Agentic AI

Laufzeit & Kosten: Zustand, Zeitgrenzen, Kostenmodell

Eine Aufgabe wurde mit 5.000 Eingabetokens budgetiert und verbraucht 81.000 — nicht durch schlechtes Prompting, sondern weil jede Runde die gesamte Historie erneut sendet. Und das aktivierte Caching taucht in der Rechnung nicht auf, weil ein Zeitstempel vor dem Haltepunkt steht. Beides ist messbar, bevor die erste Rechnung kommt.

~30 Min · 12 Abschnitte Einführung · 9 Übungen (davon 2 Missionen)

Modul starten →

Fortschritt wird gespeichert — du kannst das Modul später jederzeit fortsetzen.

Nur den Lehrtext lesen →

Das kannst du danach

  • Danach zerlegst du Agentenkosten in festen Vorspann und wachsenden Verlauf und wählst je Treiber die Maßnahme.
  • Du legst Laufzustand so ab, dass ein Neustart nicht bei null beginnt, und setzt Zeitgrenzen auf drei Ebenen.
  • Du begrenzt Last am schwächsten Glied und erzwingst Budgets dort, wo sie nicht umgangen werden können.

Übungen

  • 1. MissionWelches Symptom, welche Ebene
  • 2. EntscheidungWo setzt ihr an?
  • 3. EntscheidungWelches Interaktionsmodell wählt ihr?
  • 4. MissionCaching, das nicht greift
  • 5. EntscheidungWie baut ihr das um?
  • 6. EntscheidungWie geht ihr die Kosten an?
  • 7. EntscheidungWas ist die richtige Umsetzung?
  • 8. EntscheidungWie fahrt ihr den Stapel künftig?
  • 9. EntscheidungWie begrenzt ihr die Kosten?
Quellen & Aktualität5 Primärquellen · zuletzt geprüft:
  1. 01Anthropic — Context windows
  2. 02Anthropic — Prompt caching
  3. 03Anthropic Engineering — Effective harnesses for long-running agents
  4. 04Anthropic — Memory tool
  5. 05OWASP GenAI Security Project — LLM10:2025 Unbounded Consumption

Verfasst von Julian Zentgraf