TL;DR. Am 16. November sind zwei Untersuchungen erschienen, die zusammen eine klare Botschaft haben. Die Wharton School und Accenture haben 11.339 Aufgaben aus 923 Berufen bewertet und kommen zu dem Schluss: In jeder Branche brauchen nur 6 bis 11 Prozent der Arbeit, die KI-Agenten übernehmen könnten, ein Spitzenmodell. Databricks hat am selben Tag gemessen, was Modelle je erledigter Aufgabe kosten, und fand bei gleicher Trefferquote einen Preisunterschied von 32 zu 1. Die meisten Firmen zahlen für KI nicht zu viel, weil die Modelle teuer sind, sondern weil sie für Routine das teuerste nehmen. Und wer nur auf den Tokenpreis schaut, liegt auch daneben.
Was Wharton und Accenture herausgefunden haben
Der Bericht „What Does Agentic AI Really Cost?“ geht vom amerikanischen Berufskatalog O*NET aus. Die Forscher haben über 18.000 Aufgaben und Tätigkeiten erst danach sortiert, ob ein Software-Agent sie überhaupt erledigen kann. Übrig blieben 11.339. Jede davon bekam eine Note in fünf Dimensionen: Wie viele Schritte hängen voneinander ab? Gelten Vorschriften oder Prüfpflichten? Wie viele Systeme sind betroffen? Braucht die Aufgabe sensible Daten? Und wie viele und wie frische Daten?
Das Ergebnis ist eindeutig. Mehr als 90 Prozent aller Aufgaben fallen in die unteren Stufen, für die ein günstigeres Modell reicht. Gemessen an der Arbeitszeit, die heute in diesen Aufgaben steckt, sind in jeder der 19 untersuchten Branchen nur 6 bis 11 Prozent wirklich anspruchsvoll.
Von 100 Stunden Arbeit, die ein KI-Agent übernehmen könnte, brauchen so viele ein Spitzenmodell
89–94Stunden Routineein günstigeres Modell reicht
6–11Stunden für ein Spitzenmodellje nach Branche, in allen 19 untersuchten
Routineje nach Branche anspruchsvollanspruchsvoll in jeder Branche
Was zur Routine zählt, ist wenig überraschend: Rechnungen und Berichte vorbereiten, Personalakten pflegen, Statistiken zu Fehlzeiten erstellen, Werbetexte schreiben. Anspruchsvoll sind dagegen Verträge und Patentanmeldungen entwerfen oder Systeme für Produktionsverfolgung und Qualitätskontrolle aufbauen. Die schweren Aufgaben sind meist auch die seltenen. Ausnahmen sieht der Bericht bei Kapitalmärkten, Technologie und Verteidigung, wo gerade die häufigen Aufgaben oft komplex sind.
Die Kosten unterscheiden sich entsprechend. Für ein Beispielunternehmen mit 100.000 Beschäftigten und 35 Agenten schätzen die Autoren fünf Jahre Betrieb auf rund 155 Millionen Dollar im Gesundheitswesen und rund 520 Millionen in der Versicherung. Den größten Teil machen die Rechenkosten aus, also die Modelle.
Was Databricks gemessen hat
Wharton schätzt, Databricks misst. Der neue Databricks AI Index wertet den Verkehr von mehr als 10.000 Firmen über die eigene KI-Schnittstelle aus und lässt Modelle echte Programmieraufgaben aus Databricks' eigenem Code lösen, geprüft mit verdeckten Tests.
Durchschnittliche Kosten je gelöster Programmieraufgabe, in Dollar
0 $6 $12 $
Zwei Zahlen stechen heraus. GPT-6 Luna, das kleine Modell von OpenAI, und Claude Opus 5.5 lösen beide 89,1 Prozent der Aufgaben. Luna kostet dafür im Schnitt 5 Cent, Opus 1,62 Dollar. Und Gemini 3.8 Flash, eigentlich ein Modell mit niedrigem Tokenpreis, landet bei 11,97 Dollar je Aufgabe, weil es im Schnitt 140 Runden braucht. Ein billiges Token macht noch keine billige Aufgabe.
Die Firmen reagieren schon. Im Juli setzten laut Databricks noch rund 64 Prozent der Kunden auf einen einzigen Modellanbieter, Anfang November waren es 28 Prozent. Der Anteil offener Modelle am Verkehr stieg im selben Zeitraum von 7,3 auf 30,9 Prozent.
Der Haken
- Die Noten hat eine KI vergeben. Wie schwer eine Aufgabe ist, haben bei Wharton zwei Sprachmodelle bewertet, GPT-5.6 Sol und Claude, nicht Beobachter echter Arbeit. Grundlage ist ein amerikanischer Berufskatalog, keine deutsche Firma.
- Die Kosten sind eine Untergrenze. Beratung, Integration, Schulung und der Umbau der Abläufe sind ausdrücklich nicht enthalten. Die Autoren empfehlen selbst 15 bis 25 Prozent Puffer.
- Ein Test, ein Code. Der Databricks-Vergleich beruht auf Programmieraufgaben aus einer einzigen Codebasis, die Zahl der Aufgaben nennt der Bericht nicht. Für Ihre Angebote oder Reklamationen kann die Reihenfolge anders aussehen.
- Beide verkaufen etwas. Accenture setzt Agenten bei Kunden um, Databricks verkauft die Schnittstelle, über die Firmen zwischen Modellen wechseln.
- Automatisch umschalten ist schwer. Ein System, das jede Anfrage selbst dem passenden Modell zuteilt, können laut Bericht bisher nur wenige Firmen sauber betreiben.
Was das für den Mittelstand heißt
Die Rechnung von Wharton gilt für Konzerne, die Richtung gilt für jede Firma. Teilt man die Fünfjahreskosten durch Beschäftigte und Jahre, kommt man rechnerisch auf rund 310 bis 1.040 Dollar je Kopf und Jahr. Kleinere Firmen zahlen je Kopf eher mehr, weil Kosten mit der Größe langsamer wachsen: anderthalbmal so viele Beschäftigte, nur 1,2-mal so hohe Kosten.
Gerade deshalb lohnt der genaue Blick. Wer einen Agenten für Eingangsrechnungen, Lieferavis oder Standardanfragen baut und dafür das stärkste Modell nimmt, weil es gerade da ist, zahlt im Betrieb ein Vielfaches. Das stärkste Modell gehört an die Stellen, an denen ein Fehler teuer wird: Verträge, Prüfberichte, Entscheidungen mit Haftung. Für den Rest reicht oft ein kleines.
Was Sie jetzt tun sollten
- Aufgaben auflisten, nicht Werkzeuge. Schreiben Sie für jeden geplanten Agenten auf, welche einzelnen Aufgaben er erledigt und wie oft.
- Jede Aufgabe mit fünf Fragen einstufen. Wie viele Schritte? Gelten Vorschriften? Wie viele Systeme? Sensible Daten? Viele oder frische Daten? Wo überall „wenig“ steht, ist es Routine.
- Kosten je erledigter Aufgabe messen. Der Tokenpreis sagt wenig. Zählen Sie bei einem Probelauf, was ein fertiger Vorgang kostet und wie oft er stimmt.
- Klein anfangen, begründet hochstufen. Lassen Sie das kleine Modell an 50 echten Fällen gegen das große antreten. Nur wo es messbar scheitert, nehmen Sie das große.
- Das Modell beim Entwurf festlegen. Entscheiden Sie je Aufgabe, bevor der Agent läuft. Automatisches Umschalten kann später kommen.
- Puffer einplanen. 15 bis 25 Prozent auf die geschätzten Kosten, wie es die Autoren selbst raten.
Die Frage ist selten, ob ein Modell gut genug ist. Für die meisten Aufgaben sind es mehrere. Die Frage ist, welches für welche Aufgabe reicht. Wenn Sie Ihre geplanten Agenten einmal so durchgehen wollen, setzen wir uns gern mit Ihnen hin.