Kostenkontrolle bei KI-Agenten

Agenten können schnell teuer werden – Tokens mal Iterationen mal Subagents. Ein paar einfache Stellschrauben helfen.

Warum Agenten teuer werden

Ein einzelner Chat-Aufruf kostet meist wenig. Ein Agent aber ruft das Modell oft viele Male hintereinander auf – für Planung, Tool-Nutzung, Zwischenschritte, manchmal über mehrere Subagents gleichzeitig. Die Kosten multiplizieren sich: Tokens pro Aufruf × Anzahl der Iterationen × Anzahl paralleler Subagents.

Stellschraube 1: Budgets und Caps

Setze harte Obergrenzen – maximale Anzahl Iterationen, maximales Token-Budget pro Aufgabe oder maximale Kosten pro Lauf. So verhindert ein hängender Agent nicht, dass die Kosten unbegrenzt weiterlaufen.

Stellschraube 2: Modell-Routing

Nicht jede Teilaufgabe braucht das teuerste Modell. Einfache, mechanische Schritte (Formatierung, kurze Zusammenfassungen) können günstigere, kleinere Modelle übernehmen, während komplexe Planung dem teureren Modell vorbehalten bleibt.

Stellschraube 3: Kontext klein halten

Je mehr Kontext (Dateien, Historie) bei jedem Aufruf mitgeschickt wird, desto mehr Input-Tokens fallen an – bei jedem einzelnen Schritt. Nur relevante Ausschnitte teilen statt ganze Dateien oder komplette Chatverläufe spart direkt Geld.

Stellschraube 4: Usage-Monitoring

Behalte im Blick, wie viele Tokens tatsächlich verbraucht werden – pro Aufgabe, pro Tag, pro Nutzer. Ohne Monitoring bemerkst du Kostenexplosionen oft erst auf der Rechnung.