Ein Multi-Agenten-System wirkt wie der logische nächste Schritt. Statt eines KI-Agenten arbeiten fünf, zehn oder hundert gemeinsam an einer Aufgabe. Anbieter vermarkten solche Agentenschwärme gerade als Zukunft der Automatisierung.
Aktuelle Messungen zeichnen ein differenzierteres Bild. Bei Programmieraufgaben kosteten Agententeams bis zu 5,1-mal so viel wie ein einzelner Agent und waren meist nicht messbar besser. Andere Tests zeigen dagegen echte Qualitätsgewinne, wenn sich eine Aufgabe gut aufteilen lässt. Wichtig: Die Daten stammen aus Coding- und Benchmark-Szenarien und lassen sich nur begrenzt auf deinen Betrieb übertragen.
In diesem Artikel ordnen wir die Daten ein. Du erfährst, wann ein Agent reicht, wann sich ein Team lohnt und wie du Token-Kosten realistisch kalkulierst.
Das Analyseunternehmen Vals AI hat zwei aktuelle Spitzenmodelle verglichen: GPT-6 Sol und Claude Opus 5.5. Getestet wurde bei Programmieraufgaben, jeweils als Einzelagent und als Team (The Decoder). Beide Modelle liefen auf zwei Reasoning-Stufen. Die Reasoning-Stufe legt fest, wie lange ein Modell „nachdenkt“, bevor es antwortet.
Das Ergebnis ist ernüchternd. Die Teams waren zwischen 1,8- und 5,1-mal teurer. Nur einer von vier Vergleichen zeigte eine statistisch belastbare Verbesserung: GPT-6 Sol auf mittlerer Stufe, mit 7,3 Punkten mehr. Bei maximaler Reasoning-Stufe brachte das Team keinem der beiden Modelle einen relevanten Vorteil.
Auch Anthropic hat eigene Tests mit Opus 5.5 durchgeführt. Die Zahlen zeigen ein klares Muster (The Decoder):
| Aufgabe (Opus 5.5) | 1 Agent | 10 Agenten | 30 Agenten | 100 Agenten |
|---|---|---|---|---|
| Wissensbasis | 0,53 | 0,70 | 0,71 | 0,74 |
| Mathematische Beweise | 0,39 | 0,66 | 0,66 | 0,68 |
Der Sprung von einem auf zehn Agenten ist deutlich. Danach flacht die Kurve fast vollständig ab. Gemessen wurde jeweils nach 24 Stunden: Von zehn auf hundert Agenten stiegen die Werte nur noch geringfügig.
Kostenzahlen nennt Anthropic für diese Tests nicht. Naheliegend ist aber: Jeder zusätzliche Agent verbraucht eigene Token, der Aufwand dürfte also weiter wachsen, während die Qualität kaum noch zulegt.
Zwei Stimmen aus dem Umfeld von OpenAI bestätigen das. Entwickler Eric Provencher hält Agentenschwärme für wahrscheinlich verschwendetes Geld. Die Agenten stimmen sich schlecht untereinander ab, er spricht von einer „Koordinationssteuer“. Forscher Noam Brown ergänzt: Vier Agenten arbeiten doppelt so schnell, kosten aber auch doppelt so viel. Mehr Agenten bringen also vor allem Tempo, nicht automatisch Qualität.
Für die meisten Betriebe ist Geschwindigkeit nicht der Engpass. Ob ein Angebotsentwurf nach vier oder nach acht Minuten fertig ist, spielt selten eine Rolle. Entscheidend sind Qualität, Zuverlässigkeit und Betriebskosten. Genau dort zeigen die Coding-Daten von Vals AI kaum Mehrwert durch Teams. Ob das auch für deine Aufgaben gilt, lässt sich nur im eigenen Test klären.
Hinzu kommt der Aufwand. Jeder zusätzliche Agent ist eine weitere Fehlerquelle, die du überwachen musst. Wie du Ergebnisse systematisch kontrollierst, zeigen wir im Artikel LLM Ergebnis prüfen. Mehr Agenten bedeuten außerdem mehr Zugriffsrechte und damit mehr Risiko. Darum geht es in unserem Beitrag zur KI-Agenten Sicherheit.
KI-Modelle rechnen in Token ab. Ein Token entspricht grob einem Wortteil. Jede Eingabe und jede Antwort kostet Token. Arbeiten Agenten zusammen, schicken sie sich gegenseitig Texte, Zwischenstände und Anweisungen. Das vervielfacht den Verbrauch.
Zwar sinken die Preise pro Token stetig. Laut einer a16z-Auswertung steigt die Nutzung aber schneller, als die Stückpreise fallen (The Decoder). Agentische Systeme erzeugen durch viele Zwischenschritte und Übergaben besonders viele Token. Günstigere Preise retten dich also nicht vor einer schlechten Architektur.
Rechenbeispiel: Angenommen, ein einzelner Agent kostet dich 0,50 Euro pro Vorgang. Bei 2.000 Vorgängen im Monat sind das 1.000 Euro. Mit dem Kostenfaktor aus der Vals-AI-Analyse lägst du als Team bei 1.800 bis 5.100 Euro pro Monat. Aufs Jahr gerechnet sind das bis zu 49.200 Euro Mehrkosten für meist kaum bessere Ergebnisse.
Ein typisches Szenario: Ein Maschinenbauer mit 150 Mitarbeitenden will Serviceanfragen vorsortieren und Antworten aus Handbüchern vorbereiten. Unsere Annahme: Dafür braucht er kein Agententeam. Ein gut eingerichteter Agent mit sauberem Zugriff auf die Dokumentation dürfte das ebenso gut und günstiger erledigen. Belastbar zeigt das erst ein Test mit echten Anfragen.
Ein Agententeam ist nicht grundsätzlich falsch. Es passt nur zu deutlich weniger Aufgaben, als das Marketing suggeriert. Brown nennt Webrecherche und Mathematik als gut aufteilbar. Einen Roman zu schreiben, sei dagegen kaum aufteilbar.
| Kriterium | Einzelner Agent | Multi-Agenten-System |
|---|---|---|
| Kosten | Gut planbar | 1,8- bis 5,1-mal höher (Vals AI) |
| Ergebnisqualität | In den Coding-Tests meist ohne messbaren Rückstand | Selten messbar besser |
| Geschwindigkeit | Ausreichend für die meisten Prozesse | Schneller bei aufteilbaren Aufgaben |
| Fehlersuche | Ein Ablauf, gut nachvollziehbar | Viele Übergaben, schwer zu prüfen |
| Sicherheit | Überschaubare Berechtigungen | Mehr Zugriffe, mehr Angriffsfläche |
| Sinnvoll für | Angebote, Ticketvorsortierung, Dokumentensuche | Breite Recherche über viele unabhängige Quellen |
Der größte Hebel liegt oft nicht in mehr Agenten, sondern in einem besser gebauten Agenten. Das zeigt ein Fall von Asana. Das Unternehmen hat einen Browser-Agenten optimiert, der Websites durchsucht und Daten sammelt (OpenAI).
Der optimierte Ablauf bestand aus drei Änderungen. Erstens Caching auch für den Browser-Verlauf, also das Zwischenspeichern wiederholter Eingaben. Bisher schickte der Agent seinen wachsenden Verlauf bei jeder Anfrage zum vollen Preis neu. Zweitens durfte der Agent mehr Text aus dem Verlauf behalten.
Drittens entfernte er alte Screenshots gebündelt statt bei fast jedem Schritt. So blieb der Verlauf länger unverändert, und der Zwischenspeicher konnte greifen. Beim Modell GPT-6.1 Sol kamen danach 89 Prozent der Eingaben aus dem Zwischenspeicher, zu 5 Prozent des regulären Preises. Hinzu kam die Modellwahl.
| Konfiguration | Geschätzte Modellkosten pro Durchlauf |
|---|---|
| Ursprüngliches Modell, alter Ablauf | mindestens 36,21 US-Dollar |
| Ursprüngliches Modell, optimierter Ablauf | 1,24 US-Dollar |
| Anderes Modell (GPT-6.1 Sol), optimierter Ablauf | 0,47 US-Dollar |
Unterm Strich wurde der Agent laut Asana bei den geschätzten Modellkosten 76-mal günstiger und 5-mal schneller. Der optimierte Ablauf allein brachte beim ursprünglichen Modell bereits einen Faktor 29. Das passendere Modell senkte die Kosten danach noch einmal um den Faktor 2,6. Wichtig: Die Zahlen stammen aus einer Testaufgabe, die OpenAI als Anbieter veröffentlicht hat. Übertrage sie nicht eins zu eins auf deinen Betrieb.
Ein Detail ist für dich besonders relevant. Das „Gedächtnis“ war hier der Umfang des Browser-Verlaufs, den der Agent speichern durfte, also wie viel Text von bereits besuchten Seiten er behält. Bei knappen 120.000 Zeichen lieferte GPT-6.1 Sol nur in 3 von 18 Durchläufen überhaupt ein Ergebnis. Mit größerem Verlaufsbudget waren es alle 18, jeweils korrekt.
Für dich heißt das: Prüfe, wo die Kontextgrenzen deines eigenen Agenten liegen und wie oft er abbricht, ohne ein Ergebnis zu liefern. Sauberes Handwerk schlägt also schiere Masse.
Ein Multi-Agenten-System ist kein automatisches Upgrade. Die aktuellen Daten zeigen: Mehr Agenten bringen vor allem höheres Tempo und höhere Kosten, selten bessere Ergebnisse. Für viele typische Aufgaben im Mittelstand dürfte ein gut gebauter Einzelagent genügen.
Wenn du KI-Agenten-Kosten senken willst, setze bei Ablauf, Caching und Modellwahl an. Dort liegen laut dem Asana-Fall große Hebel, auch wenn sich die Zahlen nicht eins zu eins übertragen lassen. Wie du aus einem funktionierenden Test einen stabilen Betrieb machst, liest du im Artikel zum KI-Pilotprojekt skalieren.
Bei neura7 ist Kostentransparenz fester Bestandteil jedes KI-Agenten-Projekts. Wir liefern keine Black-Box, sondern eine Architektur, die so einfach wie möglich ist und deren Kosten pro Vorgang du jederzeit kennst.
Das bedeutet für dich:
Du planst einen KI-Agenten oder willst die Kosten deines bestehenden Systems senken? Dann lass uns darüber sprechen.