Moss AI Token Cost Tracker: KI-Token-Ausgaben über Anbieter und Ihr Unternehmen hinweg im Blick behalten

Geschrieben vonAnna Katharina Bollé

September 18, 2026

KI & Intelligenz10 minutes

KI-Ausgaben verhalten sich zunehmend wie Ausgaben über Firmenkarten: Sie können überall im Unternehmen entstehen, während die Finanzabteilung häufig erst nach der Ausgabe sieht, wohin das Geld geflossen ist.

Unternehmen zahlen heute nicht nur für feste Sitzplätze, sondern auch für die tatsächliche Nutzung. Diese kann von Mitarbeitenden oder automatisierten Workflows ausgelöst werden und sich über mehrere Anbieter wie ChatGPT und Claude verteilen. Die Kosten entstehen im gesamten Unternehmen, die Verantwortung für die Rechnung liegt jedoch weiterhin bei der Finanzabteilung.

Deshalb haben wir den Moss AI Token Cost Tracker entwickelt. Er führt Anbieterdaten von OpenAi and Anthropiuc in einer lokalen, unternehmensweiten Übersicht zusammen, zeigt Kosten, Anfragen und Adoption im Zeitverlauf und ordnet Veränderungen Produktkategorien, Modellen, Teams, Personen, API-Keys und Workflows zu.

Folgen Sie dem Video-Tutorial und der schrittweisen Anleitung für Ihr Betriebssystem:

Clone and set up the moss-ai-token-cost-tracker tool for me. Act as my setup assistant using your file system and terminal access:
1. First check whether the current folder (or a `moss-ai-token-cost-tracker` subfolder) already contains this tool (look for server.mjs and index.html). If it's already there, run `git pull` inside that folder to get the latest changes, then skip straight to step 3.
2. Otherwise, clone the repo:
   git clone https://github.com/getmoss/moss-ai-token-cost-tracker
   then work from inside that folder, and check whether Git, nvm, and the Node.js version this repo's README requires are installed, installing or switching to whatever is missing.
3. Ask me whether I want to run it in production mode (connecting my real accounts with API keys) or demo mode (mocked data, so I can just see how it looks without any API keys). Wait for my answer before continuing.
4. Double check that everything needed is set up correctly, and then run `npm start` for production mode, or `npm run demo` for demo mode, based on my answer.
5. Watch the terminal output for errors. If something fails, diagnose the root cause, explain it to me in plain language, and either fix it or tell me exactly what to run.
6. Tell me the URL to open in my browser once the server is running.
7. Later, if I ask you to stop or restart the tool, do that for me.

Important: never read, print, or send the contents of my .env file, and never share any API keys or company data outside this terminal session.

Wie sich KI-Preise zusammensetzen: Sitzplätze plus Nutzung

KI-Angebote werden über feste Sitzplätze, verbrauchsabhängige Nutzung oder eine Kombination aus beidem abgerechnet. Die Nutzung wird häufig in Token gemessen, den kleinen Texteinheiten, die ein Modell verarbeitet und erzeugt. Als grobe Orientierung entsprechen 1.000 Token etwa 750 einfachen englischen Wörtern.

Die Kosten hängen unter anderem von Adoption, Anfragevolumen, Prompt- und Antwortlänge, Modellwahl und Token-Art ab. Premium-Modelle, lange Kontexte, wiederholte Versuche und mehrstufige Agenten können die Ausgaben erhöhen. Kürzere Eingaben, günstigere Modelle und zwischengespeicherte Token können sie senken.

Deshalb können selbst bei einer ähnlichen Anzahl von Anfragen sehr unterschiedliche Rechnungen entstehen.

KI-Ausgaben sind das Firmenkartenproblem über mehrere Anbieter hinweg

Die erste Herausforderung für die Finanzabteilung ist die Transparenz. Unternehmen nutzen häufig mehrere KI-Anbieter für unterschiedliche Aufgaben, etwa Claude für Programmierung und logikintensive Arbeit sowie ChatGPT für kreative Aufgaben und Bildgenerierung.

Der European SaaS & AI Spending Report 2026 von Moss zeigt, dass 67 Prozent der Unternehmen, die OpenAI und Anthropic ausprobiert haben, beide Anbieter weiterhin nutzen. Jedes Anbieter-Dashboard zeigt jedoch nur den eigenen Teil der Kosten. Dadurch sind sowohl die unternehmensweite Gesamtsumme als auch die zugrunde liegenden Nutzungsmuster schwerer zu analysieren.

Hinzu kommt ein Problem, das Moss bereits von Firmenkarten kennt: Wenn viele Menschen Ausgaben auslösen können, braucht die Finanzabteilung frühzeitig Transparenz. Bei KI setzen sowohl Mitarbeitende als auch automatisierte Workflows den Zähler in Gang. Workflows können im Hintergrund mehrere Aufrufe ausführen, wiederholen und zusätzliche Tools einbeziehen. Bis die zusammengeführte Rechnung eintrifft, ist das Geld bereits ausgegeben.

Diese Trennung zwischen den Personen und Systemen, die Kosten verursachen, und der Abteilung, die das Budget verantwortet, macht das Management von KI-Token-Ausgaben schwierig.

Eine einzige unternehmensweite Obergrenze ist dafür zu grob. Sie könnte sinnvolle Arbeit oder kundenorientierte Dienste unterbrechen. Finanzabteilung und IT brauchen stattdessen eine gemeinsame Übersicht über alle Anbieter und genügend Detailtiefe, um Kostenbewegungen auf Produkt, Modell, Team, Person, API-Key oder Workflow zurückzuführen.

Genau dafür haben wir den Moss AI Token Cost Tracker entwickelt. Er führt Anbieterdaten in einer Übersicht zusammen, die auf die Fragen der Finanzabteilung zugeschnitten ist. Sie zeigt nicht nur, dass sich die Kosten verändert haben, sondern hilft auch dabei, die wahrscheinlichsten Ursachen zu finden.

Deshalb haben wir den Moss AI Token Cost Tracker entwickelt

Der Moss AI Token Cost Tracker ist eine lokale Anwendung, die sich direkt mit den Admin-APIs von Anthropic und OpenAI verbindet. Er führt die verfügbaren Nutzungs- und Kostendaten aus den getrennten Anbieter-Dashboards auf Ihrem Computer in einer gemeinsamen Übersicht zusammen.

Die erste Version beantwortet zwei Fragen, die für die Finanzabteilung besonders wichtig sind:

1. Wie entwickeln sich unsere KI-Kosten?
2. Was treibt die Veränderung?

Der Tracker konzentriert sich zunächst auf Transparenz und Zuordnung. Er liefert genügend Kontext, um eine Veränderung einzuordnen und die nächste Frage an das zuständige Team weiterzugeben.

1. Sehen, wie sich KI-Ausgaben im Zeitverlauf entwickeln

Die Unternehmensübersicht verfolgt drei zentrale Signale:

• Gesamte KI-Kosten: die von den verbundenen Anbieter-APIs zurückgegebenen Ausgaben
• Nutzung: die Anzahl der Anfragen von Mitarbeitenden und automatisierten Prozessen
• Adoption: der Anteil aktiver Mitarbeitender auf Basis verfügbarer Sitzplatz- und Nutzungsdaten

Welche Werte verfügbar sind, hängt vom Anbieter, Tarif und den freigegebenen Admin-Daten ab. OpenAI und Anthropic stellen für berechtigte Unternehmenskonten Analysen zu Nutzung, Adoption und Kosten bereit.

Sie können die unternehmensweite Gesamtsumme betrachten, nach Anbieter aufschlüsseln und den aktuellen Zeitraum mit dem vorherigen vergleichen. Zusammen gelesen erzählen die drei Signale unterschiedliche Geschichten.

Steigen Kosten und Anfragen gemeinsam, wurde wahrscheinlich mehr KI genutzt. Steigen die Kosten bei weitgehend stabiler Anfragezahl, könnten sich Modellmix, Anfragegröße oder effektiver Tarif verändert haben. Steigt die Adoption, nutzen mehr Mitarbeitende die Tools. Anschließend lässt sich prüfen, ob die zusätzliche Nutzung breit verteilt ist oder sich auf bestimmte Teams und Workflows konzentriert.

Die Modellansicht zeigt außerdem die aktuellen öffentlichen Preise für Input-, Output- und zwischengespeicherte Token neben der tatsächlichen Nutzung. Diese Listenpreise dienen als Referenz und bilden nicht jede historische Abrechnung vollständig ab. Verträge, Caching, Verarbeitungsmodi und Preisänderungen können den tatsächlich gezahlten Tarif beeinflussen.

2. Nachvollziehen, was die Kosten verändert hat

Ausgehend von der Gesamtsumme können die Kosten über vier Perspektiven untersucht werden:

• Produktkategorie: Ausgaben nach Mitarbeitenden-Chats, Programmierwerkzeugen, kundenorientierten Funktionen und internen Automatisierungen aufschlüsseln. Der Vergleich von Kosten und Nutzung zeigt, welche Art von Aktivität am stärksten zu einer Veränderung beigetragen hat.
• KI-Modell: Ausgaben und Anfragen nach Modell mit den aktuellen Token-Preisen vergleichen. Bleibt die Anzahl der Anfragen stabil, während die Kosten steigen, kann geprüft werden, ob mehr Aufgaben über ein teureres Modell ausgeführt wurden und ob diese Leistungsstufe erforderlich ist.
• Team und Nutzende mit den höchsten Kosten: Erkennen, wo sich die Nutzung konzentriert, und einzelne Werte mit dem üblichen Muster des Teams vergleichen. Lange Sitzungen und wiederholte Versuche können die Kosten erhöhen. Ein hoher Wert ist jedoch zunächst ein Grund zur Prüfung und kein Beweis für Verschwendung.
• API-Key und Workflow: Automatisierte Abläufe identifizieren, die im Hintergrund weiterhin Anfragen ausführen. Ein ungewöhnlich aktiver API-Key, wiederholte Versuche oder schnelles Wachstum des Token-Volumens können auf zusätzliche Schritte oder eine Schleife hinweisen. Unser Leitfaden zu Ausgabenkontrollen für KI-Agenten zeigt mögliche Kontrollmaßnahmen.

Die Anbieter-APIs stellen dafür unterschiedliche Aufschlüsselungen bereit. OpenAI kann API-Nutzung unter anderem nach Projekt, Nutzer, API-Key, Modell und Verarbeitungsmodus gruppieren. Anthropic unterstützt Aufschlüsselungen nach API-Key, Workspace, Modell und weiteren Nutzungsmerkmalen.

Welche Zuordnung im Tracker sichtbar ist, hängt daher von den Daten ab, die der jeweilige Anbieter und Tarif bereitstellt.

Jede Ansicht ordnet die Einträge nach Kosten und zeigt, soweit verfügbar, ihren Anteil an der Gesamtsumme, die Veränderung zum Vorzeitraum, das Anfragevolumen und den durchschnittlichen Preis pro einer Million Token. Sobald eine Auffälligkeit in den Gesamtkosten sichtbar wird, helfen die vier Ansichten dabei, den wahrscheinlichsten Treiber einzugrenzen.

Die Finanzabteilung muss dafür keine Prompts umschreiben oder Caching selbst konfigurieren. Sie muss erkennen können, wer das nächste Gespräch führen sollte: das zuständige Team bei einer veränderten Modellwahl oder ungewöhnlichen Nutzung oder IT und Entwicklung, wenn ein Agent oder Workflow technische Grenzen benötigt.

So lassen sich KI-Kosten untersuchen, ohne sinnvolle Nutzung im Unternehmen pauschal einzuschränken.

So installieren und verbinden Sie den Moss AI Token Cost Tracker über GitHub

Folgen Sie der Videoanleitung für Mac oder Windows. Sie führt Schritt für Schritt durch die Einrichtung und zeigt genau, welche Befehle Sie kopieren und in das Terminal beziehungsweise in PowerShell einfügen müssen.

Der Tracker benötigt einen GitHub-Zugang, Node.js und ein Terminal. Die Anleitung im Repository erklärt jeden Schritt und enthält zusätzliche Videos, sodass auch Personen ohne technischen Hintergrund der Einrichtung folgen können. Bei Problemen kann Ihre IT- oder Entwicklungsabteilung unterstützen.

Clone and set up the moss-ai-token-cost-tracker tool for me. Act as my setup assistant using your file system and terminal access:
1. First check whether the current folder (or a `moss-ai-token-cost-tracker` subfolder) already contains this tool (look for server.mjs and index.html). If it's already there, run `git pull` inside that folder to get the latest changes, then skip straight to step 3.
2. Otherwise, clone the repo:
   git clone https://github.com/getmoss/moss-ai-token-cost-tracker
   then work from inside that folder, and check whether Git, nvm, and the Node.js version this repo's README requires are installed, installing or switching to whatever is missing.
3. Ask me whether I want to run it in production mode (connecting my real accounts with API keys) or demo mode (mocked data, so I can just see how it looks without any API keys). Wait for my answer before continuing.
4. Double check that everything needed is set up correctly, and then run `npm start` for production mode, or `npm run demo` for demo mode, based on my answer.
5. Watch the terminal output for errors. If something fails, diagnose the root cause, explain it to me in plain language, and either fix it or tell me exactly what to run.
6. Tell me the URL to open in my browser once the server is running.
7. Later, if I ask you to stop or restart the tool, do that for me.

Important: never read, print, or send the contents of my .env file, and never share any API keys or company data outside this terminal session.

Ein verbundener Anbieter reicht für den Einstieg aus. Wenn Sie Anthropic und OpenAI verbinden, können Sie die Daten beider Anbieter in einer gemeinsamen Übersicht vergleichen.

Welche Daten nutzt der Moss AI Token Cost Tracker?

Der Moss AI Token Cost Tracker läuft lokal auf Ihrem Computer, auch wenn er sich im Browser öffnet. Ihre Admin-API-Keys und Ausgabendaten bleiben auf Ihrem Gerät. Moss empfängt oder speichert weder die Schlüssel noch die abgerufenen Ausgabendaten.

Die Anwendung verbindet sich direkt mit den Anbieter-APIs, verarbeitet die Daten lokal und aktualisiert sie auf Ihrem Computer. Dafür sind keine separate Datenpipeline, kein Data Warehouse und kein externes Hosting erforderlich.

Der Tracker kann ausschließlich die Nutzungs- und Kostenmetadaten abrufen, die über die jeweiligen Anbieter-APIs verfügbar sind. Wenn eine Kennzahl nur von einem Anbieter oder Tarif bereitgestellt wird, wird dies in der Anwendung entsprechend gekennzeichnet.

Je nach Datenverfügbarkeit kann die Anwendung abrufen:

• Kosten, Anfragen und Adoption
• Produkte, Modelle, Teams und Nutzende
• Nutzung nach API-Key, Projekt oder Workflow
• Sitzplatznutzung und Aktivität

Sie ruft nicht ab:

• Prompts, Anweisungen oder Modellantworten
• Konversationsinhalte
• hochgeladene Dateien oder interne Dokumente

Admin-API-Keys bleiben sensible Zugangsdaten. Geben Sie sie ausschließlich in der lokalen Anwendung ein, niemals in E-Mails, Slack-Nachrichten oder Support-Anfragen. Befolgen Sie außerdem die internen Vorgaben Ihres Unternehmens für die sichere Übertragung, Speicherung und Rotation von Zugangsdaten.

Der Token-Zähler läuft weiter. Die Finanzabteilung sollte jedoch nicht bis zur nächsten Rechnung warten müssen, um zu verstehen, warum sich die Kosten verändern und wie sie sich weiterentwickeln könnten.