---
title: "LLM-API-Anbieter auswählen – Checkliste mit 20 Punkten"
description: "Zwanzig Fragen vor der Wahl einer LLM-API: Preise, Limits, OpenAI-Kompatibilität, Datenschutz, Modelle, Support und Verfügbarkeit, mit Bewertungsbogen und Testplan."
url: https://broadrouter.com/de/blog/choose-llm-api-provider-checklist/
lang: de
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/blog/choose-llm-api-provider-checklist/) (aktualisiert am 2026-11-16).

# LLM-API-Anbieter auswählen: Checkliste mit 20 Punkten

Vom Team von BroadNet Inference · 5 Min. Lesezeit · Veröffentlicht 2026-11-14 · Aktualisiert 2026-11-16

Wählen Sie einen LLM-API-Anbieter, indem Sie ihn in sechs Bereichen bewerten: Gesamtkosten Ihres realen Workloads, Rate- und Parallelitätslimits, OpenAI-Kompatibilität, Bedingungen zu Datenspeicherung und Training, die benötigten Modelle und Kontextgrößen sowie Support und Zuverlässigkeit. Testen Sie dann eine Woche mit Ihrem eigenen Traffic, bevor Sie sich festlegen. Der Preis pro Token allein ist ein schlechter Ratgeber.

## Das Wichtigste in Kürze

-   Berechnen Sie die Kosten Ihres realen Workloads, einschließlich gecachtem Input, Reasoning-Tokens und Wiederholungen, nicht nur den beworbenen Input-Preis.
-   Parallelitätslimits legen Agenten und Batch-Jobs häufiger lahm als Limits für Anfragen pro Minute.
-   OpenAI-Kompatibilität hält einen Wechsel günstig, aber prüfen Sie Usage beim Streaming, Tool Calls und Fehlercodes.
-   Lassen Sie sich Bedingungen zu Datenspeicherung und Training schriftlich geben; sie unterscheiden sich zwischen kostenlosen und bezahlten Stufen.
-   Testen Sie eine Woche mit echtem Traffic und protokollieren Sie Tokens, Latenz und Fehler, bevor Sie sich festlegen.

**Auf dieser Seite**

1.  Was kostet es wirklich? (Fragen 1 bis 4)
2.  Welche Limits erreichen Sie zuerst? (Fragen 5 bis 7)
3.  Wie kompatibel ist es mit Ihrem Code? (Fragen 8 bis 10)
4.  Was passiert mit Ihren Daten? (Fragen 11 bis 13)
5.  Hat der Anbieter die Modelle, die Sie brauchen? (Fragen 14 bis 16)
6.  Bleibt es erreichbar, und wer antwortet? (Fragen 17 bis 20)
7.  Wie bewerten Sie Anbieter im Vergleich?
8.  Wie testen Sie einen Anbieter in einer Woche?
9.  Wie BroadNet Inference die Checkliste beantwortet

_[image: A chess knight and queen on a board, with the text "The right model. For the next move."]_

Um einen LLM-API-Anbieter auszuwählen, bewerten Sie jeden Kandidaten in sechs Bereichen: die Monatskosten Ihres realen Workloads, Rate- und Parallelitätslimits, OpenAI-Kompatibilität, Bedingungen zu Datenspeicherung und Training, die benötigten Modelle sowie Support und Zuverlässigkeit. Testen Sie dann die beiden besten eine Woche lang mit echtem Traffic. Unten finden Sie 20 Fragen, einen Bewertungsbogen und den Testplan.

Wenn Sie sich entschieden haben, behandelt die [Migrations-Checkliste](https://broadrouter.com/de/blog/openai-compatible-api-migration-checklist/) den Wechsel selbst, und [wie Sie ein LLM vor dem Wechsel evaluieren](https://broadrouter.com/de/blog/evaluate-llm-before-switching/) geht ausführlich auf Qualitätstests ein.

## Was kostet es wirklich? (Fragen 1 bis 4)

1.  **Was kostet mein realer Workload pro Monat?** Berechnen Sie Input, [gecachten Input](https://broadrouter.com/de/glossary/cached-input-tokens/) und Output getrennt; der kostenlose [LLM-API-Kostenrechner](https://broadrouter.com/tools/llm-api-cost-calculator/) erledigt das pro Modell. Agenten senden denselben Kontext immer wieder, daher dominiert oft der gecachte Input. Unsere [Erklärung der Preise](https://broadrouter.com/de/blog/llm-api-pricing-explained/) geht jeden Posten durch.
2.  **Werden Reasoning-Tokens als Output abgerechnet?** Reasoning-Modelle können mehr Tokens fürs Nachdenken verbrauchen als für die Antwort.
3.  **Gibt es eine Flatrate-Option?** Für dauerhaft laufende Agenten kann ein Pauschalplan günstiger sein als die Abrechnung pro Token. Siehe die [Break-even-Rechnung](https://broadrouter.com/de/blog/flat-rate-vs-pay-per-token-llm-api/).
4.  **Sind die Preise maschinenlesbar und datiert?** Mit einer JSON-Preisdatei können Sie Änderungen verfolgen und Kostenalarme bauen.

Unser offener Datensatz zu [kostenlosen Stufen und Rate Limits von LLM-APIs](https://broadrouter.com/data/llm-api-free-tiers-and-rate-limits/) vergleicht, was 14 Anbieter über kostenlosen Zugang, Start-Rate-Limits, Kartenpflicht und Training mit Daten aus kostenlosen Stufen veröffentlichen, mit Quelle und Datum für jeden Wert.

## Welche Limits erreichen Sie zuerst? (Fragen 5 bis 7)

5.  **Wie hoch sind die Limits für Anfragen pro Minute und für Parallelität?** Parallelität (gleichzeitig laufende Anfragen) ist das, was parallele Agenten und Batch-Jobs ausbremst. Siehe [Rate Limits](https://broadrouter.com/de/glossary/rate-limit/) und [Parallelität](https://broadrouter.com/de/glossary/concurrency/), und gleichen Sie Ihren Traffic mit dem [Rate-Limit-Rechner](https://broadrouter.com/tools/llm-rate-limit-calculator/) gegen ein Limit ab.
6.  **Gibt es eine Token-Obergrenze, ein rollierendes Zeitfenster oder ein Wochenkontingent?** „Unbegrenzte“ Pläne haben oft eines davon. Lesen Sie [was „unbegrenzt“ wirklich bedeutet](https://broadrouter.com/de/blog/what-unlimited-llm-api-really-means/).
7.  **Wie groß ist das Kontextfenster, und wird es gekürzt?** Prüfen Sie das tatsächliche Maximum pro Anfrage und ob der Anbieter lange Prompts stillschweigend abschneidet.

## Wie kompatibel ist es mit Ihrem Code? (Fragen 8 bis 10)

8.  **Ist es OpenAI-kompatibel, und wie weit?** Eine Änderung der [Base-URL](https://broadrouter.com/de/glossary/base-url/) sollte genügen. Testen Sie dann Streaming mit Usage, Tool Calls, strukturierte Ausgabe und Fehlercodes. Die [Migrations-Checkliste](https://broadrouter.com/de/blog/openai-compatible-api-migration-checklist/) listet auf, was bricht.
9.  **Funktioniert es mit meinen Tools?** SDKs, Agent-Frameworks, IDE-Assistenten. Prüfen Sie die [Integrationsanleitungen](https://broadrouter.com/integrations/) des Anbieters.
10.  **Sind die Modell-IDs stabil?** Sie wollen versionierte IDs und eine Vorankündigung, bevor ein Modell abgeschaltet wird.

## Was passiert mit Ihren Daten? (Fragen 11 bis 13)

11.  **Werden Prompts und Ausgaben gespeichert, und wie lange?** Viele Anbieter bewahren API-Inhalte standardmäßig bis zu 30 Tage auf. Vergleichen Sie die offiziellen Formulierungen in [Datenspeicherung bei LLM-APIs im Vergleich](https://broadrouter.com/de/blog/llm-api-data-retention-compared/).
12.  **Werden meine Daten zum Training verwendet?** Prüfen Sie die Voreinstellung für Ihre Stufe, schriftlich.
13.  **Kann ich einen AVV (Auftragsverarbeitungsvertrag, DPA) abschließen, Unterauftragsverarbeiter einsehen und Schlüssel einschränken?** Nutzen Sie die [DSGVO-Checkliste](https://broadrouter.com/de/blog/gdpr-llm-api-checklist/), wenn Sie personenbezogene Daten aus der EU verarbeiten, und fragen Sie nach IP-Allowlists.

## Hat der Anbieter die Modelle, die Sie brauchen? (Fragen 14 bis 16)

14.  **Hat der Anbieter die Modellgrößen und Fähigkeiten, die ich brauche?** Vision, Tool Calling, Reasoning, langer Kontext, Sprache.
15.  **Wie schneidet jedes Modell bei meinen Aufgaben ab?** Erstellen Sie 30 bis 50 echte Testfälle und bewerten Sie sie. Benchmarks sind ein erster Filter; [wo Sie LLMs vergleichen können](https://broadrouter.com/de/blog/artificial-analysis-alternatives/) listet die Leaderboards auf und was jedes misst. Der [Evaluationsleitfaden](https://broadrouter.com/de/blog/evaluate-llm-before-switching/) zeigt, wie Sie das Set aufbauen und Verzerrungen durch das bewertende Modell vermeiden.
16.  **Open-Weight oder geschlossen?** Open-Weight-Modelle können von mehreren Anbietern gehostet werden, was den Lock-in verringert. Siehe [offene vs. geschlossene Modelle](https://broadrouter.com/de/blog/open-weight-vs-closed-models/).

## Bleibt es erreichbar, und wer antwortet? (Fragen 17 bis 20)

17.  **Gibt es eine Statusseite und eine Störungshistorie?**
18.  **Gibt es ein schriftliches SLA für den Produktivbetrieb?**
19.  **Wer betreibt die GPUs?** Eigene Hardware, eine Cloud oder weiterverkaufte Kapazität einer anderen API. Jede Variante fügt dem Daten- und Zuverlässigkeitspfad eine weitere Partei hinzu.
20.  **Wie erreiche ich einen Menschen?** Antwortzeiten, Kanäle und ob der Support Ihre Anfrageinhalte sehen kann.

## Wie bewerten Sie Anbieter im Vergleich?

Bewerten Sie jede Frage mit 0 (nein oder unbekannt), 1 (teilweise) oder 2 (ja, schriftlich). Gewichten Sie die Gruppen nach Ihrem Anwendungsfall:

| Gruppe | Fragen | Gewicht für einen Agenten | Gewicht für eine regulierte Anwendung |
| --- | --- | --- | --- |
| Preise | 1 bis 4 | Hoch | Mittel |
| Limits | 5 bis 7 | Hoch | Mittel |
| Kompatibilität | 8 bis 10 | Mittel | Mittel |
| Datenschutz | 11 bis 13 | Mittel | Hoch |
| Modelle | 14 bis 16 | Hoch | Hoch |
| Support und Zuverlässigkeit | 17 bis 20 | Mittel | Hoch |

„Unbekannt“ ergibt aus gutem Grund 0 Punkte: Wenn ein Anbieter keine Antwort geben kann, können Sie sich nicht auf ihn verlassen.

## Wie testen Sie einen Anbieter in einer Woche?

1.  Wählen Sie die beiden besten Anbieter aus dem Bewertungsbogen.
2.  Leiten Sie einen Teil des echten Traffics über dasselbe OpenAI-SDK an jeden der beiden, mit Modell-IDs und Base-URLs in der Konfiguration.
3.  Protokollieren Sie pro Anfrage: Modell, Prompt-Tokens, gecachte Tokens, Completion-Tokens, Latenz, Statuscode. Protokollieren Sie nie Inhalte.
4.  Erzeugen Sie Ihre Spitzenlast: Lassen Sie Ihren Batch-Job oder parallele Agenten laufen und achten Sie auf 429-Fehler. Der [Leitfaden zu Fehlern und Wiederholungen](https://broadrouter.com/de/guides/errors-and-retries/) zeigt korrektes Back-off.
5.  Multiplizieren Sie die Tokens der Woche mit etwa 4,3 und berechnen Sie den Monat für jeden Anbieter.
6.  Bewerten Sie die Ausgaben anhand Ihres Testsets.

## Wie BroadNet Inference die Checkliste beantwortet

| Nr. | BroadNet Inference |
| --- | --- |
| 1, 4 | Preise pro Token veröffentlicht in [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-choose-llm-api-provider-checklist&utm_content=body), synchronisiert 2026-11-14 |
| 3 | Pauschalpläne für [DeepSeek V4.1 Flash](https://broadrouter.com/de/models/deepseek-v4.1-flash/): $60 pro Monat, $15 pro Woche oder $1 pro Stunde und Session |
| 5 | Pay-as-you-go: 30 Anfragen pro Minute, 4 gleichzeitig; Plan-Sessions verarbeiten jeweils eine Anfrage |
| 6 | Pläne: kein Token-Zähler, kein rollierendes Zeitfenster, keine Wochenobergrenze |
| 7 | Bis zu 1.048.576 Tokens bei DeepSeek V4.1 Flash und GLM 5.3; laut Planseite wird der Kontext nie gekürzt |
| 8 | OpenAI-kompatibel unter `https://inference.broadnet.ai/v1` |
| 11, 12 | Keine Speicherung von Prompts oder Ausgaben; keine Verwendung für Training, Fine-Tuning oder Evaluation von Modellen |
| 13 | IP-Allowlists mit bis zu 32 Einträgen; Liste der Unterauftragsverarbeiter auf Anfrage; fragen Sie nach einem AVV (DPA) |
| 14 | Vier Chat-Modelle plus zwei Speech-to-Text-Modelle |
| 19 | Laut Datenschutzerklärung von BroadNet laufen eigene und gehostete Open-Weight-Modelle auf eigener oder geleaster US-Hardware von BroadNet, mit Partnerkapazität als Backup; über Partner bereitgestellte Modelle wie DeepSeek V4.1 Flash laufen bei US-Inferenzpartnern unter ZDR-Bedingungen |

Was wir in den Docs und auf den Planseiten von BroadNet nicht gefunden haben (geprüft am 14. November 2026): ein SLA, eine Statusseite oder eine Richtlinie zur Abkündigung von Modellen. Fragen Sie danach, wenn es Ihnen wichtig ist, und halten Sie für kritische Pfade einen zweiten Anbieter bereit. Der Katalog ist außerdem kleiner als bei einem Aggregator: Wenn Sie Modelle von GPT, Claude oder Gemini brauchen, ist BroadNet nicht der Anbieter für diesen Traffic. Das Startguthaben von $5 reicht für Schritt 3 des Testplans bei leichtem Workload, aber von den Chat-Modellen deckt es nur Gemma 4 VL 26B ab (außerdem die beiden Transcribe-Modelle); die anderen Chat-Modelle erfordern eine Aufladung.

Kostenlose Tools zum Thema (auf Englisch)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[Kostenlose Tools (auf Englisch)](https://broadrouter.com/tools/)

## Begriffe in diesem Artikel

[Token](https://broadrouter.com/de/glossary/token/)

Ein Token ist die Texteinheit, die ein Sprachmodell liest und schreibt: ein Wort, ein Wortteil, ein Satzzeichen oder eine Bytefolge, die der Tokenizer des Modells erzeugt. LLM-APIs zählen, begrenzen und berechnen die Nutzung meist in Tokens.

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

[Rate Limit (Ratenbegrenzung)](https://broadrouter.com/de/glossary/rate-limit/)

Ein Rate Limit ist eine Obergrenze, die eine API festlegt, wie stark ein Client sie in einem Zeitfenster nutzen darf, etwa Anfragen pro Minute oder Tokens pro Minute. Anfragen über dem Limit werden abgelehnt, meist mit HTTP 429 Too Many Requests, bis die Nutzung wieder darunter liegt.

[Concurrency (Parallelität)](https://broadrouter.com/de/glossary/concurrency/)

Concurrency (Parallelität) ist die Zahl der Anfragen, die ein Client gleichzeitig offen hat. LLM-APIs begrenzen sie oft pro Schlüssel oder Plan, getrennt von den Anfragen pro Minute, weil jede offene Anfrage GPU-Kapazität belegt, bis ihre Antwort fertig ist.

[Auftragsverarbeitungsvertrag (AVV, DPA)](https://broadrouter.com/de/glossary/dpa/)

Ein Auftragsverarbeitungsvertrag (AVV, englisch Data Processing Agreement, DPA) ist der Vertrag zwischen Verantwortlichem und Auftragsverarbeiter, der regelt, wie dieser mit personenbezogenen Daten umgeht. Artikel 28 Absatz 3 DSGVO schreibt ihn vor und nennt seine Inhalte: dokumentierte Weisungen, Vertraulichkeit, Sicherheit, Regeln für Unterauftragsverarbeiter, Löschung oder Rückgabe der Daten und Audits.

[Pay-as-you-go](https://broadrouter.com/de/glossary/pay-as-you-go/)

Pay-as-you-go ist ein Preismodell, bei dem Sie nur für tatsächliche Nutzung zahlen, gemessen pro Einheit wie Tokens, Anfragen oder Audiominuten, ohne Abonnement oder Mindestabnahme. Die meisten LLM-APIs rechnen so ab, aus einem vorausbezahlten Guthaben oder per regelmäßiger Rechnung.

[Fine-Tuning (Feinabstimmung)](https://broadrouter.com/de/glossary/fine-tuning/)

Fine-Tuning ist das Weitertrainieren eines vortrainierten Sprachmodells mit einem kleineren, aufgabenspezifischen Datensatz, etwa Beispielgesprächen, sodass sich seine Gewichte ändern und es diese Aufgabe oder diesen Stil zuverlässiger beherrscht, ohne lange Anweisungen oder Beispiele in jedem Prompt.

[Input- und Output-Tokens](https://broadrouter.com/de/glossary/input-and-output-tokens/)

Input-Tokens sind die Tokens, die ein Sprachmodell in einer Anfrage liest, einschließlich System-Prompt, Gesprächsverlauf, Tool-Definitionen und Bildern. Output-Tokens sind die Tokens, die es als Antwort erzeugt, einschließlich Reasoning. LLM-APIs berechnen beide meist getrennt, und Output ist in der Regel teurer.

## Häufige Fragen

### Worauf sollte ich bei einem LLM-API-Anbieter achten?

Auf die Gesamtkosten für Ihren Workload, Rate- und Parallelitätslimits, OpenAI-Kompatibilität, Bedingungen zu Datenspeicherung und Training, die benötigten Modelle und Kontextgrößen sowie Support und Zuverlässigkeit. Bewerten Sie jeden Punkt und testen Sie dann mit echtem Traffic.

### Ist die günstigste LLM-API die beste Wahl?

Nicht immer. Preise für gecachten Input, Reasoning-Tokens, durch Rate Limits verursachte Wiederholungen und der Entwicklungsaufwand, um fehlende Funktionen zu umgehen, können einen niedrigeren Listenpreis aufwiegen. Vergleichen Sie die Monatsrechnung für Ihren realen Workload.

### Wie vermeide ich einen Vendor-Lock-in bei einer LLM-API?

Nutzen Sie eine OpenAI-kompatible API über ein Standard-SDK, halten Sie Modell-IDs und Base-URLs in der Konfiguration, vermeiden Sie anbieterspezifische Funktionen im Kernpfad und halten Sie einen getesteten zweiten Anbieter bereit.

### Wie lange sollte ich eine LLM-API testen, bevor ich mich festlege?

Etwa eine Woche echter Traffic reicht, um Token-Verbrauch, Cache-Trefferquote, Latenz, Fehlerraten und das Verhalten bei Rate Limits zu sehen. Multiplizieren Sie die Woche mit etwa 4,3, um einen Monat zu schätzen.

### Welche Verfügbarkeit sollte ein LLM-API-Anbieter bieten?

Fragen Sie nach einer öffentlichen Statusseite, einer Störungshistorie und für den Produktivbetrieb nach einem schriftlichen SLA. Hat ein Anbieter nichts davon, planen Sie für Ihre kritischen Pfade einen Fallback-Anbieter ein.

## Weiterlesen

-   [Basis-URLs OpenAI-kompatibler APIs: 14 Anbieter geprüft](https://broadrouter.com/de/blog/openai-compatible-api-base-urls/)
-   [Wie Sie ein LLM vor dem Anbieterwechsel evaluieren](https://broadrouter.com/de/blog/evaluate-llm-before-switching/)
-   [Wechsel zu einer OpenAI-kompatiblen API: die Migrations-Checkliste](https://broadrouter.com/de/blog/openai-compatible-api-migration-checklist/)
-   [Was „unbegrenzt“ bei einem LLM-API-Plan wirklich bedeutet](https://broadrouter.com/de/blog/what-unlimited-llm-api-really-means/)
-   [DSGVO und LLM-APIs: 15 Fragen an Ihren Anbieter](https://broadrouter.com/de/blog/gdpr-llm-api-checklist/)
-   [Open-Weight- vs. geschlossene KI-Modelle: Kosten, Kontrolle, Risiko](https://broadrouter.com/de/blog/open-weight-vs-closed-models/)
-   [LLM-API-Schlüssel absichern: Speicherung, Rotation, IP-Allowlists](https://broadrouter.com/de/blog/llm-api-key-security/)
-   [Alternativen zu Artificial Analysis: LLMs vergleichen im Jahr 2026](https://broadrouter.com/de/blog/artificial-analysis-alternatives/)
-   [LLM-API-SLAs: was Azure, Bedrock, Google und OpenAI zusagen](https://broadrouter.com/de/blog/llm-api-sla-uptime-compared/)
-   [Anleitung: Fehlercodes von BroadNet Inference: Wann ist ein Retry sinnvoll?](https://broadrouter.com/de/guides/errors-and-retries/)
-   [Anleitung: API-Schlüssel per IP-Allowlist an Ihre Server binden](https://broadrouter.com/de/guides/api-keys-ip-allow-lists/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-choose-llm-api-provider-checklist&utm_content=page-cta) ·

**Quellen**

-   [API-Referenz von BroadNet Inference: Limits, Fehler, Daten (abgerufen am 2026-11-14) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [Maschinenlesbare Preise von BroadNet Inference, pricing.json (abgerufen am 2026-11-14) (auf Englisch)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [Pläne von BroadNet Inference (abgerufen am 2026-11-14) (auf Englisch)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [Datenschutzerklärung von BroadNet Inference (gültig ab September 2026; abgerufen am 2026-11-14) (auf Englisch)](https://www.broadnet.ai/inference-privacy)
-   [API-Referenz von OpenAI, Chat Completions, die Referenz für Kompatibilität (abgerufen am 2026-11-14)](https://developers.openai.com/api/reference/resources/chat)
