KI-Margenrechner
Schätzen Sie kostenlos online die Brutto- und Betriebsmargen Ihrer KI-Produkte und -Services. Modellieren Sie LLM-API-Kosten, Compute, Speicher, Personalkosten in den COGS und Betriebsausgaben für eine vollständige GuV, Unit Economics und Kennzahlen zur KI-Kosteneffizienz – schnell, sicher und vollständig privat.
Estimate gross margins and operating margins for AI products and services. Enter your revenue, AI API costs, infrastructure, people costs, and operating expenses to see a complete P&L breakdown.
Revenue
COGS - AI & Infrastructure
COGS - People
Operating Expenses (OpEx)
Gross Margin
52.9%
Operating Margin
4.9%
Gross Profit (Monthly)
$26.4K
Op. Income (Monthly)
$2.4K
P&L Summary (Monthly)
Per-Customer Unit Economics
ARPU / Mo
$500.00
COGS / Customer / Mo
$235.71
Gross Profit / Customer
$49,764.29
Unit Gross Margin
99.5%
AI Cost Efficiency
Was der KI-Margenrechner berechnet
Bei KI-Produkten hängt die Bruttomarge vor allem davon ab, was jedes ausgelieferte Token kostet und wie die Ausgaben zwischen COGS und Betriebsausgaben verteilt sind. Dieser Rechner trennt beides, damit Sie die echte Rentabilität pro Kunde sehen.
Geben Sie Umsatz, API- und Compute-Kosten, dem COGS zugeordnetes Personal und Betriebsausgaben ein, um den vollständigen GuV-Wasserfall zu erhalten.
- Bruttomarge und Betriebsmarge auf derselben Umsatzbasis.
- COGS-Aufschlüsselung für KI: APIs, Compute, Speicher und Personal.
- Unit Economics pro Kunde und ARPU-Analyse.
- Kennzahl Umsatz pro 1 $ KI-Kosten.
- Szenariovergleich: COGS −20 % gegenüber Umsatz +20 %.
COGS oder Betriebsausgabe: wo was hingehört
Eine falsche Zuordnung verändert die Bruttomarge und lässt das Geschäft profitabler erscheinen als es ist. Kosten, die mit der Nutzung steigen, gehören in die COGS; Fixkosten für Aufbau und Vertrieb in die Betriebsausgaben.
- Summieren Sie LLM-API-, Embedding- und Inferenz-Compute-Kosten pro Kunde.
- Ergänzen Sie Speicher, Vektordatenbanken und das Personal, das das Produkt betreibt.
- Ordnen Sie F&E, Vertrieb, Marketing und Verwaltung den Betriebsausgaben zu.
- Prüfen Sie Bruttomarge, Betriebsmarge und Umsatz pro 1 $ KI-Kosten.
So verbessern Sie die Marge eines KI-Produkts
Der schnellste Hebel ist meist der Preis pro Anfrage, nicht der Verkaufspreis. Prompts komprimieren, Anweisungen cachen und große Modelle nur dort einsetzen, wo sie nötig sind, kann mehrere Margenpunkte zurückbringen – ohne das Wertversprechen zu ändern.
- Kürzen Sie System-Prompts und senden Sie statischen Kontext nicht bei jedem Aufruf erneut.
- Nutzen Sie kleine Modelle zum Klassifizieren, Extrahieren oder Routen, große zum Schlussfolgern.
- Nutzen Sie Batch-Rabatte für Workloads ohne Echtzeitanforderung.
- Messen Sie die KI-Kosten pro Kunde monatlich und machen Sie sie zum Produktalarm.
Häufig gestellte Fragen
Ein KI-Margenrechner schätzt Brutto- und Betriebsmargen KI-gestützter Produkte und Services. Er modelliert Umsatz, COGS für KI-APIs und Infrastruktur, Personalkosten in den COGS sowie Betriebsausgaben und erzeugt daraus einen vollständigen GuV-Wasserfall, die Unit Economics pro Kunde und eine Kennzahl zur KI-Kosteneffizienz. Er läuft vollständig im Browser, ohne Registrierung, und keine Daten verlassen Ihr Gerät.
KI-API-Kosten (LLM-Tokens, Embedding-Aufrufe) werden direkt verbraucht, um das Produkt an jeden Kunden zu liefern – wie Cloud-Compute oder Datenbankkosten. Da sie mit Nutzung und Umsatz des Kunden skalieren, gehören sie in die Cost of Goods Sold. Variable KI-Kosten in der OpEx zu verbuchen würde die Bruttomarge überzeichnen und die echten Unit Economics verzerren.
Nein. Der Rechner läuft zu 100 % clientseitig in Ihrem Browser. MRR, Kundenzahl, Gehaltsangaben, API-Kosten und alle weiteren Finanzzahlen werden lokal auf Ihrem Gerät verarbeitet und niemals an einen Server gesendet. Ihre Geschäftsdaten sind vollständig privat und sicher.
SaaS-Investoren erwarten meist 70 % oder mehr Bruttomarge. KI-native Unternehmen liegen häufig bei 50–70 %, weil LLM-API-Kosten ins Gewicht fallen. Unter 50 % ist bedenklich – meist sind die KI-Kosten im Verhältnis zum Preis zu hoch, und die Marge sinkt beim Skalieren weiter, wenn nichts unternommen wird.
Die wirksamsten Hebel sind: (1) Prompt-Kompression – kürzere durchschnittliche Eingabe-Tokens durch besseres System-Prompt-Design; (2) Ausgabelimits – max_tokens setzen, um übermäßige Antworten zu verhindern; (3) Prompt-Caching – statische Anweisungen zwischenspeichern statt bei jeder Anfrage neu zu senden; (4) Wahl der Modellstufe – kleinere, günstigere Modelle für Routine-Klassifikation oder Extraktion; (5) Batch-Rabatte – für Nicht-Echtzeit-Workloads 50 % Rabatt bei den meisten großen Anbietern.
Der Umsatz pro 1 $ KI-Kosten misst, wie effizient Ihre KI-Investition in Umsatz fließt. Ein Verhältnis von 5 $ bedeutet: Jeder 1 $ für KI-API-Aufrufe erzeugt 5 $ MRR. Beim Skalieren sollte dieses Verhältnis steigen (KI-Kosten wachsen langsamer als der Umsatz). Ein sinkendes Verhältnis ist ein Warnsignal.
Personalkosten in den COGS betreffen Beschäftigte, die hauptsächlich das Produkt an Kunden liefern und betreiben: Customer-Success-Manager, DevOps-/SRE- und Infrastruktur-Engineers, die den Produktions-KI-Stack pflegen. Product Manager, Sales Engineers, Growth Engineers und allgemeine F&E-Engineers gehören in die OpEx (F&E-Zeile), nicht in die COGS.
Der Vergleich im COGS-Tab zeigt Ihre aktuelle Bruttomarge neben zwei hypothetischen Szenarien: eines mit 20 % niedrigeren COGS (Kostenoptimierung) und eines mit 20 % höherem Umsatz (Wachstum). So sehen Sie, ob Kostensenkung oder Umsatzwachstum bei Ihrer aktuellen Skalierung stärker auf die Bruttomarge wirkt.