Zum Hauptinhalt springen

Warum KI-Agenten Token verbrennen (und wie man die Rechnung deckelt)

Fortgeschritten

Ein Chat-Turn kostet einen Bruchteil eines Cents. Dieselbe Frage einem Agenten überlassen — einem, der Dateien liest, Tools aufruft und schleift, bis er fertig ist — kann Dollar kosten. Teams entdecken das auf die harte Tour: Ein laufen gelassener Coding-Agent häuft eine Rechnung an, die ein Mensch an der Tastatur nie erzeugen würde. Das Beängstigende ist nicht der Durchschnitt; es ist, dass du ihn im Voraus nicht vorhersagen kannst und die Kosten derselben Aufgabe wild schwanken können.

Diese Seite erklärt, warum Agenten Token verbrennen (der Mechanismus ist nicht das, was die meisten raten), zeigt die Zahlen, die selbst erfahrene Entwickler überraschen, und gibt dir die vier Hebel, die die Rechnung tatsächlich senken — dieselben Hebel, egal ob du auf Claude Code, Cursor, Codex oder einer selbstgebauten Schleife über irgendein Modell bist.

What you'll learn
  • Die Kontext-Lawine erklären — warum Agentenkosten ungefähr QUADRATISCH mit den Schritten wachsen, nicht linear
  • Die realen Multiplikatoren nennen: agentische Aufgaben ~1000× die Token eines Chats, und DIESELBE Aufgabe schwankt bis zum 30-Fachen
  • Wissen, wann ein zweiter Agent es wert ist — und den Benchmark, der zeigt, dass er es meist nicht ist
  • Die vier Kostenhebel ziehen, die funktionieren: Budgetdeckel, Prompt-Caching, Routing nach Modell-Tier, Kontext-Pruning
  • Eine ausufernde Agentenrechnung diagnostizieren und eine harte Obergrenze setzen

Die Kontext-Lawine: warum Kosten quadratisch wachsen​

Hier ist die Falle. Ein Chat ist ein Turn — eine Eingabe, eine Ausgabe, fertig. Ein Agent ist eine Schleife: Er liest eine Aufgabe, führt eine Aktion aus, liest das Ergebnis, führt die nächste Aktion aus und so weiter, bis der Job erledigt ist. Der Haken: bei jedem Schritt liest das Modell die gesamte bisher angesammelte Konversation erneut — den ursprünglichen Prompt, jede vorherige Aktion und jedes Tool-Ergebnis — bevor es entscheidet, was als Nächstes zu tun ist.

Die Eingabe wächst also mit jedem Schritt, und du zahlst für die ganze Lawine erneut, jedes Mal wenn sie weiterrollt:

  • Schritt 1 verarbeitet den Prompt.
  • Schritt 2 liest den Prompt erneut + Aktion und Ergebnis von Schritt 1.
  • Schritt 3 liest das alles erneut + Aktion und Ergebnis von Schritt 2.
  • …und so weiter.

Addiere die Eingabe über einen Lauf, und die Summe skaliert ungefähr mit dem Quadrat der Schrittanzahl, nicht linear. Das Stanford Digital Economy Lab fand agentische Aufgaben als „einzigartig teuer, die 1000× mehr Token verbrauchen als Code-Reasoning und Code-Chat“ — und entscheidend ist, es sind die Eingabe-Token, die dominieren, nicht die Ausgabe. Der Agent schreibt nicht mehr; er liest mehr erneut.

What you'll learn
  • Der Kostentreiber ist das erneute Lesen, nicht das Denken. Jeder Schleifenschritt verarbeitet das gesamte Transkript erneut, sodass ein 20-Schritte-Lauf frühen Kontext ~20-mal bezahlt.
  • Deshalb ist 'lass den Agenten es einfach herausfinden' teuer: Jeder zusätzliche Schritt multipliziert sich gegen alles davor.
  • Ausgabelastige Aufgaben (schreib mir einen Essay) sind im Vergleich günstig; eingabelastige Schleifen (erkunde dieses Repo, dann behebe den Bug) sind, wo das Geld hingeht.

Die Zahlen, die Leute überraschen​

Drei Zahlen setzen die Intuition der meisten zurück:

  • ~1000×. Agentische Aufgaben können laut der Stanford-Analyse rund tausendmal die Token eines äquivalenten Chats oder einer Code-Vervollständigung verbrauchen — getrieben von der Lawine oben, nicht von einem größeren Modell.
  • Bis zu 30× Varianz bei derselben Aufgabe. Derselbe Agent, auf derselben Aufgabe laufen gelassen, kann einmal bis zu 30× mehr kosten als ein anderes Mal — weil der Pfad, den er nimmt (wie viele Tools er aufruft, wie weit er abschweift), nicht-deterministisch ist. Du kannst die Rechnung wirklich nicht kennen, bis sie fertig ist. Deshalb ist „ergebnisbasierte Preisgestaltung“ für Agenten so schwer: Du siehst die Kosten erst nachdem alles gelaufen ist.
  • Mehr Agenten rechnen sich selten. 2026er-Produktions-Benchmarks fanden, dass ein Multi-Agenten-Setup nur ~2,1 % Genauigkeit bei 2× den Kosten gegenüber einem gut konfigurierten Einzelagenten auf 64 % der Aufgaben hinzufügte. Ein hierarchisches Supervisor-Muster schob eine Dokumentenaufgabe von 85 % → 95 % Genauigkeit — aber bei rund 0,15 $/Aufgabe vs. 0,003 $ für den Einzelagenten (~50×). Mehr Agenten kaufen ein wenig Genauigkeit für viel Geld.
Watch out
  • Weil dieselbe Aufgabe bis zu 30× schwankt, WIRD ein durchschnittsbasiertes Budget vom Tail gesprengt. Deckle die Obergrenze, budgetiere nicht den Mittelwert.
  • Agenten 'zur Sicherheit' hinzuzufügen multipliziert die Kosten meist viel schneller, als es Genauigkeit hinzufügt. Greif zu einem zweiten Agenten nur, wenn die Aufgabe sich wirklich in parallele, unabhängige Teilaufgaben zerlegt.

Deine Tool-Oberfläche ist Teil der Rechnung​

Bevor die Schleife überhaupt startet, setzt wie der Agent seine Tools erreicht eine Untergrenze für die Kosten. Eine Reihe von MCP-Servern anzubinden kann in jeden Schritt der Lawine Zehntausende Token an Tool-Definitionen einschleusen. Ein grober Vergleich, auf den viele Entwickler stoßen: Ein einfacher CLI-Befehl mittelt ~200 Token, während die äquivalente MCP-Operation 32k–82k Token kosten kann, sobald Tool-Schemata und Verpackung mitgezählt werden. Diese Lücke fährt bei jedem Schleifenschritt mit.

Das macht MCP nicht falsch — es ist die richtige Wahl für Auth, Mandantenfähigkeit und geregelten Zugriff. Es bedeutet, dass die Tool-Oberfläche ein Kostenhebel ist, den du zur Designzeit gewählt hast. AILmanac hat einen eigenen Deep-Dive: Die MCP-Token-Steuer behandelt Tool Search, verzögertes Laden und Code-Ausführung als die drei Fixes.

Die vier Hebel, die die Rechnung tatsächlich senken​

Optimierungsratschläge sind endlos; nur vier Hebel bewegen die Zahl materiell. In grober Reihenfolge der Hebelwirkung:

Guided walkthrough1 of 4
  1. Setz einen Token-/Dollar-Deckel pro Lauf oder pro Nutzer, der den Agenten HART STOPPT. Weil dieselbe Aufgabe bei einem schlechten Lauf 30× mehr kosten kann, ist eine Obergrenze das Einzige, was den Tail begrenzt. Die meisten Agenten-Harnesse bieten ein max-tokens- oder max-steps-Limit — nutze es. Das ist die einzelne wichtigste Kontrolle.

Einen ausufernden Agenten prüfen (füge die Token-Aufschlüsselung deines Laufs ein)

You are a cost engineer. Here is a token-usage breakdown of one agentic run
(input vs output tokens per step, tool calls, model used).

Diagnose where the money went, in priority order:
1. Is input or output driving cost? (Agents are almost always input-heavy.)
2. Which repeated content should be prompt-CACHED (system prompt, tools, rules)?
3. Which steps could run on a CHEAPER model without losing correctness?
4. Where is context snowballing — what can be pruned, compacted, or summarized?
5. What is a safe per-run token CAP that stops the worst tail without hurting the median run?

Give me the estimated % saving per fix and the ONE change to make first.

Wann ein Agent das falsche Werkzeug ist​

Der günstigste agentische Lauf ist der, den du nicht machst. Wenn eine Aufgabe eine einzelne, gut spezifizierte Transformation ist — fass das zusammen, klassifiziere jenes, schreib das um — erledigt ein einfacher Chat-/Completion-Aufruf sie zu einem Bruchteil der Kosten, ganz ohne Lawine. Greif zu einem Agenten, wenn die Arbeit wirklich Lesen, Entscheiden, Handeln und erneutes Prüfen in einer Schleife gegen eine sich ändernde Umgebung erfordert (ein Repo erkunden, über Dateien hinweg debuggen, einen Browser steuern). Wenn du die genauen Schritte selbst hinschreiben kannst, skripte sie — zahl kein Modell dafür, sie bei jedem Lauf neu herzuleiten.

Drücke Enter oder die Leertaste, um die Karte umzudrehen. Nutze die Pfeiltasten links und rechts, um zwischen den Karten zu wechseln.Begriff angezeigt.
1 / 5

Check yourself

0/3
  1. Warum kostet ein agentischer Lauf für dieselbe Frage so viel mehr als ein einzelner Chat-Turn?
  2. Ein Kollege will einen zweiten und dritten Agenten 'zur Sicherheit' zu einer Aufgabe hinzufügen, die ein Einzelagent bereits mit 85 % Genauigkeit bewältigt. Was legen die 2026er-Benchmarks nahe?
  3. Da dieselbe Aufgabe bei einem Lauf bis zu 30× mehr kosten kann als bei einem anderen, wie kontrolliert man die Ausgaben richtig?

Quellen & weiterführende Lektüre​