Zum Inhalt springen
LLM Pricing Calc
LLM-Preise zuletzt geprüft Preise der Voice-Anbieter

KI Voice Agent Kostenrechner: Kosten pro Minute und Anruf

Berechnen Sie, was ein KI-Telefonagent oder Voice Agent pro Minute, pro Anruf und pro Monat kostet, über den gesamten Stack aus STT, LLM, TTS und Telefonie, mit oder ohne Plattformgebühr von Vapi oder Retell.

Twilio USA ≈ $0.014 · Telnyx ≈ $0.007 · Web 0

Vapi ≈ $0.05 · Retell ≈ $0.07 · Eigenbau 0

Erweiterte Gesprächseinstellungen
Prompt Caching

Kosten pro Minute

$0.0381

Kosten pro Anruf

$0.1524

Monatlich gesamt

$2,318

Wohin das Geld fließt

KomponentePro MinutePro AnrufMonatlichAnteil
Speech-to-Text$0.0077$0.0308$468.4720%
LLM$0.0023$0.00918$139.636%
Text-to-Speech$0.0141$0.0564$858.3037%
Telefonie + Plattform$0.014$0.056$851.7637%

LLM: 16 Turns pro Anruf, 42.000 Input-Tokens, die über den Anruf hinweg erneut gelesen werden.

Pay-as-you-go-Listenpreise für Echtzeit-Nutzung (Streaming). Mengenrabatte und Enterprise-Tarife liegen darunter. TTS wird pro Zeichen abgerechnet; wir rechnen mit ~150 gesprochenen Wörtern pro Minute um (~825 Zeichen pro Minute Agent-Sprache).

Offizielle Preise: Deepgram ↗ · OpenAI ↗ · AssemblyAI ↗ · ElevenLabs ↗ · Cartesia ↗ · Twilio ↗ · Telnyx ↗ · Vapi ↗ · Retell ↗

LLM: Offizielle Preise ↗

Ratgeber

Was ein KI-Voice-Agent pro Minute kostet

Ein KI-Telefonagent ist eine Pipeline aus vier nutzungsbasiert abgerechneten Diensten, die in einer Schleife laufen: Speech-to-Text (STT) transkribiert den Anrufer, ein LLM entscheidet, was gesagt wird, Text-to-Speech (TTS) spricht die Antwort, und ein Telefonie-Anbieter stellt die Verbindung her. Jeder Dienst wird anders abgerechnet (pro Audiominute, pro Token, pro Zeichen und pro Gesprächsminute), weshalb sich Voice-AI-Preise kaum auf einen Blick vergleichen lassen. Der Rechner rechnet alles in Kosten pro Minute um. Mit den Standardwerten oben (500 Anrufe pro Tag, je 4 Minuten) kostet der Stack etwa $0.0381 pro Minute bzw. $2,318 im Monat.

Speech-to-Text (STT)

STT wird pro Audiominute abgerechnet, und der gesamte Anruf wird transkribiert, egal ob der Anrufer spricht oder nicht. Die Preise in diesem Rechner reichen von $0.001 bis $0.0077 pro Minute. Streaming ist wichtiger als der Preis: Batch-Transkription ist günstiger, aber ein Live-Agent braucht Teiltranskripte innerhalb weniger hundert Millisekunden, um reaktionsschnell zu wirken.

LLM

Das LLM ist meist der kleinste Posten, weil gesprochene Antworten kurz sind, doch es verhält sich wie jeder Multi-Turn-Agent: Jeder Turn sendet den System-Prompt und das bisherige Gespräch erneut. Bei 4 Turns pro Minute macht ein Anruf von 4 Minuten 16 LLM-Aufrufe und liest 42.000 Input-Tokens erneut. Prompt Caching hält das günstig. Lange Anrufe mit großen System-Prompts und ohne Caching sind der Punkt, an dem die LLM-Kosten steigen. Der LLM-Kostenrechner bildet dasselbe Kontextwachstum für Text-Agents ab, und die LLM-Preistabelle listet die Token-Preise hinter der LLM-Auswahl.

Text-to-Speech (TTS)

TTS wird pro erzeugtem Zeichen abgerechnet, und zwar nur für den Teil des Anrufs, in dem der Agent spricht. Bei etwa 825 Zeichen pro gesprochener Minute und einem Sprechanteil des Agents von 45 % braucht eine Gesprächsminute ~371 Zeichen. Damit liegt TTS je nach Stimme zwischen $0.00556 und $0.0371 pro Gesprächsminute, und Premium-Stimmen sind oft der größte Einzelposten im Stack.

Telefonie- und Plattformgebühren

Anbieter wie Twilio und Telnyx verlangen $0.007–$0.014 pro Minute für US-Telefonie, und ein WebRTC-Agent im Browser oder in einer App spart diesen Posten ganz. Managed-Plattformen wie Vapi und Retell schlagen eine Orchestrierungsgebühr von $0.05–$0.07 pro Minute auf die zugrunde liegenden Anbieter auf. Diese Gebühr bezahlt Turn-Taking, Umgang mit Unterbrechungen, Anrufweiterleitung und Analytics, deren Entwicklung echten Engineering-Aufwand erfordert. Mit dem Feld für die Plattformgebühr vergleichen Sie einen Managed-Stack mit einer Eigenentwicklung.

Latenz und Kosten von Voice Agents optimieren

Voice ist der eine LLM-Anwendungsfall, bei dem Latenz genauso zählt wie der Preis. Anrufer erwarten eine Antwort innerhalb von etwa 800 ms, nachdem sie einen Satz beendet haben, und dieses Budget teilen sich die STT- Finalisierung, die Time to First Token des LLM und die Time to First Audio der TTS. Die günstigsten Optionen sind oft auch die schnellsten:

  • Ein schnelles Mittelklasse- oder Budget-LLM wählen. Flagship- und Reasoning-Modelle fügen Sekunden an Denkzeit hinzu und kosten pro Token ein Vielfaches, bei geringem Nutzen für Gespräche nach Skript.
  • Alles streamen. Streaming-STT, Token-Streaming vom LLM und Streaming-TTS lassen die Stufen überlappen, statt sie nacheinander auszuführen.
  • System-Prompt kurz halten und cachen. Weniger Input-Tokens pro Turn bedeuten ein schnelleres erstes Token und eine niedrigere LLM-Rechnung.
  • Die Stimme zum Anruf passend wählen. Nutzen Sie Premium-TTS-Stimmen für Vertrieb und markensensible Gespräche und günstigere Stimmen für Erinnerungen, Umfragen und Routine-Support.
  • Anrufe sauber beenden. Erkennen Sie Mailbox und Stille früh und legen Sie auf, wenn die Aufgabe erledigt ist; jede Leerlaufminute kostet trotzdem STT und Telefonie.
  • Bei Volumen verhandeln. Ab etwa 100.000 Minuten pro Monat bieten STT-, TTS- und Plattformanbieter Rabatte für zugesagte Mindestmengen.

Bei sehr hohem Volumen kann es günstiger sein, das LLM oder ein Whisper-Modell selbst auf einer dedizierten GPU zu hosten, als pro Token oder pro Minute zu zahlen. Der Break-Even-Rechner für API vs. Self-Hosting zeigt, wo dieser Schnittpunkt liegt, und der LLM-VRAM-Rechner sagt Ihnen, welche GPU Sie bräuchten.

Weitere KI-Kostenrechner

FAQ zu Voice-Agent-Kosten

Was kostet ein KI-Voice-Agent pro Minute?

Ein selbst gebauter Stack (Streaming-STT + ein schnelles Mittelklasse-LLM + eine TTS mit niedriger Latenz + Twilio) kostet typischerweise $0.03–$0.10 pro Minute. Managed-Plattformen wie Vapi oder Retell schlagen eine Plattformgebühr von $0.05–$0.07/Min. auf, sodass Gesamtkosten von $0.10–$0.20 pro Minute üblich sind.

Welcher Teil eines Voice Agents kostet am meisten?

Meist Text-to-Speech. Premium-Stimmen wie ElevenLabs können 40–60 % der Rechnung ausmachen. Das LLM ist oft günstiger als erwartet, weil Sprachantworten kurz sind. Seine Kosten wachsen aber mit der Anrufdauer, da jeder Turn das gesamte Gespräch erneut sendet.

Wie werden die LLM-Kosten für einen Anruf berechnet?

Wir schätzen Turns = Turns pro Minute × Anrufdauer. Jeder Turn sendet den System-Prompt plus das bisherige Gespräch und erzeugt eine kurze Antwort. Mit aktivem Prompt Caching wird alles außer dem neuesten Wortwechsel zum Cache-Preis abgerechnet.

Wie werden die TTS-Zeichen geschätzt?

Menschen sprechen etwa 150 Wörter pro Minute, rund 825 Zeichen. Wir multiplizieren das mit dem Sprechanteil des Agents am Anruf (standardmäßig 45 %) und der Anrufdauer und wenden dann den Preis des Anbieters pro 1.000 Zeichen an.

Was kostet ein KI-Telefonagent pro Monat?

Multiplizieren Sie die Kosten pro Minute mit den monatlichen Gesprächsminuten. Mit den Standardwerten auf dieser Seite (500 Anrufe pro Tag, je 4 Minuten, ohne Plattformgebühr) kostet ein KI-Telefonagent etwa $0.0381 pro Minute, $0.1524 pro Anruf und $2,318 pro Monat. Eine Plattformgebühr von Vapi oder Retell von $0.05–$0.07 pro Minute erhöht das bei hohem Volumen erheblich.

Sind Vapi oder Retell günstiger als ein eigener Voice-Stack?

Pro Minute nicht: Managed-Plattformen berechnen ihre Orchestrierungsgebühr zusätzlich zu den Kosten für STT, LLM, TTS und Telefonie. Für kleine Teams sind sie insgesamt oft trotzdem günstiger, weil zuverlässiges Turn-Taking, Umgang mit Unterbrechungen, Anrufweiterleitung und Monitoring Monate an Entwicklungsarbeit kosten. Eine Eigenentwicklung lohnt sich meist ab einigen zehntausend Minuten pro Monat.

Wie kann ich die Kosten eines Voice Agents senken?

Nutzen Sie für Routineanrufe eine günstigere TTS-Stimme, halten Sie den System-Prompt kurz und gecacht, wählen Sie ein schnelles Mittelklasse-LLM statt eines Flagship-Modells, beenden Sie Anrufe zügig und verhandeln Sie Mengenpreise, sobald Sie ~100.000 Minuten pro Monat überschreiten.