# Wie nutze ich KI-Agenten und Deep-Research-Tools ohne Verschwendung?

> Wann sich KI-Agenten und Deep-Research-Modi trotz viel höheren Token-Verbrauchs lohnen und wie Sie sie so anleiten, dass sie schnell fertig werden statt zu kreisen.

Source: https://greenai.guide/de/wie/wie-nutze-ich-ki-agenten-und-deep-research-tools-ohne-verschwendung/  
Updated: 2026-11-19

## 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.

## Steps

1. Versuchen Sie es zuerst mit einem gewöhnlichen Chat oder einer Suche und nutzen Sie einen Agenten nur, wenn das nicht reicht.
2. Geben Sie dem Agenten ein klares Ziel, einen Umfang und einen Punkt, an dem er aufhören soll.
3. Sagen Sie ihm, welche Quellen oder Websites er nutzen soll, damit er nicht abschweift.
4. Beobachten Sie den ersten Lauf und stoppen Sie ihn, wenn er sich zu wiederholen beginnt.
5. 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? {#how-much-more-do-agents-use}

**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? {#how-do-i-brief-an-agent-well}

- **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 {#common-mistakes}

- **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](/de/wie/wie-verhindere-ich-dass-ki-agenten-tokens-verschwenden/).
Zum größeren Zusammenhang lesen Sie [agentische KI und Token-Verschwendung](/de/artikel/agentische-ki-und-token-verschwendung/).

## Quellen

- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system), Anthropic (2025)
- [The cost of dynamic reasoning: demystifying AI agents and test-time scaling from an AI infrastructure perspective](https://arxiv.org/abs/2506.04301), Kim, Shin, Chung and Rhu, HPCA 2026 (2025)
