Der KI-Agent für 4.000 Dollar, den niemand eingeplant hatte

Die Kinder des Schusters haben keine Schuhe

Es gibt eine besondere Art von Ironie, die die Gesch\u00e4ftswelt hervorbringt: Ein Unternehmen, dessen ganzer Zweck darin besteht, ein Problem zu l\u00f6sen, tappt selbst genau in dieses Problem hinein. Blockbuster passierte es, w\u00e4hrend Netflix noch DVDs verschickte. Kodak passierte es mit der Digitalfotografie. Und jetzt ist es Revenium passiert, einem Unternehmen, das KI-Kostenmanagement-Software an Unternehmen verkauft, die panische Angst vor unkontrollierten Ausgaben ihrer KI-Agenten haben.

Am 13. Mai \u00f6ffnete ein Revenium-Entwickler eine KI-Coding-Sitzung auf seinem Laptop. Er schloss sie vier Tage lang nicht. Als sie endete, hatte der Agent 4.819 API-Aufrufe get\u00e4tigt, die insgesamt 3.762 Dollar kosteten. Niemand hatte daf\u00fcr budgetiert. Kein Alarm wurde ausgel\u00f6st. Der Agent war unsichtbar f\u00fcr genau die Systeme, die Revenium verkauft, um Agenten sichtbar zu machen.

Die Revenium-Ingenieure, die den Vorfall meldeten, waren bemerkenswert ehrlich \u00fcber seine Bedeutung: "An dieser Sitzung ist eigentlich nichts Ungew\u00f6hnliches. Die Probleme entstehen, weil KI-Sitzungen \u00e4hnlich wie SaaS-Sitzungen budgetiert werden \u2013 mit einem flachen Pro-Sitz- oder Pro-Token-Kostenwert, der als Durchschnitt erfasst wird. Dieses Modell bricht zusammen, sobald man sich ansieht, was die Leute tats\u00e4chlich laufen lassen."

Die 47.000-Dollar-Unterhaltung, die niemand h\u00f6rte

Reveniums interne Studie deckte noch weitaus schlimmere F\u00e4lle bei seinen Kunden auf. Ein E-Commerce-Unternehmen erlebte, wie seine KI-Infrastrukturkosten von 5.000 Dollar pro Monat in der Prototyping-Phase auf 50.000 Dollar pro Monat in der Staging-Phase anstiegen \u2013 eine Verzehnfachung, verursacht durch unoptimierte RAG-Abfragen und rekursive Agentenschleifen w\u00e4hrend Hochlastzeiten. "Jede einzelne Aktion war f\u00fcr sich betrachtet rational. Aber die kumulierten Kosten waren es nicht", stellte das Revenium-Team fest.

Dann gab es den Fall der unendlichen Gespr\u00e4chsschleife. Zwei KI-Agenten begannen, miteinander zu reden und h\u00f6rten nie wieder auf. Die Schleife lief elf Tage lang unentdeckt und verbrannte 47.000 Dollar, bevor jemand sie bemerkte. "Zwei Agenten blieben miteinander im Gespr\u00e4ch, w\u00e4hrend das Team schlief, w\u00e4hrend es arbeitete, w\u00e4hrend es glaubte, das System laufe einfach reibungslos."

Dies sind keine Ausnahmef\u00e4lle. Reveniums Studie, die \u00fcber 109.000 KI-Vorf\u00e4lle analysierte, offenbarte eine Ausgabenverteilung, die erkl\u00e4rt, warum Durchschnittswerte gef\u00e4hrlich sind. Die mittleren Kosten f\u00fcr agentische Arbeit betrugen harmlose 2,24 Dollar pro Aufgabe. Aber die obersten 1% der Aufrufe verursachten 46% der Gesamtausgaben. Die obersten 5% kamen auf 77%. Die unteren 90% der Aufrufe machten nur 12% der KI-Ausgaben aus.

"Wenn Sie Ihre KI-Rechnung anhand eines Durchschnitts verwalten, haben Sie keine Transparenz dar\u00fcber, was morgen fr\u00fch passieren k\u00f6nnte", warnten die Ingenieure.

Wenn KI-Kosten schneller skalieren als jemand bemerkt

Das Problem verst\u00e4rkt sich mit der Zeit. Revenium verfolgte die KI-Nutzung seines eigenen Entwicklungsteams von Januar bis Mai. Die Anzahl der Ingenieure, die KI nutzten, wuchs von sieben auf 28 \u2013 eine Vervierfachung. Aber der verbrauchte KI-Wert stieg um das 420-fache. Der Pro-Kopf-Verbrauch wuchs etwa um das Hundertfache.

Dies ist die eigentliche Budget-Geschichte, die niemand in der F\u00fchrungsebene verfolgt. Pro-Sitz-Budgets \u2013 die Art, die CFOs mit Software-Anbietern aushandeln \u2013 k\u00f6nnen eine Beschleunigung dieses Ausma\u00dfes nicht erfassen. Das anf\u00e4ngliche Team von sieben Ingenieuren verzeichnete einen API-\u00e4quivalenten Wert von 109 Dollar. Bis Mai, mit 28 Ingenieuren, die KI nutzten, betrug der API-\u00e4quivalente Wert 45.728 Dollar.

Das Problem ist strukturell, nicht verhaltensbedingt. Unternehmensfinanztools sind f\u00fcr SaaS ausgelegt: vorhersagbare monatliche Abonnements, ausgehandelte Pro-Sitz-Tarife, gedeckelte Stufen. KI-Agenten \u00e4hneln nicht SaaS. Sie verhalten sich eher wie Cloud-Infrastruktur \u2013 variabel, spitzig und auf individueller Sitzungsebene wild unvorhersehbar. Aber niemand hat das FinOps-\u00c4quivalent f\u00fcr Agent-Tokens gebaut.

Amazons 1,8-Millionen-Dollar-Claude-Fehler

Der Revenium-Vorfall spiegelt ein gr\u00f6\u00dferes Muster wider. Im Juli 2026 gab Amazon versehentlich 1,8 Millionen Dollar f\u00fcr eine routinem\u00e4\u00dfige Coding-Aufgabe mit Claude aus \u2013 860% \u00fcber dem Budget. Ein Ingenieur hatte eine automatisierte Pipeline ohne Ausgabenlimits konfiguriert. Der Agent erledigte die Aufgabe erfolgreich. Er verbrauchte dabei auch 859% mehr Tokens als n\u00f6tig.

Microsoft hat seitdem TokenOps vorgestellt, ein Framework f\u00fcr Echtzeit-Kostenkontrolle, das KI-Agent-Kosten um 78% senken und gleichzeitig die Abschlussraten steigern soll. Databricks hat Unity AI Gateway mit Dollar-Budgets f\u00fcr Agent-Aufrufe gestartet. Snowflake f\u00fchrte Cortex AI Gateway ein, um au\u00dfer Kontrolle geratene Unternehmenskosten zu verhindern. Die gesamte Cloud-Infrastrukturindustrie bem\u00fcht sich, Kostenkontrollen an eine Technologie anzuschlie\u00dfen, die ohne solche entwickelt wurde.

Die Ironie im Zentrum all dieser Aktivit\u00e4ten ist, dass die Leute, die die Kontrollen bauen, auch diejenigen sind, die die Kontrolle verlieren. Die Kinder des Schusters haben keine Schuhe, und im Zeitalter der KI-Agenten gilt das f\u00fcr alle.

Was uns die Varianz sagt

Reveniums aufschlussreichster Datenpunkt k\u00f6nnte dieser sein: Bei 10.005 untersuchten interaktiven Agentensitzungen belief sich die Gesamtrechnung auf 109.118 Dollar. F\u00fcr 4.171 automatisierte Softwareentwicklungsaufgaben betrugen die Kosten 6.723 Dollar. Die automatisierte Pipeline, die Pull Requests implementiert und \u00fcberpr\u00fcft, kostete weniger als 6% der Rechnung. Die anderen 94% sind Ingenieure, die tags\u00fcber KI nutzen \u2013 eine Kategorie, die selten als eigener Posten ausgewiesen wird.

Die 94% sind die Schlagzeile. Sie bedeuten, dass die \u00fcberw\u00e4ltigende Mehrheit der KI-Agent-Ausgaben unsichtbar, unveranschlagt und nicht kategorisiert ist. Finanzteams verhandeln Pro-Sitz-Lizenzen, w\u00e4hrend der tats\u00e4chliche Kostentreiber \u2013 einzelne Ingenieure, die spontan Agentensitzungen starten \u2013 in einer ganz anderen Dimension des Budgets lebt.

\u00dcber 30 Tage hinweg fusionierten zw\u00f6lf Ingenieure im Revenium-Team jeweils mindestens 10 Pull Requests, insgesamt 1.721. Die Kosten pro fusioniertem Pull Request reichten von 4,05 bis 103,66 Dollar. Der Median lag bei 16,59 Dollar. "Die Streuung spiegelt unterschiedliche Arbeiten und unterschiedliche KI-Nutzungsmuster wider. Wir behaupten nicht, dass einige Ingenieure 'gut' und andere 'schlecht' sind. Wir weisen darauf hin, dass diese Varianz in einer Budgetdimension liegt, die fast niemand misst \u2013 und sie ist gr\u00f6\u00dfer als jede Pro-Sitz-Verhandlung, die ein Unternehmen jemals mit einem Anbieter f\u00fchren wird."

Die Lehre ist nicht, dass KI-Agenten zu teuer sind. Es ist, dass versteckte Kosten Kosten sind, die Unternehmen nicht managen k\u00f6nnen. Bis die Unternehmensfinanzierung mit der Realit\u00e4t Schritt h\u00e4lt, dass KI-Agenten Ressourcen wie Cloud-Infrastruktur verbrauchen \u2013 nicht wie Softwarelizenzen \u2013 werden sich Geschichten wie die 4.000-Dollar-Sitzung und die 47.000-Dollar-Gespr\u00e4chsschleife immer wieder wiederholen.

Quellen

• ZDNet: Even an AI cost-management vendor can lose control of its agent spending
• Tom's Hardware: Amazon accidentally spent $1.8 million using Claude for menial coding task
• VentureBeat: One in five enterprises can't stop a runaway AI agent's spending in real time
• Microsoft: TokenOps — Real-time, run-scoped cost control for AI agents