Der Verbrauch steigt schneller als die Aufgabe

Anthropic hat für die eigenen Systeme veröffentlicht, wie sich der Token-Verbrauch zwischen den Nutzungsarten unterscheidet: Agenten verbrauchen etwa das Vierfache einer Chat-Interaktion, Multi-Agent-Systeme etwa das Fünfzehnfache (Anthropic, Juni 2025). Der Grund liegt in der Mechanik. Bei jedem Schritt geht der bisherige Verlauf erneut in den Kontext. Werkzeugausgaben, gelesene Dokumente und Zwischenergebnisse wachsen mit. Fehlversuche werden mitbezahlt, auch wenn sie verworfen werden.

Für die Kalkulation heißt das: Der Verbrauch einer einzelnen Anfrage lässt sich abschätzen, der einer Aufgabe nicht. Zwei Anwender mit derselben Fragestellung können eine Größenordnung auseinanderliegen, weil der eine Agent beim ersten Versuch das richtige Dokument findet und der andere vier Umwege nimmt.

Woran die Projekte scheitern

Gartner prognostiziert, dass über 40 Prozent der agentischen KI-Projekte bis Ende 2027 abgebrochen werden. Als Gründe nennt die Analyse eskalierende Kosten, unklar definierten Geschäftswert und unzureichende Risikokontrolle (Gartner, Juni 2025). Die Kostenseite steht dort an erster Stelle, und sie ist die einzige der drei, die sich mit der Architektur beantworten lässt.

Eine Erhebung des On-Premises-Speicheranbieters Cloudian unter 203 IT-Entscheidern kommt zu einem passenden Befund. 40 Prozent der Befragten überschreiten ihre geplanten Cloud-KI-Ausgaben, 79 Prozent haben KI-Workloads bereits verlagert, 73 Prozent planen weitere Verlagerungen in Richtung On-Premises oder Hybrid (Cloudian, Februar 2026). Die Studie kommt von einem Anbieter, der von diesem Ergebnis profitiert, deckt sich in der Kostenaussage aber mit der Gartner-Begründung.

Im öffentlichen Sektor und im Mittelstand kommt ein struktureller Punkt hinzu. Eine Haushaltsposition, deren Höhe erst nach der Nutzung feststeht, ist schwer genehmigungsfähig. Wer im Frühjahr ein Budget beantragt, muss im Herbst noch damit auskommen.

Rechte skalieren mit der Zahl der Schritte

Ein Agent liest, kombiniert und schreibt in Fachsysteme. Jeder dieser Schritte braucht eine Rechteprüfung, und zwar dieselbe, die auch für den Anwender gelten würde. Hängt das Rechtemodell am Quellsystem und am Identity Provider, bleibt die Prüfung über acht Schritte hinweg gültig. Hängt sie am Werkzeug, entsteht das Problem, das aus der Copilot-Diskussion bekannt ist: Der Assistent sieht mehr als die Person, die ihn bedient.

Dasselbe gilt für Protokollierung. Bei einer Chat-Antwort genügt die Quelle. Bei einem mehrstufigen Vorgang muss nachvollziehbar bleiben, welcher Schritt welche Daten gelesen und welches Ergebnis erzeugt hat. Ohne diese Spur ist der Vorgang gegenüber einer Aufsicht nicht darstellbar.

Zwei Kostenmodelle, eine Entscheidung

Nutzungsabhängige Abrechnung ist günstig, solange die Nutzung selten und kurz ist. Für gelegentliche Recherchen, für Bild-, Video- und Audioaufgaben und für allgemeine Übersetzungen bleibt Cloud-KI die wirtschaftlichere Wahl. Das Verhältnis kippt, wenn viele Anwender täglich mehrstufige Vorgänge starten. Dann bezahlt ein Unternehmen dauerhaft variable Kosten für eine Grundlast, die sich als Anlagegut abbilden ließe.

Die Entscheidung hängt an zwei Größen: der erwarteten Zahl der Vorgänge pro Tag und der Sensibilität der Daten, die dabei durch das System laufen. Für Daten, die das Unternehmen ohnehin nicht an einen US-Anbieter geben würde, ist die Frage bereits entschieden. Alles andere ist eine Rechnung.

Wie FAST LTA das umsetzt

FAST LTA bietet seit Frühjahr 2026 mit Silent AI eine lokale KI-Appliance an, deren KI-Assistent Unternehmenswissen durchsuchbar macht. Die semantische Suche läuft vollständig lokal auf einer RAG-Architektur, jede Antwort nennt ihre Quelle, und die Leserechte kommen aus dem Identity Provider und dem jeweiligen Quellsystem, ob LDAP/AD, Entra ID, Okta oder OIDC.

Ab 1. Oktober 2026 folgt Silent AI Pro. Die Appliance ergänzt Silent AI um Projekte, Skills, Agenten, Artefakte und ein Gedächtnis, das Arbeitskontexte über Sitzungen hinweg hält. Für die Kostenfrage zählt der Aufbau: Die Rechenleistung ist Bestandteil der Appliance. Sie belegt 4 HE im Rack, lässt sich im laufenden Betrieb von einer auf drei GPUs erweitern und ist mandantenfähig, sodass mehrere Organisationsbereiche dieselbe Appliance nutzen und ihre Daten getrennt bleiben. Die Kosten stehen bei der Beschaffung fest, unabhängig davon, wie viele Vorgänge laufen und wie viele Nutzer arbeiten.

Kein Prompt und kein Token verlässt das Netzwerk. Damit entfällt der Zugriffsweg über den US CLOUD Act (18 U.S.C. § 2713) und FISA 702, der bei US-Anbietern unabhängig vom Serverstandort besteht. Silent AI Pro wird in München entwickelt und in Deutschland gefertigt. Der CARE-Vertrag deckt Wartung und Support für ein bis fünf Jahre zu gleichbleibenden Konditionen ab, was den Betriebsanteil der Rechnung für denselben Zeitraum festschreibt.

Die offene Größe im Piloten

Die Rechnung für agentische KI entsteht an einer Stelle, die im Pilotbetrieb kaum sichtbar wird: bei der Zahl der Schritte, die eine Aufgabe im Alltag tatsächlich braucht. Wer diese Zahl nicht kennt, hat zwei Möglichkeiten. Die Kosten nach Nutzung tragen und mit Schwankungen leben. Oder die Rechenleistung in der Beschaffung fixieren und die Schwankung in Auslastung übersetzen statt in Rechnungsbeträge. Beides ist vertretbar, die Wahl fällt vor dem Rollout allerdings leichter als danach.

Wie viele Anwender sollen bei Ihnen gleichzeitig mehrstufige Aufgaben starten?

Danach richtet sich die Ausbaustufe. Silent AI Pro beginnt mit einer GPU und wächst im laufenden Betrieb auf drei. Im Gespräch ordnen wir Ihre Nutzerzahl und Ihre Datenquellen einer Konfiguration zu und sagen Ihnen, wo die Grenzen liegen.