Schätze die tatsächlichen Kosten einer KI-Videopipeline pro Aufgabe. Der Rechner kombiniert GPU-Laufzeit, GPU-Stundensatz, externe API-Kosten, Speicher- oder Transferkosten und die Erfolgsquote. So erkennst du nicht nur die nominalen Kosten eines Durchlaufs, sondern auch die effektiven Kosten pro erfolgreicher Aufgabe und den erwarteten Monatsbedarf.
Die effektiven Kosten zeigen, was eine erfolgreich abgeschlossene Videoaufgabe unter Berücksichtigung fehlgeschlagener Versuche tatsächlich kostet. Eine niedrigere Erfolgsquote erhöht den Kostenblock auch dann, wenn die Einzelpreise unverändert bleiben.
Der Rechner ist eine Betriebsschätzung. Strom, Personal, Orchestrierung und feste Infrastrukturkosten sind nur enthalten, wenn du sie über die eingegebenen Kostensätze abbildest.
Bei 4 GPU-Minuten zu 1,80 €/Std., 0,08 € API- und 0,03 € Speicher/Transferkosten kostet ein Versuch 0,23 €. Bei 92 % Erfolgsquote ergeben sich rund 0,25 € je erfolgreicher Aufgabe.
Die effektiven Kosten steigen invers zur Erfolgsquote, weil mehr Versuche nötig sind, um eine erfolgreiche Aufgabe zu erzeugen.
Ja, wenn du die tatsächlich bezahlte Kapazität bewerten willst. Alternativ kannst du nur aktive Laufzeit verwenden und Leerlauf separat analysieren.
Addiere die erwarteten variablen API-Kosten aller Aufrufe zu einem Betrag pro Versuch und trage diesen Wert als API-Kosten ein.
Ja. Verwende für jede Variante einen effektiven GPU-Stundensatz, der die für dich relevanten laufenden Kosten abbildet.
Fehlgeschlagene oder wiederholte Versuche verursachen Kosten, liefern aber kein erfolgreiches Ergebnis. Die Erfolgsquote verteilt diese Zusatzkosten auf die erfolgreichen Aufgaben.
| Kennzahl | Bedeutung |
|---|---|
| Versuchskosten | Variable Kosten eines einzelnen Pipeline-Durchlaufs. |
| Fehleraufschlag | Zusätzliche Kosten durch nicht erfolgreiche Versuche. |
| Monatskosten | Projektion für das eingegebene erfolgreiche Monatsvolumen. |