Ein Ablauf, der sich in fast jedem Unternehmen gerade abspielt — bei Gemini, Claude, ChatGPT und Microsoft Copilot gleichzeitig. Scrollt durch, wie llm-cost aus Rätselraten einen Forecast macht.
Die KI-Rechnung ist wieder höher als geplant — dritten Monat in Folge. Niemand im Raum kann sagen, warum. Es gibt keine belastbare Zahl für den nächsten Monat, nur eine Tendenz: steigend.
Finance merkt: das Budget läuft aus dem Ruder, und es gibt keine planbaren Zahlen für den Tokenverbrauch — bei vier Anbietern gleichzeitig.
Die Frage, die im Raum bleibt: wer im Unternehmen weiß eigentlich, wo genau das Geld hinfließt?
Die IT wird gefragt. Die Abteilungsleiter werden gefragt. Die Antwort ist überall ähnlich: niemand kann sagen, was im nächsten Monat verbraucht wird — weil die Teams selbst nicht wissen, was sie täglich womit und wie viel verbrauchen.
Das ist keine Nachlässigkeit. Ein Mitarbeiter, der in Excel eine Formel per Copilot generieren lässt, sieht keinen Tokenzähler. Der Verbrauch passiert nebenbei, unsichtbar, in jedem Klick — bis jemand anfängt, genau das sichtbar zu machen.
Statt einer einzigen Zahl am Monatsende liefert llm-cost eine Struktur: Tokenverbrauch aufgeschlüsselt nach Abteilung, Team und einzelnem Nutzer — über Gemini, Claude, ChatGPT und Copilot hinweg, in einem Dashboard.
Und es geht weiter als "wer": jeder Prozess und jedes Tool bekommt eine eigene Zeile — mit einer klaren Einschätzung, ob er sinnvoll ist, ausgebaut, geprüft oder abgestellt gehört. Zum ersten Mal wird sichtbar, wo im Unternehmen die Zahl eigentlich entsteht — und was konkret zu tun ist.
llm-cost ist kein Verbotsschild. Jeder Verbrauch wird zuerst verstanden, bevor er bewertet wird: was treibt ihn, was davon ist sinnvoll investierte Zeit, und was ist ein unkontrollierter, eskalierender Prozess, der niemandem nutzt.
Ein Team, das viel verbraucht, weil es damit tatsächlich schneller und besser arbeitet, ist kein Problem — sondern ein Grund, mehr zu investieren. Ein Team, das viel verbraucht, weil ein Makro denselben Datensatz jeden Monat neu verarbeitet, ist etwas anderes.
Das ist kein einmaliger Check, sondern ein Kreislauf: jeden Monat ein bisschen genauer, jeden Monat ein Team mehr, das seinen eigenen Verbrauch versteht.
Aus der Aufschlüsselung nach Abteilung, Team, Mitarbeiter und Projekt filtert llm-cost automatisch heraus, wo der Verbrauch am größten ist — und legt das offen, statt es in einer Sammelrechnung zu verstecken.
Aber Sichtbarkeit ist kein Pranger: die Team-Vergleiche heben ausschließlich Verbesserung hervor, nie ein öffentliches Ranking der Vielverbraucher. Was am Ende zählt, ist nicht wer am meisten verbraucht — sondern wer als Nächstes die Entscheidung trifft.
Das Reporting geht an Teamleiter, Abteilungsleiter, Finance und Geschäftsführung — nicht als Vorwurf, sondern als Entscheidungsgrundlage. llm-cost empfiehlt, entschieden wird im Unternehmen. Für jeden Großverbraucher gibt es drei mögliche Antworten:
Die Empfehlung kommt vom System. Die Entscheidung bleibt immer bei Menschen — Monat für Monat neu.
Während die Verbrauchsentscheidungen laufen, prüft llm-cost eine zweite Frage im Hintergrund: muss ein Unternehmen wirklich Gemini, Claude, ChatGPT und Copilot parallel betreiben — oder tun es für die meisten Anwendungsfälle auch zwei, oder sogar nur einer?
Konsolidierung ist kein Dogma — aber eine Frage, die ohne providerübergreifende Daten niemand beantworten kann. Genau die liefert llm-cost.
Genau diese Reise durchläuft der kostenlose Diagnose-Audit für euer Unternehmen — mit euren echten Zahlen statt einem Beispiel.