Autonome KI-Agenten schreiben ihre Rechnung nach Verbrauch, nicht nach Kopf. Der Entwickler Steve Yegge kalkuliert für sein Agenten-Orchester rund 10.400 Euro im Monat und 21 parallele Konten. GitHub stellte Copilot zum 1. Juni 2026 auf verbrauchsbasierte Abrechnung um. Für Teams verschiebt sich die Frage damit von der Lizenz zur reinen Rechenleistung.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Das Kontingent eines KI-Agenten war in Steve Yegges Tests nach zwei bis vier Stunden aufgebraucht, obwohl das Abo dahinter 170 Euro kostete. Der Entwickler zeigt in seinem Essay „Seats and Sunsets“, warum leistungsfähigere Modelle das Problem autonomer KI-Agenten nicht lösen und stattdessen die Architektur über die Kosten entscheidet.
Das Wichtigste in Kürze
- Verbrauch statt Kopfzahl: Anbieter rechnen KI-Agenten zunehmend nach Token ab, GitHub Copilot seit dem 1. Juni 2026.
- Yegges Orchester: rund 10.400 Euro pro Monat, 21 parallele Konten, ein 170-Euro-Abo reicht nur zwei bis vier Stunden.
- Yegges Gegenmittel: feste Rollen mit Gedächtnis sparen teure Prüfschritte, klare Ausgabegrenzen stoppen die Kostenspirale.
- Für DACH-Teams: Budget nach Verbrauch planen und harte Ausgabegrenzen im Werkzeug setzen.
Warum verbrennen KI-Agenten so viel Geld?
Autonome Agenten prüfen bei jedem Schritt neu, was erlaubt ist und wer zuständig ist, und diese ständige Rückversicherung kostet Token. Yegge betrieb für sein System namens Wheelhouse rund 25 Modellinstanzen samt Hilfsagenten und hielt dafür 21 gleichzeitige Konten offen, bei voller Auslastung kalkuliert er rund 10.400 Euro im Monat.[1] Sein Orchester lieferte zwar 250 bis 300 geprüfte Commits am Tag, doch der Verbrauch wuchs stärker als der Wert dahinter, ein Muster, das auch die Debatte um teuren KI-Code seit Monaten prägt.
Nicht das klügere Modell entscheidet über die Rechnung, sondern die Frage, wie oft ein Agent sich absichern muss. Klar definierte Rollen und harte Grenzen sind die günstigere Investition als jedes Modell-Upgrade.
— Markus Seyfferth, Chefredakteur Dr. Web
Wie halten Teams die Kosten im Griff?
Feste Rollen mit Gedächtnis und harte Ausgabegrenzen senken die Kosten stärker als jedes Modell-Upgrade. Yegges Antwort heißt Seat, ein fester Posten mit Gedächtnis, Befugnissen und Grenzen. Ein Agent erbt diese Rolle samt Vorgeschichte, statt jede Sitzung bei null zu beginnen, und wandelt teure Prüf-Token in einfache Nachschlagevorgänge. Parallel stutzte Yegge seine Regelwerke von über 400 Sperren auf 14 Kernregeln zusammen, weil jede zusätzliche Sperre Misstrauen in Rechenzeit übersetzte.[1]
Die Anbieter ziehen nach. GitHub rechnet Copilot seit dem 1. Juni 2026 nach Verbrauch ab, ein Guthaben aus AI-Credits ersetzt die frühere Pauschale, ein Credit entspricht einem US-Cent, und jede Modellanfrage kostet nach Token.[2] Teams in der DACH-Region planen ihr Budget deshalb nach Verbrauch statt nach Kopf und setzen harte Ausgabegrenzen direkt im Werkzeug. Die Datenwege der Agenten gehören zusätzlich früh mit der DSGVO abgeglichen. Yegge selbst erwartet keine schnelle Entlastung, vor günstigerer Spitzenintelligenz bleibe der Bau solcher Systeme in den nächsten zwölf Monaten Spielerei.[1]
Warum die Rechnung nach Verbrauch entsteht, nicht nach Kopfzahl
Quellen
[1] Steve Yegge: „Seats and Sunsets“
[2] GitHub: „GitHub Copilot is moving to usage-based billing“
Mehr Newshunger?
- GitLab drosselt KI-Coding-Agenten mit strengeren Rate Limits
- Code-Review am Limit: Wenn KI mehr Code liefert, als Menschen prüfen können
- KI macht das Bauen billig, das Besitzen teuer
- Microsoft stoppt Claude Code intern: API-Kosten fressen das Budget
- Warum KI-Agenten lügen, betrügen und sich absprechen
