Dieselbe Frage kann bei einer KI auf Französisch mehr kosten als auf Englisch, weil beide Fassungen nicht unbedingt in gleich viele Tokens zerlegt werden. In einem Vergleich von 1.997 übersetzten Pressesätzen, den Alain Goudey im Oktober 2026 vorstellte, benötigten französische Versionen je nach Tokenizer 1,31- bis 1,58-mal so viele Tokens wie englische. Das kann API-Kosten und die verarbeitbare Textmenge beeinflussen.

Der Unterschied fällt kaum auf: Auf dem Bildschirm wirken beide Anfragen gleichwertig. Für das verarbeitende System beanspruchen sie jedoch unterschiedlich viel Platz. Sprachliche Gleichberechtigung betrifft also nicht nur die Qualität der Antworten, sondern auch die Art, wie Maschinen unsere Eingaben zählen.

Warum benötigt ein französischer Satz mehr Tokens?

Ein Sprachmodell erhält nicht einfach durch Leerzeichen getrennte Wörter. Ein Tokenizer zerlegt Text in Einheiten, sogenannte Tokens. Eine Einheit kann ein ganzes Wort, einen Wortteil, ein Satzzeichen oder ein Leerzeichen umfassen. Seltene oder erfundene Begriffe können in mehrere Teile zerfallen.

Das ist keine allgemeingültige Grammatikregel, sondern hängt vom Tokenizer des Modells ab. Derselbe Abschnitt kann in zwei Systemen unterschiedliche Werte ergeben. Nur die Wörter französischer und englischer Texte zu vergleichen, heißt deshalb, mit der falschen Einheit zu rechnen.

Auch Sprache und Schriftsystem spielen eine Rolle. Rest of World betont, dass die Seltenheit einer Sprache die Unterschiede nicht allein erklärt. Teklehaymanot und Nejdl stellten 2025 Schwierigkeiten bei bestimmten nichtlateinischen Schriften und morphologisch komplexen Sprachen fest. Daraus ergibt sich keine endgültige Rangliste aller Sprachen.

Wie teuer kann dieser Unterschied werden?

Bei APIs mit Token-Abrechnung muss man Eingabe- und Ausgabetokens unterscheiden. Mehr Eingabetokens können diesen Rechnungsteil bei gleichem Tarif verteuern. Der Gesamtpreis hängt aber auch von der Antwortlänge und den Preisen des jeweiligen Modells ab.

Goudeys Vergleich zeigt konkret: Bei 1.997 übersetzten Sätzen benötigte Französisch je nach Tokenizer 31 bis 58 Prozent mehr Tokens als Englisch. Das ist weder ein automatischer Aufschlag der Anbieter noch eine feste Regel für jeden Prompt, sondern ein Messergebnis aus einem bestimmten Korpus.

Rest of World berichtete im Oktober 2026 bei zwanzig Sprachen von Unterschieden um den Faktor 1,5 bis 5 zwischen den Extremen. Bei zweihundert Sprachen erreichte die Differenz in einem Modell sogar den Faktor 17. Das zeigt eine infrastrukturelle Ungleichheit, sagt aber nichts über die Kosten der nächsten französischsprachigen Unterhaltung aus.

Warum bleibt dadurch weniger Platz für Dokumente?

Der Preis ist nur die sichtbare Seite. Jedes Modell hat ein begrenztes, ebenfalls in Tokens gemessenes Kontextfenster. Darin teilen sich aktuelle Frage, frühere Nachrichten, Dokumente und die zu erzeugende Antwort den Platz. Ein belegter Token steht anderswo nicht mehr zur Verfügung.

Beispiel aus dem Beruf: Ein langer Dialog begleitet mehrere zu prüfende Dokumente. Verbrauchen Dialog und Dokumente mehr Tokens, bleibt weniger Kapazität für weitere Unterlagen oder wichtige Vorgeschichte. Das betrifft nicht nur das Budget, sondern auch die Informationen, die das Werkzeug beim Antworten berücksichtigen kann.

So bekommt „Zugang zu KI-Werkzeugen“ eine konkrete Bedeutung. Zwei Menschen mit demselben Modell und Kontextlimit können in ihren Sprachen unterschiedlich viel nutzbaren Inhalt unterbringen. Das beweist nicht, dass Antworten in einer Sprache immer schlechter sind; die Arbeitsreserve kann aber unterschiedlich groß sein.

Wie lässt sich der Unterschied selbst messen?

Suche keinen universellen Prozentsatz, sondern führe einen wiederholbaren Test durch. Wähle eine typische Anweisung, einen Dokumentauszug oder eine häufige Frage. Erstelle inhaltlich möglichst gleiche französische und englische Fassungen. Vergleiche keine ausführliche Anfrage mit einer Zusammenfassung.

• Wähle das geplante Modell. Der Tokenizer ist ebenso wichtig wie die Sprache; andere Modelle können andere Ergebnisse liefern.
• Zähle beide Eingaben getrennt. Vergleiche Tokens statt bloß Wörter oder Zeichen.
• Schätze auch die Ausgabe. Lange Antworten verändern die Bilanz; berücksichtige Eingabe- und Ausgabepreise.
• Wiederhole den Versuch mit typischen Texten. Ein einzelnes Beispiel bildet den Alltag nicht unbedingt ab.

Mit dem Vantaige-Rechner lassen sich Text einfügen, Anbieter und Modell auswählen sowie Tokenzahl und API-Kosten schätzen. Das ist ein praktischer Ausgangspunkt, keine verbindliche Rechnung: Die tatsächlich erzeugte Textmenge kann abweichen.

Vergiss beim Vergleich der Tokenizer nicht die Preise. Ein APIYI-Test meldete bei der französischen Übersetzung desselben chinesischen Artikels 1.630 Ausgabetokens mit Gemini 3 Flash und 812 mit DeepSeek V3.2. Diese Werte allein zeigen nicht, welches Modell günstiger ist.

Sollte man also auf Englisch mit KI schreiben?

Nicht grundsätzlich. Wer auf Französisch arbeitet, kann französische Anweisungen leichter prüfen, korrigieren und ins Enddokument übernehmen. Englisch lohnt sich als Test bei großen Mengen oder hohen API-Kosten, gewinnt aber nicht automatisch. Vergleiche die ganze Aufgabe, nicht einen isolierten Satz.

Entscheidend ist für mich nicht, alle zum Sparen in eine dominante Sprache zu drängen, sondern die Kosten sichtbar zu machen. Nutzer sollten den Kapazitätsbedarf ihres Textes vor der Modellwahl oder einem großen Dokument kennen. Messbare Grenzen lassen sich diskutieren; unsichtbare wirken schnell wie Naturgesetze.

Häufig gestellte Fragen

Warum brauchen gleich lange Texte unterschiedlich viele Tokens?

Weil Tokenizer nicht zwangsläufig Wort für Wort zerlegen. Die Einheiten hängen von Wörtern, Sprache, Schrift und Modell ab. Optisch gleich lange Texte können daher verschiedene Tokenzahlen haben.

Ist Französisch immer teurer als Englisch?

Nein. Goudeys Vergleich von 1.997 übersetzten Sätzen zeigte einen Mehrverbrauch auf Französisch, dessen Höhe aber vom Tokenizer abhing. Für konkrete Anfragen muss man beide Fassungen zählen und die Modellpreise anwenden.

Was bedeutet das für die Dokumentenanalyse?

Das begrenzte Kontextfenster muss Nachrichten, Dokumente und Antwort aufnehmen. Benötigt derselbe Inhalt mehr Tokens, bleibt weniger Raum für anderes. Wie stark sich das auswirkt, hängt von Modell, Text und Gespräch ab.

Wie prüfe ich die Kosten meiner Fragen?

Formuliere zwei inhaltlich gleiche Versionen und zähle die Tokens mit dem Tokenizer des Zielmodells. Vantaige kann Tokenzahl und API-Kosten schätzen. Trenne Eingabe und Ausgabe und betrachte die Werte als Schätzung.