KI-Agenten dominieren den Token-Verbrauch: Was das kostet
KI-Agenten verbrauchen bereits fünfmal mehr Tokens als menschliche Nutzer. Für Gründer, die auf Automatisierung setzen, hat das direkte Folgen bei Kosten und Ressourcenplanung.
KI-Agenten haben Menschen beim Token-Verbrauch längst abgehängt. Laut einer Auswertung des Risikokapitalgebers Andreessen Horowitz auf Basis von OpenRouter-Daten verbrauchen automatisierte KI-Systeme im Sieben-Tage-Schnitt 7,3 Billionen Tokens. Das ist fast fünfmal so viel wie menschliche Nutzer im gleichen Zeitraum. Seit Februar 2026 ist die Nutzung durch Agenten um das 14-Fache gestiegen. Für Gründer, die KI-Automatisierung planen oder bereits einsetzen, ist das keine abstrakte Zahl.
Was ein Token ist und warum er Geld kostet
KI-Modelle rechnen nicht in Wörtern, sondern in Tokens. Ein Token entspricht grob einem Wortfragment. Je mehr Tokens eine Anfrage verarbeitet, desto teurer wird sie. Die meisten KI-Anbieter rechnen nach Tokenvolumen ab, darunter OpenAI und Anthropic.
Wer selbst eine KI-Anfrage stellt, schickt meist einen kurzen Prompt und bekommt eine Antwort. Ein KI-Agent arbeitet anders: Er erledigt eine Aufgabe in mehreren Schritten und stellt für jeden Schritt eine eigene Anfrage an das Modell. Dabei zieht er den gesamten bisherigen Gesprächsverlauf mit. Das treibt den Tokenverbrauch pro Aufgabe in die Höhe. Laut OpenRouter benötigt eine agentische Anfrage im Schnitt 15-mal so viele Tokens wie eine menschliche.
Caching hilft, löst das Problem aber nicht vollständig
Es gibt einen Mechanismus, der die Kosten dämpft: sogenannte Cached Tokens. Bereits verarbeitete Kontextteile werden zwischengespeichert und bei späteren Schritten wiederverwendet. Der Agent muss denselben Kontext dann nicht erneut vollständig verarbeiten, was Rechenleistung spart und den Preis für diesen Teil senkt.
86 Prozent des Token-Verbrauchs von Agenten entfallen inzwischen auf gecachte Tokens. Bei menschlichen Nutzern sind es 29 Prozent. Seit Januar 2026 ist der Anteil bei Agenten von 65 auf 86 Prozent gestiegen. Agenten werden im Umgang mit Kontext effizienter.
Caching senkt jedoch nicht alle Kosten. Der zwischengespeicherte Kontext muss schnell abrufbar und dauerhaft verfügbar sein. Das erfordert Speicher, der teuer und knapp ist.
Speicherknappheit als strukturelles Problem
KI-Rechenzentren setzen für diese Aufgabe sogenanntes High Bandwidth Memory ein, kurz HBM. Dieser Speichertyp sitzt direkt neben den KI-Chips und liefert Daten mit hoher Geschwindigkeit. Hersteller wie SK Hynix, Samsung und Micron weiten die Produktion aus, neue Kapazitäten sind aber frühestens in Jahren verfügbar. Große Cloud-Anbieter sichern sich deshalb Kontingente über langfristige Verträge.
Weil mehr Produktionskapazität in HBM fließt, wird anderer Speicher knapper. Das kann Preise für Endgeräte wie PCs und Smartphones treiben. Für Gründer, die eigene Infrastruktur betreiben oder skalieren wollen, ist das ein Hintergrundrauschen, das die Kosten beeinflussen kann.
Was das für kleine Unternehmen bedeutet
Wer KI-Agenten einsetzt oder plant, muss die Kosten konkret kalkulieren. Ein Agent, der täglich Dutzende Aufgaben abarbeitet, verbraucht ein Vielfaches dessen, was eine manuelle Nutzung kosten würde. Die monatliche Abrechnung kann schnell höher ausfallen als erwartet.
Caching reduziert den Verbrauch messbar. Wer seine Agenten so konfiguriert, dass sie auf gespeicherten Kontext zurückgreifen statt bei jeder Anfrage neu zu beginnen, zahlt weniger. Das setzt voraus, dass man die eigene Nutzung beobachtet und versteht, wie viele Tokens welche Prozesse verbrauchen.
Die Daten zeigen außerdem, dass aktive Unternehmen beim Tokenverbrauch weit über dem Durchschnitt liegen. Laut der a16z-Auswertung erzeugen die aktivsten Firmen mehr als achtmal so viele Tokens wie typische Unternehmen, was direkte Folgen für die Rechenkosten und damit für die Marge hat.
Agenten verdrängen klassische Automatisierungs-Tools
Der Anstieg bei KI-Agenten hat eine weitere Konsequenz. Etablierte Anbieter von Workflow-Automatisierung geraten unter Druck. Andreessen Horowitz verweist auf Daten, die zeigen, dass mehrere Anbieter in diesem Segment zuletzt Nutzerrückgänge verzeichnet haben. Gründer, die gerade über neue Automatisierungstools nachdenken, sollten prüfen, ob ein KI-Agent ihre Anforderungen günstiger oder flexibler erfüllt als ein spezialisiertes SaaS-Tool.
Fazit
KI-Agenten dominieren bereits den Token-Verbrauch auf einer der größten KI-Routing-Plattformen. Wer Automatisierung mit KI plant, sollte die Kosten pro Aufgabe konkret durchrechnen, Caching nutzen und den Verbrauch regelmäßig prüfen. Wer das nicht tut, zahlt am Ende mehr als nötig.
