The Agentic Revenue CompanyRevenue as a Service
Blog

KI-Kosten senken und steuern: Erst Regeln, dann Modelle

Wer KI-Kosten senken will, beginnt nicht beim Modell. Wie Regeln vor KI, passende Modellwahl, Caching und Budgetgrenzen KI-Agenten im Vertrieb wirtschaftlich halten.

Ein Agent sortiert den Posteingang Ihres Vertriebs. Jede eingehende Mail geht an ein großes Sprachmodell: die Kundenanfrage ebenso wie die automatische Abwesenheitsnotiz und die Zustellbestätigung. Die Ergebnisse sind gut. Die Rechnung am Monatsende ist es nicht. Wer KI-Kosten senken will, sucht oft zuerst nach einem günstigeren Modell. Die wirksamere Frage lautet: Welche dieser Aufgaben braucht überhaupt ein Modell?

Warum KI-Kosten über den Erfolg von Agenten entscheiden

Agentic Sales – KI-Agenten im Vertrieb – soll Umsatz sichern und ausbauen. Ob das gelingt, entscheidet sich nicht allein an der Wirkung. Ein Agent, der viel bewirkt, aber mehr kostet, als er einbringt, ist kein Erfolg. Er ist ein teures Experiment.

Gartner prognostiziert, dass mehr als 40 Prozent der Agentic-AI-Projekte bis Ende 2027 eingestellt werden – wegen Kosten, unklaren Geschäftswerts oder unzureichender Risikokontrolle (Gartner, 25.06.2025). Das ist eine Prognose, kein Messergebnis. Sie zeigt aber, dass Agenten nicht nur an der Technik scheitern können, sondern auch an der Wirtschaftlichkeit.

Kosten sind deshalb keine Nebensache, die man nach dem Start optimiert. Sie gehören von Anfang an in die Gestaltung.

KI-Kosten senken, bevor das Modell rechnet

Viele Schritte im Vertrieb folgen klaren Regeln. Ob eine Mail ein Rückläufer ist, ob ein Kontakt eine Sperre hat, ob ein Kunde in einem freigegebenen Gebiet liegt: Das lässt sich prüfen, ohne ein Sprachmodell zu fragen. Im REVAGO-System laufen solche Regeln deshalb vor dem Modellaufruf.

Das spart nicht nur Kosten. Regeln sind schneller, nachvollziehbar und liefern bei gleichen Daten immer dasselbe Ergebnis. Das Modell kommt dort zum Einsatz, wo es seine Stärke ausspielt: wenn eine freie Kundenantwort verstanden, eingeordnet oder zusammengefasst werden muss. Wie Agenten dabei im Posteingang vorgehen, beschreibt der Beitrag KI im Posteingang.

Dieses Vorgehen entspricht unserem Verständnis eines KI-first Operating Models. KI-first heißt nicht, dass jeder Schritt durch ein Sprachmodell läuft. Es heißt, den Prozess vom Ergebnis her zu gestalten – mit Regeln, klassischer Automatisierung, Modellen und Menschen an der jeweils passenden Stelle.

Das passende Modell für jede Aufgabe

Nicht jede Aufgabe braucht das leistungsstärkste Modell. Ein kurzer Klassifikationsschritt stellt andere Anforderungen als ein Gesprächsbriefing, das Informationen aus vielen Quellen verdichtet.

Wir wählen das Modell je Aufgabe deshalb nicht nach Gefühl, sondern anhand einer Stichprobe: Infrage kommende Modelle werden daran erprobt, und ein Mensch prüft, ob die Ergebnisse für den Zweck ausreichen. Erst dann fällt die Entscheidung. So wird aus „günstiger“ nicht unbemerkt „schlechter“.

Zwei weitere Stellschrauben wirken unmittelbar auf die Kosten: Die Länge der Ausgabe und die Tiefe des Nachdenkens werden begrenzt. Ein Agent, der nur eine Kategorie zurückgeben soll, braucht dafür keinen langen Text und keine ausführliche Begründung.

Caching, Budgetgrenzen und Kostenerfassung

Viele Modellaufrufe beginnen mit denselben Anweisungen und demselben Hintergrundwissen. Mit Prompt-Caching muss dieser wiederkehrende Teil nicht bei jedem Aufruf vollständig neu verarbeitet werden.

Für externe Datenquellen gelten feste Budgetgrenzen. Ein Beispiel ist die Websuche, die ein Agent bei der Prüfung erloschener Unternehmen nur als Rückfall nutzt, wenn Handelsregisterdaten und die Website des Kunden kein klares Bild ergeben. Mehr dazu im Beitrag Kundenstamm bereinigen.

Grundlage für alle Entscheidungen ist die Kostenerfassung je Aufruf. Sie macht sichtbar, was ein Arbeitsschritt tatsächlich kostet, und zeigt, wo sich die nächste Verbesserung lohnt. Ohne diese Transparenz bliebe jede Optimierung eine Vermutung.

Kosten sind Teil von Value

Im REVAGO-Modell steht V für Value: die Wirksamkeit jedes beauftragten Anwendungsfalls, also was er für den Umsatz bewirkt und was er kostet. Schematisch gilt: Wirkung minus Aufwand ergibt den Wert. Die Kosten der Modelle sind ein Teil dieses Aufwands. Wie wir den Wert von Agenten beurteilbar machen, beschreibt der Beitrag Value: Wie wir den wirtschaftlichen Wert von Agenten beurteilbar machen.

Sie zahlen für Ergebnisse – nicht für Aktivität. Mehr Modellaufrufe sind deshalb kein Ergebnis, sondern Aufwand, der sich in der Wirtschaftlichkeit eines Anwendungsfalls niederschlägt. Darum gestalten wir die Kosten mit: In der Umsetzung legen wir mit Ihren Fachverantwortlichen fest, wo Regeln reichen, wo ein Modell gebraucht wird und wo ein Mensch entscheidet. Im Betrieb verfolgen wir die Kosten und passen Regeln und Modellwahl an, wenn sich Aufgaben oder Modelle ändern.

Wie das im Zusammenspiel aussieht, zeigt die Kundenreaktivierung: Dort prüfen Regeln Kanal und Datenlage, bevor ein Modell eine Kundenantwort auswertet oder ein Mensch über den nächsten Schritt entscheidet.

Wo eine zusätzliche Modellprüfung ihre Kosten wert ist und wo ein Mensch günstiger prüft, ordnet der Wiki-Artikel zu LLM-as-a-Judge ein.

Ihr nächster Schritt

Wissen Sie, was ein einzelner Arbeitsschritt Ihrer KI heute kostet – und welcher davon ohne Modell auskäme? Wenn Sie herausfinden möchten, wie KI-Agenten in Ihrem Vertrieb wirksam und wirtschaftlich zugleich arbeiten können, prüfen Sie Ihr REVAGO-Potenzial.


← Alle Beiträge