Wer ChatGPT, Claude oder Gemini nicht auf Englisch nutzt, zahlt oft einen Aufpreis – ohne es zu merken. Hintergrund ist die sogenannte „Tokenizer-Steuer“, die eine neue Studie der Coalition for Language Equity in AI Research (CLEAR) systematisch vermessen hat. Abgerechnet wird bei großen KI-Modellen nach Tokens, also Wortteilen, in die Texte vor der Verarbeitung zerlegt werden. Wie viele dieser Einheiten ein Satz erzeugt, hängt stark von der Sprache ab – und damit auch der Preis.

Die Forscher:innen zeigen, wie groß die Unterschiede ausfallen können. Der englische Satz „People should benefit from AI, regardless of the language they speak“ kommt im Tokenizer von GPT-5 laut Studie auf 13 Tokens. In Malayalam sind es 26 Tokens, in Amharisch sogar 78. Dieselbe Aussage ist auf Amharisch damit sechsmal so teuer wie auf Englisch. Auffällig ist, dass diese Differenzen nicht primär auf unterschiedliche Satzlängen zurückgehen: Während die Textlänge zwischen Sprachen meist nur um einige Dutzend Prozent variiert, steigen die Token-Zahlen teils auf ein Vielfaches.

Für den Vergleich hat CLEAR den FLORES-200-Benchmark genutzt, eine Sammlung professionell übersetzter Sätze in rund 200 Sprachen, und damit die Tokenizer aller großen KI-Labore getestet. Bei den 20 Sprachen mit der größten Netzpräsenz liegen die Modelle noch relativ eng beieinander: Die teuerste Sprache benötigt dort 1,5- bis 3,1-mal so viele Tokens wie die günstigste. Zieht man jedoch alle rund 200 Sprachen heran, explodiert die Lücke auf bis zum 17-Fachen. Am besten schneidet dabei Googles Gemini- und Gemma-Familie mit einem Faktor von 5,1 und der Note B ab. Anthropics Claude (9,3-fach) und Metas Llama 4 (9,5-fach) landen mit Note D im Mittelfeld. OpenAIs GPT-5 (13,8-fach), Mistrals Ministral 3, Nvidias Nemotron 3.5 und Microsofts Phi-4 (je rund 15-fach) erhalten ein F, Schlusslicht ist Falcon 3 aus Abu Dhabi mit dem 17-Fachen.

Ein zweiter Bewertungsmaßstab zeichnet allerdings ein differenzierteres Bild: Zählt man, für wie viele Sprachen ein Modell weniger als doppelt so viele Tokens benötigt wie für seine effizienteste Sprache, liegt GPT-5 mit 78 Prozent der Sprachen vorne. Zudem sind neuere Modelle nicht automatisch besser. So schneidet Alibabas neues Qwen 3.6 schlechter ab als das ältere Qwen 3. Sprachen mit lateinischer Schrift und großer Online-Präsenz wie Deutsch kommen noch vergleichsweise glimpflich davon. Ein Kurztest mit drei Beispielsätzen im öffentlich verfügbaren OpenAI-Tokenizer o200k ergab für Deutsch zwischen 15 und 42 Prozent mehr Tokens als für Englisch – lange Komposita und gegenderte Formen treiben die Zahl nach oben.

Besonders hart trifft die Tokenizer-Steuer Sprachen mit eigenen Schriften, darunter große Gruppen mit Hunderten Millionen Sprecher:innen wie Bengali, Urdu und Punjabi. Dort steigen nicht nur die Kosten, sondern auch die praktische Nutzbarkeit leidet: Mehr Tokens bedeuten langsamere Antworten, und in ein Kontextfenster von 128.000 Tokens passt in einer „besteuerten“ Sprache nur ein Bruchteil an Text. Lange Dokumente oder komplexe KI-Agenten werden so schwerer einsetzbar. „Ein Startup in Bangalore zahlt auf jeden Prompt einen Aufschlag, den sein Konkurrent in Austin nicht zahlt“, schreibt CLEAR und verweist damit auf strukturelle Wettbewerbsnachteile.

Die Autor:innen der Studie fordern die KI-Labore deshalb zu drei Schritten auf. Erstens sollen sie Transparenz herstellen und die Token-Ungleichheit über alle Sprachen als Standardkennzahl in ihren Modellbeschreibungen ausweisen. Zweitens empfehlen sie, bei der nächsten Modellgeneration gezielt effizientere Tokenizer für deutlich mehr Sprachen zu entwickeln. Drittens plädieren sie für fairere Preismodelle, die die „Tokenizer-Steuer“ für weniger privilegierte Sprachen ausgleichen. Wie die Unternehmen darauf reagieren, ist offen – doch mit der zunehmenden Verbreitung generativer KI dürfte die Frage, in welchen Sprachen sich KI-Nutzung wirtschaftlich lohnt, weiter an Bedeutung gewinnen.