• Docs
  • Talk to an expert
Blog
Blog
BlogProduktFallstudienNachrichtenInsights
Blog

Gestern 0,50 $, heute 5 $: Warum du deine KI-Rechnung nicht vorhersagen kannst

AIKI-EntwicklungKosteneinsparungenKI-Agenten
03 November 2026
Teilen
Diese Seite wurde von unseren Experten auf Englisch verfasst und mithilfe einer KI übersetzt, um einen schnellen Zugriff zu ermöglichen! Die Originalversion findest du hier.

TL;DR

  • Die gleiche Aufgabe für einen KI-Agenten kann an einem Tag 50 Cent und am nächsten 5 Dollar kosten, ohne dass jemand im Team etwas geändert hat.
  • Die Agenten versuchen es erneut, sammeln bei jedem Schritt mehr Kontext und lesen weiter, als erwartet. Du siehst erst nach Abschluss des Durchlaufs, wie hoch diese Kosten sind.
  • Wenn die KI-Kosten auf der monatlichen Rechnung nur als eine einzige Zahl erscheinen, kann die Technikabteilung sie nicht erklären und die Finanzabteilung kann sie nicht einplanen.
  • Vorhersehbare KI-Kosten beginnen mit der Zuordnung: zu wissen, was jeder Lauf und jeder Workflow gekostet hat, während die Arbeit noch läuft.

Dieselbe Aufgabe, eine andere Rechnung

Das Wichtigste auf einen Blick: Ein Agent entscheidet während der Ausführung, wie viel Arbeit eine Aufgabe erfordert – daher können zwei Aufgaben, die identisch aussehen, sehr unterschiedliche Kosten verursachen.

Gestern hat ein KI-Agent einen Pull-Request geprüft und dabei etwa fünfzig Cent verbraucht. Heute hat er einen geprüft, der fast genauso aussah, und dabei fünf Dollar verbraucht. Gleicher Workflow, gleiches Repository, gleiches Modell.

Fragt man den Entwickler, der das eingerichtet hat, was passiert ist, ist die Antwort meist ein Achselzucken. Der Agent hat beide Male seine Arbeit erledigt. Beim zweiten Mal hat er einfach viel mehr davon gemacht.

Das macht die Budgetplanung schwierig, denn das meiste, wofür IT-Verantwortliche bezahlen, ist konstant. Ein reservierter Server oder eine Softwarelizenz kostet genau das, was man vereinbart hat. Selbst nutzungsbasierte Infrastruktur richtet sich meist nach dem Datenverkehr, den man vorhersehen kann. Eine Tabelle und ein paar Monate Historie reichen aus, um das meiste davon vorherzusagen.

Ein Agent arbeitet sich nach und nach durch die Aufgabe. Er liest den Code, entscheidet, was er sich noch ansehen muss, ruft das Modell auf, überprüft die Antwort und versucht es manchmal erneut. Jede dieser Entscheidungen kostet Tokens und Zeit, und keine davon ist zu Beginn der Aufgabe bekannt. Du erfährst erst nach Abschluss der Aufgabe, was sie gekostet hat.

Diese Unvorhersehbarkeit geht mit einem rasant wachsenden Kostenposten einher. Gartner prognostiziert, dass die weltweiten Ausgaben für KI-Agenten und -Assistenten im Jahr 2026 29,2 Milliarden US-Dollar erreichen werden – ein Anstieg gegenüber 16,5 Milliarden US-Dollar im Jahr 2025.

Warum sich die Zahl verändert

Das Wichtigste auf einen Blick: Wiederholungsversuche, wachsender Kontext und Erkundung sind allesamt normales Agentenverhalten, und jede dieser Komponenten kann die Kosten eines einzelnen Durchlaufs vervielfachen.

Die einfachste Ursache ist ein Wiederholungsversuch. Ein Agent, der eine unbrauchbare Antwort erhält, fragt das Modell erneut. Ein einzelner Wiederholungsversuch fällt kaum ins Gewicht. Eine Wiederholungsschleife, in der die Antwort immer wieder unzureichend ausfällt und der Agent immer wieder nachfragt, kann eine 5-Cent-Aufgabe in eine 40-Dollar-Aufgabe verwandeln, bevor es jemand bemerkt.

Der Kontext summiert sich unauffälliger. Jeder Schritt, den ein Agent unternimmt, trägt zu dem bei, was er an das Modell zurücksendet: die Dateien, die er gelesen hat, die von ihm erzeugten Ausgaben, die aufgetretenen Fehler. Spätere Schritte übernehmen in der Regel das, was vor ihnen kam, sodass lange Durchläufe im Laufe der Zeit pro Schritt tendenziell teurer werden.

Dann ist da noch die Erkundung. Wenn ein Agent gebeten wird, einen Fehler zu beheben, öffnet er vielleicht fünf Dateien, um ihn zu verstehen, und zehn weitere, um zu prüfen, ob nichts anderes von der Änderung abhängt. Das ist oft genau das, was du von ihm erwartest. Es bedeutet aber auch, dass zwei Tickets, die gleich lauten, einen sehr unterschiedlichen Arbeitsaufwand bedeuten können.

Das Ticket verrät dir nicht, welche Art von Durchlauf dich erwartet. „Das Datumsformat auf der Rechnungsseite korrigieren“ könnte drei Schritte oder dreißig erfordern.

Warum die Rechnung der schlechteste Ort ist, um das herauszufinden

Das Wichtigste zum Mitnehmen: Ein nachträglich überprüfter Gesamtbetrag sagt dir nur, wie viel du ausgegeben hast, gibt dir aber keine Möglichkeit herauszufinden, warum.

AI-Ausgaben werden in der Regel als Gesamtbetrag vom Modellanbieter ausgewiesen, der erst im Nachhinein betrachtet wird, ohne dass ein Zusammenhang zum Workflow besteht, der die Kosten verursacht hat. Wenn jemand das Ganze überprüft, sind die zugrunde liegenden Läufe bereits Tage oder Wochen zuvor abgeschlossen.

Die Entwickler haben zu diesem Zeitpunkt kaum noch eine Chance, das zu erklären. Niemand erinnert sich mehr daran, welcher Lauf sich endlos wiederholt hat, bei welchem Workflow der Kontext aus dem Ruder gelaufen ist oder welches Repository Agenten losgeschickt hat, die die halbe Codebasis durchforstet haben. Ohne diesen Zusammenhang gibt es nichts Offensichtliches, das man beheben könnte.

Die Finanzabteilung steht vor einer Zahl, die im letzten Monat aus Gründen, die niemand nennen kann, in die Höhe geschnellt ist, und wird gebeten, im nächsten Quartal noch mehr davon zu genehmigen. Ohne eine Aufschlüsselung nach Team oder Workflow werden KI-Ausgaben zu einem Posten, den die Finanzabteilung auf Vertrauen hin akzeptieren muss – und das machen Finanzteams nicht gerne auf Dauer. Im Flexera-Bericht State of ITAM 2026 gaben 59 % der Unternehmen an, dass verschwendete KI-Ausgaben im vergangenen Jahr zugenommen haben.

So sehen vorhersehbare KI-Ausgaben aus

Das Wichtigste auf einen Blick: Einzelne Durchläufe variieren immer, daher muss Vorhersehbarkeit dadurch entstehen, dass man die Kosten jedes Durchlaufs in Echtzeit sieht und das Budget festlegt, bevor die Ausgaben anfallen.

Was du beeinflussen kannst, ist, wie schnell du davon erfährst und wer die Obergrenze festlegt. Käufer fordern das bereits: In seiner neuesten Prognose zu KI-Ausgaben berichtet Gartner, dass Unternehmen von ihren Anbietern erwarten, dass diese ihnen beim Kostenmanagement helfen und die Nutzungserfassung in ihre Arbeitsabläufe integrieren.

Jedes Token und jede Agentenminute muss mit dem Lauf und dem Workflow verknüpft sein, bei dem sie verbraucht wurden. Wenn also eine Zahl verdächtig aussieht, kann jemand den Lauf öffnen und nachsehen, was der Agent getan hat. Die Kosten müssen sichtbar sein, während der Lauf noch läuft, damit ein teurer Lauf noch am selben Tag bemerkt wird, solange sich die Beteiligten noch an den Kontext erinnern. Und das Budget funktioniert besser, wenn man das Geld im Voraus beiseitelegt und nach und nach abbaut – so hat die Finanzabteilung bereits vor Monatsbeginn einen Betrag zur Genehmigung.

So funktioniert die Kostenabrechnung in Upsun Dispatch™. Jeder Lauf erfasst die dafür aufgewendete Agentenzeit und eine Schätzung der Token-Kosten, sodass die Ausgaben bereits während der Arbeit mit dem Workflow verknüpft werden, der sie verursacht hat. Die Agentenzeit wird von einem Guthaben abgezogen, das du im Voraus auflädst, und du wirst benachrichtigt, bevor das Guthaben zur Neige geht. Modell-Token werden direkt von deinem KI-Anbieter abgerechnet, ohne Aufschlag von Upsun. Die Finanzabteilung kann die Ausgaben nach Workflow und Modell aufgeschlüsselt einsehen, und die Entwickler können bis auf den einzelnen Lauf herunterzoomen, um einen Ausreißer zu erklären.

Bist du bereit, deine KI-Ausgaben in Zahlen zu fassen, die die Finanzabteilung verteidigen kann? Lies den Leitfaden zu den Kosten pro Workflow


 

Häufig gestellte Fragen (FAQ)

Warum kostet dieselbe KI-Agenten-Aufgabe an verschiedenen Tagen unterschiedlich viel?
KI-Agenten entscheiden während der Ausführung selbst, wie viel Arbeit sie leisten. Wiederholungsversuche, der wachsende Kontext und die Anzahl der Dateien, die ein Agent liest, ändern sich von einem Durchlauf zum nächsten – selbst wenn zwei Aufgaben gleich aussehen. Die Kosten hängen davon ab, wie viel Arbeit der Agent leistet, daher ändern sie sich ebenfalls.

Was ist die Kostenzuordnung pro Workflow?
Jede Einheit der KI-Ausgaben – seien es Tokens oder Agentenzeit – wird dem jeweiligen Lauf und Workflow zugeordnet, in dem sie verwendet wurde. Anstelle einer monatlichen Gesamtsumme kannst du sehen, welche Workflows, Teams und Läufe deine Kosten verursacht haben.

Kann man die Ausgaben für KI-Agenten begrenzen?
Teilweise. In Upsun Dispatch wird die Agentenzeit aus einem Guthaben bezahlt, das du im Voraus auflädst. Wenn das Guthaben aufgebraucht ist, werden keine neuen Durchläufe gestartet, bis du auflädst – das bedeutet auch, dass keine neuen Token-Ausgaben anfallen. Bereits laufende Durchläufe dürfen zu Ende geführt werden, sodass das Guthaben leicht unter null sinken kann; die nächste Aufladung gleicht dies dann aus. Modell-Token werden von deinem KI-Anbieter abgerechnet, daher begrenzt dein Guthaben die Token-Ausgaben nicht direkt. Du erhältst außerdem eine Benachrichtigung, bevor dein Guthaben zur Neige geht.

Wie kannst du das Budget für KI-Agenten planen, wenn die Kosten von Lauf zu Lauf variieren?
Lege das Budget auf Gesamtniveau fest und verfolge die Ausgaben auf Laufebene. Die Vorabfinanzierung der KI-Ausgaben legt die Obergrenze für den Zeitraum fest. Die Live-Zuordnung nach Team und Workflow zeigt, wohin das Budget fließt, sodass Ausreißer noch im aktuellen Moment überprüft werden können.

Bleiben Sie auf dem Laufenden

Abonnieren Sie unseren monatlichen Newsletter.

Deployments leicht gemacht.
Testen Sie Upsun kostenlos.

Entwickeln Sie mit DispatchDeployen Sie mit Cloud