rund $0,0012 pro Anfrage, also gut ein Zehntel Cent. Bei 10.000 Anfragen im Monat sind das ungefähr 12 US-Dollar, bei 100.000 Anfragen rund 120 US-Dollar. Mit Prompt-Caching des gleichbleibenden System-Prompts sinkt der Input-Anteil noch einmal deutlich.
Dieselben Token-Mengen, aber mit etwa $5,00 Input und $30,00 Output, ergeben rund $0,0195 pro Anfrage, also etwa zwei Cent. Bei 10.000 Anfragen wären das rund 195 US-Dollar statt 12. Allein die Modellwahl macht hier den Faktor sechzehn aus. Die Lehre: Für Routine-Kundenservice reicht fast immer ein kleines Modell, das Flaggschiff ist Verschwendung.
5.000 Dokumente im Monat, je rund 3.000 Input-Tokens deutscher Fließtext und rund 300 Output-Tokens für eine Zusammenfassung. Mit der Mini-Klasse und der Batch-API zum halben Preis liegt eine Verarbeitung bei rund $0,00084 pro Dokument. Macht für alle 5.000 Dokumente etwa 4 US-Dollar im Monat. Massen-Dokumentenverarbeitung ist erstaunlich günstig, weil der teure Output klein bleibt. Genau hier liegt für viele Großhändler der größte ungehobene Hebel, etwa beim automatisierten Lesen von Eingangsrechnungen.
Die Beispiele zeigen es schon: Der mit Abstand größte Hebel ist die Modellwahl. Hier sind die wichtigsten Stellschrauben in der Reihenfolge ihrer Wirkung.
max_tokens und schleppen Sie nicht den ganzen alten Gesprächsverlauf mit.OpenAI staffelt Accounts in Nutzungs-Tiers von Tier 1 bis Tier 5. Das Hochstufen passiert automatisch und hängt an zwei Bedingungen: einem kumulativen historischen Verbrauch und einer Mindest-Wartezeit seit der ersten Zahlung. Selbst wer sofort viel Guthaben auflädt, muss die Kalendertage abwarten, das ist ein Betrugsschutz. Mit jedem Tier steigen die Rate-Limits, also wie viele Anfragen und Token pro Minute und Tag erlaubt sind.
Für die meisten Mittelständler ist das anfangs kein Thema. Ein einzelner interner Agent oder Chatbot stößt selten an die Limits von Tier 1. Relevant wird es erst im produktiven, hochfrequenten Betrieb, etwa bei einem Kundenservice mit vielen parallelen Anfragen oder bei Massen-Dokumentenverarbeitung. Dann sollte man rechtzeitig hochstufen und im Code eine Wiederholungslogik mit exponentiellem Backoff einbauen, die auf die Fehlermeldung „zu viele Anfragen" reagiert.
Das sind zwei grundverschiedene Modelle. Ein ChatGPT-Abo ist eine Lizenz pro Mitarbeiter, ein fixer Monatspreis pro Kopf. Sie bekommen die fertige Web- und App-Oberfläche, ohne dass jemand etwas programmieren muss. Das ist das Richtige für Menschen, die selbst chatten, recherchieren und texten, also klassischerweise Marketing, Vertrieb oder Support. Wie die einzelnen Pläne kalkuliert sind und was sie pro Seat kosten, haben wir im Vergleich der Copilot- und Abo-Lizenzkosten im Detail aufgeschlüsselt.
Die API dagegen ist nutzungsbasiert, ohne Grundgebühr und ohne Oberfläche. Sie ist das Richtige, wenn Sie eine eigene Anwendung, einen Agenten oder eine Automatisierung bauen, die im Hintergrund läuft: einen Bot, der den Bestelleingang aus E-Mails liest, einen Angebots-Generator, eine Dokumenten-Pipeline oder einen Chatbot auf der eigenen Website. Bezahlt wird nur der tatsächliche Verbrauch.
Die Faustregel: Wer als einzelne Person vor allem selbst chattet, fährt mit dem Abo günstiger. Wer programmatisch tausende automatisierte Aufrufe macht, fährt mit der API günstiger und flexibler. In der Praxis nutzen die meisten Mittelständler beides: Abos für die Mitarbeiter, die selbst arbeiten, plus API für die automatisierten Hintergrund-Use-Cases. Wer einen solchen Agenten konkret bauen will, findet die Schritte in unserer Anleitung zum Erstellen eines ChatGPT-Agenten.
Für die meisten Mittelständler ist das der entscheidende Abschnitt, und hier liegt der wichtigste Unterschied zum normalen Endkunden-ChatGPT. Über die API gesendete Daten werden standardmäßig nicht zum Training der Modelle verwendet. Das ist eine wichtige Abgrenzung: Die Consumer-Versionen ChatGPT Free und Plus nutzen Eingaben standardmäßig zum Training, sofern man dem nicht aktiv widerspricht. Für datenschutzsensible Geschäftsdaten gehört also die API oder eine Business- beziehungsweise Enterprise-Schiene, nicht das einfache Plus-Abo.
Standardmäßig speichert OpenAI API-Inhalte bis zu 30 Tage für Missbrauchs- und Sicherheitsmonitoring und löscht sie danach. Wer auch das nicht möchte, kann Zero Data Retention beantragen, bei dem nichts gespeichert wird. Diese Option ist allerdings kein Selbstbedienungsschalter, sondern an einen Enterprise-Vertrag und eine Freigabe durch OpenAI gebunden. Ähnliches gilt für die EU-Datenresidenz über einen eigenen Europa-Endpunkt: verfügbar, aber als Enterprise- und Advanced-Feature, das man aktiv beantragen und konfigurieren muss, nicht als Standard für jeden Account.
Für den DSGVO-konformen Einsatz müssen Sie in jedem Fall einen Auftragsverarbeitungsvertrag mit OpenAI abschließen. Berufsgeheimnis- träger wie Kanzleien oder Praxen müssen zusätzlich die Anforderungen aus § 203 StGB beachten. Und ab dem 2. August 2026 greift die Transparenzpflicht aus Artikel 50 des EU AI Act: Wer einen KI-Chatbot betreibt, muss kenntlich machen, dass das Gegenüber eine KI ist. Das ist technisch leicht umgesetzt, aber Pflicht. Welche Werkzeuge sich für einen datenschutzkonformen Aufbau eignen, zeigt unser Überblick über DSGVO-konforme KI-Tools. Dieser Abschnitt ist eine Orientierung, kein Rechtsrat, sprechen Sie die konkrete Ausgestaltung mit Ihrem Datenschutzbeauftragten ab.
Die OpenAI-API ist für die meisten Mittelstands-Use-Cases überraschend günstig, solange man drei Dinge beherrscht: das kleinste passende Modell wählen, Prompt-Caching und Batch nutzen und den Deutsch-Aufschlag bei den Token einplanen. Ein interner Kundenservice-Agent oder eine Dokumenten-Pipeline kostet in der Größenordnung weniger als ein einzelnes Software-Abo, oft nur zweistellige Euro-Beträge im Monat. Teuer wird es vor allem dann, wenn man unnötig das Flaggschiff für Routineaufgaben einsetzt oder riesige Kontexte mitschickt.
Der schwierigste Teil ist selten der Preis, sondern die Frage, welchen Prozess man überhaupt automatisieren sollte und wie man ihn datenschutzkonform und wartbar baut. Genau dabei begleitet Bluebatch deutsche Mittelständler und Großhändler. Sprechen Sie uns an.
Hier finden Sie die Antworten auf häufig gestellte Fragen.
Es gibt keine monatliche Grundgebühr. Sie zahlen nur den tatsächlichen Verbrauch, abgerechnet pro Token. Ein interner Kundenservice-Agent mit der Mini-Klasse und 10.000 Anfragen im Monat liegt grob bei rund 12 US-Dollar, eine Batch-Dokumentenverarbeitung von 5.000 Dokumenten bei nur wenigen Dollar. Die tatsächlichen Kosten hängen von Modellwahl, Prompt-Länge und Caching ab.
Ein Token ist eine Texteinheit kleiner als ein Wort. Für Englisch entsprechen rund 1.000 Token etwa 750 Wörtern. Deutscher Text ist token-intensiver, hier sollten Sie rund 30 bis 40 Prozent mehr Token einplanen, also grob 1.800 Token je 1.000 deutsche Wörter. Mit dem Tokenizer oder der Bibliothek tiktoken lässt sich das vorab exakt zählen.
Das Generieren von Text ist rechenintensiver als das Einlesen. Output-Tokens kosten deshalb typisch das Drei- bis Sechsfache der Input-Tokens. Deshalb lohnt es sich, Antwortlängen über max_tokens zu begrenzen und unnötigen Kontext wegzulassen.
Ein ChatGPT-Abo ist eine Lizenz pro Mitarbeiter für Menschen, die selbst chatten. Die API ist nutzungsbasiert und für eigene Agenten, Automatisierungen und Backend-Integrationen gedacht. Wer als Einzelperson nur chattet, fährt mit dem Abo günstiger. Wer tausende automatisierte Aufrufe macht, fährt mit der API günstiger. Viele Mittelständler nutzen beides.
Die wirksamsten Hebel: das kleinste passende Modell wählen, Prompt-Caching für gleichbleibende System-Prompts nutzen, nicht-zeitkritische Jobs über die Batch-API mit rund 50 Prozent Rabatt laufen lassen, Antwortlängen begrenzen, statt riesiger Kontexte gezielt per RAG einspeisen und Ausgabenlimits im Dashboard setzen.
Nein. Über die API gesendete Daten werden standardmäßig nicht zum Training der Modelle verwendet, anders als bei den Consumer-Versionen ChatGPT Free und Plus. Standardmäßig speichert OpenAI Inhalte bis zu 30 Tage für Sicherheitsmonitoring. Zero Data Retention und EU-Datenresidenz sind als Enterprise-Optionen verfügbar, müssen aber beantragt werden.
Mit korrekter Konfiguration ja. Voraussetzung ist ein abgeschlossener Auftragsverarbeitungsvertrag, sinnvollerweise plus EU-Residenz oder Zero Data Retention für sensible Daten. Ab dem 2. August 2026 müssen KI-Chatbots laut Artikel 50 EU AI Act kenntlich machen, dass der Nutzer mit einer KI interagiert. Das ist eine Orientierung und kein Rechtsrat.