Ihre Ingenieure haben ihre Coding-Agents ausgewählt. Die Einstellungen, auf denen diese Agents laufen, hat niemand ausgewählt — und genau diese Einstellungen entscheiden, welches Modell antwortet, wie viel von der Konversation zum vollen Preis erneut gesendet wird und wie viele Subagents hinter einem einzigen Tastendruck starten. Ein Preprint von Accenture Responsible AI hat rund 10.000 reale Agent-Sitzungen aus öffentlichen Datensätzen neu bepreist und festgestellt, dass die Verlagerung von Arbeit auf das günstigste geeignete Modell, ohne eine laufende Konversation zu stören, 13 bis 21 Prozent der agentischen Modellausgaben zurückholt (Kwartler, Aqrawi und Abbasi, 2026).
Die übertragbare Zahl ist nicht der Prozentsatz. Es ist der Nenner darunter: 41 Dollar pro Ingenieur pro aktivem Tag.
Das Produkt, das Ihre Coding-Agents ausführt, ist eine Beschaffungsentscheidung, die niemand getroffen hat
Der Begriff des Papers für das Produkt, das einen Agent ausführt, ist Harness — Claude Code, Codex und neunzehn weitere, die die Autoren in einer aus Lizenzdateien und Konfigurationsdokumenten gebauten Kopplungsmatrix erfassen. Fast kein Unternehmen baut eines selbst. Man übernimmt das, was der Modellanbieter mit den Lizenzen mitliefert, in der Standardkonfiguration.
Dort wird über das Geld entschieden. Ein Harness wählt, welches Modell einen bestimmten Zug beantwortet, wie viel Kontext dieses Modell liest, wie der Prompt-Cache genutzt wird und welche Subagents laufen. In der Formulierung der Autoren wählt es damit den Tarif auf der Preisliste und legt die zu diesem Tarif gekaufte Menge fest. Beide Hälften der Rechnung, bestimmt von einer Konfigurationsdatei, die niemand geprüft hat.
Vergleichen Sie das damit, wie dieselbe Organisation eine Softwareposition über 30.000 Euro behandelt: Anbieterprüfung, Sicherheitsfragebogen, ein namentlich benannter Verantwortlicher. Das Agent-Harness kam über ein Budget für Entwicklerwerkzeuge und bewegt heute eine Zahl, die eine Größenordnung darüber liegt — ohne jeden Verantwortlichen.
Was die Neubepreisung ergab
Die Autoren bauten einen Router, platzierten ihn zwischen Harness und Modell-Endpunkt und emulierten ein Unternehmen mit 10.000 Arbeitsplätzen auf Basis von Verhalten, das in realen Sitzungen gemessen wurde — Korrekturen, Pausen und Subagent-Starts eingeschlossen.
| Kennzahl | Ergebnis |
|---|---|
| Jährliche Modellausgaben im Ist-Zustand, 10.000 Arbeitsplätze | 24,4 Mio. $, also 41 $ pro Ingenieur pro aktivem Tag |
| Durch cache-schonendes Routing zurückgeholt | 13 bis 21 Prozent, 3,3 bis 5,1 Mio. $ pro Jahr |
| Lange reale Sitzungen, die auf dem Spitzenmodell günstiger sind als auf der Stufe darunter | 51 bis 80 Prozent |
| Anteil der Gesamteinsparung aus diesem einen Überkreuzungseffekt | etwa drei Viertel |
Lesen Sie die Spanne genau, denn sie ist kein Konfidenzintervall. Die 3,3 Mio. $ sind das, was der real eingesetzte Klassifikator der Autoren liefert; die 5,1 Mio. $ sind das, was ein perfekter Klassifikator liefern würde. Der Abstand zwischen diesen beiden Zahlen ist die Qualität Ihrer Routing-Entscheidungen, nicht statistisches Rauschen.
Eine Zeile ihrer Ergebnisse macht den Mechanismus konkret: Eine einzeilige Änderung innerhalb einer langen Coding-Sitzung fällt von 0,90 $ auf 0,36 $. Nicht weil das Modell günstiger wurde. Weil die Anfrage aufhörte, eine ganze Konversation hinter sich herzuziehen.
Ein Drittel der Rechnung ist Nacharbeit, nicht Arbeit
Das Ergebnis, das eine Neubepreisung in Ihrem eigenen Unternehmen am ehesten übersteht, hat mit Routing nichts zu tun.
In der Emulation machen Korrekturen — die Züge, in denen jemand dem Agent sagt, dass er falsch lag, und dieser es erneut versucht — mehr als ein Drittel der Ist-Rechnung aus. Nimmt man sie heraus, sinken die monatlichen Ausgaben von 2,03 Mio. $ auf 1,31 Mio. $. Korrekturen sind außerdem der häufigste einzelne Grund, aus dem Menschen einen Coding-Agent überhaupt unterbrechen: 32 Prozent der Unterbrechungen in der von den Autoren zitierten Anbieterstichprobe.
Das hat dieselbe Form wie das Ergebnis zu Agentenkosten, das McKinseys QuantumBlack früher im Jahr veröffentlicht hat: Bei einem Kundenservice-Agent im Bankwesen machen Token-Kosten 20 bis 25 Prozent der variablen Betriebskosten eines Agents aus, menschliche Aufsicht hingegen 70 bis 75 Prozent (McKinsey QuantumBlack, 2026). Andere Arbeitslast, andere Methode, gleiche Schlussfolgerung: Der teure Teil eines Agents ist der Teil, in dem ein Mensch dessen Ergebnis nacharbeiten muss.
Ein Qualitätssignal zeigt in dieselbe Richtung. GitClears Analyse von 623 Millionen Codeänderungen zwischen 2023 und 2026 fand Blockduplizierung um 81 Prozent gestiegen, Copy-Paste innerhalb eines Commits um 41 Prozent, fehlermaskierende Konstrukte um 47 Prozent, und Zeilenverschiebungen durch Refactoring um 70 Prozent gefallen (GitClear, 2026). Ihre Wortschöpfung dafür lohnt die Übernahme: dauerhafte V1-Komponenten — Code, der ausgeliefert und nie konsolidiert wird, weil niemand refaktorisiert, was ein Agent neu generieren kann.
Nacharbeit zahlen Sie zweimal: einmal auf der Rechnung, einmal in der Codebasis.
Der Preis pro Token ist nicht die Kosten pro Aufgabe
Das Überkreuzungsergebnis ist das kontraintuitive, und es ist jenes, das den Instinkt jeder kostenbewussten Betriebsleitung bricht.
In langen, werkzeugintensiven Sitzungen kostet das teuerste Modell pro Sitzung weniger als die Stufe darunter — in 51 bis 80 Prozent der realen Sitzungen, die 100 $ oder mehr kosten. Der Mechanismus ist das Caching: Ein Spitzenmodell, das gecachten Kontext zum halben Tarif der Stufe darunter liest, gewinnt bei jeder Sitzung, die ihre Historie oft genug erneut liest — und agentische Arbeit liest ständig erneut. Das Paper ist bei dieser Abhängigkeit unmissverständlich: Nimmt man das Spitzenmodell heraus, bricht die gesamte Einsparung von 13 Prozent auf 3,1 Prozent ein, weil die Überkreuzung es braucht.
"Wir haben alle auf das günstige Modell umgestellt" ist also kein Kostenprogramm. Es ist eine Wette darauf, dass Ihre Sitzungen kurz sind.
Der Cache ist der verborgene Zähler
Drei Konfigurationsdetails im Paper sind für ein Unternehmen mit 200 Mitarbeitenden mehr wert als der Prozentsatz auf der Titelseite.
Erstens die Cache-Lebensdauer. Der Cache eines Coding-Agents überlebt eine Stunde bei einem Verbraucherabonnement, aber fünf Minuten bei API-Schlüsseln und Cloud-Anbietern — und genau so verbindet sich ein Unternehmens-Gateway. Anthropic dokumentiert beide Optionen und bepreist den Einstunden-Cache beim Schreiben mit dem Doppelten der Basis-Eingabetoken (Anthropic, 2026). In zwei öffentlichen Korpora realer Sitzungen trafen 17 bis 27 Prozent der Nutzerzüge nach einer Pause von mehr als fünf Minuten ein. Jeder dieser Züge baut den Cache kalt und zum vollen Preis neu auf. Die längere TTL ist nicht kostenlos, aber mit großer Wahrscheinlichkeit günstiger als das, was die Standardeinstellung mit Ihnen macht.
Zweitens das Gateway selbst. Entfernt der Proxy zwischen Harness und Modell die Cache-Marker oder die Beta-Header, berechnet der Anbieter die gesamte Konversation in jedem einzelnen Zug als nicht gecachte Eingabe. Das ist ein stiller, vollständiger Verlust des Cachings, verursacht von einer korrekt funktionierenden Netzwerkkomponente.
Drittens Kontext-Standards je Rolle. Zehntausend kalte Rückkehrungen zu einer Historie von 300.000 Token kosten 18.750 $ allein für das erneute Senden; sie zuvor auf 30.000 Token zu kürzen kostet 1.875 $. Ein Ingenieur mitten in einer Aufgabe braucht die vollständige Historie möglicherweise wirklich. Eine Marketingverantwortliche, die einen Entwurf überarbeitet, braucht die Begründung hinter der Vorversion nicht. Ein einziger Schwellenwert für alle ist eine Preisentscheidung, verkleidet als Standardeinstellung.
Der ehrliche Gegeneinwand
Vier Einschränkungen, klar benannt.
Das ist ein Preprint, und die Version zählt. arXiv 2609.28919 wurde am 24. September 2026 veröffentlicht und am 26. September überarbeitet. Die Überarbeitung verschob die Kernzahl von 14 bis 21 auf 13 bis 21 Prozent, die Einsparung von 5,0 auf 5,1 Mio. $, und änderte den Titel des Papers. Eine Peer-Review ist nicht abgeschlossen. Wenn Sie die früheren Zahlen anderswo zitiert gesehen haben: das sind die v1-Werte.
Es ist eine Emulation, keine geprüfte Rechnung. Die Autoren modellieren ein Unternehmen mit 10.000 Arbeitsplätzen auf Basis von Verhalten aus öffentlichen Sitzungskorpora, nicht der Rechnung eines einzelnen Unternehmens. Sie sagen offen, dass ihre Szenarien die kürzesten Züge unterrepräsentieren — ein Viertel der realen Anfragen liegt in Sitzungen mit weniger als sieben Anfragen, gegenüber 3,8 Prozent bei ihnen — und dass Sitzungen in der Form eines ihrer Referenzkorpora die 13 Prozent auf etwa 9 Prozent senken würden.
Die Arithmetik hängt an einer einzigen Preisliste. Alles ruht auf Anthropics Listenpreisen vom 21. September 2026. Unter einem einheitlichen Cache-Leseregime verschwindet die Überkreuzung und die Einsparung fällt auf 6 Prozent. Anbieter ändern Preise kurzfristig. Übertragbar ist die Methode, nicht die Zahl.
Das Routing selbst ist unvollkommen. Der Klassifikator trifft die Komplexität nur in 63 Prozent der Fälle, und 12,5 Prozent der von ihm verschobenen Züge waren Fehlabstufungen unter die Stufe, die die Arbeit verlangte. Lockert man seinen Schwellenwert von 0,8 auf 0,5, werden 46 Prozent mehr Züge verschoben und die Einsparung fällt auf 10 Prozent, weil die Korrekturketten mehr kosten als die Verschiebungen sparen. Aggressives Routing ist die Art, wie man Nacharbeit einkauft.
Und die weitergehende Vorsicht: Wenn Token-Kosten tatsächlich ein Viertel der variablen Betriebskosten eines Agents sind, dann bedeutet das Zurückholen von 13 bis 21 Prozent der Token-Position, etwa 3 bis 5 Prozent dessen zurückzuholen, was der Agent Sie wirklich kostet. Nehmenswert. Keine Strategie.
Was in diesem Quartal zu ändern ist
Vier Schritte. Keiner ist eine Anschaffung, und nur einer ist technisch.
- Holen Sie die Zahl pro Ingenieur pro aktivem Tag aus Ihrer eigenen Rechnung. Das ist die ganze Übung. Bei den 41 $ der Emulation liegen dreißig Ingenieure über etwa 220 aktive Tage nahe bei 271.000 $ pro Jahr; beim vom Anbieter berichteten Durchschnitt von etwa 13 $ nahe bei 86.000 $ — das ist meine Rechnung auf ihrer Einheit, nicht ihr Befund, und genau diese Spanne ist der Grund, zu messen statt anzunehmen.
- Geben Sie der Harness-Konfiguration einen namentlich benannten Verantwortlichen, auf derselben Ebene wie jede andere Ausgabe dieser Größe. Derzeit gehören die Standardeinstellungen demjenigen, der sie ausgeliefert hat.
- Prüfen Sie drei Einstellungen, bevor Sie über Routing nachdenken: die Cache-TTL, ob Ihr Gateway Cache-Marker unverändert weiterleitet, und ob Kontextgrenzen je Rolle unterschiedlich sind. Die Empfehlungsreihenfolge des Papers setzt diese Punkte vor jeden Router, denn ein Router hinter einem cache-entfernenden Gateway spart nichts.
- Wechseln Sie die Kennzahl von Kosten pro Token oder pro Arbeitsplatz zu Kosten pro verifizierter Aufgabe — der Einheit, die die Korrekturkette einschließt. Das ist die Abschlussempfehlung der Autoren und die einzige Zahl, die sich bewegt, wenn die Arbeit wirklich besser statt nur günstiger wird.
Der letzte Punkt ist schwerer, als er klingt, denn er verlangt, dass die Kosten eines Stücks Agentenarbeit und der Nachweis, dass ein Mensch sie angenommen hat, am selben Ort liegen. Es lohnt sich anzusehen, wie Scovai das auf seiner Digital Employees-Oberfläche strukturiert: drei bewusst getrennt gehaltene Kostenquellen — was Sie auf der Rechnung zahlen, was die eigenen Zähler der Plattform messen und was der Anbieter deklariert — mit monatlichen und transaktionsbezogenen Obergrenzen, die am Arbeitsplatz hängen statt am Werkzeug, und einer erklärten Regel, dass die Oberfläche dort, wo eine Zahl nicht existiert, dies sagt, statt eine Null auszugeben.
Die unangenehme Schlussfolgerung dieses Papers lautet: Die größten variablen Technologiekosten, die die meisten Unternehmen in diesem Jahrzehnt hinzufügen werden, werden derzeit von einer Konfigurationsdatei festgelegt, die mit einem Entwicklerwerkzeug mitkam. Nicht von einer Anbieterverhandlung, nicht von einem Budget, nicht von irgendjemandes Entscheidung.
Finden Sie also heraus, bevor das Quartal schließt, was Ihre Coding-Agents tatsächlich pro Ingenieur pro aktivem Tag kosten — und wer namentlich befugt ist, die Einstellungen zu ändern, die das entscheiden. Lautet die Antwort auf die zweite Frage niemand, haben Sie das Problem gefunden, und es war nie der Preis pro Token.
