API-Kostenfalle: Warum KI-generierter Code deine Cloud-Rechnung sprengen kann

Stell dir vor: Du öffnest morgens deine Google Cloud-Konsole und siehst statt der üblichen 150 Euro plötzlich 1.800 Euro Kosten — an einem einzigen Tag.

Das ist uns passiert. Und heute teile ich, was schief gelaufen ist, wie wir es in zwei Stunden gefixt haben, und was du daraus lernen kannst, bevor dir das Gleiche passiert.

Was war passiert?

In unserer Dispo-AI für Transportunternehmen haben wir eine Funktion, die LKW-Positionen in Echtzeit überwacht. Alle paar Minuten fragen wir den GPS-Standort ab und berechnen über Google Maps, wie lange der LKW noch zum nächsten Stopp braucht.

Das lief problemlos — 150 Euro im Monat, einkalkuliert, alles gut.

Dann haben wir zwei neue Features eingebaut: Häufigere Updates für unsere Kunden. Die Dispo-Plan-Ansicht aktualisierte sich jetzt öfter.

Zwei Tage später: 1.800 Euro vorhergesagte Kosten. Eine Verzehnfachung. Hochgerechnet aufs Jahr: über 20.000 Euro.

Der Fehler: Wir haben Google auch gefragt, wenn es nichts zu fragen gab

Das Problem war simpel: Wir haben bei jeder Aktualisierung Google Maps gefragt — auch wenn der LKW an der Ampel stand, auf dem Parkplatz war oder seit 30 Minuten die gleiche Position hatte.

Jede Anfrage kostet. Die neue Frequenz hat die Kosten explodieren lassen.

Der Fix: 2 Stunden, 100 Zeilen Code

Wir sind mit Claude Code in die Codebase gegangen und haben eine simple Prüfung eingebaut:

Bevor wir Google fragen: Hat sich der LKW überhaupt nennenswert bewegt?

Wenn der letzte GPS-Punkt identisch ist mit dem von vor einer Minute — keine Anfrage. Wenn der LKW seit 30 Minuten stillsteht — keine Anfrage.

Das Ergebnis:

• Weniger als 100 Zeilen Code
• Keine Einbußen in der Datenqualität
• Kosten runter auf ~250 Euro/Monat (statt 1.800)

Die Kunden merken keinen Unterschied. Wir sparen über 18.000 Euro im Jahr.

5 Learnings, die jeder kennen sollte

1. API-Kosten sind unsichtbare Zeitbomben

Du siehst diese Kosten nicht im Code — da steht nur ein harmloser API-Aufruf. Du siehst sie nicht im Testing — 100 Testläufe fallen nicht auf. Du siehst sie erst auf der Rechnung. Und dann ist es oft zu spät.

2. API-Integration ≠ API-Nutzung

Eine Schnittstelle anzubinden ist relativ einfach. Die Kunst liegt darin:

• Wann nutze ich die Schnittstelle?
• Wie oft nutze ich sie?
• Kann ich Ergebnisse zwischenspeichern (Caching)?

Das entscheidet über die Kosten.

3. Monitoring ist nicht optional

Wir haben es gemerkt, weil wir hingeschaut haben. Viele Teams schauen nie in die Cloud-Konsole — die merken es erst, wenn die Buchhaltung anruft.

4. KI optimiert nicht für Kosten

Das ist der blinde Fleck: Wenn du KI Code schreiben lässt, optimiert sie für "es funktioniert" — nicht für "es ist kosteneffizient".

Je mehr wir KI-generiertem Code vertrauen, desto wichtiger wird es, Code-Reviews auf den Faktor API-Kosten auszuweiten.

5. Alternativen existieren

Wir sind mittlerweile von Google Maps zu TomTom gewechselt. Nur weil die erste Lösung funktioniert, ist sie nicht automatisch die beste.

Open Street Map ist kostenlos, reicht aber für präzise Logistik-Anwendungen oft nicht aus. Man muss die Trade-offs kennen.

4 Maßnahmen, die du heute umsetzen kannst

1. Budget-Alerts setzen — jetzt.

Jeder Cloud-Anbieter hat das: Google Cloud, AWS, Azure, OpenAI API.

Wenn du normalerweise 100€/Monat zahlst:

• Erster Alert bei 50€
• Zweiter Alert bei 75€

Wenn der 50€-Alert nach 3 Tagen kommt, weißt du: Da stimmt was nicht.

2. Code auf API-Calls durchgehen

Überall wo du externe APIs aufrufst, frag dich:

• Muss das so oft sein?
• Kann ich das cachen?
• Kann ich intern prüfen, ob die Abfrage überhaupt nötig ist?
• Gibt es Batching (mehrere Anfragen gebündelt)?

3. Alternativen evaluieren

Mach dir eine Liste deiner API-Kosten. Welche Dienste verursachen die Kosten? Gibt es günstigere Alternativen mit vergleichbarer Qualität?

4. Kosten in Code-Reviews einbauen

Neuer Mindset-Shift: Bei Code-Reviews nicht nur fragen "Funktioniert das?" und "Ist das sicher?", sondern auch:

Was kostet das, wenn sich die Last verzehnfacht?

KI hat kein Kostenbewusstsein. Das müssen wir mitbringen.

Warum ich das öffentlich teile

Mein LinkedIn-Post dazu hatte über 60.000 Views. Das zeigt: Dieses Problem kennen viele — oder sie haben Angst davor.

Die unbequeme Wahrheit: Je mehr wir automatisieren, desto mehr APIs nutzen wir. Je mehr KI wir einsetzen, desto weniger Überblick haben wir über den Code.

Die Komplexität wird nicht weniger — sie wird mehr.

Aber mit den richtigen Tools und dem richtigen Mindset ist das lösbar. Bei uns waren es 2 Stunden und 100 Zeilen Code.

Der Unterschied zwischen 150€ und 20.000€ im Jahr war nicht Glück — sondern dass wir hingeschaut haben.

Tu du das bitte auch. Deine Cloud-Rechnung wird es dir danken.