Claude Haiku 5.5 für 0,10 $ je Million Token: wann rechnet sich eigene Hardware noch?

/01Was Anthropic am 7. Oktober veröffentlicht hat

Am 7. Oktober 2026 hat Anthropic Claude Haiku 5.5 freigegeben, Modellkennung claude-haiku-5-5, verfügbar über die eigene API, Amazon Bedrock, Google Cloud und Microsoft Foundry. Die Preisliste in der Dokumentation nennt zwei Stufen nach Prompt-Länge: Für Anfragen bis 100.000 Token kostet die Million Eingabe-Token 0,10 $ und die Million Ausgabe-Token 0,50 $; für Anfragen über 100.000 Token 0,50 $ und 2,50 $. Cache-Lesezugriffe kosten 0,01 $ je Million, der Batch-Betrieb halbiert alle Preise. Das Kontextfenster liegt bei 1 Million Token, die Ausgabe bei bis zu 128.000 Token.

Zur Einordnung die übrige Preisliste vom selben Tag: Claude Haiku 4.5 kostet 1 $ / 5 $, Sonnet 5.5 2 $ / 10 $, Opus 5.5 4 $ / 20 $, Fable 5.1 10 $ / 50 $ je Million Eingabe- und Ausgabe-Token. Haiku 5.5 liegt beim Eingabepreis also beim Zehntel des Vorgängers und beim Hundertstel des Spitzenmodells. Anthropic positioniert es ausdrücklich für „high-volume, latency-sensitive tasks such as classification, extraction, and routing" — genau die Aufgaben, mit denen die meisten Mittelständler ihre KI-Nutzung beginnen.

Ein Detail aus den Migrationshinweisen gehört in jede Kostenrechnung: Haiku 5.5 nutzt den neueren Tokenizer der Claude-4.7-Generation, „so the same text counts as approximately 30% more tokens than on Claude Haiku 4.5". Der Preis je Token fällt um den Faktor zehn, die Zahl der Token je Dokument steigt um knapp ein Drittel. Netto bleibt eine Verbilligung um rund den Faktor sieben bis acht — die Pressemeldung sagt zehn.

Für ki·spezial ist das keine fremde Nachricht. Unsere Argumentation für eigene Hardware beruht auf einer Referenzrechnung, und jede Preissenkung bei den APIs ist eine Anfrage an diese Rechnung. Wer sie nicht neu aufstellt, argumentiert mit Zahlen von gestern.

/02Die Referenzrechnung offengelegt: welche Annahmen hinter 55.000 € gegen 108.000 € stehen

Die Referenzrechnung auf unserer Seite KI On-Premise lautet: Ein A100-System kostet rund 35.000 € Hardware plus 8.000 € Setup und Integration plus 7.000 € Strom und Hosting über 36 Monate plus 5.000 € Support über 36 Monate, zusammen rund 55.000 €. Dem stehen rund 108.000 € Cloud-API bei 100.000 Anfragen je Monat über 36 Monate gegenüber; der Break-even liegt nach rund 18 Monaten.

Was in dieser Rechnung steckt, lässt sich rückwärts lesen. 108.000 € über 36 Monate sind 3.000 € je Monat; bei 100.000 Anfragen sind das 3 Cent je Anfrage. Nimmt man die Voreinstellung unseres TCO-Rechners von 1.500 Token je Anfrage (Ein- und Ausgabe zusammen), entspricht das einem Mischpreis von rund 20 € je Million Token. Das ist die Preisklasse eines Spitzenmodells: Bei 1.000 Eingabe- und 500 Ausgabe-Token kostet eine Anfrage an Fable 5.1 (10 $ / 50 $) 3,5 Cent, an Opus 5.5 (4 $ / 20 $) 1,4 Cent. Die Referenzrechnung ist also eine Rechnung gegen Spitzenmodelle zu Listenpreisen — nicht gegen das günstigste Modell des Marktes. Das war nie verborgen, aber es stand auch nicht daneben. Jetzt steht es da.

Zwei weitere Annahmen gehören dazu. Die 100.000 Anfragen je Monat entsprechen etwa 50 Nutzern mit 20 Anfragen je Arbeitstag bei 220 Arbeitstagen — das ist die Voreinstellung des Rechners und ein Haus, in dem KI zum Arbeitsalltag einer ganzen Abteilung gehört. Und die Rechnung vergleicht Hardware, die ein 27-B- bis 70-B-Modell trägt, mit einer API, die ein Spitzenmodell liefert. Das ist fair, wenn das lokale Modell die Aufgabe löst; es ist unfair, wenn nur das Spitzenmodell sie löst. Diese Frage beantwortet kein Rechner, sondern ein Eval-Set.

/03Neu gerechnet mit 0,10 $: wo die Rechnung kippt

Dieselbe Rechnung mit denselben Annahmen — 100.000 Anfragen je Monat, 1.000 Eingabe- und 500 Ausgabe-Token je Anfrage, 36 Monate, Listenpreise vom 11. Oktober 2026 ohne Cache und Batch — gegen vier Modelle. Wir rechnen in Dollar, weil die Preislisten in Dollar geführt werden; der Wechselkurs verschiebt die Größenordnungen nicht.

Das Ergebnis ist eindeutig und unbequem: Beim reinen Preisvergleich mit Haiku 5.5 verliert eigene Hardware im Referenzszenario um zwei Größenordnungen. Erst bei Opus-Preisen wird es eng, erst bei Fable-Preisen gilt die Referenzrechnung mit ihren rund 18 Monaten. Dazwischen liegen Modelle, bei denen die lokale Inferenz nur gewinnt, wenn das Volumen deutlich über 100.000 Anfragen liegt. Wer also Aufgaben hat, die Haiku 5.5 löst — Klassifikation, Extraktion, Routing, kurze Zusammenfassungen —, und dessen Daten die API verlassen dürfen, kauft dafür keine GPU. Wir sagen das so deutlich, weil der TCO-Rechner es auch tut: In der Voreinstellung mit 8 € je Million Token liegt dort die Cloud vorn.

/04Die Tokenannahme ist der Hebel: 1.500 oder 30.000 Token je Anfrage

Die Zahl, an der die ganze Rechnung hängt, ist nicht der Preis je Million Token, sondern die Zahl der Token je Anfrage. 1.500 Token sind eine Chat-Frage mit kurzer Antwort. Eine RAG-Anfrage mit zehn eingeblendeten Dokumentabschnitten liegt bei 6.000 bis 10.000 Token Eingabe. Ein Agent, der eine Aufgabe in zwanzig Werkzeugaufrufen abarbeitet und bei jedem Aufruf den bisherigen Verlauf mitschickt, erzeugt je „Anfrage" aus Nutzersicht leicht 200.000 bis 500.000 Token — und Anthropics Migrationshinweise ergänzen, dass Haiku 5.5 die Denkblöcke früherer Runden im Kontext behält, die als Eingabe-Token zählen.

Rechnet man das Referenzszenario mit 30.000 Token je Anfrage (25.000 Eingabe, 5.000 Ausgabe, typisch für eine Dokumentenanalyse mit Begründung), verschiebt sich die Tabelle um den Faktor 20: Haiku 5.5 kostet dann 0,5 Cent je Anfrage, 500 $ je Monat, 18.000 $ über 36 Monate — immer noch unter 55.000 €. Sonnet 5.5 kostet 10 Cent je Anfrage, 10.000 $ je Monat, 360.000 $ über 36 Monate — und eigene Hardware amortisiert sich in unter sechs Monaten, sofern ein lokales Modell die Aufgabe löst. Bei Agenten mit 300.000 Token je Aufgabe und 10.000 Aufgaben je Monat liegt selbst Haiku 5.5 bei rund 14.000 $ im Jahr, wenn ein Drittel der Prompts die 100.000-Token-Schwelle überschreitet und zum fünffachen Preis abgerechnet wird — und das ist ein Volumen, das heute erst wenige Häuser erreichen.

Das ist die eigentliche Lehre aus der Preissenkung: Sie macht den Chat billig, nicht den Agenten. Wer heute Ticket-Vorsortierung über eine API fährt, hat mit Haiku 5.5 eine gute Nachricht bekommen. Wer in zwölf Monaten Agenten mit langem Kontext betreibt, rechnet in anderen Größenordnungen — und zwar in beide Richtungen, denn auch die lokale Hardware muss für 25.000-Token-Prompts dimensioniert sein; was der KV-Cache dabei kostet, steht in KV-Cache verstehen.

/05Was im Preis nicht steht: 100k-Schwelle, Denk-Token, Tokenizer, Abkündigung

Vier Positionen aus der Anthropic-Dokumentation gehören neben den Schlagzeilenpreis, weil sie die tatsächliche Rechnung verändern:

• Die 100.000-Token-Schwelle. Eine Anfrage, deren Prompt über 100.000 Token liegt, zahlt für alle Token den fünffachen Preis — „a request over the threshold pays the higher prices even when part of its prompt is a cache hit". Cache-Lesezugriffe zählen zur Prompt-Länge. Ein RAG-System, das großzügig Kontext einblendet, oder ein Agent im zwanzigsten Schritt kippt damit von 0,10 $ auf 0,50 $, ohne dass jemand einen Schalter umlegt.
• Denk-Token. Adaptives Reasoning ist bei Haiku 5.5 standardmäßig an; Denkblöcke zählen zu den Ausgabe-Token und werden zu 0,50 $ je Million abgerechnet. Wie viele es sind, entscheidet das Modell je Anfrage. Für die Kostenplanung ist das eine Variable, die man mit dem effort-Parameter begrenzen muss.
• Der Tokenizer. Rund 30 % mehr Token für denselben Text gegenüber Haiku 4.5 — bei deutschen Texten mit langen Komposita ist der Aufschlag eher höher als niedriger. Jede Rechnung, die Token je Anfrage aus Haiku-4.5-Logs übernimmt, ist zu niedrig.
• Die Abkündigung. Anthropic sichert für Haiku 5.5 eine Verfügbarkeit „not sooner than October 7, 2027" zu — ein Jahr. Eine GPU wird über 36 bis 60 Monate abgeschrieben. Wer eine Anwendung auf ein API-Modell baut, plant mindestens einen Modellwechsel innerhalb der Hardware-Lebensdauer ein, mit Neu-Evaluation, Prompt-Anpassung und — wie die Migrationshinweise zeigen — Breaking Changes bei Sampling-Parametern und Prefill.

Keiner dieser Punkte spricht gegen Haiku 5.5. Alle vier sprechen dagegen, den Schlagzeilenpreis mit 1.500 Token zu multiplizieren und das Ergebnis Kostenplanung zu nennen.

/06Jenseits des Preises: Datenhoheit, Vorhersagbarkeit, Latenz, Audit

Wenn der Preisvergleich bei kleinen und mittleren Volumina für die API ausgeht, bleiben vier Gründe für eigene Hardware, die kein Preis je Million Token berührt. Sie sind keine Ausflucht, sondern die eigentliche Entscheidungsgrundlage für die Häuser, die wir betreuen.

Datenhoheit. Mandatsakten, Patientendaten, Konstruktionszeichnungen, Gehaltslisten verlassen bei einer API das Haus — auf Grundlage eines Auftragsverarbeitungsvertrags, unter dem Recht des Anbieters, mit dessen Subunternehmern. Für viele Häuser ist das vertretbar; für manche ist es ausgeschlossen, und für diese ist der Preis der API unerheblich, weil sie sie nicht nutzen dürfen. On-Premise ist dann keine Kostenfrage, sondern die Voraussetzung dafür, überhaupt KI einzusetzen.

Vorhersagbarkeit. API-Preise sind Listenpreise mit Kündigungsfrist null. In diesem Jahr haben wir über die DeepSeek-Preisreform vom August und die Verdopplung der GPT-5.5-Token-Preise berichtet; Haiku 5.5 ist die Bewegung in die andere Richtung. Beides zeigt dasselbe: Der Preis, mit dem Sie heute rechnen, ist nicht der Preis, mit dem Sie in achtzehn Monaten abrechnen. Eigene Hardware hat ihren Preis am Kauftag — danach bleiben Strom, Wartung und Support, und die stehen im Vertrag.

Latenz und Verfügbarkeit. Ein lokales Modell antwortet aus dem eigenen Rack, ohne Internetstrecke, ohne Lastspitzen anderer Kunden, ohne Rate-Limits. Für interaktive Anwendungen ist die Latenz bis zum ersten Token oft wichtiger als der Durchsatz — und für eine Produktionsstraße zählt, dass die Anwendung auch dann läuft, wenn der Anbieter ein Problem hat.

Audit. Welches Modell hat am 3. März welche Antwort erzeugt, mit welchen Gewichten, welchem System-Prompt, welcher Konfiguration? Im eigenen Betrieb ist das eine Frage an das Protokoll. Bei einer API ist es eine Frage an den Anbieter, dessen Modell hinter derselben Kennung still aktualisiert werden kann. Für Häuser, die nach der KI-Verordnung protokollieren müssen oder einem Prüfer gegenübersitzen, ist das der Punkt, an dem die Entscheidung fällt.

/07Wann eigene Hardware die falsche Wahl ist

Ehrlich: Nach dem 7. Oktober 2026 ist eigene Hardware in mehr Fällen die falsche Wahl als davor. Konkret:

• Kleines Volumen, unkritische Daten. Ein Haus mit zehn Nutzern, die gelegentlich Texte zusammenfassen und dabei keine Personendaten verarbeiten, zahlt mit Haiku 5.5 im Jahr weniger, als ein GPU-Server an Strom kostet. Hier ist eine GPU eine Liebhaberei.
• Aufgaben, die nur ein Spitzenmodell löst. Wenn Ihr Eval-Set zeigt, dass ein lokales 27-B- oder 70-B-Modell die Aufgabe nicht löst, Opus oder Fable aber schon, dann vergleicht die Referenzrechnung Äpfel mit Birnen: Die Alternative zur API ist dann kein eigener Server, sondern keine Lösung.
• Sporadische Lastspitzen. Wer zweimal im Jahr 500.000 Dokumente klassifiziert und sonst nichts, kauft keine Hardware für die Spitze; der Batch-Betrieb von Haiku 5.5 zu 0,05 $ je Million Eingabe-Token ist für genau diesen Fall gebaut.
• Kein Betriebsteam. Eine GPU, die niemand überwacht, patcht und bei Ausfall ersetzt, ist teurer als jede API — nicht im Preis, sondern im Ausfall. Wer das Team nicht hat, holt es sich als Managed Service oder bleibt bei der API.
• Die Entscheidung soll den Preis von heute festschreiben. Wer eigene Hardware kauft, weil die API gestern teuer war, hat am 7. Oktober gelernt, dass Preise fallen. Wer sie kauft, weil Daten im Haus bleiben müssen, hat am 7. Oktober nichts gelernt, was die Entscheidung ändert.

Die Referenzrechnung bleibt für den Fall stehen, für den sie gemacht ist: 100.000 Anfragen je Monat an ein Modell der Spitzenklasse. Für alle anderen Fälle ersetzt sie der Rechner mit Ihren Zahlen.

/08Entscheidung: nach Volumen und Datenlage

Zwei Achsen, vier Felder. Die Datenlage entscheidet, ob die API überhaupt in Frage kommt; das Volumen entscheidet, ob sich Hardware rechnet. Die Reihenfolge ist wichtig: erst Daten, dann Geld.

Daten dürfen raus, Volumen klein (unter einer Million Token je Tag): API, und zwar das kleinste Modell, das Ihr Eval-Set besteht. Haiku 5.5 ist dafür am 11. Oktober 2026 der Preisanker. Keine Hardware, auch keine 24-GB-Karte, es sei denn, sie steht ohnehin herum.

Daten dürfen raus, Volumen groß (Agenten, lange Kontexte, viele Nutzer): rechnen. Mit 30.000 Token je Anfrage und mehr kippt die Rechnung schon gegen Sonnet-Preise in Monaten, gegen Haiku erst bei sehr hohem Volumen oder vielen Prompts über der 100.000-Token-Schwelle. Hier ist ein hybrider Betrieb oft die beste Antwort: lokales Modell für die Masse, API für die Spitze, beides hinter einem Gateway, das protokolliert, was wohin geht.

Daten dürfen nicht raus, Volumen klein: eigene Hardware in der kleinsten Stufe, die die Aufgabe trägt — oft eine 24-GB-Karte mit einem 27-B-Modell, als Managed Service oder im eigenen Serverraum. Der Preisvergleich mit der API ist hier gegenstandslos; die Frage ist nur, wie klein die Stufe sein darf.

Daten dürfen nicht raus, Volumen groß: der Fall der Referenzrechnung, und der Fall, in dem eigene Hardware auch gegen Haiku-Preise die einzige Option ist. GPU-Server ab rund 15.000 €, 192 GB VRAM im Vollausbau, Proof of Concept mit Ihren Daten in 2 bis 4 Wochen kostenlos, bevor Sie kaufen.

In der Praxis liegen die meisten Mittelständler, die uns ansprechen, im dritten und vierten Feld — nicht, weil sie den Preis nicht gerechnet hätten, sondern weil ihre Datenschutzbeauftragten, Betriebsräte oder Aufsichten die erste Achse längst entschieden haben. Für sie ändert Haiku 5.5 die Rechnung nicht. Für alle anderen ändert es sie erheblich, und das sagen wir ihnen.

/09Ihre Zahlen statt unserer: die Rechnung zum Nachvollziehen

Die Tabelle aus Abschnitt /03 ist keine Behauptung, sondern eine Formel. Wer sie mit eigenen Werten füllen will, braucht sieben Zeilen Python — dieselbe Logik wie im TCO-Rechner auf unserer Seite, nur mit getrennten Ein- und Ausgabepreisen:

# tco.py — Beispielrechnung mit eigenen Annahmen; Preise in $ je Million Token
anfragen_monat = 100_000
tok_in, tok_out  = 1_000, 500            # Token je Anfrage
preis_in, preis_out = 0.10, 0.50         # Claude Haiku 5.5, Prompt bis 100k (Stand 11.10.2026)
hardware_36m = 55_000                    # Referenzrechnung: Hardware + Setup + Strom + Support

kosten_anfrage = (tok_in * preis_in + tok_out * preis_out) / 1e6
api_monat = anfragen_monat * kosten_anfrage
print(f"API je Anfrage: {kosten_anfrage*100:.3f} Cent | je Monat: {api_monat:,.0f} $ | 36 Monate: {api_monat*36:,.0f} $")
print(f"Break-even Hardware: {hardware_36m/api_monat:.0f} Monate" if api_monat else "–")
print(f"Nötige Anfragen/Monat für Break-even in 36 Monaten: {hardware_36m/36/kosten_anfrage:,.0f}")

# Ausgabe:
# API je Anfrage: 0.035 Cent | je Monat: 35 $ | 36 Monate: 1,260 $
# Break-even Hardware: 1571 Monate
# Nötige Anfragen/Monat für Break-even in 36 Monaten: 4,365,079

Ändern Sie drei Zahlen und die Antwort dreht sich: tok_in = 25_000 für eine Dokumentenanalyse, preis_in, preis_out = 2.0, 10.0 für ein Modell der Sonnet-Klasse, oder preis_in, preis_out = 0.50, 2.50 für Prompts über der 100.000-Token-Schwelle. Was die Formel nicht enthält — Datenhoheit, Preisänderungen, Modellabkündigung, Latenz, Audit — steht in Abschnitt /06, und das ist kein Versehen: Diese Posten lassen sich nicht in Dollar je Million Token ausdrücken. Sie lassen sich nur entscheiden.