AI Agent Cost per Action: Warum agentische Workflows Token-Rechnungen sprengen

Executives kaufen keine Tokens. Gekauft werden erledigte Aktionen: ein gelöstes Support-Ticket, eine extrahierte Rechnung, ein reviewter Pull Request, ein angereicherter Lead, eine genehmigte Rückerstattung, ein triagierter Claim. Genau diese Einheit sollte dein Kostenmodell verwenden. Cost per Action ist der Gesamtpreis, um ein Geschäftsergebnis bis zu deinem Qualitätsniveau fertigzustellen, inklusive Modell-Calls, Tool-Calls, Retries, Verifier, Eskalationen, gecachten Tokens, nicht gecachten Tokens und menschlicher Korrektur.

Dieser Artikel ist enger als unser LLM-Kostenrechner. Dort geht es um Cost per successful Task über LLM-Systeme hinweg. Hier geht es um agentische Workflows, bei denen die Rechnung wächst, weil der Agent loopt: planen, Tools aufrufen, Tool-Output lesen, Kontext erweitern, verifizieren, erneut versuchen und manchmal an einen Spezialisten übergeben. Genau diese Trace-Struktur muss in die Kostenrechnung.

Was ist AI Agent Cost per Action?

AI Agent Cost per Action ist der Gesamtpreis eines abgeschlossenen Geschäftsergebnisses, nicht eines Modell-Calls. Dazu gehören Input Tokens, cached Input, Output Tokens, Tool-Schemas, Retrieval-Kontext, Tool-Observations, Retries, Verifier Calls, Eskalationen, menschliches Review und fehlgeschlagene Versuche, geteilt durch erfolgreiche Aktionen.

Cost per Action = (alle Modellkosten + Tool- und Retrieval-Kosten + Retry-Kosten + Verifier-Kosten + menschliche Nacharbeit) / erfolgreiche Aktionen.

Der Nenner ist entscheidend. Wenn ein Agent 10.000 Leads anreichert, aber nur 8.700 die Validierung bestehen, rechnest du mit 8.700. Fehlgeschlagene Aktionen sind nicht gratis. Diese Fehlversuche haben Tokens, Tools, Zeit und Vertrauen verbraucht.

Warum Agents Tokens multiplizieren

Ein einzelner LLM-Call ist eine Zeile. Ein Agent Run ist ein Trace. ReAct machte das Muster bekannt: Sprachmodelle können Reasoning und Actions verschränken, um externe Informationen einzusammeln, bevor sie weitermachen. Das ist nützlich, verändert aber die Ökonomie. Jede Schleife trägt mehr History und mehr Observations weiter.

Vier Beispiele, die das Management versteht

Der Action-Rechner

Lege eine Zeile pro Aktionstyp an. Support, Rechnungen, PR-Reviews und Leads gehören nicht in denselben Durchschnitt.

Beispiel: Support-Ticket gelöst

Ein Support-Agent soll Tier-1-Tickets lösen. Die Demo wirkte billig: ein Ticket, ein Modell-Call. Produktion ist anders. Der Agent klassifiziert, ruft Policies ab, prüft Accountdaten, schreibt eine Antwort, lässt Grounding prüfen und aktualisiert das Ticket. Einige Tickets brauchen Refund Approval, einige scheitern am Schema und laufen erneut.

Wo Caching hilft und wo es bricht

Prompt Caching ist bei Agents der erste Hebel, weil Tool-Schemas, Policies und Instruktionen wiederkehren. OpenAI nennt bis zu 80% geringere Latenz und bis zu 90% geringere Input-Token-Kosten, mit automatischem Caching ab 1.024 Tokens und exakten Prefix-Matches. Anthropic bepreist Cache Reads mit 0,1x Basis-Input, Gemini Paid Tiers enthalten Context Caching und Batch.

Agent-Kontext ist aber unordentlich. Forschung zu Prompt Caching in long-horizon agentischen Tasks fand 45% bis 80% API-Kostenreduktion, wenn Caching gut strukturiert ist. TokenPilot zeigt denselben Zielkonflikt: Wenn du Tokens sparst, aber den Prefix ständig veränderst, zerstörst du Cache-Hits.

Die Regel: Stabiles nach vorne, Volatiles nach hinten. System-Instruktionen, Tool-Schemas, Policies und Beispiele an den Anfang; Tickettext, Rechnungsseiten, Suchresultate, Diffs und Tool-Observations ans Ende.

Wann Batch Geld spart

Batch-Rabatte sind stark, aber nur für Aktionen, die warten dürfen. OpenAI listet 50% Discount gegenüber synchronen APIs und Abschluss innerhalb von 24 Stunden. Anthropic nennt 50% Discount auf Input und Output Tokens. Gemini Paid Tier nennt Batch API mit 50% Kostenreduktion. Das passt zu Invoice Backlogs, Lead Enrichment, nightly QA, Eval Runs, Dokumentmigration und Offline-Klassifikation.

Live-Support, interaktives PR-Review und Fraud-Entscheidungen brauchen andere Hebel: weniger Loops, schärfere Tool-Verträge, kleinere Verifier-Modelle, besseres Caching und Routing über einen LLM Gateway oder Router.

Wie du die Rechnung kontrollierst

1. Trace jede Aktion. Logge Action ID, Modell, Tool, Tokens, Cache Hits, Retry-Grund, Latenz, Status und Eval-Verdikt.
2. Begrenze Loops. Gib dem Agent maximale Tool-Calls und einen klaren Fallback.
3. Trenne Planner, Worker und Verifier. Nicht jeder Schritt braucht das teuerste Modell.
4. Mach Tools schmal. Gib fünf nötige Felder zurück, nicht das ganze CRM-Objekt.
5. Cache statischen Kontext. Halte Prefixe über Aktionen stabil.
6. Batch Offline-Arbeit. Leads, Rechnungen und Evals sollten keine Live-Preise zahlen, wenn sie warten können.
7. Miss Erfolg statt Versuche. Fehlgeschlagene Aktionen bleiben im Zähler.

Qualität gehört in die Kosten

Der billigste Agent erzeugt oft Arbeit für andere Teams. Ein Support-Ticket mit falschem Ton, ein Lead, den Sales ablehnt, eine Rechnung mit korrigierten Feldern oder ein PR-Review voller False Positives hat seine versprochene Ersparnis nicht geliefert. Deshalb ist eine Aktion erst erfolgreich, wenn sie dein Business-Qualitätsniveau erreicht.

Für den Rollout-Plan siehe unseren 30/60/90-Tage-AI-Agent-Pilot. Für das Scheitermuster siehe warum AI-Agent-Projekte gecancelt werden.

Quellen und Live-Preis-Hinweis

Providerpreise und Agent-Plattformen bewegen sich schnell. Die Mechanik ist stabil, die Zahlen sind Snapshot vom Juli 2026. Prüfe OpenAI Agents SDK, OpenAI Prompt Caching, OpenAI Batch API, Anthropic Pricing und Gemini Pricing. Forschung: ReAct, Don't Break the Cache und TokenPilot.