Tokenomics: Das Token, die neue Währung im Agentenzeitalter

Mit der generativen KI hat eine neue Einheit Einzug in das Vokabular von Technologie- und Finanzverantwortlichen gehalten: das Token. Während KI-Agenten den Sprung von bloßen Vorführungen hin zu Produktionsbereitstellungen vollziehen, verändert diese kleine Einheit die IT-Budgets. Willkommen im Zeitalter der Tokenomics.

Zur Auffrischung: Was ist ein Token, und warum verwenden Agenten so viele davon?

Ein Token ist die grundlegende Texteinheit, die ein Sprachmodell verarbeitet. Es kann sich um ein kurzes Wort, einen Wortteil oder ein Satzzeichen handeln. Im Französischen entspricht ein Token etwa drei Vierteln eines Worts. Bevor ein Modell eine Anforderung verarbeitet, unterteilt es den Text in Token („Tokenisierung“), verarbeitet diese, durchläuft Argumentationsketten und generiert seine Antwort – Token für Token. Und Modellanbieter rechnen jedes einzelne Token ab, ob Eingabe oder Ausgabe.

Als der Schwerpunkt der KI-Nutzung noch auf Chatbots lag, war die Abrechnungsformel relativ einfach: eine Frage, eine Antwort und ein paar Tausend Token. Agenten verändern diese Spielregeln jedoch grundlegend. Ein autonomer Agent kann mehr als nur antworten. Er kann argumentieren, planen, Tools aufrufen, Datenbanken abfragen, seine Ergebnisse überprüfen, bei Fehlschlägen erneute Versuche unternehmen und in manchen Fällen Aufgaben an Unteragenten delegieren. Dabei werden bei jedem Schritt Token verbraucht. Eine einfache RAG-Abfrage (Retrieval Augmented Generation) kann zwischen 2.000 und 10.000 Token verbrauchen, während eine komplexe agentenbasierte Aufgabe zwischen 30.000 und über 100.000 Token „kosten“ kann – ohne dass ein erfolgreiches Ergebnis garantiert ist.

Diesen kumulativen Effekt bezeichnet Cory Minton als „Token-Inflation“. Die Kosten für agentenbasierte KI steigen oft nicht linear mit der Nutzung. Sie summieren sich, je mehr Schritte die Agenten ausführen.

Token-Optimierung bedeutet Kostenoptimierung, vorausgesetzt, es gibt einen klaren Fahrplan

Das Paradoxe an dieser neuen Wirtschaft ist, dass der Preis pro Token rapide fällt, die Abrechnungsbeträge aber weiterhin in schwindelnde Höhe steigen. Analysten schätzen, dass die Modellpreise in den letzten zwei Jahren um mehrere Größenordnungen gesunken sind, während die gesamten KI-Ausgaben von Unternehmen weiterhin einen Anstieg von über 30 % pro Jahr verzeichnen. Woran liegt das? Am Volumen. Agentenbasierte Workflows verbrauchen für dieselbe Benutzeranforderung 5- bis 30-mal mehr Token als herkömmliche Chatbots.

Und was noch schlimmer ist: Ein signifikanter Teil dieses Verbrauchs ist pure Verschwendung. Redundante Kontexte, wiederholt abgerufene Daten, Retry Storms durch Designfehler, Agenten, die sich ohne Ausstiegsbedingung im Kreis drehen… Laut einigen Analysen werden in Unternehmen auf diese Weise 40 bis 60 % der Token-Budgets verschwendet.

Zahlen der FinOps Foundation bestätigen das Ausmaß des Problems: 85 % der Unternehmen verschätzen sich bei ihren KI-Kosten um mehr als 10 %, und fast ein Viertel liegt bei der Schätzung sogar um mehr als 50 % daneben. Die Stiftung hat bereits Fälle dokumentiert, in denen Unternehmen das Dreifache ihrer für 2026 prognostizierten Token-Kontingente verbraucht haben. Es überrascht daher nicht, dass das KI-Kostenmanagement, unabhängig von der Unternehmensgröße, die Liste der gefragtesten Kompetenzen in FinOps-Teams anführt.

All dies hat zu einer neuen Erwartung an Software- und Modellanbieter geführt: Transparenz. Wie viele Token verbraucht jeder einzelne Agent, jeder Workflow und jede Aufgabe? Wie hoch sind die Kosten pro Geschäftsprozess und nicht nur pro Million Token? Ein Agent, der in einer Schleife feststeckt, sollte auf einem Dashboard zu sehen sein und sich nicht nur auf der Rechnung zeigen. Ohne Observability wird KI sowohl zu einer technischen als auch finanziellen Schuld.

Tokenomics in der Praxis: Das Dashboard „Argos AI“, eine vom Autor entwickelte Splunk-Anwendung, zeigt Token-Verbrauch und -Kosten nach Workflow, Modell und Agent.

Die Token-Falle: Eine Neuauflage der Cloud-Geschichte

Wir haben das schon einmal erlebt. In den Anfängen der Cloud führte das Versprechen der nutzungsabhängigen Abrechnung oft zu unvorhersehbaren Rechnungen, vergessenen Instanzen und überdimensionierten Umgebungen. Zwanzig Jahre später gehen Studien immer noch davon aus, dass rund 30 % der Cloud-Ausgaben verschwendet werden. Diese Erfahrung trug mit dazu bei, dass die Disziplin „FinOps“ entstand.

Bei Token wiederholt sich dasselbe Muster, nur schlimmer. Folgende drei Faktoren machen die Falle noch gefährlicher: Volatilität (der Token-Verbrauch eines Agenten kann je nach Aufgabenkomplexität um den Faktor 10 variieren), mangelnde Sichtbarkeit (der Token-Zähler läuft kontinuierlich im Hintergrund) und Autonomie (der Agent entscheidet über die Anzahl der Schritte und damit auch über die Höhe der Kosten).

Der makroökonomische Kontext erhöht den Einsatz. Unternehmen investieren massiv in KI-Infrastruktur, -Modelle und -Fachkräfte, und diese Investitionen müssen sich auszahlen. Agentenbasierte KI-Projekte, die ohne Kostenkontrolle in die Produktion gehen, werden das gleiche Schicksal erleiden wie die Cloud-Programme der 2010er Jahre, bei denen es auch kein Kostenmanagement gab: Stopps, Rückverlegung oder Aufgabe. Tokenomics ist nicht nur ein technisches Problem. Es ist ein Glaubwürdigkeitstest für Technologieführer.

Es kristallisieren sich bereits mehrere bewährte Vorgehensweisen heraus: Verwenden Sie „Circuit Breaker“ als Schutzschalter, um einen Agenten zu stoppen, wenn er ein Kostenlimit übersteigt, planen Sie das Budget anhand des Business-Workflows anstatt anhand des reinen Token-Volumens und leiten Sie jede Aufgabe zum kleinsten Modell, das sie ausführen kann. Reservieren Sie größere Modelle für Aufgaben, die eine komplexere Argumentation erfordern.

Splunks Ansatz: Agenten ohne Token-Zähler

Splunk geht Tokenomics von zwei Seiten an.

Erstens in Bezug auf unsere eigenen KI-Fähigkeiten: Die in die Splunk Platform integrierten Assistenten und Agenten sind ohne zusätzliche Kosten und, besonders wichtig, ohne Kosten auf Token-Basis im Abonnement enthalten. Ihre SOC-Analysten können den KI-Assistenten abfragen, SPL generieren und gemeinsam mit Plattform-Agenten Untersuchungen durchführen, ohne dass ein Token-Zähler bei jeder Frage unvorhersehbare Kosten generiert. In einer Welt, in der jeder Prompt mit Kosten verbunden ist, wird die Planbarkeit des Budgets zu einem Wettbewerbsvorteil: Teams nutzen KI ohne zu zögern, und die Akzeptanz folgt.

Zweitens, in puncto Transparenz bei Ihren eigenen Agenten: Splunk Agent Observability, entstanden aus der Übernahme von Galileo, bietet Teams eine zentralisierte Übersicht über alle ihre Agenten, einschließlich Anforderungen, Latenz, Token-Verbrauch für Ein- und Ausgabe sowie der damit verbundenen Kosten, und korreliert diese Kosten mit Indikatoren für die Antwortqualität wie Halluzinationen, Fehlern und anderem unerwünschten Verhalten. Dies macht es möglich, einen „Rogue Agent“ zu identifizieren und zu stoppen, bevor das Budget außer Kontrolle gerät, sowie eine evidenzbasierte Entscheidung zwischen einem teuren Frontier-Modell und einem kleineren Modell gleicher Qualität zu treffen.

Mit anderen Worten: Bei unseren Agenten gibt es keine Token-Fallen, und zudem bieten wir Möglichkeiten, diese für Ihre Agenten zu deaktivieren.

Wie geht es weiter: Die autonome Agentenökonomie

Tokenomics ist nur das erste Kapitel eines größeren Wandels, nämlich der Entstehung einer echten Agentenökonomie, in der autonome Agenten selbst Dienstleistungen erwerben, darunter Daten, Rechenleistung, API-Zugriff und sogar Services anderer Agenten.

Die Zahlungsinfrastruktur nimmt langsam Gestalt an. Das Protokoll x402 belebt den HTTP-Code „402 Payment Required“ (Zahlung erforderlich) wieder und ermöglicht es Agenten, den API-Zugriff auf Anforderungsbasis ohne menschliches Eingreifen in Stablecoins zu bezahlen. Google hat zusammen mit mehr als 60 Partnern, darunter PayPal, Mastercard und American Express, AP2 (Agent Payments Protocol) ins Leben gerufen, um ein sicheres Framework für von Agenten initiierte Transaktionen bereitzustellen. Einige Prognosen gehen davon aus, dass die Ausgaben in der Agentenwirtschaft bis 2030 bei 1,5 Billionen US-Dollar liegen könnten.

Stellen Sie sich vor, Ihr Untersuchungsagent kauft im laufenden Betrieb die Anreicherung durch Bedrohungsinformationen von einem Drittanbieter-Agenten, der wiederum mit Mikrozahlungen für seine Rechenleistung bezahlt. Diese Vorstellung ist faszinierend und zugleich beängstigend für alle, die für die Überwachung der zugehörigen Kosten, Sicherheit und Compliance verantwortlich sind. Wenn Ihre Agenten über ein Wallet verfügen, ist Observability ein klares Muss. Sie wird dann zu Ihrem Management-Kontrollsystem in Echtzeit.

Fazit

Bei jeder großen technologischen Welle entstand eine neue Managementdisziplin: Die Cloud führte zu FinOps, und agentenbasierte KI führt zu Tokenomics. Die im Zeitalter der Agenten führenden Unternehmen sind nicht die Unternehmen mit dem höchsten Token-Verbrauch. Es sind diejenigen, die genau verstehen, wofür jedes Token ausgegeben wird, und Partner gewählt haben, bei deren Geschäftsmodell nicht jede Innovation gleich zu einem Budgetrisiko wird.

Weitere Informationen finden Sie unter Splunk Agent Observability und in Cory Mintons Artikel The New Currency of AI: Why Tokenomics is the Next Big Test for Tech Leaders über die Bedeutung von Tokenomics als nächstem wichtigem Prüfstein für führende Tech-Unternehmen.