AI Agents übernehmen: Sie verbrauchen fast fünfmal so viele Tokens wie Menschen

OpenRouter selbst beobachtet diese Verschiebung schon länger. Bereits Anfang Februar überstieg der Token-Verbrauch durch agentische Anwendungen erstmals die menschliche Nutzung. Inzwischen liegen Agents beim Verbrauch weit vor Menschen.

---

Analyse für Deutschland:
AI Assistants schon auf Platz zwei der Informationssuche

---

AI Agents verbrauchen deutlich mehr Tokens als Menschen

Wenn Menschen eine KI direkt nutzen, stellen sie meist einzelne Anfragen und warten auf die Antwort. AI Agents arbeiten dagegen selbstständig mehrere Schritte hintereinander ab. Genau das schlägt sich im Token-Verbrauch nieder. Laut OpenRouter benötigt eine agentische Anfrage im Schnitt etwa 15-mal so viele Tokens wie eine menschliche Anfrage. Denn je länger der Prompt, je größer der Kontext und je ausführlicher die Antwort, desto mehr Tokens verarbeitet ein KI-Modell. Dadurch steigen auch Rechenaufwand und Kosten.

Für die eigene Analyse wertete OpenRouter mehr als 450 Billionen Tokens aus eigenen Request Logs zwischen dem 1. Januar und dem 14. Juni 2026 aus. Ob ein API Key als agentisch, menschlich oder gemischt gilt, bestimmt OpenRouter anhand von sieben Signalen. Dazu zählen unter anderem Tool Calls, die Zahl der Gesprächsschritte und die zeitlichen Abstände zwischen Anfragen.

Die Zahlen zeigen also nicht, dass es inzwischen mehr Agents als menschliche Nutzer:innnen gibt. Gemessen wird der Token-Verbrauch. Schon wenige Agents können dabei sehr hohe Werte erzeugen, weil sie für eine Aufgabe viele einzelne KI-Anfragen nacheinander starten.

Warum Agents so viele Tokens brauchen

AI Agents verbrauchen so viele Tokens, weil sie eine Aufgabe nicht mit einer einzelnen Anfrage erledigen. Sie arbeiten mehrere Schritte nacheinander ab und greifen dabei immer wieder auf den bisherigen Kontext zurück. Das treibt den Token-Verbrauch hoch.

Ein großer Teil davon lässt sich allerdings günstiger verarbeiten. Möglich machen das sogenannte Cached Tokens. Bereits verarbeitete Teile des Kontexts werden zwischengespeichert und bei späteren Modellaufrufen wiederverwendet. Der Agent muss also nicht bei jedem Schritt wieder bei null anfangen. Das spart Rechenaufwand und senkt die Kosten für diesen Teil der Verarbeitung.

Inzwischen entfallen 86 Prozent des Token-Verbrauchs von Agents auf gecachte Tokens. Bei menschlichen Anfragen sind es 29 Prozent. Seit Januar ist der Anteil bei Agents von 65 auf 86 Prozent gestiegen, bei Menschen von 16 auf 29 Prozent.

Caching senkt zwar die Kosten, erhöht aber den Speicherbedarf. Je mehr Kontext Agents über mehrere Arbeitsschritte hinweg bereithalten, desto mehr Daten müssen schnell verfügbar sein. In KI-Rechenzentren wird dafür unter anderem High Bandwidth Memory, kurz HBM, eingesetzt. Dieser besonders schnelle Speicher sitzt nahe an den KI-Chips und liefert große Datenmengen mit hoher Bandbreite. Hersteller:innen wie SK hynix, Samsung und Micron fahren daher die Produktion hoch, neue Kapazitäten brauchen aber Zeit und sind teils erst nach Jahren verfügbar. Große Cloud-Anbieter:innen sichern sich deshalb schon früh hohe Mengen über langfristige Verträge. Weil gleichzeitig mehr Produktionskapazität in margenstarkes HBM fließt, wird auch anderer Speicher knapper. Das könnte am Ende Verbraucher:innen treffen, etwa durch höhere Preise für PCs und Smartphones.

Weitere Nachteile durch den starken Anstieg von AI Agents könnten auch Anbieter:innen von Workflow-Automatisierung zu spüren bekommen.

Verdrängen AI Agents Automatisierungs-Tools?

a16z verweist auf Similarweb-Daten, nach denen mehrere etablierte Anbieter:innen zuletzt weniger Website Traffic verzeichneten. Innerhalb von zwölf Wochen sanken die Besuche bei n8n um zwölf Prozent, bei Zapier um 13 Prozent und bei Make um 14 Prozent.

Gumloop verzeichnete dagegen mehr Website-Besuche. Das Unternehmen wurde 2023 gegründet, setzt von Beginn an auf AI-native Automatisierung und steigerte den Website Traffic im selben Zeitraum von zwölf Wochen um 64 Prozent.

Während n8n, Zapier und Make beim Website Traffic zuletzt verloren, legte Gumloop deutlich zu, © a16z, Daten: Similarweb Global AI Tracker

Von einer Verdrängung etablierter Automatisierungs-Tools kann allerdings noch keine Rede sein. Website Traffic zeigt nur, wie oft die Seiten besucht werden, nicht wie intensiv die Tools tatsächlich genutzt werden. Außerdem integrieren n8n, Zapier und Make selbst längst KI- und Agent-Funktionen. Auffällig bleibt der starke Traffic-Zuwachs von Gumloop in den vergangenen zwölf Wochen trotzdem.

---

Stelle OnlineMarketing.de als bevorzugte Quelle auf Google ein

Wenn du OnlineMarketing.de auf Google als bevorzugte Quelle einstellen möchtest, um auch in den Schlagzeilen auf Google immer aktuelle News und Tipps aus der Welt des Marketing und der Tech-Entwicklungen zu finden, kannst du einfach die Google-Quelleneinstellungen aufrufen und die Seite anwählen. Über das Stern-Icon neben den Top Stories kannst du ebenfalls bevorzugte Quellen für die spätere Suche speichern.