Welcher KI-Agent ist 2026 günstiger: die Kosten einer gelösten Aufgabe

Kurz gesagt: Abonnement- und Tokenpreise allein reichen zum Vergleich von KI-Agenten nicht aus, gehören aber in die Rechnung. Für dasselbe Geld kann ein Agent fünf Aufgaben erledigen oder nur eine, abhängig von Modell, Arbeitslast, Verbrauch und Erfolgsquote. Vergleiche die Gesamtkosten aller Versuche pro tatsächlich brauchbarem Ergebnis.

Als Nächstes zeige ich die Formel für diese Kosten und berechne sie anhand der Preise der Anbieter von Anfang September 2026. Ich verwende beispielhafte Nutzungswerte und mache das deutlich: Deine Werte werden deine eigenen sein. Du kannst alles unten selbst neu berechnen; es gibt keine Sparversprechen und keine magischen Kombinationen.

Informationen zur Arbeit mit dem Dienst findest du in der Ailoot-Dokumentation.

Warum verrät der Monatspreis nicht, welcher Agent günstiger ist?#

Die meisten schauen bei der Auswahl auf den Abonnementpreis. Ein Agent kostet 20 $ im Monat, ein anderer 200 $, und es scheint, als sei der erste zehnmal preiswerter. In Wirklichkeit sagt dieser Vergleich nichts aus: Ein Abonnement misst den Zugang, nicht die geleistete Arbeit.

Stell dir zwei Taxis mit einer festen Monatsgebühr vor. Das eine bringt dich gleich beim ersten Versuch ans Ziel, während das andere sich bei der Hälfte der Fahrten verfährt, sodass du es erneut rufen musst. Ihre Abonnements können gleich viel kosten, aber in der Praxis erreichst du dein Ziel mit dem ersten zum halben Preis. Bei Agenten ist es genauso: Du zahlst dasselbe Abonnement, aber wie viele Aufgaben du erledigst, hängt davon ab, was unter der Haube steckt.

Am besten hältst du das Abonnement getrennt von der Diskussion über die Kosten einer Aufgabe. Sein Vorteil ist, dass der Betrag vorhersehbar ist. Eine separate Aufschlüsselung der Wahl des Preismodells – Abonnement, nutzungsbasierte Abrechnung oder individuelle Entwicklung – findest du in Was im Preis eines KI-Agenten steckt. Dieser Artikel behandelt eine andere Frage: Welcher Agent liefert unabhängig vom Zahlungsmodell Ergebnisse zu geringeren Kosten?

Warum ist auch der Preis pro Token irreführend?#

Die zweithäufigste Vergleichsmethode besteht darin, den Preis pro Token anzuschauen. Ein Token ist ein Textbaustein, ungefähr ein Wortteil; er misst sowohl das, was du an das Modell sendest, als auch das, was es als Antwort schreibt. Anbieter veröffentlichen Preise pro Million Tokens, und die Preise unterscheiden sich stark zwischen den Modellen. Es klingt logisch: Wähle das günstigere Modell und zahle weniger.

Der Haken ist, dass der Preis pro Token der Preis des Rohmaterials ist, ähnlich dem Benzinpreis pro Liter. Was dich interessiert, sind die Kosten der gesamten Fahrt; ein Liter für sich sagt dir nicht viel. Ein Agent löst eine Aufgabe in vielen Schritten: Er durchsucht Dateien, führt Befehle aus, liest Fehlermeldungen, schreibt Code um und sendet bei jedem Schritt den Kontext erneut an das Modell. Aus einem einzigen Gespräch mit einem Agenten können leicht Dutzende Anfragen werden, von denen jede Tokens verbraucht.

Daraus ergeben sich zwei Effekte, die einen direkten Preisvergleich zunichtemachen. Ein günstiges Modell ist oft weniger leistungsfähig, braucht daher mehr unnötige Schritte und versucht die Aufgabe mehrmals mit verschiedenen Ansätzen – und verbraucht mehr Tokens. Außerdem gelingt es ihm häufiger nicht, die Aufgabe in einen funktionierenden Zustand zu bringen; dann sind die ausgegebenen Tokens verschwendet. Eine ausführliche Aufschlüsselung dazu, wie die Rechnung wächst, findest du in So berechnest du den API-Tokenverbrauch und separat in Warum Vibe Coding mehr kostet, als es scheint.

Was kostet eine gelöste Aufgabe?#

Nun zum Maßstab, um den es in diesem Artikel geht. Du musst die Kosten eines fertiggestellten Ergebnisses berechnen; weder der Tarifpreis noch der Tokenpreis eignen sich dafür. Die Formel ist einfach:

1. Nimm den Preis eines Agentenlaufs für eine Aufgabe – die Kosten aller Tokens, die er bei einem Versuch verwendet.
2. Schätze den Anteil der Aufgaben, die der Agent tatsächlich in einen funktionierenden Zustand bringt.
3. Teile den ersten Wert durch den zweiten, um die Kosten einer gelösten Aufgabe zu erhalten.

Darum wird geteilt: Wenn ein Agent sieben von zehn Aufgaben abschließt, sind drei der zehn Durchläufe verschwendet, aber du hast alle zehn bezahlt. Das bedeutet, dass sich die Kosten dieser zehn Durchläufe auf sieben funktionierende Ergebnisse verteilen und jedes davon teurer ist als ein einzelner Durchlauf. Je niedriger die Erfolgsquote, desto höher die Kosten pro funktionierender Aufgabe.

Der „Anteil abgeschlossener Aufgaben“ lässt sich messen. Er wird anhand von Benchmarks wie SWE-bench ermittelt: Ein Agent erhält echte Fehler aus echten Projekten und reicht Korrekturen ein, die das System mit automatisierten Tests prüft. Der Prozentwert in der Tabelle ist der Anteil gelöster Aufgaben. Ein Laborwert ist aber nicht dasselbe wie dein Wert: Dein Anteil in deinem eigenen Projekt wird abweichen. Betrachte den Benchmark daher als Orientierung, nicht als Versprechen. Wie man solche Tabellen liest, erkläre ich separat im Artikel über das Ranking von KI-Coding-Agenten.

Aus welchen drei Faktoren setzen sich die Kosten einer Aufgabe zusammen?#

Schlüsseln wir die Kosten in ihre Bestandteile auf, um zu sehen, wo sich die zusätzlichen Ausgaben verstecken.

Erstens: der Tokenpreis. Der Grundpreis des Modells: wie viel eine Million Eingabetokens und eine Million Ausgabetokens kosten. Zwischen einem großen und einem kleinen Modell kann der Preis um ein Vielfaches auseinanderliegen.

Zweitens: die Tokenmenge pro Aufgabe. Wie viel Text der Agent bei einem Versuch durch das Modell laufen lässt. Das hängt davon ab, wie umfangreich die Aufgabe ist, wie viele Dateien der Agent erneut liest und wie viele Schritte er ausführt. Ein intelligentes Modell verbraucht oft weniger, weil es mit weniger Schritten zu einer Lösung kommt – das zeigt sich sofort auf der Rechnung.

Drittens: der Anteil abgeschlossener Aufgaben. Der Prozentsatz der Versuche, die mit einem funktionierenden Ergebnis enden. Dieser Faktor teilt die Gesamtkosten: Bei gleichen Laufkosten zahlst du mit einer Erfolgsquote von 40 Prozent pro funktionierender Aufgabe doppelt so viel wie bei 80 Prozent. Dieser Vergleich zeigt nicht, welcher Faktor am wichtigsten ist, wenn sich auch Preise und Verbrauch ändern.

Die ganze Verwirrung bei Vergleichen entsteht dadurch, dass die Leute nur auf die erste Zahl schauen – den Tokenpreis. Doch alle drei Zahlen bestimmen die endgültigen Kosten. Ein niedriger Preis bei hoher Menge und niedriger Erfolgsquote kann leicht teurer werden als ein hoher Preis bei niedriger Menge und hoher Erfolgsquote.

Diese drei Zahlen zu einer funktionierenden Arbeitsweise zu verbinden, ist eine eigene Aufgabe. Modellpreis und Methode wirken dabei zusammen; ihr relatives Gewicht musst du für die jeweilige Arbeitslast messen. Der gesamte Ansatz hat drei Säulen: einen KI-Klon, ein Second Brain und Context Engineering. Sauberer Kontext kann die Tokenmenge senken und die Erfolgsquote erhöhen – die zweite und dritte Zahl der Formel.

Was kostet ein Lauf mit verschiedenen Modellen?#

Damit die Formel konkret wird, berechne ich einen Lauf anhand der tatsächlich angegebenen Preise. Ich verwende eine beispielhafte, nicht triviale Aufgabe, bei der der Agent pro Versuch rund 300.000 Eingabetokens nutzt (während vieler Schritte das Projekt und Fehlermeldungen erneut liest) sowie rund 40.000 Ausgabetokens. Auch das ist ein Rechenbeispiel und keine Messung; dein Verbrauch wird abweichen.

Hier sind die Preise pro Million Tokens laut offiziellen Preisangaben der Anbieter von Anfang September 2026:

Du kannst die Formel anhand eines echten Beispiels aus der Dokumentation von Anthropic überprüfen. Für eine Anfrage an Opus 5 mit 50.000 Eingabetokens und 15.000 Ausgabetokens ergibt sich folgende Berechnung:

Mit anderen Worten: Eingabe und Ausgabe werden mit den jeweiligen Preisen addiert – genau wie in der Formel. Es bleibt nur, die Laufkosten durch den Anteil abgeschlossener Aufgaben zu teilen. Dann zeigt sich, warum sich ein niedriger Preis unerwartet auswirken kann.

Warum kann ein günstiges Modell eine Aufgabe teurer machen als ein leistungsstarkes?#

Vergleiche die Kosten pro brauchbarem Ergebnis. Die Laufkosten bleiben ein Eingangswert, zusammen mit dem tatsächlichen Verbrauch und dem Anteil erfolgreicher Versuche; keine dieser Größen ist ohne Messung grundsätzlich wichtiger.

Sonnet 5: Ein Lauf kostet etwa einen Dollar, und bei unserer Beispielaufgabe nehmen wir an, dass das Modell 70 Prozent der Versuche abschließt. Die Kosten einer funktionierenden Aufgabe betragen einen Dollar geteilt durch 0,7, also etwa 1,40 $.

Haiku 4.5: Ein Lauf ist günstiger und kostet etwa 50 Cent; der Tokenpreis ist halb so hoch. Für dieses Rechenbeispiel nehmen wir zusätzlich etwa 1,6-mal so viele Tokens und eine Abschlussquote von 40 Prozent an; diese Werte sind keine gemessenen Eigenschaften des Modells. Die Menge steigt, die Erfolgsquote sinkt – und eine funktionierende Aufgabe kostet etwa 2 $.

Dieses Ergebnis gilt für die hier angenommenen Werte und belegt keine gemessene Modellrangliste. Das Ergebnis wirkt nur auf den ersten Blick paradox. Das Modell mit dem halben Tokenpreis hat eine teurere Aufgabe hervorgebracht. Günstiges Rohmaterial half nicht, weil mehr davon verbraucht wurde und weniger funktionierende Ergebnisse dabei herauskamen. Es ist wie bei einem günstigen Auftragnehmer, der die Arbeit dreimal neu macht und am Ende mehr kostet als ein teurer, der sie gleich richtig erledigt.

Ein Vorbehalt: Ich habe Erfolgsquoten von 70 und 40 Prozent sowie beispielhafte Tokenmengen verwendet, um die Funktionsweise zu zeigen. Deine Zahlen werden anders sein, und es ist durchaus möglich, dass ein kleines Modell deine Arbeitslast gut bewältigt und am günstigsten bleibt. Ein teureres Modell bietet nicht zwangsläufig das bessere Preis-Leistungs-Verhältnis. Vergleiche die Kosten pro Ergebnis anhand deiner eigenen drei Zahlen.

Wie berechnest du deine Kosten pro Aufgabe: drei Profile?#

Um das auf deine eigene Arbeit anzuwenden, schätze, welches Profil am besten passt. Die Formel bleibt gleich; nur die drei Zahlen ändern sich.

Profil eins: einfache, wiederkehrende Aufgaben. Texte umformulieren, Daten ordnen, eine kleine Codekorrektur vornehmen. Teste, ob ein kleines Modell wie Haiku oder DeepSeek V4-Flash deine Abnahmekriterien mit geringem Verbrauch und wenigen Wiederholungen erfüllt. Vergleiche seine gemessenen Kosten pro funktionierendem Ergebnis mit einem anderen Kandidaten, bevor du eines als günstigstes bezeichnest oder Opus als Überzahlung einordnest.

Profil zwei: komplexe Arbeit mit unbekanntem Code. Das Projekt einer anderen Person verstehen, einen nicht offensichtlichen Fehler beheben, eine neue Funktion entwickeln. Miss vollständige Versuche an diesen Aufgaben. Ein Modell mit höherem Tokenpreis kann pro brauchbarem Ergebnis weniger kosten, wenn eine bessere Erfolgsquote oder geringerer Verbrauch den Preis ausgleichen. Diesen Vorteil müssen deine Ergebnisse zeigen; er folgt nicht allein aus der Modellklasse.

Profil drei: eine gemischte Arbeitslast. Vergleiche ein einzelnes Modell mit der Verteilung von Routineaufgaben und schwierigen Aufgaben auf unterschiedliche Kandidaten. Zähle Verbrauch, Fehlschläge und Korrekturarbeit für die gesamte Arbeitslast. Die Verteilung kann die Kosten pro Ergebnis verbessern; diese Anleitung hat sie jedoch nicht als günstigste Lösung gemessen. Bei vielen Agenten kannst du während der Arbeit das Modell wechseln.

Berechne jedes Profil separat mit derselben Formel, dann siehst du, wo es weniger kostet.

Welchen häufigsten Fehler machen Menschen bei der Auswahl?#

Ein mögliches Szenario: Du verwendest ein Modell mit niedrigem Tokenpreis für Textarbeit und komplexe Funktionen. Es kann bei Routineaufgaben sparen. Braucht es bei schwierigen Aufgaben jedoch mehr Versuche und Tokens oder liefert weniger brauchbare Ergebnisse, kann ein Modell mit höherem Tokenpreis insgesamt günstiger sein. Prüfe diese Bedingungen an deinen eigenen vollständigen Läufen.

Auch ein leistungsfähiges Modell kann unnötig teuer sein: Wenn ein Test zeigt, dass ein kleines Modell dieselbe Aufgabe zum Beispiel zu einem Drittel der Kosten nach denselben Kriterien löst, wäre der Aufpreis für diesen Fall nicht gerechtfertigt. Das Drittel ist eine mögliche Vergleichsannahme, kein hier gemessenes Ergebnis.

Ein Hinweis zu meiner eigenen Arbeitsweise. Ich arbeite mit Claude Code und einem Abonnement; die einfache API nutze ich nicht für die tägliche Arbeit, weil ich einen vorhersehbaren Betrag einem laufenden Zähler vorziehe. Meine Erfahrung zeigt, dass strukturierte Arbeit Verbrauch und Erfolgsquote beeinflussen kann. Sie belegt jedoch nicht, dass der Modellpreis unwichtig ist. Berücksichtige Preis, alle verbrauchten Tokens, Wiederholungen und tatsächlich brauchbare Ergebnisse gemeinsam; prüfe den Einfluss von Kontext und Modellwahl an denselben Aufgaben.

Welcher Agent ist also günstiger?#

Es gibt keinen einzelnen „günstigsten“ Agenten: Die Kosten pro Ergebnis variieren mit Arbeitslast und Modell. Verwende die tatsächlichen Modellpreise, berechne die Kosten aller Versuche und deinen eigenen Anteil abgeschlossener Aufgaben und vergleiche die Kosten pro brauchbarem Ergebnis. Die Preisseite liefert dafür einen Eingangswert, aber allein noch keine Entscheidung.

Ein letzter Punkt. Die Kosten pro gelöster Aufgabe hängen von den Modellpreisen, den bei allen Versuchen verbrauchten Tokens und dem Anteil tatsächlich gelöster Aufgaben ab. Kontext und Arbeitsweise können Verbrauch und Erfolgsquote verändern, ebenso die Wahl des Modells. Die beispielhaften Erfolgsquoten oben zeigen nicht, welcher Faktor am meisten ausmacht. Vergleiche die Modelle an denselben repräsentativen Aufgaben, zähle Wiederholungen und menschliche Korrekturen mit und entscheide anhand der gemessenen Kosten pro brauchbarem Ergebnis.

Der vollständige Vibe-Coding-Ansatz verbindet Methode und Modellwahl: ein KI-Klon plus ein Second Brain plus Context Engineering. Sauberer Kontext und strukturierte Arbeit können Tokenmenge und Erfolgsquote beeinflussen; zusammen mit dem tatsächlichen Modellpreis bestimmen sie die Kosten einer Aufgabe.

Lerne Ailoot kennen.