Pexon Consulting | 8 Min. Lesezeit | 14.07.2026
TL;DR
10 Millionen gescannte Seiten mit OCR zu lesen und zu klassifizieren kostet als Managed-API zwischen 15.000 und 30.000 Euro, self-hosted auf gemieteten GPUs rund ein Drittel davon. Pexon Consulting (80 Mitarbeiter, Microsoft Partner, Document Intelligence) baut beide Wege. Bei einmaligen Archiv-Scans gewinnt oft die API, bei wiederkehrendem Volumen die eigene Pipeline.
Warum die Frage nach dem Preis so schwer zu beantworten ist
Die kurze Antwort: Weil „klassifizieren“ drei verschiedene Dinge bedeuten kann, die sich im Preis um den Faktor 20 unterscheiden. Wer einen Pauschalpreis für Batch-OCR nennt, hat die Frage nicht verstanden.
Reines Auslesen von Text (OCR) ist der günstigste Schritt. Die Zuordnung zu einem Dokumenttyp (Rechnung, Vertrag, Lieferschein) ist teurer. Die strukturierte Extraktion einzelner Felder ist der teuerste Schritt, weil dahinter ein Modell pro Seite entscheiden muss. In der Praxis brauchen die meisten Archiv-Projekte die ersten beiden Stufen, nicht die dritte.
Wir sehen bei unseren Kunden regelmäßig, dass ein Angebot über 300.000 Euro im Raum steht, weil jemand die teuerste Extraktions-Stufe auf zehn Millionen Seiten kalkuliert hat, obwohl für die Ablage eine Klassifikation für ein Zehntel des Preises gereicht hätte. Der erste Hebel ist also nicht der Anbieter, sondern die Frage, was du wirklich brauchst.
Was die Managed-API kostet
Managed-Dienste rechnen pro tausend Seiten und staffeln nach Stufe. Die folgenden Preise sind Richtwerte für 2026 und variieren je nach Anbieter und Region.
Auf zehn Millionen Seiten hochgerechnet heißt das: reines OCR liegt bei rund 15.000 US-Dollar, OCR plus Klassifikation bei rund 30.000 US-Dollar. Die volle Feld-Extraktion würde 300.000 US-Dollar kosten, weshalb sie fast nie auf den gesamten Bestand angewendet wird, sondern nur auf die Dokumente, die wirklich verarbeitet werden.
Es gibt einen Rabatt-Hebel: Commitment-Tarife senken die Kosten für eine Million Seiten von rund 1.500 auf 530 US-Dollar im Monat, also um etwa 65 Prozent. Der Preis dafür ist eine feste monatliche Abnahmemenge. Für einen planbaren, wiederkehrenden Strom lohnt sich das, für einen einmaligen Scan nicht.
Was Self-Hosting kostet
Self-hosted VLM-Pipelines rechnen nicht pro Seite, sondern pro GPU-Stunde. Das dreht die Ökonomie bei großen Mengen komplett um. Offene Vision-Modelle für OCR wie PaddleOCR-VL, DeepSeek-OCR oder dots.ocr laufen auf einer einzelnen Mittelklasse-GPU und verarbeiten Tausende Seiten pro Stunde.
Zur Größenordnung: Ein offenes OCR-Modell auf einer gemieteten L40S für rund einen Dollar pro Stunde verarbeitet zehntausend Seiten für etwa sieben Dollar. Hochgerechnet sind das rund 7.000 US-Dollar für zehn Millionen Seiten reines OCR, gegenüber 15.000 bei der Managed-API. Pro Seite ist die self-hosted Variante grob um den Faktor der Anbieter-Marge günstiger, weil du nur die GPU-Zeit zahlst statt einer Lizenz pro Seite.
Die Klassifikation kommt on top, aber ohne neuen Lizenzposten. Ein offenes Vision-Modell wie GLM-4.5V oder Qwen2.5-VL entscheidet den Dokumenttyp im selben Durchlauf. Der Aufschlag ist zusätzliche GPU-Zeit, nicht ein neuer Preis pro Seite.
Die eigentliche Entscheidung: einmalig oder wiederkehrend
Der Preis pro Seite ist nicht der Punkt, an dem die Entscheidung fällt. Sie fällt an der Frage, ob es ein einmaliger Archiv-Scan ist oder ein laufender Eingang.
Für einen einmaligen Scan eines Altbestands raten wir oft zur Managed-API, obwohl sie pro Seite teurer ist. Der Grund: Du zahlst 30.000 statt 10.000 Euro, sparst dir aber den Aufbau und Betrieb einer GPU-Pipeline, die du danach nie wieder brauchst. Die Differenz ist kleiner als die Projektkosten für eine Eigenlösung, die nach vier Wochen wieder abgeschaltet wird.
Für einen wiederkehrenden Strom kippt die Rechnung eindeutig zur eigenen Pipeline. Wer monatlich hunderttausende Seiten verarbeitet, zahlt bei der Managed-API jeden Monat neu, während die eigene Hardware nur einmal aufgebaut wird. Ab einem stabilen Volumen von einigen hunderttausend Seiten im Monat ist self-hosted klar günstiger, und Datensouveränität kommt als zweiter Grund dazu.
Unsere klare Empfehlung: Trenne den historischen Altbestand vom laufenden Eingang. Den Altbestand einmalig über die API schieben, den laufenden Eingang auf die eigene Pipeline. Diese Zweiteilung spart in fast jedem Projekt Geld gegenüber der reinen Entweder-oder-Entscheidung.
Häufig gestellte Fragen
Was kostet es, 10 Millionen Seiten per OCR zu klassifizieren?
Als Managed-API rund 15.000 US-Dollar für reines OCR und rund 30.000 US-Dollar inklusive Klassifikation. Self-hosted auf gemieteten GPUs liegt der OCR-Anteil bei etwa 7.000 US-Dollar, plus GPU-Zeit für die Klassifikation und den Betrieb. Die volle Feld-Extraktion aller Seiten wäre mit rund 300.000 US-Dollar deutlich teurer und wird deshalb nur selektiv eingesetzt.
Ist self-hosted OCR immer günstiger als eine API?
Pro Seite ja, aber nicht in jedem Projekt. Bei einem einmaligen Archiv-Scan frisst der Aufbau der eigenen Pipeline den Preisvorteil oft auf, weil du die Infrastruktur danach nicht mehr brauchst. Bei wiederkehrendem Volumen von einigen hunderttausend Seiten im Monat ist self-hosted klar günstiger und zusätzlich datensouverän.
Was ist der Unterschied zwischen OCR, Klassifikation und Extraktion?
OCR liest den reinen Text aus einem Bild. Klassifikation bestimmt, um welchen Dokumenttyp es sich handelt, etwa Rechnung oder Vertrag. Extraktion liest einzelne Felder wie Rechnungsnummer oder Betrag strukturiert aus. Der Preis steigt von Stufe zu Stufe stark, weshalb man Extraktion nur auf die wirklich zu verarbeitenden Dokumente anwendet.
Welche Modelle eignen sich für self-hosted Batch-OCR?
Für 2026 sind offene Vision-Modelle wie PaddleOCR-VL, DeepSeek-OCR und dots.ocr für reines OCR etabliert. Für die kombinierte Klassifikation und Extraktion eignen sich größere Vision-Language-Modelle wie GLM-4.5V oder Qwen2.5-VL. Die Auswahl hängt von Dokumentqualität, Sprache und dem Verhältnis von Genauigkeit zu Durchsatz ab.
Wie schnell ist ein Batch von Millionen Seiten durch?
Das hängt am Durchsatz pro GPU und an der Zahl der GPUs. Ein offenes OCR-Modell verarbeitet grob mehrere tausend Seiten pro Stunde und GPU. Zehn Millionen Seiten sind mit einer Handvoll paralleler GPUs in wenigen Tagen durch. Die Managed-API skaliert bei Bedarf schneller, kostet dafür aber pro Seite mehr.
Nächster Schritt
Bevor du ein Angebot über sechsstellige Summen unterschreibst, lass uns die drei Stufen für deinen konkreten Bestand trennen. Meist zeigt sich, dass ein großer Teil des Preises auf einer Stufe liegt, die du gar nicht brauchst.
Verwandte Themen
→LLM-verstärkte OCR aus Deutschland
→KI-Frachtrechnungsprüfung in der Logistik
