Wer die Kosten für KI-Coding-Agenten senken will, sollte nicht nur Tokens zählen. Entscheidend ist, wie viel geprüftes und übernommenes Software-Ergebnis das eingesetzte Geld liefert. Unternehmen können teure Modelle gezielt einsetzen, Routineaufgaben auf eigener Infrastruktur ausführen und den Erfolg anhand der Kosten pro übernommenem Pull Request messen.

Das Wichtigste in Kürze

• Eine agentengestützte Coding-Aufgabe kann 10 bis 50 Mal mehr Tokens verbrauchen als eine einfache Chat-Anfrage.
• Die Kosten pro übernommenem Pull Request verbinden KI-Ausgaben mit tatsächlich abgeschlossener Entwicklungsarbeit.
• Ein hybrider Betrieb kombiniert externe Spitzenmodelle mit selbst betriebenen Open-Weight-Modellen für wiederkehrende Aufgaben.
• Eigene Rechenkapazität lohnt sich vor allem bei dauerhaft hoher Auslastung.

Ein Coding-Agent beantwortet nicht nur eine Frage. Er plant Änderungen, erzeugt Code, führt Tests aus und behebt Fehler. Jeder weitere Durchlauf verbraucht zusätzliche Tokens. Dadurch können gerade die nützlichsten Arbeitsabläufe besonders teuer werden.

Die folgenden Ansätze stammen aus einem von HPE produzierten Beitrag, der bei MIT Technology Review veröffentlicht wurde. Die Redaktion von MIT Technology Review hat diesen Beitrag nicht verfasst. Unternehmensangaben und Prognosen sind entsprechend einzuordnen.

Warum steigen die Ausgaben für Coding-Agenten?

Die Ausgaben steigen, weil Coding-Agenten für eine Aufgabe viele Modellaufrufe benötigen und erfolgreiche Nutzung weitere Nutzung fördert.

Laut dem Ausgangsbeitrag soll Uber sein gesamtes KI-Budget für 2026 bereits im April aufgebraucht haben, nachdem das Unternehmen Claude Code stärker eingesetzt hatte. GitHub Copilot wechselte demnach von Pauschalpreisen zu verbrauchsabhängigen Credits. Gartner prognostiziert, dass die Tokenkosten für KI-Coding bis 2028 durchschnittliche Entwicklergehälter übersteigen werden.

Diese Aussagen zeigen den Kostendruck, ersetzen aber keine Messung im eigenen Unternehmen. Manche Ausgaben entstehen durch unnötige Wiederholungen oder unkontrollierte Schleifen. Andere finanzieren Tests und Korrekturen, die Software erst nutzbar machen.

Pauschale Nutzungslimits unterscheiden diese Fälle nicht. Wer seine Kosten für KI-Coding-Agenten senken möchte, sollte deshalb Verschwendung und produktive Arbeit getrennt betrachten.

Kosten für KI-Coding-Agenten senken: Was misst den Erfolg?

Die Kosten pro übernommenem Pull Request zeigen besser als der Tokenverbrauch, wie viel fertige Software eine KI-Investition hervorbringt.

Ein Pull Request ist ein Änderungsvorschlag am Code. Nach erfolgreicher Prüfung wird er in den gemeinsamen Codebestand übernommen. Die Kennzahl lautet:

Kosten pro übernommenem Pull Request = gesamte Kosten der KI-gestützten Entwicklung ÷ Anzahl geprüfter und übernommener Änderungen.

Sinkt dieser Wert bei steigender KI-Nutzung, ohne dass die Qualität leidet, wird der Einsatz wirtschaftlicher. Weniger Tokens sind dagegen kein Erfolg, wenn dadurch weniger brauchbare Änderungen entstehen.

Qualität und aktive Nutzung mitmessen

Erfassen Sie Nacharbeit und Fehler zusätzlich. Sonst können günstigere Änderungen eine schlechtere Qualität verdecken. HPE empfiehlt außerdem, die Kosten pro aktivem Entwickler zu verfolgen. Ein Durchschnitt über alle gekauften Lizenzen kann hohe Ausgaben einzelner Vielnutzer verbergen.

Der Beitrag nennt deutliche Unterschiede: Die aktivsten 5 % der Nutzer verursachten den größten Teil des Verbrauchs. Die stärksten Nutzer verbrauchten bei gleicher Lizenz etwa 450 Mal so viel wie die schwächsten. Steigt der Anteil der Vielnutzer auf die Hälfte der Belegschaft, können die monatlichen Ausgaben bei gleichbleibender Mitarbeiterzahl etwa auf das 4,4-Fache steigen. Diese Angaben sind kein allgemeiner Maßstab für jedes Unternehmen.

Welches Modell passt zu welcher Aufgabe?

Leistungsstarke Spitzenmodelle eignen sich für schwierige Planung und neue Denkaufgaben, während geeignete Routinearbeiten an selbst betriebene Modelle gehen können.

Damit lassen sich die Kosten von KI-Coding-Agenten gezielter senken als durch ein einheitliches Nutzungslimit. Nicht jeder Schritt benötigt das teuerste Modell.

• Nutzen Sie Spitzenmodelle für komplexe Planung und anspruchsvolle Schlussfolgerungen.
• Prüfen Sie Open-Weight-Modelle für Codeerzeugung, Testerstellung und wiederholte Codeüberarbeitung.
• Leiten Sie Anfragen anhand von Komplexität, Datenempfindlichkeit, Kosten und Antwortzeit weiter.

Ein Gateway übernimmt diese Weiterleitung. Es reserviert teure Rechenleistung für Aufgaben, die sie rechtfertigen. Verlangen interne Regeln einen lokalen Betrieb, kann auch ein leistungsstarkes Modell vor Ort die Planung übernehmen.

Benchmarks ersetzen keine Prüfung am eigenen Code

Führende Open-Weight-Modelle können laut Quelle bei manchen Softwareentwicklungs-Benchmarks nahe an Spitzenmodelle herankommen. Daraus folgt keine Gleichwertigkeit bei jeder Aufgabe. Testen Sie Kandidaten mit Ihren eigenen Codebeständen, Tests und Abnahmekriterien, bevor Sie ihnen produktive Arbeit übertragen.

Wann lohnt sich eigene Rechenkapazität?

Eigene Rechenkapazität lohnt sich vor allem dann, wenn eine dauerhaft hohe Nachfrage die Infrastruktur auslastet.

Bei tokenbasierter Abrechnung erhöht jeder zusätzliche Aufruf die Rechnung. Bei eigener Kapazität steht ein großer Teil der Kosten bereits fest. Mit höherer Auslastung verteilen sich diese Kosten auf mehr Arbeit. Strom, Betrieb, Wartung und Abschreibung bleiben jedoch Teil der Rechnung.

Wer durch eigenen Betrieb die Kosten für seine KI-Coding-Agenten senken will, muss deshalb vollständig rechnen. Entscheidend bleibt der Gesamtaufwand pro übernommenem Pull Request, nicht allein ein günstigerer Tokenpreis.

Bei geringer oder unvorhersehbarer Nutzung sprechen die wirtschaftlichen Argumente eher für APIs. Sie binden kein Kapital in ungenutzter Hardware. Ein hybrider Ansatz verbindet externe Modelle für anspruchsvolle oder gelegentliche Aufgaben mit eigener Kapazität für regelmäßiges Volumen.

Interne KI-Nutzung betrifft nicht nur Entwicklerteams. Einen weiteren Anwendungskontext behandelt der Beitrag über interne KI für Immobilienmakler.

Wie schützt ein hybrider Betrieb sensiblen Code?

Ein hybrider Betrieb kann sensiblen Code intern halten, indem Codeerzeugung und Tests lokal laufen und nur freigegebene Anfragen externe Modelle erreichen.

Das Unternehmen kontrolliert über sein Gateway, welche Daten die eigene Infrastruktur verlassen. Externe Modelle erhalten nur genehmigte Planungsanfragen und geregelte Ausnahmen. So können auch sensible Codebestände für KI-gestützte Entwicklung zugänglich werden, bei denen Sicherheitsvorgaben die Einführung bisher gebremst haben.

Eigene Infrastruktur bedeutet dabei nicht, auf externe Spitzenmodelle verzichten zu müssen. Sie trennt regelmäßige interne Arbeit von gezielt freigegebenen externen Aufgaben.

Wie lässt sich das Betriebsmodell prüfen?

Vergleichen Sie die bisherigen Kosten mit einem vollständigen Entwicklungszyklus auf eigener Kapazität und prüfen Sie dabei auch die Qualität.

HPE berichtet, dass eine hybride KI-Plattform Routineaufgaben aus mehr als 150 internen Anwendungen an lokal betriebene Open-Weight-Modelle weiterleitet. Dazu nutzt das Unternehmen unter anderem HPE Private Cloud AI. Nach HPE-Angaben sanken die Tokenkosten dadurch um 30 bis 50 %. Das belegt jedoch nicht automatisch niedrigere Gesamtkosten pro übernommener Codeänderung.

• Ermitteln Sie vor der Umstellung die Kosten pro aktivem Entwickler und pro übernommenem Pull Request.
• Erfassen Sie parallel Fehler und Nacharbeit als Qualitätskontrolle.
• Testen Sie einen vollständigen Entwicklungszyklus mit eigener Kapazität und geregelter Modellwahl.
• Prüfen Sie, ob beide Kostenkennzahlen bei wachsender Nutzung besser werden.

Verbessern sich die Kennzahlen nicht, kann das bisherige Modell weiterhin die bessere Wahl sein.

Wenn Sie die Kosten Ihrer KI-Coding-Agenten senken wollen, richten Sie Ihre Entscheidungen an geprüfter, übernommener Software aus. Kombinieren Sie passende Modelle mit einer Infrastruktur, die zu Ihrer tatsächlichen Nutzung passt, statt produktive Arbeit pauschal zu begrenzen.

(Quelle: https://www.technologyreview.com/2026/11/02/1147702/stop-counting-tokens-start-counting-what-ships/)

Mehr dazu: alle Beiträge in dieser Rubrik

FAQ