#470 · Rechner für KI & Technologie

OpenAI-RAG-Rechner

Der OpenAI-RAG-Rechner kombiniert die wichtigsten variablen Kosten eines Retrieval-Augmented-Generation-Workflows: Retrieval-Kontext im Prompt, Antworttokens und optionale Embedding-Updates. Du legst Abfragevolumen, Chunks pro Abfrage, Tokenmengen und deine aktuellen Preise selbst fest. So kannst du Kontextbreite gegen Kosten abwägen.

Rechner

Eigene Annahmen

So verwendest du diesen Rechner

Erfasse Abfragevolumen sowie Chunks und Tokens je Chunk.
Gib zusätzliche Prompttokens und geplante Ausgabetokens an.
Trage aktuelle Ein-, Ausgabe- und Embedding-Preise ein.
Füge neu einzubettende Tokens für Aktualisierungen hinzu.

Formel

Retrieval-Tokens = Chunks × Tokens je Chunk; Generierungskosten = Abfragen × [(Retrieval + sonstige Eingabe) × Eingabepreis + Ausgabe × Ausgabepreis] je 1 Mio.; Gesamtkosten = Generierung + Embedding

Was das Ergebnis bedeutet

Das Hauptergebnis zeigt die kombinierten variablen Kosten. Der Retrieval-Tokenwert macht sichtbar, wie stark eine größere Top-k-Auswahl die Promptkosten erhöht.

Vektordatenbank, Suche, Reranking, Speicher, Netzwerk und Infrastruktur sind nicht automatisch enthalten.

Beispielrechnung

100.000 Abfragen mit fünf Chunks à 300 Tokens erzeugen 1.500 Retrieval-Tokens je Abfrage. Zusammen mit 500 weiteren Eingabe- und 250 Ausgabetokens ergeben sich bei 2,50/10,00 € rund 750,00 € Generierungskosten. 5 Mio. neu eingebettete Tokens zu 0,10 € je Million erhöhen die Summe um 0,50 € auf etwa 750,50 €.

Tipps für bessere Ergebnisse

Teste, ob weniger Chunks dieselbe Antwortqualität erreichen.
Kürze Chunks auf relevante Passage statt ganze Dokumentteile.
Trenne Erstindexierung und laufende Updates bei Embeddings.
Miss Retrieval-Qualität gemeinsam mit Kosten, nicht isoliert.

Häufig gestellte Fragen

Wie beeinflusst die Anzahl der RAG-Chunks meine OpenAI-Kosten?

Mehr Chunks erhöhen die Retrieval-Tokens im Prompt. Bei sonst gleichen Bedingungen steigen damit die Eingabekosten je Abfrage.

Wie berechne ich Retrieval-Tokens pro RAG-Abfrage?

Multipliziere die Zahl der abgerufenen Chunks mit der durchschnittlichen Tokenmenge je Chunk.

Soll ich Embedding-Kosten bei jeder RAG-Abfrage einrechnen?

Normalerweise werden Dokument-Embeddings beim Indexieren oder Aktualisieren erzeugt. Deshalb erfasst der Rechner neu eingebettete Tokens separat von den laufenden Abfragen.

Wie kann ich RAG-Kosten senken, ohne die Antwortqualität stark zu verschlechtern?

Teste weniger oder kürzere Chunks, bessere Retrieval-Filter und gegebenenfalls Reranking. Entscheidend ist ein eigener Qualitätsvergleich.

Welche RAG-Kosten fehlen in diesem Rechner?

Nicht automatisch enthalten sind beispielsweise Vektordatenbank, Suchinfrastruktur, Reranking, Speicher, Netzwerk und operative Plattformkosten.

Berechnungsübersicht

Baustein	Verwendung
Eingaben	Deine Nutzungs- und Preisannahmen
Berechnung	Themenspezifische Mengen- und Kostenlogik
Ausgabe	Hauptergebnis plus Planungskennzahlen