Unternehmen stehen beim Einsatz agentenbasierter KI-Workflows vor zwei zentralen Herausforderungen: schwer kalkulierbaren Betriebskosten und schwankender Ergebnisqualität. Besonders bei Modellen mit nutzungsabhängiger Abrechnung können steigende Anfragevolumina und komplexe Verarbeitungsschritte zu erheblichen Mehrkosten führen. Gleichzeitig steigt mit wachsender Komplexität das Risiko inkonsistenter oder unzureichender Antworten.

In der Praxis zeigt sich, dass viele Organisationen bei der Überführung von KI-Pilotprojekten in den produktiven Betrieb mit neuen Kostenmodellen konfrontiert werden. Insbesondere eine tokenbasierte Abrechnung kann dazu führen, dass der Ressourcenverbrauch im Hintergrund nur schwer vorhersehbar bleibt. Je komplexer eine Anfrage ausfällt, desto mehr Rechenschritte können erforderlich sein, was sowohl die Kosten als auch die Varianz der Ergebnisse erhöht.

Architekturansatz: Trennung von Entwurfs- und Ausführungsphase

Ein möglicher Lösungsansatz besteht darin, rechenintensive KI-Verfahren primär in der Entwurfsphase einzusetzen. In dieser Phase werden bestehende Prozesse analysiert, optimiert und als strukturierte Workflows modelliert. Solche Workflows können beispielsweise für Serviceanfragen, Genehmigungsprozesse, Schadensbearbeitung oder Abläufe im Gesundheitswesen entwickelt werden.

In der Ausführungsphase kann anschließend ein schlankerer KI-Mechanismus genutzt werden, der Anfragen einordnet, den passenden Workflow auswählt und diesen Schritt für Schritt abarbeitet. Für Teilaufgaben mit höherem Verarbeitungsbedarf – etwa Dokumentenanalyse oder Zusammenfassungen früherer Interaktionen – lassen sich gezielte, klar begrenzte KI-Aufrufe einsetzen. Dadurch wird die Ausführung kontrollierbarer und besser planbar.

Zentrale Vorteile dieses Ansatzes

Vorhersehbarere Ergebnisse: Wenn definierte und freigegebene Workflows die Ausführung steuern, sinkt die Wahrscheinlichkeit stark variierender Antworten. Das ist insbesondere in regulierten Umgebungen relevant, in denen Nachvollziehbarkeit, Konsistenz und Compliance hohe Priorität haben.

Bessere Kostenkontrolle: Wenn aufwändiges KI-Reasoning überwiegend in der Entwurfsphase stattfindet und nicht bei jeder einzelnen Laufzeitentscheidung erneut ausgelöst wird, lassen sich Prozesse effizienter betreiben. Dadurch verbessert sich die Kalkulierbarkeit der Betriebskosten.

Bewertung von Kostenmodellen

Zur wirtschaftlichen Bewertung agentenbasierter Systeme können Unternehmen Rechenmodelle verwenden, die verschiedene Abrechnungslogiken vergleichen. Dazu zählen insbesondere tokenbasierte, nutzerbasierte und fallbasierte Modelle. Der Vergleich sollte sich an realistischen Workflow-Volumina, der Komplexität einzelner Schritte und den Anforderungen an Qualität und Reaktionszeit orientieren.

Ergebnisorientierte Abrechnung als Alternative

Als Alternative zur Abrechnung pro Token oder pro Arbeitsplatz wird zunehmend eine ergebnisorientierte Bepreisung diskutiert. Dabei werden Kosten an abgeschlossene Vorgänge gekoppelt, also an klar definierte, vollständig bearbeitete Aufgaben. Ein solcher Ansatz kann die wirtschaftliche Bewertung vereinfachen, weil er die Abrechnung stärker mit dem tatsächlichen Geschäftsnutzen verknüpft.

Ob ein solches Modell geeignet ist, hängt von mehreren Faktoren ab: der Stabilität der Prozesse, der Messbarkeit von Ergebnissen, den Anforderungen an Transparenz sowie der Integration in bestehende Betriebs- und Governance-Strukturen. Für viele Organisationen kann es jedoch eine Möglichkeit sein, den KI-Einsatz planbarer und näher am operativen Mehrwert auszurichten.

Albert Absmeier & KI

Textquelle:

Pegasystems macht Schluss mit Token-Gebühren

Pegasystems, der Enterprise-KI-Softwareanbieter für geschäftskritische Prozesse, kündigt an, dass Unternehmen mit der kommenden Plattform-Version Pega Infinity 26 agentenbasierte Workflows entwerfen, erstellen und ausführen können, ohne pro Token zu bezahlen. Die Predictable-AI-Architektur verlagert das rechenintensive KI-Reasoning in die Entwurfsphase und beseitigt damit zwei große Hindernisse für Unternehmen: eskalierende Token-Kosten und unzuverlässige Ergebnisse.

Jetzt treffen die Rechnungen für Tokens ein und schockieren die Unternehmen. Während Organisationen ihre agentenbasierten Pilotprojekte in die Produktion bringen, stellen LLM-Anbieter ihre Pauschal-Abonnements auf teurere, tokenbasierte Preismodelle um und verbrauchen hinter den Kulissen still und heimlich kostspielige Reasoning-Tokens. Hinzu kommt: Je komplexer eine Anfrage ist, desto mehr Reasoning-Schritte sind erforderlich und desto wahrscheinlicher ist es auch, dass eine unzureichende und inkonsistente Antwort generiert wird.

Die KI-Architektur macht den Unterschied

Pegasystems wendet KI-Reasoning in der Design Time an, also bei der Neugestaltung veralteter Prozesse und Systeme, wo dessen kreative Leistungsfähigkeit den größten Mehrwert bietet. Mit Pega Blueprint AI und dem neuen Infinity Studio helfen Design-Agenten von Pegasystems dabei, optimale agentenbasierte Workflows für geschäftskritische Prozesse zu entwerfen und zu erstellen. Typische Beispiele dafür sind etwa die Bearbeitung einer Kundenanfrage, die Genehmigung eines Kredits, die Prüfung eines Schadenfalls oder die verbesserte Behandlung von Patienten.

Sobald die Workflows entworfen und bereitgestellt sind, wechselt Pegasystems in einen schlankeren semantischen KI-Modus, der besser für die Run Time geeignet ist, also die Phase, in der Agenten Millionen von Benutzeranfragen effizient und konsistent bearbeiten müssen. Anstatt jeden neuen Workflow aufs Neue zu durchdenken, nutzen die Agenten eine schlanke KI-Abfrage, um die Absicht des Nutzers zu erfassen, den besten Workflow für die Aufgabe zu finden und diesen dann Schritt für Schritt zu befolgen. Wenn ein bestimmter Schritt die intensivere Nutzung eines LLMs erfordert, etwa für das Parsen eines Dokuments oder die Zusammenfassung früherer Interaktionen, enthält der Schritt spezifische und klar abgegrenzte Anweisungen, um Vorhersehbarkeit zu gewährleisten.

Dieser Ansatz bietet zwei entscheidende Vorteile:

Vorhersehbare Ergebnisse: Das erneute Durchdenken jedes einzelnen Workflows führt zu inkonsistenten und unvorhersehbaren Ergebnissen. Mit Pegasystems verbundene Agenten folgen stattdessen konsistent vorab genehmigten Workflows. Das ist für regulierte Branchen entscheidend und für alle Unternehmen von großem Vorteil.

Vorhersehbare Kosten: Der Ansatz von Pegasystems nutzt KI-Reasoning einmalig zur Design Time, anstatt es immer wieder ineffizient in der Run Time einzusetzen. Dadurch können die KI-Agenten Prozesse deutlich effizienter und kostengünstiger steuern.

Token-Rechner macht Kosten ineffizienter KI-Agenten transparent

Mit dem AI Token Cost Calculator hilft Pegasystems Unternehmen dabei, die Vorteile dieses Ansatzes zu quantifizieren. Das interaktive Tool schätzt mögliche Einsparungen, indem es ausgehend vom Workflow-Volumen eines Unternehmens Pega AI mit tokenbasierten Alternativen vergleicht. Viele Unternehmen können je nach Komplexität und Umfang der Workflows Einsparungen von über 95 Prozent erzielen. Der AI Token Cost Calculator steht bereit auf: https://www.pega.com/de/ai-token-calculator .

Für die geleistete Arbeit bezahlen – und nicht für das Nachdenken darüber

Der ergebnisorientierte Ansatz von Pegasystems berechnet die Kosten pro abgeschlossenem Fall – also einer von Anfang bis Ende ausgeführten Aufgabe – und nicht pro Arbeitsplatz oder pro Token. Wenn ein Unternehmen beispielsweise einen KI-Agenten nutzt, um eine bestehende Bestellung zu ändern, wird diese abgeschlossene Interaktion als einzelner Fall erfasst.

Pega Infinity 26 ist ab dem dritten Quartal dieses Jahres verfügbar. Unternehmen zahlen einen einzigen Pauschalpreis pro abgeschlossenem Fall, unabhängig davon, wie viel KI von Pegasystems hinter den Kulissen zum Einsatz kommt. Dadurch werden die Kosten direkt an den geschäftlichen Nutzen gekoppelt.

»Unternehmen wird immer klarer, dass Tokenmaxxing unsinnig ist. Es führt nur zu untragbaren Kosten und unvorhersehbaren Ergebnissen«, erklärt Alan Trefler, Gründer und CEO von Pegasystems. »KI schafft am besten Wert, indem sie zuverlässige Ergebnisse in großem Maßstab liefert. Deshalb berechnen wir unseren Kunden keine Gebühren basierend auf der Anzahl der verwendeten Tokens, sondern nach der sinnvollen Arbeit, die agentenbasierte KI leistet. In Kombination mit einer Architektur, die gezielt auf eine kontrollierte Ausführung ausgelegt ist, bietet Pegasystems Unternehmen eine unvergleichliche Freiheit bei der Nutzung von KI-Agenten.«

Liz Miller, Vice President und Principal Analyst bei Constellation Research, kommentiert: »Wir haben einen Punkt im KI-Hype-Cycle erreicht, an dem Wert und Verantwortlichkeit die Diskussion prägen. KI-Ergebnisse wurden lange mit Geschäftsergebnissen verwechselt, was so Manchen dazu veranlasste, Tokenmaxxing blind zu unterstützen – als wäre das ein Maßstab für den Erfolg von KI-Agenten. Jetzt müssen LLM-Anbieter und Unternehmensanwender einen Return on Investment nachweisen und die steigenden Kosten rechtfertigen. Lösungen, die Token hocheffizient und zielgerichtet nutzen, verschaffen Unternehmen einen entscheidenden Wettbewerbsvorteil und ermöglichen es ihnen, ihre Ambitionen beim Einsatz von KI-Agenten weiter auszubauen.«

Weitere Informationen stehen auf: www.pega.com/dontpayfortokens .

7593 Artikel zu „KI Kosten“

News | Business | Favoriten der Redaktion | Geschäftsprozesse | Künstliche Intelligenz | Services | Tipps

Warum die Kosten der KI‑Nutzung steigen – und welche Rolle Tokens dabei spielen

24. Mai 2026

Die wirtschaftliche Nutzung von KI erlebt 2026 eine Phase massiver Kostensteigerungen. Unternehmen, die KI ursprünglich als Effizienztreiber eingeführt haben, sehen sich nun mit Ausgaben konfrontiert, die in vielen Fällen die Personalkosten übersteigen. Ein zentraler Mechanismus hinter dieser Entwicklung ist das tokenbasierte Abrechnungsmodell moderner Sprachmodelle. Die Analyse zeigt: Die Kombination aus wachsendem Verbrauch, komplexeren Workflows und…