Kurz gesagt
Heben Sie Agenten und Deep-Research-Modi für Aufgaben auf, die wirklich viele Schritte brauchen, etwa die Recherche eines breiten Themas über viele Quellen, und nutzen Sie für schnelle Fragen einen gewöhnlichen Chat. Agenten rufen pro Aufgabe viele Male ein Modell auf: Anthropic berichtete, dass Agenten etwa viermal so viele Tokens wie ein Chat verbrauchten und Multi-Agenten-Systeme etwa fünfzehnmal so viele.
Schritte
- Versuchen Sie es zuerst mit einem gewöhnlichen Chat oder einer Suche und nutzen Sie einen Agenten nur, wenn das nicht reicht.
- Geben Sie dem Agenten ein klares Ziel, einen Umfang und einen Punkt, an dem er aufhören soll.
- Sagen Sie ihm, welche Quellen oder Websites er nutzen soll, damit er nicht abschweift.
- Beobachten Sie den ersten Lauf und stoppen Sie ihn, wenn er sich zu wiederholen beginnt.
- Verwenden Sie den erstellten Bericht wieder, statt dieselbe Recherche erneut laufen zu lassen.
Agenten sind leistungsfähig, aber teuer. Leiten Sie sie daher gut an und setzen Sie sie für große Aufgaben ein. Ein KI-Agent, einschließlich der „Deep Research“-Modi vieler Chatbots, plant, sucht, liest, schreibt und prüft in einer Schleife. Jeder Schritt ist ein weiterer Aufruf eines Modells, meist mit dem wachsenden Verlauf der Aufgabe im Gepäck.
Wie viel mehr verbrauchen Agenten?
Ein Vielfaches eines Chats. Anthropic berichtete 2025 bei der Beschreibung seines eigenen Multi-Agenten-Recherchesystems, dass Agenten typischerweise etwa viermal so viele Tokens verbrauchten wie Chat-Interaktionen und Multi-Agenten-Systeme etwa fünfzehnmal so viele. Kim, Shin, Chung und Rhu stellten fest, dass agentische Workflows wesentlich mehr Energie verbrauchten als einzelne Antworten, wobei der Zugewinn an Genauigkeit mit mehr Rechenaufwand immer kleiner wurde.
Für eine Aufgabe, die Sie Stunden kosten würde, ist das ein fairer Tausch. Für etwas, das eine einzige Frage beantworten würde, ist es Verschwendung.
Wie leite ich einen Agenten gut an?
- Sagen Sie, wie das Ergebnis aussehen soll: „Eine einseitige Zusammenfassung der fünf meistzitierten Studien seit 2023.“
- Legen Sie den Umfang fest: Zeitraum, Länder, Arten von Quellen.
- Nennen Sie Quellen, denen Sie vertrauen, falls Sie welche kennen.
- Bitten Sie um eine kurze Ausgabe. Ein langer Bericht kostet mehr beim Schreiben und beim Lesen.
Häufige Fehler
- Deep Research für einfache Fragen nutzen, die eine Suche oder ein Chat in Sekunden erledigt.
- Dieselbe Recherche erneut laufen lassen, statt den ersten Bericht zu speichern und zu aktualisieren.
- Einen festgefahrenen Agenten weitermachen lassen. Wenn er immer wieder dieselben Seiten aufsucht, stoppen Sie ihn und formulieren Sie neu.
Wenn Sie Agenten entwickeln, siehe verhindern, dass KI-Agenten Tokens verschwenden. Zum größeren Zusammenhang lesen Sie agentische KI und Token-Verschwendung.
Quellen
- How we built our multi-agent research system, Anthropic (2025)
- The cost of dynamic reasoning: demystifying AI agents and test-time scaling from an AI infrastructure perspective, Kim, Shin, Chung and Rhu, HPCA 2026 (2025)
Verwandte Themen
Wann sollte ich den „Denk“- oder Reasoning-Modus einer KI nutzen?
Wann sich ein Reasoning- oder „Denk“-Modus lohnt, wann ein Standardmodell reicht und warum Reasoning pro Antwort ein Vielfaches an Energie verbrauchen kann.
Wie verhindere ich, dass KI-Agenten Tokens verschwenden?
Praktische Leitplanken für KI-Agenten: Abbruchbedingungen, Schritt- und Token-Limits, Schleifenerkennung, gekürzter Kontext und kleine Modelle für einfache Schritte.
Agentische KI und Token-Verschwendung
Warum KI-Agenten ein Vielfaches an Token und Energie eines Chats verbrauchen, wie Schleifen sie verschwenden und welche Leitplanken Agenten passend dimensionieren.