Compute per Conversion

Während Token-Kosten pro Lead auf die Modellrechnung eines Funnels blickt, ist Compute per Conversion breiter angelegt und für Datenteams gedacht: Sie erfasst auch Batch-Jobs, Personalisierungsmodelle, Recommendation-Rankings und automatisierte Qualitätsprüfungen. Praktisch entsteht die Kennzahl, indem Compute-Verbrauch pro Service über Traces auf Sessions gemappt und anschließend mit den Conversion-Events verknüpft wird. Der Wert eignet sich besonders gut, um versteckte Kostentreiber zu finden – etwa ein Re-Ranking-Modell, das auf jeder Seitenansicht läuft, aber nur bei zwei Prozent der Sessions überhaupt einen Einfluss auf die Entscheidung hat.

Die Kennzahl verhindert, dass Personalisierung und generative Features die Marge auffressen. Sie zeigt, welche Modelle tatsächlich Wertbeitrag liefern und welche nur Last erzeugen, und liefert damit die Grundlage für Entscheidungen über Sampling, kleinere Modelle oder das Abschalten einzelner Features.

Ein Reiseportal misst 0,42 Euro Compute pro Buchung. Eine Aufschlüsselung zeigt, dass 61 Prozent davon auf ein generatives Beschreibungsmodul entfallen, das auf allen Listenseiten läuft. Nach Umstellung auf Vorberechnung der Top-Hotels sinkt der Wert auf 0,17 Euro, ohne messbaren Rückgang der Buchungsrate.

Die Kennzahl stammt ursprünglich aus dem Infrastruktur-Controlling großer Plattformen, wo GPU-Auslastung schon länger auf Produktkennzahlen umgelegt wurde. Mit der Verbreitung generativer Personalisierung wanderte sie 2025 in Marketing-Datenteams. Im Verlauf von 2026 setzte sich durch, Compute-Verbrauch direkt in FinOps-Dashboards neben Umsatz- und Conversion-Metriken zu stellen, statt ihn nur als IT-Kostenblock zu führen. Auslöser waren Personalisierungs- und Agenten-Workloads, deren Kosten mit dem Traffic linear stiegen, während der Umsatzbeitrag stark ungleich verteilt blieb.