Token-Economics: Wie AI-Agent-Kosten wirklich entstehen

Token-Economics bei AI Agents bezeichnet die Kostenmechanik, bei der jeder Agenten-Lauf nach verbrauchten Tokens abgerechnet wird: Input-, Output-, Cached- und Reasoning-Tokens. Anders als beim Chatbot vervielfachen Agenten den Verbrauch durch Multi-Step-Schleifen, Tool-Calls und Sub-Agenten. Der Listenpreis weicht dadurch typisch um das 2- bis 10-Fache von den realen Produktionskosten ab. Wer ein Agenten-Budget plant, muss diese Mechanik verstehen, sonst kalkuliert er die Hälfte der Rechnung weg.

• Tokens sind die Abrechnungseinheit, nicht Anfragen. Eine Nutzeranfrage an einen Agenten erzeugt Stand 2026 typisch 5 bis 20 LLM-Aufrufe - jeder davon kostet erneut.
• Output und Reasoning sind teuer, Cached-Input ist billig. Output kostet meist das 3- bis 5-Fache des Inputs; wiederverwendeter Kontext (Cache) bei Anthropic nur 10 Prozent.
• API-Tokens sind selten mehr als 30 bis 50 Prozent der Gesamtkosten. Vektor-Store, Observability, Compute, Retries und Compliance treiben den Rest.

Die vier Token-Arten und wie sie abrechnen

Jeder LLM-Aufruf zerfällt in unterschiedlich bepreiste Token-Buckets. Wer nur den Output sieht, unterschätzt den Input systematisch - denn der Agent schleppt System-Prompt, Tool-Definitionen und wachsenden Kontext bei jedem Schritt erneut mit.

• Input-Tokens umfassen alles, was ins Modell geht: System-Prompt, Tool-Definitionen, abgerufener RAG-Kontext, Konversationsverlauf und die eigentliche Anfrage. Ein Workflow mit fünf definierten Tools zu je 150 Tokens addiert allein 750 Input-Tokens zu jedem Request.
• Output-Tokens sind die generierte Antwort. Sie kosten regelmäßig das Drei- bis Fünffache des Inputs. Bei Claude Sonnet liegt der Tarif Stand 2026 bei 3 USD Input gegen 15 USD Output pro Million Tokens - Faktor fünf.
• Cached-Input-Tokens sind wiederverwendeter, stabiler Kontext. Anthropic liest Cache zu 0,1-fachem Basispreis (90 Prozent Rabatt), OpenAI auf der GPT-5.x-Familie zu rund 10 Prozent des Basispreises. Das ist der wirkungsstärkste Kosten-Hebel, der seit Beginn der nutzungsbasierten Abrechnung eingeführt wurde.
• Reasoning-Tokens entstehen beim internen Nachdenken von Reasoning-Modellen. Sie werden Stand 2026 bei OpenAI und Anthropic schlicht zum Output-Tarif abgerechnet. Praktische Folge: Ein Aufruf mit 20.000 Reasoning-Tokens kostet bei 25 USD/Mio. Output rund 0,50 USD allein für das Denken - bevor ein einziges sichtbares Wort generiert ist.

Der Multiplikator: warum Agenten den Verbrauch explodieren lassen

Der entscheidende Unterschied zum Chatbot ist nicht der Token-Preis, sondern die Aufrufanzahl. Eine einzige Nutzeranfrage, die 2023 noch ein Modell-Call war, übersetzt sich 2026 routinemäßig in eine Kette: Planner, Tool-Auswahl, Interpretation des Tool-Ergebnisses, Nächster-Schritt-Entscheidung, Output-Formatierung, oft mit expliziten Verifikationsschleifen. Das sind 5 bis 20 Aufrufe. Sub-Agenten-Kaskaden treiben das gelegentlich auf 50 und mehr.

Drei Multiplikatoren stapeln sich:

• Multi-Step-Ausführung addiert +50 bis +200 Prozent auf die direkte API-Linie. Jeder Tool-Call ist ein eigener Completion-Aufruf mit eigenem Kontext.
• Sub-Agenten-Fan-out vervielfacht den Token-Verbrauch um das 3- bis 10-Fache gegenüber Einzel-Agenten. Jeder Sub-Agent ist eine separate Completion mit eigenem Kontextfenster und eigenen Tool-Definitionen.
• Fehlschlag und Retry addieren das 1,3- bis 3-Fache bei schwacher Verifikation. Agentische Workflows, die scheitern und neu starten, verbrennen Tokens auf dem Weg dorthin.

Hinzu kommt das Kontext-Wachstum: Mit jedem Schritt wächst der Konversationsverlauf, der als Input erneut bezahlt wird. Lange Kontexte sind doppelt teuer - oberhalb von 200.000 Tokens berechnen mehrere Anbieter (Gemini-Pro-Modelle, OpenAI GPT-5.5 ab 272.000 Tokens) einen Aufschlag von 2-fach Input und 1,5-fach Output. Naives Vollstopfen des Kontextfensters ist daher selten die günstige Lösung.

Versteckte Kosten: die Rechnung unter der API-Linie

Bei einer agentischen Last auf Konzern-Skala ist die API-Token-Linie selten mehr als 30 bis 50 Prozent der Gesamtkosten (TCO). Budgets, die nur die Preisliste des Modellanbieters ansetzen, verfehlen systematisch die halbe Rechnung. Die folgenden Posten sind im DACH-Raum die häufigsten blinden Flecken (Anteile als Richtwert für eine repräsentative Konzern-Last, Stand 2026):

Die versteckten Posten in Zahlen: Vektor-Store und Embeddings liegen bei 5 bis 15 Prozent der Gesamtkosten, Observability bei 2 bis 8 Prozent, Compute und Sandbox bei 10 bis 25 Prozent. Im DACH-Raum kommen Faktoren dazu, die auf keiner kalifornischen Preisliste stehen: der EU-Region-Aufschlag von rund 10 Prozent, der Souveränitäts-Aufpreis von Faktor 1,5 bis 3, sowie laufende Compliance-Kosten von realistisch 5.000 bis 20.000 Euro pro Jahr und aktivem Vertragspartner. Diese DACH-spezifischen Faktoren erhöhen die Gesamtkosten um 15 bis 35 Prozent gegenüber einer vergleichbaren US-Last.

Der Modellwahl-Hebel: klein, groß, oder geroutet

Nicht jeder Schritt braucht das teuerste Modell. Der zweitgrößte FinOps-Hebel nach Caching ist Routing - das günstige Modell als Standard, das teure nur bei messbarer Lücke. Die Preisspreizung ist erheblich (Stand 2026): Claude Haiku liegt bei 1 USD Input / 5 USD Output pro Million, Sonnet bei 3 / 15, Opus bei 5 / 25; GPT-5.5 bei 5 / 30. Auf der offenen Seite unterbietet DeepSeek V4 Flash mit 0,14 USD Input das Frontier-Niveau auf der Input-Seite um den Faktor 36.

Anthropic hat das Routing-Muster Stand 2026 mit dem Advisor Tool formalisiert (Beta seit 9. April 2026): Sonnet oder Haiku als Ausführer, Opus als bei Bedarf zugeschalteter Berater in einem einzigen API-Aufruf. Die veröffentlichten Benchmarks zeigen, wie stark der Hebel ist: Sonnet plus Opus-Advisor erreichte 74,8 Prozent auf SWE-bench Multilingual gegenüber 72,1 Prozent für Sonnet allein - bei 11,9 Prozent geringeren Kosten als Opus solo. Haiku plus Opus-Advisor verdoppelte den BrowseComp-Score (19,7 auf 41,2 Prozent) bei 85 Prozent geringeren Kosten als Sonnet solo.

Die nüchterne Faustregel dahinter: Das günstigste Modell, das den Eval besteht, ist das richtige Modell. Anthropics eigener Vergleich Sonnet gegen Opus zeigt rund Faktor fünf Kostenunterschied bei 1 bis 2 Prozentpunkten Benchmark-Abstand auf den meisten Workflows. Teams, die nach Eval-Ergebnis statt nach Bauchgefühl routen, senken die Modellkosten typisch um 30 bis 60 Prozent ohne Qualitätsverlust.

Rechenbeispiel: 1.000 Agenten-Läufe

Konkret, mit Sonnet-Tarifen (3 USD Input / 15 USD Output pro Million, Stand 2026, volatil). Angenommen ein Recherche-Agent mit durchschnittlich 8 LLM-Aufrufen pro Lauf, je 4.000 Input- und 800 Output-Tokens.

Unoptimiert, ohne Caching:

• Input: 1.000 Läufe x 8 Aufrufe x 4.000 Tokens = 32 Mio. Tokens x 3 USD = 96 USD
• Output: 1.000 x 8 x 800 = 6,4 Mio. Tokens x 15 USD = 96 USD
• Direkte Token-Kosten: rund 192 USD pro 1.000 Läufe

Mit 80 Prozent Cache-Trefferquote auf dem stabilen Kontextanteil (System-Prompt und Tool-Definitionen, cached zu 0,30 USD/Mio. statt 3 USD): Der gecachte Input-Anteil fällt auf rund ein Fünftel seines Preises. Die gewichteten Input-Kosten sinken von 96 auf etwa 25 bis 30 USD, der Output bleibt. Gesamt: rund 120 bis 125 USD - eine Ersparnis von rund 35 Prozent allein durch Caching.

Wenn dann noch 60 Prozent der Aufrufe per Routing auf Haiku (1 / 5 USD) statt Sonnet laufen, weil der Eval es zulässt, sinkt die direkte Linie weiter Richtung 70 bis 80 USD pro 1.000 Läufe. Und das ist nur die API-Linie - rechnet man Vektor-Store, Observability und Compliance-Ops dazu, liegen die realen Gesamtkosten erneut deutlich höher. Genau deshalb sind Token-Caps pro Workflow (max_iterations, max_tool_calls, max_sub_agent_depth) Stand 2026 der Governance-Standard: Sie verhindern, dass ein einziger außer Kontrolle geratener Lauf die Kalkulation sprengt.

FinOps und Budget-Guardrails

Die wirksamen Maßnahmen sind kein Geheimwissen, sondern Ingenieurspraxis. Gestapelt liefert ein gut instrumentiertes FinOps-Programm 60 bis 80 Prozent Kostenreduktion gegenüber dem unoptimierten Ausgangswert:

• Aggressives Prompt-Caching als größter Einzelhebel: 60 bis 90 Prozent Cache-Trefferquote senken Input-Kosten um 70 bis 80 Prozent. Der 5-Minuten-Cache amortisiert sich nach dem ersten Lese-Zugriff, der 1-Stunden-Cache nach dem zweiten.
• Eval-getriebenes Routing über LiteLLM, OpenRouter oder Portkey - billiges Modell als Default, Advisor-/Eskalations-Muster für die harten Fälle.
• Batch-API für Nicht-Echtzeit-Lasten mit pauschal 50 Prozent Rabatt, kombinierbar mit Caching - ein gecachter Batch-Request kann auf 5 Prozent des Standardpreises fallen.
• Token-Budget pro Workflow mit Hard-Caps und Kostenattribution pro Mandant, Team oder Workflow - ohne diese Attribution kann FinOps die einzige Frage des CFO nicht beantworten: Welche Geschäftseinheit verursacht diese Rechnung?
• Open-Weight-Fallback für die Long-Tail-Lasten (Zusammenfassung, Klassifikation, einfache Extraktion) - im DACH-Raum über EU-gehostete Anbieter wie Together AI EU-Region oder DeepInfra Frankfurt, da die China-gehostete DeepSeek-Direkt-API für DSGVO-gebundene Lasten ausscheidet.

Für Agenturen und B2B-Entscheider

Wer im DACH-Raum AI-Agenten produktiv betreibt oder für Kunden baut, sollte die Token-Ökonomie zur Kernkompetenz machen - denn die größten Kostenhebel liegen nicht im Vertrag, sondern in der technischen Umsetzung. Procurement-Teams, die um fünf Prozent Mengenrabatt ringen, lassen anderswo fünfzig Prozent liegen. Für Agenturen bedeutet das: Cost-Attribution pro Kunde via Helicone oder Portkey, transparente Kostenweitergabe mit klarer Marge auf der operativen Komplexität (10 Vertragspartner heißen 10 AVV-Ketten), und souveränes Hosting als Premium-Tier für Kunden mit DSGVO-Bindung. Für B2B gilt: Eval-getriebene Modellwahl, Caching ab Tag eins, Token-Caps pro Workflow und ein Exit-Pfad zu Open-Weight-Anbietern für jede Last, die eine sinnvolle Monatsschwelle überschreitet. Blck Alpaca aus Wien begleitet DACH-Unternehmen genau bei dieser Kalkulation - von der Workflow-Architektur über FinOps-Guardrails bis zur souveränen Bereitstellung. Hinweis: Sämtliche Preisangaben in diesem Artikel sind Stand 2026 und volatil; die Preisbänder verschieben sich quartalsweise und sollten vor jeder Budget-Entscheidung gegen die aktuelle Anbieter-Dokumentation geprüft werden.