Was kostet Softwareentwicklung mit KI-Agenten wirklich? Ein Erfahrungsbericht mit echten Zahlen

Warum ich das aufschreibe

Über KI-Agenten wird viel versprochen. Echte Zahlen aus einem echten Projekt habe ich auf Deutsch kaum gefunden, meist sind es Schätzungen von Anbietern, die Werkzeuge verkaufen. Ich entwickle für meine Kunden Websites, Shops und Automatisierungen und habe in den letzten Wochen eine komplette App mit KI-Agenten gebaut. Hier steht, was das wirklich gekostet hat und was ich anders machen würde.

Das Projekt

• Eine Fitness- und Coaching-App für iPhone und Android: Trainingspläne, Ernährung, Check-ins mit Rückmeldung vom Coach, Fortschritt, Abos.
• Ein Server mit Datenbank und Rechteverwaltung, damit jeder Kunde nur seine eigenen Daten sieht.
• Gebaut von einem Team aus KI-Agenten mit festen Rollen: Steuerung, Integration, Entwicklung für Oberfläche, Daten und Server, Gestaltung, Qualitätsprüfung, Sicherheit, Architektur. Ich gebe Richtung, Prioritäten und Freigaben vor, prüfe Ergebnisse und entscheide alles, was Recht, Geld und Veröffentlichung betrifft.
• Ein zweites KI-Modell eines anderen Anbieters prüft die Arbeit unabhängig gegen.

Ausgewertet habe ich das gesamte Projekt vom ersten Commit am 17. September bis zum 8. Oktober 2026, also 22 Kalendertage, davon 18 Tage mit Agentenarbeit. Dazu kommt eine Detailauswertung der letzten Sprintwoche.

Die Zahlen: das ganze Projekt

	17.9. bis 8.10.2026
Dauer	22 Kalendertage, 18 Tage mit Agentenarbeit
Erste installierbare Android-Version	nach 3 Tagen (20. September)
Änderungen am Code (Commits)	11.825
Zusammengeführte Arbeitspakete	3.041
Zurückgenommene Pakete	10
Datenbank-Änderungen (Migrationen)	232
Automatische Tests	über 11.500
Sitzungen der KI-Agenten	1.116
Antworten der KI-Modelle	rund 193.000
Verarbeitete Tokens	48,2 Milliarden
Gegenwert zu API-Einzelpreisen, Hauptmodelle	rund 15.240 US-Dollar
Gegenwert zu API-Einzelpreisen, Zweitprüfer	rund 860 US-Dollar

Verteilt auf die Modelle: Claude Sonnet 5 rund 7.090 Dollar, Claude Opus 5.5 rund 4.270 Dollar, Claude Opus 5 rund 2.040 Dollar, Claude Fable 5.1 rund 990 Dollar, Claude Sonnet 5.5 rund 850 Dollar. Die Modelle wurden im Lauf des Projekts gewechselt, deshalb die Mischung.

Die letzte Sprintwoche im Detail

	5. bis 8.10.2026
Testversionen (Android und iPhone)	6 in 4 Tagen
Änderungen am Code (Commits)	rund 2.500
Zusammengeführte Arbeitspakete	507
Zurückgenommene Pakete	2
Antworten der KI-Modelle	knapp 45.000
Verarbeitete Tokens	10,5 Milliarden
Gegenwert zu API-Einzelpreisen, Hauptmodelle	rund 3.160 US-Dollar
Gegenwert zu API-Einzelpreisen, Zweitprüfer	rund 360 US-Dollar

Ich zahle nicht zu Einzelpreisen, sondern über Abos. Die Dollarbeträge zeigen, was dieselbe Arbeit über die Programmierschnittstellen der Anbieter gekostet hätte, nach deren veröffentlichten Preisen im Oktober 2026. Zum Vergleich: Für eine Fitness- oder Coaching-App nennen Entwicklungsdienstleister Rahmen von mehreren zehntausend Dollar aufwärts. Das ist kein fairer Eins-zu-eins-Vergleich, denn meine eigene Arbeitszeit, Konten, Stores und Rechtsberatung kommen hinzu. Die Größenordnung ist trotzdem eine andere.

Wo die Kosten wirklich entstehen

Das hat mich am meisten überrascht: 98,8 Prozent aller Tokens im gesamten Projekt waren Wiederlesen (in der Sprintwoche 98,7 Prozent). Jede Antwort eines Agenten schickt das bisherige Gespräch, die gelesenen Dateien und die Regeln erneut mit. In der Sprintwoche waren das im Schnitt rund 235.000 Tokens pro Antwort. Die eigentlich geschriebenen Antworten machten nur 0,3 Prozent aus.

Daraus folgt eine einfache Formel: Kosten = Kontextgröße mal Anzahl der Aufrufe. Kürzere Antworten sparen fast nichts. Was spart:

• weniger Aufrufe: Nachrichten zwischen Agenten bündeln, keine Bestätigungen wie "verstanden", keine Warteschleifen, die alle paar Minuten nachfragen;
• kleinerer Kontext: Agenten rechtzeitig mit einer kurzen Übergabe neu starten, statt sie endlos weiterlaufen zu lassen; Suchen und Lesen an Hilfsagenten abgeben, die nur ein Ergebnis zurückmelden.

Die Hilfsagenten haben in der Sprintwoche zusammen nur 1,2 Prozent verbraucht. Die teuerste Einzelsitzung lief dagegen mit fast doppelt so viel Kontext wie vorgesehen weiter und kostete allein so viel wie mehrere normale Sitzungen.

Welche Rollen am meisten verbrauchen (Sprintwoche)

Nicht die Entwickler, sondern die Koordination:

Rolle	Anteil am Verbrauch
Integration (führt alle Arbeitspakete zusammen)	17,5 %
Steuerung (Prioritäten, Abstimmung mit mir)	14,9 %
Entwicklung Oberfläche	11,1 %
Entwicklung Server	11,0 %
Gestaltung	8,4 %
Qualitätsprüfung	8,3 %
übrige Rollen	zusammen rund 29 %

Jede Nachricht an die koordinierenden Rollen weckt einen großen Kontext auf. Wer ein Agententeam aufsetzt, sollte genau dort sparen.

Volle Besetzung ist der teuerste Modus

An einem Tag liefen bis zu elf Agenten gleichzeitig, um eine Testversion fertigzustellen. Dieser eine Tag kostete so viel wie die beiden Tage davor zusammen. Volle Besetzung lohnt sich für ein klares Ziel mit festem Ende. Danach gehe ich zurück auf drei bis fünf Agenten.

Zweitprüfung durch ein anderes Modell

Die wertvollste Entscheidung war ein zweites Modell eines anderen Anbieters als Prüfer. Über das ganze Projekt kostete es rund ein Achtzehntel der Hauptmodelle und fand regelmäßig Fehler, die die Prüfer im eigenen Team als in Ordnung gemeldet hatten: einen Fall, in dem Daten nach einem Widerruf auf einem zweiten Gerät stehen blieben, eine gegenseitige Blockade in der Datenbank, eine Mengenangabe in Millilitern, die als Gramm gerechnet wurde. Solche Fehler fallen in Tests oft nicht auf und kosten später Vertrauen.

Die Kehrseite: Bei voller Auslastung war das Kontingent des Prüfers nach rund 28 Stunden aufgebraucht. Die abschließende Gesamtprüfung vor der letzten Testversion fiel deshalb aus. Heute halte ich dafür einen festen Teil zurück.

Was nicht die KI entscheidet

• Alles mit rechtlicher Wirkung: Datenschutz, Einwilligungen, Abo-Bedingungen, Texte für die Stores. Das prüfe ich selbst und mit einem Anwalt.
• Alles, was nach außen geht: Veröffentlichen, Server-Änderungen im Live-Betrieb, Zahlungen. Die Agenten bereiten vor, ich führe aus.
• Prioritäten: Was als Nächstes gebaut wird, entscheide ich. Die Agenten machen Vorschläge.

Die häufigste Fehlerart war übrigens banal: falsch geschätzte Uhrzeiten in Protokollen. Agenten schreiben sie gern aus dem Kopf. Feste Regeln und automatische Prüfungen fangen das ab.

Was ich daraus mitnehme

1. Agententeams sind schnell, aber nicht billig. Wer ohne Plan viele Agenten gleichzeitig laufen lässt, verbrennt in Stunden, was sonst für eine Woche reicht.
2. Kosten messen statt schätzen. Ich werte die Protokolle mit einem kleinen Skript aus, in wenigen Sekunden und ohne Zusatzkosten.
3. Klare Rollen und eine Stelle, die zusammenführt. Ohne das entstehen widersprüchliche Änderungen am selben Code.
4. Ein zweiter, unabhängiger Prüfer. Er findet, was das eigene Team übersieht.
5. Der Mensch bleibt verantwortlich. KI-Agenten sind ein Werkzeug, kein Ersatz für Entscheidungen.

Was das für dein Projekt heißt

Nicht jedes Vorhaben braucht ein Agententeam. Für eine Website, einen Shop oder eine einzelne Automatisierung reicht oft ein Agent mit klarer Aufgabe, und die Kosten bleiben überschaubar. Bei größeren Vorhaben wie einer eigenen App oder einem internen Werkzeug können Agententeams Zeit und Geld sparen, wenn sie sauber geführt werden.

Wenn du wissen willst, ob sich das für dein Vorhaben lohnt: Schreib mir. Im kostenlosen Erstgespräch schauen wir uns an, was sinnvoll ist und was nicht.

Ron Portner, TSAM, Leipzig. Stand der Zahlen: 8. Oktober 2026, ausgewertet aus den Sitzungsprotokollen aller Agenten. Ein kleiner Teil der Steuerungssitzungen enthält auch Nebenarbeit außerhalb der App.