Die verbreitete Annahme lautet, lokale Modelle sparten API-Kosten. Rechnet man öffentliche Tokenpreise gegen eine konkrete Anschaffung, kippt die Aussage: Der Break-even liegt bei einem Volumen, das die meisten Unternehmen nie erreichen. Lokale Inferenz bleibt sinnvoll – nur selten aus Kostengründen.
Kurzantwort: Bei den öffentlichen Listenpreisen von deepseek-v4-flash (0,14 US-Dollar je Million Input-Token, 0,28 US-Dollar je Million Output-Token) amortisiert sich ein Gerät der DGX-Spark-Klasse für 5.699 Euro erst bei rund 1,2 Milliarden Input-Token pro Monat, also etwa 40 Millionen Token pro Tag – Strom eingerechnet, Personalaufwand noch nicht. Unterhalb dieses Volumens ist die API auf reiner Kostenbasis günstiger. Der belastbare Grund für lokale Inferenz ist deshalb meist nicht der Preis, sondern Geheimnisschutz, Preisrisiko oder Kontrolle über Verfügbarkeit und Modellwechsel.
Fachlich und quellenbezogen geprüft: 2026-08-06
Stufe 1 · Quick Win vor jedem Umbau
Ein Seat-Sprawl-Agent gleicht freigegebene Personal- oder Identitätsdaten, Vendor-Exporte, Aktivität, Rechnungen und Verlängerungen ab. Er legt verwaiste Seats, Doppeltools, falsche Editionen und Zombie-Abos in eine Review Queue – ohne Zugänge oder Verträge autonom zu ändern.
Ein Vergleich zwischen API und Eigenbetrieb wird häufig unfair geführt: Auf der einen Seite steht ein Tokenpreis, auf der anderen nur der Kaufpreis der Hardware. Vollständig wird die Rechnung erst, wenn auf der lokalen Seite Anschaffung, Strom, Betrieb, Ersatzbeschaffung und Ausfallabsicherung stehen – und auf der API-Seite das tatsächliche Volumen statt einer Schätzung.
Das tatsächliche Volumen ist messbar, bevor investiert wird. Wer heute eine API nutzt, hat die Zahlen bereits in der Abrechnung. Wer noch nicht nutzt, misst sie in einem begrenzten Piloten. Eine Hardwareentscheidung vor dieser Messung ist eine Wette.
DeepSeek weist für deepseek-v4-flash 0,14 US-Dollar je Million Input-Token bei Cache-Miss und 0,28 US-Dollar je Million Output-Token aus. Bei Cache-Treffern sinkt der Input-Preis auf 0,0028 US-Dollar. Gegen ein Gerät der DGX-Spark-Klasse für 5.699 Euro inklusive Mehrwertsteuer gerechnet, ergibt sich ein Break-even im Bereich von gut einer Milliarde Input-Token pro Monat.
Zur Einordnung: Das entspricht etwa 40 Millionen Token pro Tag, dauerhaft. Eine Kanzlei, die täglich Dokumente prüft, erreicht das nicht. Ein Team von sieben Personen in der Wissensarbeit erreicht es ebenfalls nicht. Erreicht wird es von Verarbeitungsstrecken – etwa fortlaufender Massenklassifikation oder umfangreicher Dokumentenextraktion im Dauerbetrieb.
Drei Gründe tragen eine lokale Architektur auch dann, wenn sie rechnerisch teurer ist. Erstens Geheimnisschutz: Wo Berufsgeheimnisse oder Gesundheitsdaten verarbeitet werden, ist der Verarbeitungsort keine Optimierungsfrage, sondern eine Pflichtenfrage. Zweitens Preisrisiko: DeepSeek behält sich in der eigenen Dokumentation ausdrücklich doppelte Preise während definierter Spitzenzeiten vor. Drittens Kontrolle über Verfügbarkeit, Latenz und den Zeitpunkt eines Modellwechsels.
Diese Gründe sind belastbar und begründen Investitionen. Das Kostenargument ist es bei aktuellen Listenpreisen in aller Regel nicht. Wer die Entscheidung auf ersparte Tokenkosten stützt, baut sie auf die instabilste der vier Größen.
In der Praxis führt die Datenklasse zur Aufteilung, nicht die Rechnung. Sensible Inhalte bleiben auf einem kontrollierten Endpunkt, unkritische Aufgaben nutzen eine API, und für beide Wege gelten dieselben Qualitätskriterien. Das begrenzt die Investition auf den Teil, der sie wirklich benötigt.
Wichtig ist die dokumentierte Zuordnung je Prozess. Ohne sie entsteht kein Hybridbetrieb, sondern ein unübersichtlicher Parallelbetrieb mit doppelten Kosten und unklarer Verantwortung.
| Kriterium | KI-API | Lokale Inferenz |
|---|---|---|
| Kostenstruktur | Variabel je Token, keine Vorabinvestition | Vorabinvestition plus Strom und Betrieb, danach volumenunabhängig |
| Break-even | Bis rund 1,2 Mrd. Input-Token pro Monat günstiger | Erst oberhalb dieses Volumens rechnerisch im Vorteil |
| Preisrisiko | Anbieter behält Preisänderungen und Spitzenzeitenaufschlag vor | Kosten nach Anschaffung weitgehend bekannt |
| Verarbeitungsort | Vertraglich zu regeln, abhängig von Anbieter und Unterauftragnehmern | Im eigenen Verantwortungsbereich |
| Modellstand | Anbieter entscheidet über Wechsel und Abkündigung | Zeitpunkt selbst bestimmbar, Pflege liegt im Haus |
| Betriebsaufwand | Gering, im Preis enthalten | Updates, Monitoring, Backup, Ersatzbeschaffung dauerhaft eigene Aufgabe |
| Lastspitzen | Elastisch | Durch vorhandene Hardware begrenzt, Warteschlange bei Gleichzeitigkeit |
Die Break-even-Angabe folgt der Beispielrechnung auf dieser Seite und gilt für die dort genannten Annahmen. Andere Modelle, Cache-Quoten, Wechselkurse oder Hardwarepreise verschieben den Wert erheblich.
Beispielrechnung mit Annahmen
Zeitraum: 36 Monate
Der rechnerische Break-even liegt bei rund 1,2 Milliarden Input-Token pro Monat, also etwa 40 Millionen Token pro Tag im Dauerbetrieb. Darunter ist die API auf reiner Kostenbasis günstiger.
Die Rechnung enthält keinen Personalaufwand für Betrieb und Modellpflege; wird er angesetzt, steigt der Break-even weiter. In die Gegenrichtung wirkt der vom Anbieter vorbehaltene Spitzenzeitenaufschlag: Fiele sämtlicher Verbrauch in das genannte Zeitfenster, sänke der Schwellenwert auf etwa 600 Millionen Token – das ist der ungünstigste Fall, nicht der zu erwartende, und der Zeitpunkt des Inkrafttretens steht laut Anbieterdokumentation noch aus. Ein hoher Cache-Trefferanteil verschiebt den Wert dagegen deutlich nach oben. Wechselkurs, Hardwarepreis und Tokenpreise sind veränderlich. Es handelt sich um eine Beispielrechnung mit genannten Annahmen, nicht um eine Preisprognose.
Entscheidungscheck
Wie viele Input- und Output-Token fallen tatsächlich pro Monat an – gemessen, nicht geschätzt?
Welcher Anteil der Anfragen trifft den Prompt-Cache?
Gibt es eine Rechtspflicht, die den Verarbeitungsort vorgibt?
Wie hoch ist das Risiko einer Preisänderung oder Modellabkündigung für den betroffenen Prozess?
Wer betreibt die Hardware, wer pflegt Modelle, wer übernimmt Bereitschaft?
Welche Gleichzeitigkeit muss zu Spitzenzeiten bedient werden?
Existiert ein Rückfallweg, wenn das lokale System ausfällt?
Vom Check in den Betrieb
Verträge, Rechnungen, aktive Nutzer, Geschäftsfunktionen, Daten, Integrationen und Verlängerungen werden in einer prüfbaren Entscheidungsbasis zusammengeführt.
Ergebnis: Ist-TCO, Quick Wins und ein klar abgegrenzter Kandidat
Ein begrenzter Prozess läuft mit denselben Testfällen, Qualitätskriterien, Sicherheitsregeln und Verantwortlichen wie die bestehende Lösung.
Ergebnis: Gemessene Qualität, Aufwand und belastbare Betriebskalkulation
Migration, Schnittstellen, Rollen, Dokumentation, Rückfallweg und Vertragsende werden stufenweise umgesetzt und fachlich abgenommen.
Ergebnis: Produktiver Zielprozess ohne unkontrollierten Big Bang
Nutzung, Fehler, Freigaben, Modell- und Infrastrukturkosten sowie neue Anforderungen werden regelmäßig gemessen und priorisiert.
Ergebnis: Nachvollziehbarer Betrieb statt neuem Kosten-Sprawl
Passende Agenten-Bausteine
Preis- und Produktangaben beziehen sich auf die verlinkten öffentlichen Quellen. Konditionen können sich ändern; maßgeblich ist das konkrete Angebot des jeweiligen Anbieters. Eigene Rechnungen sind separat als Annahme gekennzeichnet.
Öffentliche Tokenpreise für deepseek-v4-flash von 0,14 US-Dollar je Million Input-Token bei Cache-Miss, 0,0028 US-Dollar bei Cache-Hit und 0,28 US-Dollar je Million Output-Token, die Preise für deepseek-v4-pro von 0,435 und 0,87 US-Dollar sowie der ausdrückliche Vorbehalt doppelter Preise während definierter Spitzenzeiten.
Abgerufen am 2026-08-06
Marktpreis ab 5.699 Euro inklusive Mehrwertsteuer bei 19 gelisteten Angeboten, mehrere Händler mit Lagerbestand und Lieferzeit von ein bis drei Werktagen.
Abgerufen am 2026-08-06
128 GB kohärenter Unified Memory, 273 GB/s Speicherbandbreite, bis zu 1 PFLOP FP4, 240 W Netzteil sowie die Angabe zu Inferenz mit Modellen bis 200 Milliarden Parameter und bis 405 Milliarden bei zwei verbundenen Systemen.
Abgerufen am 2026-08-06
Durchschnittlicher Gewerbestrompreis bei einem Jahresverbrauch von 10.000 Kilowattstunden als Rechengrundlage für Betriebskosten eigener Hardware.
Abgerufen am 2026-08-06
Anhebung des Listenpreises der Founders Edition von 4.180 Euro auf 4.800 Euro zum 27. Februar 2026 mit Verweis auf die Lage am Speichermarkt.
Abgerufen am 2026-08-06
FAQ
Rein rechnerisch erst bei sehr hohem Dauervolumen. Für ein Gerät der DGX-Spark-Klasse zu 5.699 Euro liegt der Break-even bei den aktuellen Listenpreisen von deepseek-v4-flash bei rund 1,2 Milliarden Input-Token pro Monat, Strom eingerechnet. Die meisten mittelständischen Anwendungsfälle liegen um Größenordnungen darunter.
In der Regel nicht. Bei aktuellen Tokenpreisen ist die API für typische Volumen deutlich günstiger als Anschaffung, Strom und Betrieb eigener Hardware. Lokale Inferenz wird durch Geheimnisschutz, Preisrisiko und Kontrolle begründet, nicht durch Ersparnis.
Bei bestehender API-Nutzung steht es in der Abrechnung, getrennt nach Input, Output und Cache-Treffern. Ohne bestehende Nutzung liefert ein begrenzter Pilot mit echten Dokumenten und realistischen Prompts über einige Wochen eine belastbare Hochrechnung.
Der Break-even sinkt entsprechend. DeepSeek behält sich in der eigenen Dokumentation vor, die Preise während definierter Spitzenzeiten zu verdoppeln; das Inkrafttreten steht dort noch unter Vorbehalt. Fiele der gesamte Verbrauch in dieses Zeitfenster, halbierte sich der rechnerische Schwellenwert. Deshalb gehören Verbrauch und Preisstand in das laufende Monitoring, und der Wechselweg sollte technisch offengehalten werden.
Häufig ja. Sensible Inhalte laufen auf einem kontrollierten Endpunkt, unkritische Aufgaben über eine API. Entscheidend ist eine dokumentierte Zuordnung je Prozess und Datenklasse, sonst entsteht statt eines Hybridbetriebs ein Parallelbetrieb mit doppelten Kosten.
Der Break-even sinkt proportional zum Tokenpreis. Mit den Listenpreisen von deepseek-v4-pro (0,435 US-Dollar Input, 0,87 US-Dollar Output je Million Token) liegt er bei denselben Annahmen nur noch bei rund 390 Millionen Input-Token pro Monat; bei nochmals höher bepreisten Anbietern entsprechend darunter. Dieser Vergleich führt allerdings in die Irre, denn ein Desktop-System dieser Klasse führt offene Modelle aus, keine Spitzenmodelle. Wer lokale Hardware gegen die Preise eines deutlich leistungsfähigeren API-Modells rechnet, vergleicht zwei verschiedene Qualitätsniveaus und schönt das Ergebnis. Die belastbare Rechnung stellt lokale Hardware den API-Preisen vergleichbar offener Modelle gegenüber – und genau das tut die Beispielrechnung auf dieser Seite.
Nächster Schritt
Im Kostenaudit erfassen wir Verträge, tatsächliche Nutzung, Integrationen, Datenexport und Betrieb. Das Ergebnis ist eine priorisierte Entscheidung: optimieren, konsolidieren, ersetzen oder bewusst behalten.
