OpenAI Token Verbrauch

Dieser Artikel liefert eine allgemeine Einschätzung, die dem typischen Funktionsprinzip von KI und der Berechnung des Tokenverbrauchs entspricht. Das tatsächliche Ergebnis kann jedoch stark variieren, abhängig von individuellen Faktoren wie der Häufigkeit der KI-Nutzung, der Anzahl der beteiligten Benutzer sowie der Länge und Komplexität der eingegebenen Prompts.

Allgemeine Informationen zu BOC KI-Funktionen finden Sie in unserer ADONIS KI Assistant Dokumentation.

Tokenverbrauch "Prozessdesign"

Basierend auf umfangreichen Logdaten können wir folgende ungefähre Zahlen für einen kleinen Input-Prompt (1–2 Sätze) zur Prozesserstellung angeben.
Die Prompt-Tokens werden gesendet, während die Completion-Tokens jene sind, die als Antwort von der KI zurückkommen.
 
Getestet mit gpt-4o-mini und maximaler Komplexität (d. h. maximaler Detailgrad).
 

Tokenanzahl pro Prompt und Completion
 

GPT-4o-mini Tokenkosten
 

 
Kosten pro Modell und Modelle pro 1 $
 

 
Tokenverbrauch „Prozessanalyse“

API-Nutzung getestet mit gpt-4o. Die Anzahl der Prompt-Tokens variiert je nach Modellgröße und abhängig davon, wie viele Informationen das Modell enthält (Anzahl der Elemente, Eigenschaften, Relationen, etc.)
 

Allgemeine Informationen zum Tokenverbrauch

Der Tokenverbrauch basiert nicht direkt auf Zeichen; es gilt nur folgende Faustregel:

• 1 Token ≈ 4 Zeichen (durchschnittliches Englisch)
• 1 Token ≈ 0,75 Wörter (durchschnittliches Englisch)
• Tokenisierung unterteilt Text in Abschnitte, die ganze Wörter, Wortteile oder Zeichen sein können – abhängig von Häufigkeit und Vokabular des Modells. Dies macht Schätzungen komplexer.
• Nicht-englische Sprachen haben oft ein höheres Zeichen-zu-Token-Verhältnis.
   

Hinweise zur Tokenisierung

Die Tokenisierung ist immer aktiv, sobald Text von einem OpenAI-Sprachmodell verarbeitet wird, etwa wenn Sie Eingabeprompts schicken oder das Modell eine Ausgabe generiert. Das Modell zerlegt in beiden Fällen Texte in Tokens, um Sprache zu verstehen und zu generieren. Dies geschieht im Hintergrund, sowohl beim Input-Encoding (wenn Sie Text an das Modell senden) als auch beim Output-Decoding (wenn das Modell Text produziert). Dadurch wird Text in verarbeitbare Abschnitte umgewandelt (Tokens), die das Modell lesen und vorhersagen kann.
 
Jedes Wort oder Symbol kann gemäß den Regeln des Tokenizers entweder ein oder mehrere Tokens sein:
 

Dies zeigt, wie unterschiedlich die Tokenisierung je nach Wortlänge, Satzzeichen und Symbolnutzung sein kann. Jedes Wort oder Symbol kann je nach Tokenregeln des Modells ein oder mehrere Tokens sein.
 
OpenAI bietet in der Regel ein Dashboard, um Ihren Tokenverbrauch exakt zu überwachen: Rate limits - OpenAI API