How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks
Diese Studie untersucht systematisch das Token-Verbrauchsverhalten von KI-Agenten bei Programmieraufgaben und zeigt auf, dass diese Prozesse extrem kostspielig und unvorhersehbar sind, wobei die Modelle ihre eigenen Token-Kosten systematisch unterschätzen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das Problem: Der „unberechenbare digitale Handwerker“
Stell dir vor, du engagierst einen Handwerker, um dein Badezimmer zu renovieren. Du fragst ihn: „Was wird das kosten?“ Er antwortet: „Ich weiß es erst, wenn ich fertig bin.“ Das ist das Problem mit modernen KI-Agenten (wie Programmier-Assistenten).
Bisher haben wir KI meistens wie ein Lexikon benutzt: Du stellst eine Frage, die KI antwortet. Das ist wie ein kurzes Gespräch beim Bäcker – günstig und vorhersehbar. Aber neue „KI-Agenten“ sind wie echte Handwerker: Sie gehen in dein Haus, suchen Werkzeug, schauen in die Leitungen und arbeiten stundenlang selbstständig. Das kostet nicht nur Zeit, sondern vor allem „Token“ (das ist die digitale Währung der KI, quasi die „Arbeitsstunden“ oder der „Spritverbrauch“ der Maschine).
Die Forscher haben untersucht: Wie viel „Sprit“ verbrauchen diese digitalen Handwerker eigentlich, und können sie uns vorher sagen, wie teuer es wird?
Hier sind die vier wichtigsten Erkenntnisse der Studie:
1. Die „Spritfresser“-Falle (Warum es so teuer ist)
Die Forscher fanden heraus, dass KI-Agenten extrem viel teurer sind als normale Chats. Während ein normaler Chat wie ein kurzes Telefonat ist, ist ein KI-Agent wie eine mehrtägige Expedition durch einen Dschungel.
- Die Metapher: Das Problem ist nicht, dass die KI zu viel redet (Output), sondern dass sie ständig riesige Stapel von alten Notizen und Karten lesen muss (Input), um nicht den Faden zu verlieren. Dieser „Lese-Verbrauch“ macht den Großteil der Kosten aus.
2. Das „Sisyphos-Prinzip“ (Mehr Arbeit bedeutet nicht mehr Erfolg)
Man könnte denken: „Wenn die KI mehr Zeit und Ressourcen bekommt, wird sie es bestimmt schaffen.“ Die Forscher fanden aber das Gegenteil heraus.
- Die Metapher: Es ist wie ein Kind, das versucht, ein Puzzle zu lösen. Wenn es zu viel Zeit hat, fängt es an, die Teile wahllos hin und her zu schieben, anstatt klug zu suchen. Die KI gerät oft in eine „Endlosschleife“: Sie schaut in dieselbe Datei, ändert sie, schaut wieder rein, ändert sie wieder... Sie verbraucht immer mehr „Sprit“, aber das Ergebnis wird nicht besser. Sie dreht sich im Kreis.
3. Die „Unzuverlässigen Experten“ (Modelle sind unterschiedlich effizient)
Nicht alle KIs arbeiten gleich gut. Manche sind wie ein Profi-Handwerker, der mit einem Schlag fertig ist. Andere sind wie ein Lehrling, der ständig das Werkzeug vergisst und alles dreimal machen muss.
- Die Metapher: Ein Modell (wie GPT-5) ist wie ein effizienter Profi, der direkt zum Punkt kommt. Ein anderes Modell (wie Kimi-K2) ist wie ein sehr gründlicher, aber extrem chaotischer Helfer, der für die exakt gleiche Aufgabe Millionen von „Token“ verbraucht, weil er ständig alles doppelt und dreifach prüft.
4. Die „Blindflug-Schätzung“ (Können KIs ihre Kosten vorhersagen?)
Die spannendste Frage: Können wir die KI fragen: „Hey, wie viel wird das kosten, bevor du anfängst?“
- Die Metapher: Die Forscher haben die KI gebeten, einen Kostenvoranschlag zu machen. Das Ergebnis? Die KI ist ein katastrophaler Buchhalter. Sie unterschätzt fast immer massiv, wie viel sie eigentlich verbrauchen wird. Es ist, als würde ein Wanderer sagen: „Ich brauche nur zwei Flaschen Wasser“, und dann mitten im Gebirge feststellen, dass er zehn braucht.
Fazit: Was bedeutet das für uns?
Die Studie zeigt, dass wir uns aktuell in einer Phase des „digitalen Blindflugs“ befinden. Wir lassen hochintelligente Agenten los, wissen aber nicht genau, ob sie am Ende 5 Cent oder 5 Euro kosten werden – und ob sie die Aufgabe überhaupt lösen.
Die gute Nachricht: Die Forscher haben den ersten „Spiegel“ für diese Agenten gebaut. Sie haben gezeigt, wo die Kosten entstehen, damit wir in Zukunft bessere „Preisschilder“ und „Stopp-Knöpfe“ entwickeln können, bevor das digitale Konto leer ist.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.