Was ein Token ist, und warum der Tokenizer den Preis mitbestimmt

Ein Token ist die kleinste Verarbeitungseinheit eines Sprachmodells. Bevor ein Modell einen Text liest, zerlegt ein sogenannter Tokenizer ihn in solche Einheiten. Ein Token entspricht grob einem Wortteil; im Deutschen sind es oft nur wenige Zeichen. Sowohl die Eingabe, also der übermittelte Kontext, als auch die Ausgabe, also die Antwort, werden in Tokens gemessen. Nach dieser Zahl richten sich Preis, Rechenaufwand und Antwortzeit.

Wie viele Tokens ein Text ergibt, hängt vom Tokenizer ab, und diese unterscheiden sich zwischen den Modellfamilien. Viele arbeiten mit Varianten des Byte-Pair-Encoding, das häufige Zeichenfolgen zu einem Token zusammenfasst und seltene in mehrere zerlegt. Für das Deutsche fällt das ungünstig aus: Lange Komposita wie „Umsatzsteuervoranmeldung" und Umlaute werden in mehr Teile zerlegt als vergleichbare englische Begriffe. Derselbe Inhalt kostet auf Deutsch daher regelmäßig mehr Tokens als auf Englisch. Wechselt ein Anbieter zudem den Tokenizer, ändert sich die Token-Zahl für identischen Text.

Eine Seite deutscher Fließtext liegt schnell im Bereich mehrerer Hundert Tokens, ein längerer Bescheid oder ein Jahresabschluss bei einem Vielfachen davon. Diese Menge fällt bei jeder Anfrage an, in der das Dokument mitgeschickt wird.

Token Economics und Tokenmaxxing

„Token Economics" bezeichnet die Betrachtung von KI-Nutzung als Kostenrechnung in Tokens. Eingabe-Tokens, Ausgabe-Tokens, Preis je tausend Tokens und die Frage, welche Architektur wie viele davon verbraucht. „Tokenmaxxing" ist ein informeller, noch junger Begriff aus der Technikbranche für die Tendenz, den Token-Verbrauch immer weiter zu steigern, oft in der Annahme, mehr Tokens brächten mehr Arbeit oder ein besseres Ergebnis. Beide Begriffe sind noch nicht scharf definiert.

Der Verbrauch steigt aus mehreren Gründen. Modelle mit „Reasoning" erzeugen vor der eigentlichen Antwort eine lange Kette interner Zwischenschritte, die mitgezählt und mitbezahlt wird, auch wenn der Nutzer sie nie sieht. Größere Kontextfenster laden dazu ein, mehr Material pro Anfrage mitzuschicken. Jede Wiederholung und jeder erneute Aufruf summiert sich obendrein. Dass der Preis je Token über die Jahre gesunken ist, gleicht das nur teilweise aus, weil parallel die Zahl der Tokens je Aufgabe wächst.

Tokens messen den Umfang der Verarbeitung. Ob davon etwas Brauchbares herauskommt, sagen sie nicht. Ein Modell kann viele Tokens für eine umfangreiche, sich wiederholende oder schlicht falsche Antwort aufwenden. Der Verbrauch allein sagt nichts über den Nutzen aus.

Wie Tokenmaxxing in Unternehmen aussah

Wie schnell aus der Kennzahl ein Selbstzweck wird, zeigte sich 2026 in mehreren großen Unternehmen. Bei Meta rankte ein internes Dashboard Mitarbeitende nach Token-Verbrauch und zeichnete Vielnutzer mit Titeln wie „Token Legend" aus; ein Spitzenreiter soll in dreißig Tagen rund 281 Milliarden Tokens verbraucht haben. Das Board wurde entfernt, nachdem es öffentlich geworden war. Von OpenAI und Shopify wurden ähnliche Ranglisten berichtet.

Die Gegenbewegung folgte bereits wenig später. Amazon stellte eine solche Entwickler-Rangliste im Frühjahr wieder ein, verbunden mit dem Hinweis, KI nicht allein um der Nutzung willen einzusetzen. Zugleich wurde deutlich, dass ungebremster Verbrauch ins Geld geht: Uber soll sein KI-Jahresbudget 2026 bereits nach vier Monaten aufgebraucht haben. Der Begriff „Tokenmaxxing" hat seither die Seite gewechselt und benennt heute meist das kritisierte Verhalten, nicht mehr eine empfohlene Strategie.

Für eine Kanzlei ist die Lehre daraus übertragbar. Eine Kennzahl, die niemand an ein Ergebnis koppelt, wird optimiert, sobald sie sichtbar ist. Der Token-Verbrauch eignet sich dafür schlecht, weil er sich ohne jeden Qualitätsgewinn beliebig steigern lässt.

Warum agentische Systeme in Schleifen Tokens verbrauchen

Ein agentisches System ist eine KI, die eine Aufgabe eigenständig in Schritte zerlegt, Werkzeuge aufruft, Zwischenergebnisse prüft und auf dieser Basis weiterarbeitet. Der Reiz liegt in der Selbstständigkeit; der Preis liegt im Token-Verbrauch. Bei jedem Schritt wird der bisherige Kontext erneut an das Modell übermittelt, damit es den Stand kennt. Mit der Zahl der Schritte wächst die übertragene Token-Menge daher überproportional. Zwischenspeicher (Caching) mildern das, heben es aber nicht auf.

Kritisch wird es, wenn ein Agent in Schleifen läuft. Er plant um, prüft erneut, ruft dasselbe Werkzeug wiederholt auf oder liest dieselben Unterlagen mehrfach, ohne einem Ergebnis näherzukommen. Ein Beispiel: Ein Agent soll einen Stapel Belege einer Mandantin zuordnen, stößt bei mehrdeutigen Positionen auf Unsicherheit und wiederholt daraufhin Kontext und Werkzeugaufrufe im Kreis. Am Ende steht ein Vielfaches an Tokens bei keinem besseren Ergebnis als bei einem einzelnen, sauber umrissenen Aufruf. Nach außen wirkt ein solcher Lauf produktiv, weil viel passiert. Gemessen am Resultat war er teuer und wirkungslos.

Warum das Abo-Modell den Verbrauch verschleiert

Ein Grund, warum sich für den Token-Verbrauch kaum ein Gespür einstellt, liegt in der Abrechnung. Die meisten KI-Dienste werden derzeit als Pauschal-Abo verkauft: ein fester Monatsbetrag, dazu Nutzungsgrenzen, die in Nachrichten pro Zeitfenster oder in vagen „Fair Use"-Regeln ausgedrückt sind. Was eine einzelne Anfrage tatsächlich verbraucht, bekommt der Nutzer dabei selten zu sehen.

Die Folge ist ein fehlendes Kostengefühl. Eine kurze Sachfrage und eine Anfrage, die eine lange Reasoning-Kette oder einen agentischen Lauf über Dutzende Dokumente auslöst, kosten den Anbieter unterschiedlich viel, den Nutzer aber augenscheinlich gleich viel. Ohne Rückmeldung über den Verbrauch lässt sich eine sparsame Anfrage kaum von einer teuren unterscheiden, und Leerlauf durch Schleifen bleibt unsichtbar. Man arbeitet, ohne die Betriebskosten der eigenen Arbeitsweise zu kennen.

Das ändert sich spätestens, wenn Anbieter zur Abrechnung nach verbrauchten Tokens übergehen. Auf der Schnittstellen-Seite (API) ist das längst Praxis: Dort werden Eingabe-, Ausgabe- und Reasoning-Tokens einzeln gezählt und in Rechnung gestellt. Im Alltag rückt es näher, seit etwa GitHub Copilot auf token-basierte Abrechnung umstellt. Sobald eine Kanzlei KI breiter einsetzt und über eine Plattform oder API abrechnet, erscheint der Unterschied zwischen einer schlanken Anfrage und einer token-hungrigen Agentenschleife direkt auf der Rechnung. Wer die Disziplin schon vorher beherrscht, wird von diesem Wechsel nicht überrascht werden.

Von Tokenmaxxing zu Modelmaxxing: das richtige Modell je Aufgabe

Als Antwort auf steigende Rechnungen hat sich 2026 ein Gegenbegriff etabliert. „Modelmaxxing" beschreibt, Anfragen je nach Schwierigkeit und Kosten an ein passendes Modell zu leiten, ein Verfahren, das als Model Routing bekannt ist. Einfache Aufgaben gehen an günstige, schnelle Modelle, anspruchsvolle an leistungsfähigere. Bislang arbeiten schätzungsweise 95 Prozent der Unternehmen mit den teuersten Spitzenmodellen, auch für Aufgaben, die ein günstigeres Modell mühelos erledigt. Die Frage nach dem dritten US-Präsidenten braucht kein Spitzenmodell.

Für Kanzleien lässt sich der Ansatz in fertige Werkzeuge übersetzen. Unsere momentum Suite enthält mit dem SmartRouter eine Routing-Komponente. Sie ordnet jede Anfrage einem passenden Modell zu: Eine einfache Rückfrage läuft über ein günstiges Modell, die Prüfung eines komplexen Sachverhalts über ein leistungsfähigeres. Die Kanzlei bezahlt so die je Aufgabe nötige Leistung, während die vorgelagerte Maskierung den Datenschutz wahrt.

Routing ersetzt die fachliche Sorgfalt nicht. Wird zu aggressiv auf billige Modelle geleitet, sinkt die Qualität unbemerkt, gerade bei mehrdeutigen steuerlichen Sachverhalten. Ein tragfähiges Routing braucht daher eine Bewertung der Ergebnisse und klare Regeln, welche Aufgabe welches Modell verdient.

Woran sich der Nutzen in der Kanzlei messen lässt

Der aussagekräftige Maßstab ist das Ergebnis: korrekt vorkontierte Belege, ein brauchbarer Entwurf für ein Mandantenschreiben, eingesparte Bearbeitungszeit. Diese Größen lassen sich an den Kosten je erledigtem Vorgang messen. Das Token-Volumen taugt dafür nicht. Wer ein KI-Werkzeug bewertet, sollte nach der Trefferquote und den Kosten je abgeschlossenem Fall fragen. Wie „ausgelastet" ein System wirkt, sagt darüber nichts aus.

Damit ist nicht gesagt, dass sparsamer Verbrauch immer besser wäre. Bei komplexen Prüfungen oder der Recherche über große Aktenbestände können zusätzliche Tokens die Qualität heben. Es kommt auf die Kopplung an: Jeder zusätzliche Token sollte an ein besseres Ergebnis gebunden sein. In der Praxis helfen klar umrissene Aufgaben, Obergrenzen für die Schritte eines Agenten und ein Blick auf die Kosten je Vorgang, bevor ein System in den Regelbetrieb geht.

Aktivität ist kein Ergebnis

Ein hoher Token-Verbrauch beschreibt Aktivität, kein Ergebnis. Die Beispiele aus den Konzernen zeigen, wohin die reine Verbrauchslogik führt, und der Wechsel zum Model Routing zeigt, wie die Branche gegensteuert. Für die Kanzlei zählt, was am Ende auf dem Tisch liegt und was es gekostet hat. Solange ein Pauschal-Abo den Verbrauch verdeckt, bleibt diese Kopplung eine freiwillige Übung; mit token-basierter Abrechnung wird sie zur Rechnungsposition. Wer Aufgaben klar umreißt, Agentenschritte begrenzt und jede Anfrage einem passenden Modell zuweist, ist auf beides vorbereitet. Die Begriffe rund um „Token Economics" mögen neu sein; die betriebswirtschaftliche Frage dahinter ist vertraut.