ChatGPT vs. Claude vs. Gemini vs. API: LLM-Preise mit Free Tiers, ohne Buzzwords

Ein LLM (Large Language Model) ist ein Netz, das auf riesigen Textkorpora trainiert wird, um Sprache zu verstehen und zu erzeugen. In der Praxis ist es die Engine hinter ChatGPT, Claude, Gemini und eigenen Assistenten, die Mails entwerfen, Kunden antworten, Dokumente zusammenfassen, Code schreiben und Ihre APIs aufrufen.

Fürs Geschäft geht es nicht um „KI um der KI willen“. Ein LLM macht aus unstrukturierter Sprache - Chats, Mails, PDFs, Tickets - strukturierte Aktionen: Lead klassifizieren, Antwort entwerfen, Rechnungsfelder ziehen, einen Support-Fall routen. Dort werden Stunden zu Minuten.

1. Was ein LLM wirklich tut

Anders als eine Suchmaschine, die Links zurückgibt, sagt ein LLM die nächsten Tokens aus dem Kontext voraus. Mit einem guten Prompt, Tools und Ihren Firmendaten (via RAG) denkt es über Policies, Katalog und CRM-Verlauf nach - nicht nur über Internet-Allgemeinwissen.

• Absicht verstehen: „Ich brauche eine Erstattung für Bestellung #4521“ → zu Billing routen + Status holen.
• Inhalt erzeugen: Angebote, Produkttexte, SEO-Entwürfe, Meeting-Summaries.
• Struktur ziehen: Freitext wird JSON für CRM, ERP oder Analytics.
• Tools aufrufen: Bestand prüfen, Ticket anlegen, Zahlungslink per function calling senden.

2. Warum ein Unternehmen LLMs braucht

Der ROI-Fall ist meist eingesparte Arbeitszeit plus Tempo. Ein Support mit 40 repetitiven Tickets am Tag, ein Marketer, der dasselbe Angebot für fünf Kanäle umschreibt, ein Vertrieb, der Leads von Hand bewertet — kognitive Routinen, die LLMs gut automatisieren, wenn Validierung und ein Mensch an den Grenzfällen sitzen.

• Kundensupport: erste Linie rund um die Uhr, häufige Fragen ohne Mensch, Ticket-Triage bevor jemand einsteigt.
• Vertrieb und CRM: Lead Scoring, Follow-up-Entwürfe, Call-/Mail-Summaries in der Deal-Karte.
• Marketing: Content-Entwürfe, Anzeigenvarianten, Lokalisierung, SEO-Outlines in der Markenstimme.
• Operations: Vertrag-/Rechnungsextrakt, Knowledge-Base-Q&A fürs Team, Report-Entwürfe aus Tabellen.
• Produkt: In-App-Assistenten, smarte Suche, Generative UI, die Formulare an die Absicht anpasst.

3. Zwei Wege zu zahlen: Chat-Apps vs API

Firmen verwechseln zwei Produkte. Chat-Abos (ChatGPT, Claude.ai, Gemini) sind für Menschen: Schreiben, Recherche, Code-Hilfe. APIs sind für Produkte und Automationen: der Bot auf der Site, ein CRM-Workflow, Batch-Dokumente. Free Plans gibt es auf beiden Ebenen - aber Free Chat ≠ Free Production-API im Maßstab.

4. Chat-Pläne im Vergleich (Free + Paid)

Stand August 2026 liegen einzelne Pro-Chat-Pläne bei ~20 $/Monat. Free Tiers taugen für leichte Arbeit, stoßen aber an Nachrichten- und Modell-Caps. Preise und Modelle ändern sich oft - vor dem Budget immer die Vendor-Seite prüfen.

• ChatGPT Free (0 $): solide für den Alltag; unbegrenzte Chats auf der leichteren GPT-5.6 Luna; begrenzter Zugang zu stärkeren Reasoning-Modellen, Uploads und Tools.
• ChatGPT Plus (~20 $/Monat): mehr GPT-5.6, mehr Nachrichten/Uploads, Deep Research, Projects, Custom GPTs - der beste Allrounder für gemischte Büroarbeit.
• ChatGPT Go (~8 $/Monat): Mittelstufe zwischen Free und Plus - mehr als Free, nicht das volle Plus.
• Claude Free (0 $): starkes Schreiben/Coding auf leichteren Modellen; begrenzte Sonnet-/Opus-Nutzung; kein voller Projects-Workflow.
• Claude Pro (~20 $/Monat, ~18 $/Monat jährlich): ~5× Free-Usage, Priority, Projects, Research, Claude Code - stark für lange Dokumente und vorsichtiges Reasoning.
• Gemini Free (0 $): Gemini-Flash-Klasse + Google-App-Hooks; gut für leichte Recherche und Aufgaben neben Workspace.
• Google AI Pro / Gemini Advanced (~19,99 $/Monat): Pro-Modelle, höhere Limits, Deep Research, Gemini in Gmail/Docs/Drive, viel Cloud-Storage - am besten, wenn das Team schon in Google Workspace lebt.
• Team-/Business-Sitze: ChatGPT Business liegt typisch bei ~20-25 $ pro User/Monat (jährlich vs. monatlich). Enterprise ist custom - SSO, Admin-Controls, Datenaufbewahrung dazu.

5. API-Preise (was ein Produkt wirklich kostet)

API rechnet pro Million Tokens ab (grob ~750 Wörter ≈ 1.000 Tokens). Output kostet meist 2-6× mehr als Input. Schnitt August 2026 (Standard-Tier, je 1M Tokens) - vor der Zusage die offiziellen Preisseiten prüfen:

• DeepSeek V4-Flash: ~0,14 $ Input / 0,28 $ Output - günstigstes nützliches Production-Tier für Triage und Extrakt.
• Qwen3.5 Flash: ~0,10 $ / 0,40 $ - konkurrenzfähig für Massenklassifikation.
• GPT-5.6 Luna: ~0,20 $ / 1,20 $ - OpenAIs Boden für hohes Volumen und niedrige Latenz.
• Gemini 3.1 Flash-Lite: ~0,25 $ / 1,50 $ - stark für Bulk-Text-Pipelines.
• Claude Haiku 4.5: ~1,00 $ / 5,00 $ - Routing, Klassifikation, kurze strukturierte Outputs.
• Claude Sonnet 5: ~2,00 $ / 10,00 $ (Intro; später ~3 $ / 15 $) - das tägliche Production-Arbeitstier.
• GPT-5.6 Terra / Gemini 3.1 Pro: ~2,00 $ / 12,00 $ - Mid-Frontier für Coding und Agent-Workloads.
• Claude Opus 5 / GPT-5.6 Sol: ~5 $ / 25-30 $ - hartes Reasoning und komplexe Agent-Runs (gezielt einsetzen).

6. Free API / Trial - der Realitätscheck

Free API ist für Prototypen, nicht für einen vollen Production-Bot. Free-Quotas sind R&D-Budget. Kritischen Traffic auf ein Paid-Tier mit Rate Limits und Monitoring schieben.

• Google Gemini: meist das großzügigste laufende Free-API-Tier (Flash-Klasse mit RPM/RPD-Caps) - ideal, um ein Chatbot-MVP zu validieren.
• Groq und manche Open-Model-Hosts: Free/Low-Cost-Tiers für Latenz-Experimente mit Llama-Klasse.
• OpenAI: oft ein einmaliges Startguthaben für neue Accounts; keine dauerhafte Free-Production-Quote.
• Anthropic Claude API: in der Regel pay-as-you-go ab dem ersten Call (kein laufendes Free Tier).
• Self-Host offener Gewichte (Ollama, vLLM): 0 $ Modelllizenz, aber Sie zahlen GPU/Server - billig im Kleinen, teuer wenn HA und Peak-Traffic nötig sind.

7. Beispiel-Monatsrechnung (Support-Triage)

Angenommen, ein Support-Triage-Dienst verbraucht ~8M Input + 2M Output Tokens im Monat (tausende kurze klassifizierte Tickets). Ungefähre API-Kosten allein:

• DeepSeek V4-Flash: ≈ 1,70 $/Monat - Extrembudget für High-Volume-Routing.
• GPT-5.6 Terra: ≈ 40 $/Monat - komfortable Mid-Tier-Qualität für gemischte Automation.
• Claude Opus 5: ≈ 90 $/Monat - Premium-Reasoning; Overkill, wenn die meisten Tickets simpel sind.
• Team von 5 nur auf Chat Plus/Pro (20 $ × 5): ≈ 100 $/Monat - super für menschliche Produktivität, ersetzt keine Produkt-API-Integration.
• Hybrid, der oft gewinnt: Free/günstiger Chat fürs Team + billige Flash/Haiku-API für 80 % des Bot-Traffics + Sonnet/Terra nur bei harten Eskalationen.

8. Wie wählen, ohne zu viel zu zahlen

Starten Sie, wo Risiko und Volumen niedrig sind. Messen Sie Kosten pro gelöster Aufgabe, nicht pro Token - ein „billiges“ Modell mit drei Retries kann auf der Rechnung ein teureres One-Shot schlagen.

• Solo-Founder / kleines Team: erst Free-Chat-Pläne; einen 20-$-Pro-Sitz für die Person, die am meisten Content oder Code entwirft.
• Kundenbot / CRM-Automation: Prototyp auf Gemini Free API oder einem billigen Flash; Caching + Batch für Nachtjobs dazu.
• Qualitätskritische Workflows (Legal, medizinischer Rat, komplexer Vertrieb): Mid-/Frontier-Modelle + menschliche Freigabe; nie ungeprüfte Antworten ausliefern.
• Rechnungen kürzen per Routing: Haiku/Luna/Flash zum Klassifizieren → nur bei niedriger Confidence auf Sonnet/Terra/Opus eskalieren.
• Modell-IDs in der Config lassen und quartalsweise neu benchmarken - Preise und Qualitätsranking rutschen alle paar Monate.

Fazit

Ein LLM nützt dem Geschäft, wenn es einen echten Workflow kürzt: weniger Tickets für Menschen, schnellere Angebote, saubereres CRM oder eine Feature, die Kunden wirklich nutzen. Start bei 0 $ mit Free Chat und Free-API-Tiers, ~20 $/User für ernsthafte Einzelproduktivität, und viele Production-Automationen weit unter 50-100 $/Monat, wenn Sie Flash-Klasse wählen und smart routen. Der teure Fehler: LLMs komplett ignorieren - oder das teuerste Modell für jede triviale Klassifikation kaufen.