TECHNISCHES MEMORANDUM                                        TM-26-005

BETREFF:      Was sieben Wochen KI-gestützter Entwicklung wirklich
              kosten
DATUM:        2026-07-18


ZUSAMMENFASSUNG. Sieben Wochen lang hat ein Entwickler (ich) mit einem
KI-Coding-Agenten ein Produkt gebaut: 54 gelieferte Arbeitspakete in den
drei intensiven Arbeitswochen, zu rund 36 USD pro Paket. Die
Überraschung ist, wohin das Geld ging: 65 % der Kosten entstanden, weil
der Agent seinen eigenen Gesprächsverlauf immer wieder neu liest. Der
Kostenhebel ist Sitzungshygiene, nicht die Modellwahl.

1. HINTERGRUND. Wir bauen zu dritt nebenher ein Produkt auf eigene
Rechnung: fünf Repositories, vom ersten Commit bis zum
Produktionsbetrieb in sieben Wochen, der größte Teil der Implementierung
durch einen KI-Coding-Agenten. Das Werkzeug protokolliert jede
API-Anfrage, also habe ich für meine eigene Arbeit mit dem Agenten
nachgerechnet: Token-genaue Kosten für 69 Arbeitssitzungen, umgerechnet
in API-Listenpreise. Das Muster habe ich anschließend an zwei kleineren
Nebenprojekten ganz anderer Art gegengeprüft – einem
Hardware-Bastelprojekt und einem Dokumentationsprojekt.

2. FESTSTELLUNGEN.

   2.1 Zuerst das Ergebnis: 635 Commits über die fünf Repositories. Im
   Drei-Wochen-Fenster mit vollständigen Token-Daten 54 gelieferte
   Arbeitspakete; im Deployment-Repository sind 97 % der Commits vom
   Agenten mitentwickelt.

   2.2 Die Rechnung für diese drei Wochen, zu Listenpreisen: rund
   1.921 USD. Das sind 36 USD pro Arbeitspaket, 3 USD pro Commit,
   1,64 USD pro Eingabe von mir.

   2.3 Wo blieb das Geld: 65 % der Kosten waren Cache-Lesezugriffe – der
   Agent liest bei jeder Anfrage den gesamten angesammelten Kontext der
   Sitzung neu. Frisch getippte Eingaben lagen nahe 0 %, die eigene
   Ausgabe des Modells bei 13 %. Beide Nebenprojekte zeigten dieselbe
   Verteilung, mit Cache-Lesezugriffen bei 60–65 %.

   2.4 Das teure Muster ist die endlose Sitzung: tagelang offen gehalten
   als Arbeitsumgebung. Zwölf solcher Sitzungen verbrauchten 59 % aller
   Kosten. Die schlimmste begann als eine kleine Frage und lief drei
   Tage, 133 Eingaben, 400 USD. Eine weitere Eingabe kostet in einer
   gereiften Sitzung 2–3 USD, in einer frischen etwa 0,50 USD – egal wie
   einfach die Frage ist.

   2.5 Die günstigen Muster: Sitzungen mit genau einer Aufgabe kamen auf
   0,56 USD pro Eingabe, ein Viertel der langlebigen. Alle an Subagenten
   delegierten Recherchen zusammen ergaben 2 % der Gesamtkosten.

3. ANNAHMEN. Alle Dollarbeträge sind API-Listenpreis-Äquivalente aus den
protokollierten Token-Daten; das Konto läuft über ein Flatrate-Abo, das
anders abrechnet. Die Zahlen sind als Ressourcenmaß zu lesen: Die Lehre
steckt in den Verhältnissen. Die Praxis eines Entwicklers, drei
Projekte, die gleiche Richtung.

4. SCHLUSSFOLGERUNGEN. Kosten sind Kontextgröße mal Anzahl der Anfragen;
alles andere ist Detail. Die Lösung ist kein billigeres Modell, sondern
Arbeitsdisziplin: eine Sitzung pro Aufgabe, und bei Themenwechsel eine
frische Sitzung. Das ist nur dann billig, wenn der dauerhafte Stand
außerhalb des Gesprächs liegt – in Plandokumenten, Tickets und
Entscheidungsprotokollen, die eine neue Sitzung in Sekunden einliest.
Dokumentationsdisziplin erweist sich als die eigentliche
Kostenoptimierung. Jede Modellgeneration erhöht den Preis schlechter
Sitzungsgewohnheiten.

5. MASSNAHMEN. Die Arbeitsregeln daraus: Neues Thema, neue Sitzung.
Kontext-Kompaktierung als Warnsignal nehmen, dass eine Sitzung besser
zwei gewesen wäre. Recherche an Subagenten delegieren. Alles skripten,
was der Agent mehr als ein paarmal tut. Entscheidungen in Dateien
halten, nicht im Gespräch.