Wer KI in der Softwareentwicklung einsetzt, arbeitet längst nicht mehr nur mit einem Chatfenster. Agentische Werkzeuge – also KI-Systeme, die selbstständig mehrere Arbeitsschritte planen, Dateien lesen, Code schreiben und Ergebnisse prüfen – erzeugen pro Auftrag ein Vielfaches an Rechenlast. Eine aktuelle Eigenmessung liefert dazu erstmals konkrete Zahlen.

Was gemessen wurde

Der Klimawissenschaftler Zeke Hausfather hat seinen eigenen Verbrauch bei der Nutzung von Claude Code über acht Wochen protokolliert. Das Ergebnis: rund 3,2 Milliarden verarbeitete Token und etwa 170 Kilowattstunden Rechenzentrumsstrom. Umgerechnet auf den einzelnen Prompt entspricht das nach seiner Auswertung ungefähr dem 600-Fachen eines gewöhnlichen KI-Chat-Prompts.

Token sind die Verarbeitungseinheiten eines Sprachmodells, ungefähr Wortbestandteile. Dass hier Milliarden davon anfallen, liegt in der Natur agentischer Arbeit: Der Agent liest Kontext ein, wiederholt Schritte, korrigiert sich selbst und schreibt Zwischenergebnisse zurück. Ein einziger Auftrag im Chatfenster kann dadurch dutzende oder hunderte Modellaufrufe auslösen.

Warum die kommunizierten Niedrigwerte in die Irre führen

Große Anbieter wie Google und OpenAI haben in der Vergangenheit sehr niedrige Energiewerte pro Anfrage veröffentlicht. Diese Angaben beziehen sich auf einfache, kurze Chat-Interaktionen. Für die Bewertung agentischer Nutzung sind sie nach der Messung von Hausfather wenig aussagekräftig, weil sie ein Nutzungsmuster beschreiben, das im Entwicklungsalltag kaum noch dominiert.

Für Projektverantwortliche bedeutet das vor allem: Kennzahlen aus Anbieterkommunikation lassen sich nicht ohne Weiteres auf den eigenen Einsatzfall übertragen. Wer Nachhaltigkeitsziele oder Budgets plant, braucht Werte aus dem eigenen Betrieb.

Drei Ebenen, auf denen das relevant wird

  • Budget: Token-Verbrauch ist die Abrechnungsgrundlage vieler KI-Dienste. Wenn agentische Werkzeuge das Volumen um Größenordnungen erhöhen, verschieben sich Kostenprognosen entsprechend – unabhängig davon, welches Preismodell gerade gilt.
  • Nachhaltigkeit: Unternehmen, die über Umweltberichte oder interne Klimaziele Rechenschaft ablegen, sollten KI-gestützte Entwicklung nicht mehr als vernachlässigbaren Posten behandeln. Eine einzelne Person kann über acht Wochen einen Verbrauch verursachen, der sich messen lässt.
  • Architektur: Die Frage ist nicht nur, ob ein Agent eingesetzt wird, sondern wie viel Kontext er bei jedem Schritt verarbeiten muss. Aufgabenzuschnitt, Projektstruktur und Dokumentation wirken direkt auf das Token-Volumen.

Was sich daraus praktisch ableiten lässt

Die Zahlen sind eine Einzelmessung und kein Branchendurchschnitt. Sie taugen deshalb nicht als Benchmark, wohl aber als Anlass, den eigenen Verbrauch überhaupt erst sichtbar zu machen. Sinnvoll sind drei Schritte.

  1. Verbrauch messen statt schätzen. Die meisten Anbieter stellen Token-Statistiken bereit. Wer diese pro Projekt oder Team auswertet, erkennt schnell, welche Aufgabentypen teuer sind.
  2. Werkzeug zur Aufgabe passend wählen. Nicht jede Anfrage braucht einen Agenten mit vollem Projektkontext. Für Formulierungshilfen, Code-Erklärungen oder kurze Refactorings reicht oft ein einfacher Modellaufruf.
  3. Kontext bewusst begrenzen. Klar abgegrenzte Module, saubere Schnittstellen und knappe, präzise Projektdokumentation reduzieren die Menge an Material, die ein Agent bei jedem Durchlauf einlesen muss.

Der Nutzen bleibt – die Rechnung wird ehrlicher

Nichts an diesen Zahlen spricht gegen agentische Entwicklung. Wenn ein Agent eine Migration vorbereitet, Tests ergänzt oder Altcode dokumentiert, spart er Arbeitszeit, die andernfalls ebenfalls Ressourcen bindet. Entscheidend ist, dass der Aufwand realistisch angesetzt wird und nicht auf Basis von Werten, die für ein völlig anderes Nutzungsmuster erhoben wurden.

Genau das ist die eigentliche Botschaft der Messung: Agentische KI ist kein Chat mit Zusatzfunktionen, sondern eine andere Betriebsart mit eigener Kostenstruktur. Sie sollte auch so geplant werden.

Einordnung für Web- und Softwareprojekte

In TYPO3- und Webprojekten lohnt es sich, KI-Einsatz künftig wie jede andere Infrastrukturentscheidung zu behandeln: mit Messung, Zuordnung zu Kostenstellen und einer bewussten Wahl zwischen einfachem Modellaufruf und vollem Agentenlauf. Wer Projektstruktur und Dokumentation aufräumt, senkt damit nicht nur die Einstiegshürde für neue Teammitglieder, sondern auch den Kontextbedarf der Werkzeuge. So bleibt der Produktivitätsgewinn erhalten, ohne dass Budget- und Nachhaltigkeitszahlen später überraschen.

Quellen