diff --git a/BEDIENUNGSANLEITUNG.md b/BEDIENUNGSANLEITUNG.md
index 8dc1287..c71c33e 100644
--- a/BEDIENUNGSANLEITUNG.md
+++ b/BEDIENUNGSANLEITUNG.md
@@ -388,6 +388,25 @@ python scripts/voice_loop.py --recorder arecord --device plughw:5,0 --session te
 **Audio (TTS, dann STT)**; das LLM ist nahezu kostenlos. Verlässliche Zahlen liefert das
 **OpenRouter-Dashboard** (Activity/Usage).
 
+### C5. Hybrid-Konstellation (STT + LLM lokal, TTS remote) — Kostenvergleich
+
+Konstellation: **STT** lokal (`faster-whisper`) → **KI** lokal (Ollama, z. B. `llama3.1:8b`)
+→ **TTS** remote (Gemini/Zephyr). Befehl: siehe Hybrid-Beispiel in Teil B1.
+
+| | STT | LLM | TTS | API-Kosten/Runde |
+|---|-----|-----|-----|------------------|
+| **Ideal (all-cloud)** | remote ~0,15 ¢ | remote ~0,01 ¢ | remote ~0,5–1,5 ¢ | **~1–2 ¢** |
+| **Hybrid** | lokal (nur Strom) | lokal (nur Strom) | remote ~0,5–1,5 ¢ | **~0,5–1,5 ¢** |
+
+**Ersparnis: nur ~0,15 ¢/Runde (~10–15 %)** — winzig, weil der Kostentreiber das **remote
+TTS** ist und remote bleibt; STT und LLM waren in der Cloud ohnehin sehr billig. Der echte
+Gewinn des Hybrids ist **Datenschutz** (Spracherkennung + Verständnis bleiben lokal), nicht
+die Kosten. Dafür: lokaler **Stromverbrauch** der GPUs, langsamerer erster Turn (Modell-Kaltstart)
+und bei Dialekt/Plattdeutsch etwas schwächer als Cloud-Gemini.
+
+→ **Für echte Kostensenkung** müsste auch das **TTS lokal** laufen (z. B. `piper` — derzeit
+noch Platzhalter); dann ~gratis (nur Strom), aber geringere Sprachqualität.
+
 ---
 
 # Betrieb & Verwaltung