Was Agenten kosten, wenn niemand mitzählt

OpenAI hat am 06.09.2026 eine Zahl veröffentlicht, die man erst einmal sacken lassen muss. In der eigenen Forschungsorganisation verbraucht der mittlere Forscher inzwischen mehr als 600 US-Dollar Inferenz pro Tag, gerechnet zu API-Preisen. Das obere Zehntel liegt bei über 7.000 Dollar pro Tag. Und über die gesamte Abteilung kommen auf jeden menschlichen Arbeitstag 3,1 Agenten-Arbeitstage, gemessen am Achtstundentag.

Das ist keine geleakte Zahl und keine Schätzung von außen. Das steht so im Beitrag von OpenAI, samt Methodenanhang.

Die erste Reaktion darauf ist meistens Rechnen: 600 Dollar mal 20 Arbeitstage sind 12.000 Dollar im Monat pro Kopf, also weit jenseits von allem, was in einem Endkundentarif steckt. Die zweite Reaktion ist meistens Erleichterung, weil man selbst ja nur 20 Euro im Monat zahlt.

Beide Reaktionen greifen zu kurz. Interessant an der Zahl ist weniger ihre Höhe als das, was sie über die Arbeitsweise verrät, die sich gerade durchsetzt, und über die Rechnung, die dahinter noch aussteht.

Was OpenAI da eigentlich gemessen hat

Der Beitrag ist ungewöhnlich offen, auch bei den Einschränkungen, und drei davon sind für die Einordnung wichtig.

Die Kurve ist steil, aber jung. Anfang 2026 nutzte der mittlere Forscher Agenten nur in bescheidenem Umfang. Über den Sommer geht es von rund 150 Dollar pro Tag im Juni auf etwa 600 Dollar Ende August. Simon Willison vermutet hinter dem Sprung Ende Juli den Zeitpunkt, an dem intern das später als GPT-6 Astra veröffentlichte Modell verfügbar wurde. Er selbst nennt das ausdrücklich seine beste Vermutung, mehr nicht.

Die Agenten laufen auch nicht allein. OpenAI schreibt selbst, dass sie weiterhin erhebliche menschliche Steuerung brauchen, und je komplexer die Aufgabe, desto mehr. In den letzten sechs Monaten enthielt über die Hälfte der erfolgreich erledigten Aufgaben im Bereich von vier bis acht Stunden mindestens einen Eingriff. Der Faktor 3,1 misst also Rechenzeit, keine Produktivität.

Und die Zahl selbst ist eine Rechengröße, keine Rechnung. "Zu API-Preisen" heißt: OpenAI bewertet die eigene Nutzung mit dem Preis, den ein Kunde zahlen würde. Tatsächlich bezahlt das Unternehmen dafür Strom, Abschreibung auf eigene und angemietete Hardware und Personal. Wer die 600 Dollar als Betriebskosten liest, liest sie falsch. Wer sie als Marktwert der eingesetzten Rechenleistung liest, liest sie richtig.

Genau darum ist die Zahl trotzdem relevant für alle anderen. Sie zeigt, wie viel Inferenz eine Arbeitsweise verbraucht, bei der niemand auf den Zähler schaut. Und sie kommt von der Organisation, die diese Arbeitsweise gerade als Produkt an alle anderen verkauft.

Warum dein Abo dich davor gerade noch schützt

Die gute Nachricht zuerst: Wer heute mit einem Pauschalabo arbeitet, ist von dieser Kostenkurve weitgehend abgeschirmt. Darin liegt der eigentliche Wert des Abos. Bezahlt wird nicht die Rechenzeit, bezahlt wird die Planbarkeit.

Der Stand am 07.09.2026, jeweils von der Tarifseite des Anbieters, aufgerufen aus Deutschland:

Zu den Währungen: Claude und ChatGPT zeigen aus Deutschland Euro-Preise, Anthropic weist die eigenen ausdrücklich ohne Steuern aus. GitHub listet unverändert in US-Dollar. Die Zeilen sind deshalb untereinander nur grob vergleichbar, für die Größenordnung reicht es.

Die unterste Zeile ist die interessanteste. Der Copilot-Tarif, den GitHub für genau die Arbeitsweise bewirbt, um die es hier geht, ist im Kern ein Guthabenkonto: 100 Dollar zahlen, 200 Dollar Guthaben bekommen, verbrauchen, fertig. Eine Pauschale ist das nicht mehr.

Jetzt die Gegenrechnung. Ein längerer Agentenlauf mit einem Flaggschiff-Modell kann leicht ein paar Hunderttausend Input-Tokens und einige Zehntausend Output-Tokens verbrauchen. Bei Claude Opus 5 kostet die Million Input 5 Dollar und die Million Output 25 Dollar (Preisliste). Wer so etwas mehrmals am Tag laufen lässt, ist bei API-Abrechnung schnell im zweistelligen Tagesbereich, also innerhalb einer Arbeitswoche über dem Monatspreis des Abos.

Das Abo fängt diese Differenz ab, solange man innerhalb der Limits bleibt. Die Anbieter subventionieren damit bewusst das Ausprobieren. Es ist eine gute Zeit, um Arbeitsweisen zu lernen, die später teuer werden.

Das "gerade noch" ist wörtlich gemeint

Die Pauschale ist keine Zusage, sie ist eine Marktphase. Und diese Phase wird gerade sichtbar zurückgebaut. Drei Belege aus den vergangenen Monaten, alle von den Anbietern selbst:

GitHub Copilot rechnet seit dem 01.06.2026 nutzungsbasiert ab. Statt Anfragen zu zählen, bekommt jeder Tarif ein monatliches Guthaben in GitHub AI Credits, und der Verbrauch wird über Input-, Output- und gecachte Tokens zu den API-Raten des jeweiligen Modells berechnet (Ankündigung im GitHub Blog). Aus einer Flatrate mit Anfragenzähler ist damit ein Prepaid-Konto geworden. Auf der Tarifseite steht heute folgerichtig ein Dollarbetrag statt einer Anzahl Anfragen.

Claude hat neben das Fünf-Stunden-Fenster ein Wochenlimit gestellt. Wer es erreicht, kann warten, den Tarif wechseln oder auf bezahlten Tarifen Usage Credits einschalten und zu regulären API-Preisen weiterarbeiten. Das ist ein sauberer Übergang von der Pauschale zur Abrechnung, eingebaut in das Produkt.

ChatGPT rechnet für Business und Enterprise in Credits ab. Die Rate Card von OpenAI listet feste Credit-Sätze pro Nachricht oder Aufgabe und daneben Sätze pro Million Input-, gecachter Input- und Output-Tokens, mit einer offen ausgeschriebenen Formel für den Gesamtverbrauch. Dieselbe Seite verweist für Free, Go, Plus und Pro auf ein eigenes Credit-Dokument. Das Prinzip ist also nicht auf die Firmentarife beschränkt.

Kein Anbieter hat die Pauschale abgeschafft. Aber alle drei haben inzwischen einen Mechanismus eingebaut, mit dem der Verbrauch über einer Schwelle an den Kunden durchgereicht wird. Wer die Zahlen aus dem OpenAI-Beitrag daneben legt, sieht warum: Wenn die Arbeitsweise sich so entwickelt wie dort beschrieben, ist eine echte Flatrate für Agentenarbeit betriebswirtschaftlich nicht darstellbar.

flowchart TB
  A["Agentenarbeit im Team"] --> B{"Innerhalb des<br/>Abo-Limits?"}
  B -->|ja| C["Pauschale deckt<br/>alles ab"]
  B -->|nein| D["Ab hier zählt<br/>jemand mit"]
  D --> E["Warten,<br/>Arbeit steht"]
  D --> F["Credits zu<br/>API-Preisen"]
  D --> G["Eigene oder<br/>lokale Technik"]
  classDef decision fill:#1A3A4A,stroke:#F59E0B,color:#FDE68A
  classDef success fill:#14532D,stroke:#22C55E,color:#86EFAC
  classDef abort fill:#7F1D1D,stroke:#EF4444,color:#FCA5A5
  class B decision
  class C,G success
  class E abort

Warum daraus eigene Infrastruktur folgt, und nicht Sparsamkeit

Der naheliegende Schluss wäre, weniger Agenten laufen zu lassen. Das ist die falsche Richtung, denn die Arbeitsweise selbst funktioniert ja. Der richtige Schluss ist ein anderer.

Wer eine Arbeitsweise übernimmt, deren Preis ein anderer festlegt und deren Abrechnungsmodell sich gerade sichtbar ändert, sollte parallel eine Variante aufbauen, bei der er den Preis selbst kennt. Das ist heute selten billiger. Es ist aber die einzige Position, aus der man verhandeln kann. Ein Team, das seine Agenten ausschließlich über einen Anbietertarif betreibt, hat bei der nächsten Limitanpassung genau eine Option, nämlich zahlen.

Dazu kommt ein zweiter Grund, der im DACH-Raum meist schwerer wiegt als der Preis: Was lokal läuft, verlässt das Haus nicht. Die Kosten- und die Datenschutzfrage zeigen hier ausnahmsweise in dieselbe Richtung, und das kommt selten genug vor.

Wichtig ist dabei die ehrliche Rechnung, sonst wird aus dem Argument eine Illusion. Selbst gehostete Modelle tauschen variable Token-Kosten gegen fixe GPU-Kosten, und eine gemietete High-End-GPU kostet auch dann Geld, wenn niemand sie benutzt. Wer wenig Volumen hat und ohnehin günstige Modelle nutzt, fährt mit der API fast immer billiger. Die Break-even-Rechnung dazu steht ausführlich in KI-Kosten im Team senken, und was aktuelle offene Modelle auf normaler Hardware wirklich leisten, haben wir in Lokale KI-Modelle im Test gemessen.

Was das praktisch heißt

Der Aufbau lohnt sich als Nebenspur, nicht als Umstieg. Vier Schritte, in dieser Reihenfolge, jeder für sich schon nützlich.

1. Den eigenen Verbrauch überhaupt kennen. Die meisten Teams wissen nicht, wie viele Tokens ihre Agenten verbrauchen, weil das Abo die Frage nie gestellt hat. Solange das so ist, ist jede Entscheidung über Alternativen geraten. Wer über ein Gateway arbeitet, bekommt die Zahlen ohne Umbau, siehe Modellrouter.

2. Die Arbeit sortieren. Nicht jede Aufgabe braucht das Flaggschiff. Klassifizieren, Extrahieren, Formatieren, Testdaten bauen, Commit-Messages schreiben: Das läuft auf kleinen offenen Modellen gut genug, und genau diese Aufgaben machen im Agentenbetrieb die Masse aus. Der Einstieg dazu steht in Ollama: KI lokal und DSGVO-konform nutzen.

3. Eine Aufgabe wirklich umziehen. Eine echte, wiederkehrende Aufgabe aus dem Alltag dauerhaft auf lokale Inferenz legen und dort lassen, statt sie nur einmal zu evaluieren. Erst im Betrieb zeigt sich, was fehlt: Kontextlänge, Werkzeugaufrufe, Verlässlichkeit bei langen Läufen. Ein Prototyp, der nach zwei Wochen wieder eingeschlafen ist, beantwortet keine dieser Fragen.

4. Die Grenze schriftlich festhalten. Am Ende steht kein Entweder-oder, sondern eine Zuordnung: diese Aufgaben lokal, jene über die API, und aus diesen Gründen. Wer das aufschreibt, kann es bei der nächsten Preisänderung anpassen, statt neu anzufangen. Für die Souveränitätsseite dieser Frage haben wir die Kriterien in Digitale Souveränität für KI-Teams durchgespielt.

Was offen bleibt

Ein lokales Modell auf vernünftiger Hardware ersetzt heute kein Flaggschiff bei schwierigem Debugging, langen Refactorings oder Architekturfragen. Wer etwas anderes behauptet, hat es nicht ausprobiert. Die interessante Frage ist ohnehin eine andere: Wie groß ist der Anteil der täglichen Arbeit, für den der Unterschied keine Rolle spielt? Nach unserer Erfahrung ist dieser Anteil deutlich größer, als die Marketingfolien der Anbieter nahelegen, und er wächst mit jeder Generation offener Modelle.

Die 600 Dollar aus dem OpenAI-Beitrag sind deshalb weniger eine Warnung als ein Hinweis. Sie zeigen, wohin die Arbeitsweise läuft, wenn Rechenzeit keine Rolle spielt. Für alle, bei denen sie eine Rolle spielt, ist das ein guter Zeitpunkt, sich eine zweite Spur zu bauen, solange die Pauschale das Experimentieren noch bezahlt.