# Cloud-LLM vs. Local AI-Agent: Kostenvergleich mit Praxisbeispiel > Was ein Agent für die Rechnungsverarbeitung mit einer Cloud-LLM-API kostet und was mit einem kleinen Modell auf eigener GPU, an einem echten Workflow. - Von: [Alexander Schnabl](https://www.alexschnabl.com/), S&S Technologies - Veröffentlicht: 30. Juli 2025 - Aktualisiert: 21. Oktober 2026 - Kategorie: Finanz - Quelle: https://www.sus-tech.com/de/blog/cloud-llm-vs-local-llm-cost-comparison-with-real-example Ein Dutzend Rechnungen landet im gemeinsamen Postfach. Ein **n8n-Workflow** holt die PDFs und Bilder ab, ein lokales **Small-Language-Model (SLM)** liest jede Rechnung und der Workflow legt jedes Dokument nach **Jahr, Monat und Lieferant** im ERP ab. Die Rechnungen verlassen Ihr Netzwerk nicht. Was würde derselbe Ablauf mit einem Cloud-Modell kosten und ab wann rechnet sich eigene Hardware? Dieser Beitrag rechnet es durch. Wie wir in unserem Beitrag zu [Kleine Sprachmodelle (SLMs): Agentic AI für Ihre Workflow-Automatisierung](https://www.sus-tech.com/de/blog/workflow-automation-with-slms) gezeigt haben, braucht es für fokussierte Aufgaben wie die Rechnungsablage keine großen Modelle. Unser Leitfaden [DSGVO & KI: Sicheres lokales Hosting für LLMs](https://www.sus-tech.com/de/blog/gdpr-safe-local-hosting-for-llms) erklärt, warum viele Unternehmen Rechnungen lieber im Haus behalten. --- ## Was ein Cloud-Modell pro Rechnung kostet Cloud-Modelle werden pro Token abgerechnet. Für eine Rechnung nehmen wir an: * rund 1 500 Tokens Text nach der OCR für eine einseitige Rechnung * rund 500 Tokens Anweisungen an das Modell * rund 300 Tokens Antwort: die ausgelesenen Felder als JSON GPT-4 Turbo kostet 10 $ pro Million Input-Tokens und 30 $ pro Million Output-Tokens ([OpenAI](https://developers.openai.com/api/docs/models/gpt-4-turbo)). Eine Rechnung kostet damit rund 3 Cent. Neuere Modelle wie GPT-4o kosten pro Token weniger. Was die Rechnung verändert, ist der Workflow. Ein Agent, der eine Rechnung liest, das Ergebnis prüft, sie einordnet und eine Notiz schreibt, ruft das Modell pro Dokument mehrmals auf: | Workflow | Rechnungen pro Monat | GPT-4 Turbo pro Monat | | --- | --- | --- | | Ein Modellaufruf pro Rechnung | 1 200 | rund 35 $ | | Ein Agent mit fünf Aufrufen pro Rechnung | 1 200 | rund 175 $ | | Derselbe Agent | 10 000 | rund 1 450 $ | Lange Dokumente wie Verträge oder Ausschreibungen erhöhen die Tokens pro Dokument auf dieselbe Weise. ## Ein lokaler KI-Agent für Rechnungen S&S Technologies kombiniert die Open-Source-Plattform **[n8n](https://n8n.partnerlinks.io/4t3y7zvzmyu3)** mit einem on-prem SLM, das speziell auf Dokumentenextraktion trainiert ist. Das Ergebnis ist ein durchgängig abgesicherter Workflow, der 1. Rechnungen erfasst: via E-Mail, SFTP, Dateisystem, NAS oder Scanner. 2. Text & Werte extrahiert: mit einem 13-B-Parameter-Modell auf einer **RTX 3060 (12 GB VRAM)**. 3. Klassifiziert: nach Jahr, Monat und Lieferant. 4. Speichert: PDF im ERP/DMS und Audit-Trail im ITSM-System. 5. Absichert: RBAC, versionierte Assets, vollständiges Logging - komplett offline. Hardware-Basis: eine **1 800 €-Workstation** (Intel Core i7, 32 GB RAM, Nvidia RTX GPU, 2 TB NVMe). Danach kostet ein Lauf ein paar Cent Strom. Keine Zusatzlizenzen, keine Per-User-Gebühren, keine Gebühr pro Token. ## Wie der Agent eine Rechnung verarbeitet 1. Ingestion: n8n überwacht das Postfach „Incoming-Invoices“, Dateisystem-Events oder jede beliebige Pipeline. 2. Extraktion: Das lokale SLM erhält den OCR-Text und liefert strukturiertes JSON für jede Rechnung. 3. Klassifikation: Aus Lieferant und Rechnungsdatum entsteht der Pfad `/Invoices/2025/07/LIEFERANT/`, wo PDF und Metadaten abgelegt werden. Der ganze Ablauf vom Postfach bis zum ERP bleibt in Ihrem Netz: ![Rechnungsverarbeitung mit lokaler KI: n8n holt die Rechnung ab, ein lokales SLM auf einer RTX 3060 liest die Felder aus und n8n legt sie im ERP ab](https://www.sus-tech.com/media/1280/local-ai-invoice-processing-workflow-de.png.webp) Der n8n-Workflow holt die Rechnung per E-Mail, SFTP, vom NAS oder vom Scanner ab und gibt den OCR-Text an das lokale SLM, ein 13-B-Modell auf einer RTX 3060. Das Modell liefert die Felder als JSON. Danach legt der Workflow das PDF nach Jahr, Monat und Lieferant im ERP oder DMS ab und schreibt einen Audit-Trail ins ITSM-System. RBAC, versionierte Assets und vollständiges Logging sichern jeden Schritt ab. ## Ab wann sich lokal rechnet Zum [Referenzkurs der EZB](https://www.ecb.europa.eu/stats/policy_and_exchange_rates/euro_reference_exchange_rates/html/eurofxref-graph-usd.en.html) vom 20. Oktober 2026 (1 € = 1,1215 $) entsprechen die 1 800 € für die Workstation rund 2 020 $. Daran gemessen fallen die drei Workflows aus der Tabelle oben sehr unterschiedlich aus: ![LLM-Kostenvergleich nach Workflow: GPT-4 Turbo für rund 35, 175 oder 1 450 $ im Monat und wann sich eine lokale Workstation rechnet](https://www.sus-tech.com/media/1280/llm-cost-comparison-cloud-vs-local-payback-de.png.webp) Die Cloud-Rechnung wächst mit jedem Modellaufruf von rund 35 $ auf rund 1 450 $ im Monat, die Workstation kostet in allen drei Fällen gleich viel: * Mit einem Modellaufruf pro Rechnung und 1 200 Rechnungen im Monat kostet die Cloud rund 35 $ im Monat. Die Workstation bräuchte Jahre, um sich zu bezahlen. Hier spricht der Datenschutz für den lokalen Betrieb, nicht der Preis. * Mit einem Agenten, der das Modell fünfmal pro Rechnung aufruft, kostet die Cloud rund 175 $ im Monat und die Workstation hat sich nach etwa einem Jahr bezahlt gemacht. * Bei 10 000 Rechnungen im Monat kostet derselbe Agent in der Cloud rund 1 450 $ im Monat. Die Workstation hat sich innerhalb von zwei Monaten bezahlt gemacht. Neben dem Preis: * Daten verbleiben im Unternehmen, das hilft bei DSGVO und internen Audits. * Keine Rate-Limits oder Preisänderungen eines Anbieters beim Periodenabschluss. * Eingebaute Governance: versionierte Workflows, RBAC, fälschungssichere Logs. ## Passt ein lokales LLM zu Ihnen? Prüfen Sie, ob Ihr Workflow ... * täglich viele oder lange Dokumente verarbeitet (Rechnungen, Verträge, Ausschreibungen), * das Modell pro Dokument mehrmals aufruft, wie es Agenten tun, * personenbezogene oder finanzielle Daten enthält oder * unter **Rate-Limits oder unvorhersehbaren API-Kosten** leidet. Treffen **zwei oder mehr Punkte** zu, lohnt sich ein genauerer Blick auf lokale KI. Unser Angebot: S&S Technologies startet einen **zweiwöchigen Pilot**: Wir messen Token-Volumen und Kosten Ihres aktuellen Workflows, deployen einen lokalen Agenten und liefern ein Kostenmodell samt Roadmap. **Automate. Optimize. Scale.** [Kontaktieren Sie unser Team](mailto:office@sus-tech.at), um noch dieses Quartal einen Slot zu reservieren.