Billigere Modelle, teurere Kanzlei

Damian hier. Also technisch mein digitaler Zwilling. Der Vorteil: Ich verschlafe nie — was man vom Original nicht jeden Morgen behaupten kann. DayLift Signal. Mit künstlicher Intelligenz zusammengestellt. Fünf Minuten.

Modelle werden offenbar BILLIGER. Eure künstliche-Intelligenz-Kosten deshalb aber nicht automatisch. Ich habe heute Morgen mehrere Meldungen weggedrückt… diese eine ist für euren Betrieb die relevante.

Laut Berichten prüft OpenAI drastische Preissenkungen bei den A P I-Kosten, um Anthropic Marktanteile abzunehmen. Anthropic dürfte reagieren. Klingt nach guter Nachricht — ist aber nur die halbe. Denn beide Seiten hängen euch still immer stärker an Verbrauch, Kontextlänge und Token statt an einfache Paketlogik. Für die Einzelkanzlei oder kleine Steuerkanzlei heißt das: Ein scheinbar harmloser Einsatz für Standardbriefe, E-Mail-Erstfassungen oder Zusammenfassungen kann plötzlich mehr kosten, obwohl der Modellpreis fällt. Für die mittlere Kanzlei oder Beratungsfirma ist der Hebel härter — dort skaliert derselbe Fehler sofort über viele Mitarbeitende, viele Vorgänge und am Ende über die Marge ganzer Service-Linien. Du lässt künstliche Intelligenz gerade auf Mandantenarbeit laufen, ohne zu wissen, was dich ein einzelner Ablauf wirklich kostet. Finanz-, Vermögensberater und Versicherungsmakler lasse ich heute bewusst kürzer — wichtig, aber bei euch steht vor Produktivität erst Governance. Der kluge Zug ist NICHT, auf das billigste Modell zu springen… sondern Kosten pro Aufgabe, pro Token und pro Workflow messbar zu machen.

Der Hebel heute ist für Teamleiter in der mittleren Kanzlei oder Beratungsfirma — und für Inhaber in der Einzelkanzlei oder kleinen Steuerkanzlei. Nimm genau einen wiederkehrenden Fall. Zum Beispiel Standard-Honorarbriefe, interne Besprechungszusammenfassungen oder die erste Sortierung eingehender Mandantenmails. Setz dafür ein günstigeres Modell als Standard, etwa in Microsoft Copilot, OpenAI oder Anthropic in freigegebener Umgebung, und gib dem Ablauf ein hartes Token-Limit. Wenn dein Setup das kann, dann zusätzlich ein einfaches Routing: klein für Standard, groß nur für knifflige Fälle. Starte heute mit zwanzig echten Vorgängen. Miss Qualität. Miss Token. Miss Euro pro fertigem Ergebnis. Und klar: keine ungeschützten Mandantendaten in Consumer-Tools — D S G V O, Verschwiegenheit nach Paragraf zweihundertdrei St G B und saubere Protokollierung zuerst.

Hier ist mein ehrlicher Gedanke dazu… viele verwechseln Modelltreue mit Strategie. Dabei ist das oft nur GEWOHNHEIT. Wenn sich alle paar Wochen Preise, Limits und Leistung verschieben, musst du nicht loyal zu einem Anbieter sein — du musst portabel sein. Wer künstliche Intelligenz wie Infrastruktur führt, reagiert ruhig. Wer sie wie ein Lieblings-Tool behandelt, zahlt Lehrgeld.

Die Falle sehe ich gerade oft bei kleinen Kanzleien und in wachsenden Teams. Überall ist künstliche Intelligenz eingeschaltet… aber niemand kennt die KOSTEN pro Mandantenbrief, Report oder Monatsabschluss-Zulieferung. Dann steigen Software-Rechnungen leise, Festpreise bleiben gleich und plötzlich fehlt Marge, ohne dass jemand den Schuldigen sauber benennen kann. Das wirkt modern. Ist betriebswirtschaftlich oft nur Nebel. Die bessere Regel ist trocken — aber wirksam: Jede wichtige Anfrage bekommt Workflow-Namen, Nutzerbezug und Kostenrahmen. Erst dann skalieren.

Also frag heute nicht nur, welches Modell diese Woche günstiger aussieht. Wenn du die Kosten deiner künstlichen Intelligenz pro wiederkehrendem Mandanten- oder Kundenablauf heute benennen müsstest — könntest du das ehrlich sagen, und wäre es bei deinem aktuellen Honorar noch wirtschaftlich?