So nutzt du LLM-APIs: Tokens, Kosten, Schlüssel und dein erstes KI-Feature

Eine LLM-API ist ein Webdienst, mit dem deine App Text an ein großes Sprachmodell senden kann, etwa die GPT-Modelle von OpenAI, Claude von Anthropic oder Gemini von Google, und dessen Antwort im Code zurückbekommt. Du registrierst dich beim Anbieter, erstellst einen API-Schlüssel, und der Server deiner App schickt Anfragen mit diesem Schlüssel. Abgerechnet wird pro Anfrage nach der Anzahl der Tokens (Textstücke), die hineingehen und herauskommen. Mehr bedeutet „KI in eine App bringen“ meist nicht: eine gut formulierte Anfrage an das Modell eines anderen, sicher von deinem Server aus gestellt.

Warum das beim Bauen mit KI wichtig ist

In einer KI-gebauten App gibt es zwei verschiedene KIs, und man verwechselt sie leicht:

1. Die KI, die deine App baut: der eigene Agent des App-Builders, der den Code schreibt.
2. Die KI in deiner App: ein Feature, das deine Nutzer verwenden, etwa ein Chat-Assistent, ein Button „Zusammenfassen“ oder automatisches Taggen.

Die zweite ruft eine LLM-API mit deinem Schlüssel auf und berechnet dein Konto beim Anbieter. Wer Tokens, Kontext und Preise versteht, kann ein Feature so gestalten, dass es funktioniert, deinen Schlüssel nicht preisgibt und dich nicht mit einer überraschenden Rechnung trifft.

Ein Alltagsvergleich: eine sehr fähige Freelancerin, bezahlt nach Wort

Stell dir eine LLM-API wie eine brillante freie Texterin vor, die du per E-Mail erreichst und nach Wort bezahlst, sowohl für die Wörter, die du ihr schickst, als auch für die, die sie zurückschreibt (und die Wörter der Antwort kosten mehr).

• Sie hat kein Gedächtnis zwischen den E-Mails. Wenn sie ein Gespräch fortführen soll, fügst du die früheren Nachrichten in jede neue E-Mail ein.
• Sie kann auf einmal nur so viel lesen. Diese Grenze ist das Kontextfenster.
• Je klarer dein Auftrag, desto besser und kürzer die Antwort, und das spart auch Geld.

Die Kernkonzepte

Tokens

Modelle lesen und schreiben Text in Tokens. Die Preisdokumentation von Anthropic schätzt stand September 2026 etwa 4 Zeichen beziehungsweise rund 0,75 englische Wörter pro Token. Verschiedene Modelle und Sprachen zerlegen Text unterschiedlich, also betrachte das als grobe Orientierung. Alles zählt: deine Anweisungen, die Nachricht der Nutzerin, alle beigefügten Dokumente, der bisherige Verlauf und die Antwort.

Eingabe und Ausgabe

Eingabe-Tokens sind das, was du sendest. Ausgabe-Tokens sind das, was das Modell schreibt. Auf den Preisseiten von OpenAI, Anthropic und Google kosten Ausgabe-Tokens stand September 2026 beim gleichen Modell mehrfach so viel wie Eingabe-Tokens. Die Preise von Googles Gemini weisen außerdem darauf hin, dass das interne „Nachdenken“ eines Modells als Ausgabe zählt.

Kontextfenster

Die maximale Anzahl an Tokens, die ein Modell in einer einzigen Anfrage annehmen kann, einschließlich der Antwort. Moderne Modelle akzeptieren sehr lange Eingaben. Einige aktuelle Modelle von Anthropic nehmen zum Beispiel bis zu eine Million Tokens an. Lange Eingaben kosten aber mehr und brauchen länger, also sende nur, was die Aufgabe braucht.

Zustandslose Anfragen

Bei den meisten chatartigen APIs steht jede Anfrage standardmäßig für sich. Damit ein Chat sich „erinnert“, sendet deine App bei jeder neuen Nachricht die früheren Nachrichten erneut. Deshalb kostet eine lange Unterhaltung pro Nachricht mehr als eine kurze.

Der Systemprompt

Anweisungen, die Rolle und Regeln des Modells für jede Anfrage festlegen, zum Beispiel: „Du fasst Support-Tickets in drei Stichpunkten zusammen. Nenne niemals E-Mail-Adressen von Kunden.“ Nutzer sehen ihn nicht, aber er prägt jede Antwort.

Streaming

Statt auf die vollständige Antwort zu warten, kann die API Text schon während der Erzeugung senden, sodass Nutzer die Wörter sofort erscheinen sehen. Das lässt Chat-Oberflächen deutlich schneller wirken.

So funktionieren die Preise

Stand September 2026, geprüft auf den eigenen Preisseiten der Anbieter:

Einige Anbieter bieten außerdem die Möglichkeit, vor dem Bezahlen zu testen: Anthropic gibt neuen Nutzern ein kleines Startguthaben, und Googles Gemini-API hat bei einigen Modellen einen kostenlosen Tarif, wobei Inhalte, die darüber gesendet werden, zur Verbesserung der Produkte von Google genutzt werden dürfen.

Die Preise unterscheiden sich stark zwischen den kleinen, schnellen Modellen eines Anbieters und seinen größten, und sie ändern sich oft. Deshalb nennen wir sie hier nicht. Eine einfache Schätzung für jedes Feature lautet: (Eingabe-Tokens × Eingabepreis + Ausgabe-Tokens × Ausgabepreis) × Anzahl der Anfragen pro Monat. Danach kommt ein Puffer, und im Dashboard des Anbieters setzt du ein monatliches Ausgabelimit.

Ein Beispiel: ein Button „Ticket zusammenfassen“

Ein kleines Support-Team möchte einen Button, der einen langen Verlauf von Kunden-E-Mails in drei Stichpunkte und einen Antwortvorschlag verwandelt.

1. Schlüssel besorgen. Erstelle ein Konto bei einem Anbieter und generiere einen API-Schlüssel. Setze ein niedriges monatliches Ausgabelimit.
2. Den Schlüssel als Geheimnis speichern auf deinem Server, zum Beispiel als ANTHROPIC_API_KEY oder OPENAI_API_KEY, niemals im Code der Seite. Siehe Umgebungsvariablen und Geheimnisse.
3. Eine Server-Route hinzufügen, POST /api/summarise, die:
   • prüft, ob die Person angemeldet ist und zum Support-Team gehört;
   • das Ticket aus der Datenbank lädt;
   • dem Anbieter einen Systemprompt schickt („Fasse in drei Stichpunkten zusammen, dann entwirf eine höfliche Antwort; erfinde keine Bestellnummern“) plus den Ticket-Text;
   • die Länge der Antwort mit einer maximalen Ausgabe-Token-Einstellung begrenzt;
   • das Ergebnis zurückgibt und protokolliert, wie viele Tokens verbraucht wurden.
4. Der Button ruft deine Route auf, nicht den Anbieter, und zeigt die Zusammenfassung an, während sie einläuft.
5. Fehler behandeln. Wenn der Anbieter langsam ist oder einen Fehler liefert, zeige „Zurzeit nicht zusammenfassbar“ und halte das Ticket nutzbar.
6. Messen. Schau nach einer Woche in die Token-Protokolle. Wenn der größte Teil der Kosten auf lange E-Mail-Verläufe entfällt, kürze zitierte Historie, bevor du sie sendest.

Beachte, was fehlt: kein Modelltraining, keine besondere Infrastruktur. Ein Schlüssel, eine Server-Route, ein gut formulierter Prompt.

Wichtige Begriffe

• API-Schlüssel: das Geheimnis, das dein Konto beim Anbieter identifiziert. Wer es hat, kann dein Geld ausgeben.
• Modell: das konkrete LLM, das du aufrufst. Anbieter bieten mehrere Größen zu unterschiedlichen Preisen und Geschwindigkeiten.
• Temperatur: eine Einstellung dafür, wie variabel die Antworten sind. Niedriger bedeutet vorhersehbarer.
• Max. Tokens: eine Obergrenze für die Länge der Antwort, die zugleich die Kosten begrenzt.
• Rate-Limit: wie viele Anfragen oder Tokens dein Konto pro Minute nutzen darf.
• Embeddings: Zahlen, die die Bedeutung eines Textes darstellen und für die Suche in deinen eigenen Dokumenten genutzt werden.
• RAG (retrieval-augmented generation): relevante Passagen aus deinen eigenen Daten finden und in den Prompt aufnehmen, damit das Modell aus deinen Inhalten antwortet.
• Tool-Nutzung / Function Calling: dem Modell erlauben, deine App zu bitten, eine bestimmte Funktion auszuführen, etwa „Bestellstatus nachschlagen“.

Häufige Fehler und Missverständnisse

• Den Schlüssel in den Frontend-Code legen. Der teuerste Fehler überhaupt. Browsercode ist öffentlich. Ruf immer vom Server aus auf. Die Sicherheits-Checkliste für KI-gebaute Apps behandelt das zusammen mit weiteren Checks vor dem Launch.
• Kein Ausgabelimit und keine Limits pro Nutzer. Ein Fehler, eine Schleife oder ein missbräuchlicher Nutzer können die Kosten schnell hochtreiben. Setze ein Limit beim Anbieter und begrenze Anfragen pro Nutzer in deiner App.
• Immer alles senden. Ganze Dokumente und komplette Chat-Verläufe vervielfachen die Eingabe-Tokens. Kürze, fasse ältere Nachrichten zusammen oder rufe nur die relevanten Teile ab.
• Der Ausgabe blind vertrauen. Modelle können Falsches mit großer Sicherheit behaupten. Bei Fakten, Preisen oder allem Rechtlichen oder Medizinischen solltest du Antworten an deine eigenen Daten binden und Quellen zeigen oder eine Person prüfen lassen.
• Zulassen, dass Nutzereingaben deine Regeln überschreiben. Nutzer können „ignoriere deine Anweisungen“ tippen. Halte Berechtigungen und sensible Aktionen in deinem Servercode, nicht nur im Prompt.
• Mit dem größten Modell anfangen. Probiere zuerst ein kleineres, günstigeres Modell; steige nur auf, wenn die Qualität es verlangt.
• Personenbezogene Daten gedankenlos senden. Prüfe die Datennutzungsbedingungen des Anbieters, besonders in kostenlosen Tarifen, und sende nur, was das Feature braucht.

Was du deinen KI-Builder bitten solltest

Füge auf der Ticket-Seite einen Button „Zusammenfassen“ hinzu. Er ruft eine Server-Route auf, die das Geheimnis OPENAI_API_KEY nutzt (niemals im Browser sichtbar), prüft, dass die Nutzerin angemeldet ist, den Ticket-Text mit diesem Systemprompt sendet: […], die Antwort auf 300 Tokens begrenzt, die Antwort live auf die Seite streamt und bei einem fehlgeschlagenen Aufruf eine freundliche Fehlermeldung zeigt. Protokolliere die pro Anfrage verbrauchten Tokens und begrenze jede Nutzerin auf 30 Zusammenfassungen pro Stunde.

Für ein vollständiges Chat-Erlebnis siehe wie du eine KI-Chatbot-App baust; für weitere Ideen wie du KI-Funktionen in deine App einbaust. Wenn APIs allgemein neu für dich sind, fang mit was eine API ist an.

LLM-APIs in Apps, die mit Mythex gebaut werden

Wenn du mit Mythex baust, nutzt die KI in deiner App deinen eigenen Anbieter-Schlüssel. Du fügst ihn als Projekt-Geheimnis hinzu, oder über die Geheimnis-Karte, die Mythex im Chat anzeigt, wenn sie einen braucht, und bittest den Agenten, den Aufruf auf dem Server zu erstellen. Die Nutzung beim Anbieter wird deinem Anbieter-Konto berechnet, nicht den Mythex-Build-Credits. Mythex stellt keine Tokens für die Nutzer deiner App bereit und bietet kein eingebautes Wissensdatenbank-Produkt. Rate-Limits und Kostenkontrollen gestaltest und testest du selbst. Das Docs-Rezept KI-Funktionen mit deinen eigenen API-Schlüsseln hinzufügen enthält einen Start-Prompt, und die Seite KI-App-Builder zeigt, wo du anfangen kannst.

Fragen