Credit-Rechner

Überblick

Der Credit-Rechner hilft Ihnen, den ungefähren Credit-Verbrauch für KI-Optimierungen vorab einzuschätzen.

Funktionsweise

Bevor Sie eine KI-Optimierung starten, zeigt Ihnen das System eine Schätzung der benötigten Credits an. So behalten Sie die volle Kostenkontrolle.

Einflussfaktoren

Der Credit-Verbrauch hängt von folgenden Faktoren ab:

  • Textlänge — Längere Produktbeschreibungen benötigen mehr Credits
  • Anzahl der Felder — Je mehr Felder optimiert werden, desto höher der Verbrauch
  • Anzahl der Sprachen — Übersetzungen in mehrere Sprachen erhöhen den Verbrauch

Kostenübersicht

Die genauen Credit-Kosten pro Optimierung finden Sie in Ihrem Kundenportal unter Abrechnung → Verbrauch.

Tipps zur Kostenkontrolle

  1. Vorschau nutzen — Prüfen Sie die Kostenschätzung vor dem Start
  2. Felder auswählen — Optimieren Sie nur die Felder, die Sie wirklich benötigen
  3. Batch-Größe planen — Starten Sie mit einer kleinen Testgruppe

!!! info “Fragen zur Abrechnung?”
Bei Fragen zu Credits und Kosten wenden Sie sich an unser Support-Team unter support@mateit.de.

title: Credit-Calculator
description: Kreditkosten für LLM-Aufrufe im Voraus berechnen
order: 7

Credit-Calculator

Der Credit-Calculator ermöglicht es Administratoren, die voraussichtlichen Credit-Kosten für einen LLM-Aufruf im Voraus zu berechnen — bevor Credits tatsächlich reserviert oder verbraucht werden.

Nur für Administratoren

Der Credit-Calculator ist ein Admin-Endpoint (require_admin). Kunden sehen ihre Credit-Kosten nach der Ausführung in der Transaktionshistorie.

Was ist der Credit-Calculator?

Ein Read-Only-Werkzeug, das anhand von Modell, Input- und Output-Token-Zahlen die erwarteten Kosten berechnet. Das System prüft dabei die aktuellen Preise bei allen konfigurierten Providern (Cortecs, Requesty) und konvertiert die USD-Kosten über den credit_per_usd-Faktor in Credits.

Vorteil Beschreibung
Kostenplanung Vorhersage der Credit-Kosten vor dem eigentlichen Aufruf
Provider-Vergleich Sofort sichtbar, welcher Provider günstiger ist
Fallback-Erkennung Warnung, wenn kein Provider-Preis gefunden wurde

Multi-Provider-Pricing

Der ITscope Connector unterstützt zwei LLM-Provider gleichzeitig:

Provider Beschreibung
Cortecs 欧洲 KI-Provider mit wettbewerbsfähigem Pricing
Requesty Multi-Model-Router (OpenAI, Anthropic, etc.)

Preisauflösung

  1. Das System sucht den Modell-Preis in cortecs_models.
  2. Falls nicht gefunden, wird requesty_models geprüft.
  3. Falls kein Treffer: Default-Pricing aus app_settings wird verwendet (is_fallback = true).

credit_per_usd

Der Umrechnungsfaktor credit_per_usd bestimmt, wie viele Credits 1 USD entsprechen. Dieser Wert wird in den App-Settings konfiguriert und gilt plattformweit.

API-Nutzung

Endpunkt

GET /api/v1/admin/llm/credit-calculator

Parameter

Parameter Typ Pflicht Beschreibung
model string Ja Modell-ID, z.B. openai/gpt-4o
input_tokens integer Ja Anzahl Input-Token
output_tokens integer Ja Anzahl Output-Token

Beispiel

curl -X GET "https://api.connector.mateit.de/api/v1/admin/llm/credit-calculator?model=openai/gpt-4o&input_tokens=1000&output_tokens=500" \
  -H "Authorization: Bearer <admin-jwt>"

Response

{
  "model": "openai/gpt-4o",
  "provider": "requesty",
  "input_price_per_1m": 2.5,
  "output_price_per_1m": 10.0,
  "input_cost_usd": 0.0025,
  "output_cost_usd": 0.005,
  "total_cost_usd": 0.0075,
  "input_credits": 3.75,
  "output_credits": 7.5,
  "total_credits": 11,
  "is_fallback": false,
  "credit_per_usd": 1500.0
}

Fallback-Response

Wenn das Modell in keinem Provider-Preisverzeichnis gefunden wird:

{
  "model": "custom/model-xyz",
  "provider": "fallback",
  "is_fallback": true,
  "total_credits": 15,
  ...
}
Fallback

Bei is_fallback: true basiert die Berechnung auf Default-Preisen. Die tatsächlichen Kosten können abweichen.

Typische Anwendungsfälle

  1. Kostenabschätzung — Wie viele Credits kostet eine Batch-Anreicherung mit 500 Produkten?
  2. Modell-Vergleich — Welches Modell ist für den Anwendungsfall am wirtschaftlichsten?
  3. Budget-Planung — Wie viele Credits müssen für den kommenden Monat eingeplant werden?
  4. Debugging — Warum hat ein bestimmter Aufruf mehr Credits verbraucht als erwartet?

Weiterführende Artikel