Die Steuer, die niemand budgetiert hat, bringt die unternehmenseigenen KI-Agenten zum Scheitern
Es gibt einen bestimmten Moment bei der Einführung von Unternehmenstechnologie, in dem sich Begeisterung in buchhalterische Verpflichtung verwandelt. Bei KI-Agenten, die in Unternehmensprodukte eingebettet sind, kam dieser Moment früher, als die meisten technischen Teams erwartet hatten – und der Mechanismus, der ihn auslöste, war weder das falsche Sprachmodell noch fehlende Daten. Es war eine Architekturentscheidung, die niemand als solche präsentierte.
Sie als „Kontextsteuer" zu bezeichnen – wie es die Ingenieure von Anthropic und eine wachsende Zahl von Analysten tun – ist eine präzise Benennung. Nicht weil sie metaphorisch wäre, sondern weil sie genau wie eine Steuer funktioniert: unsichtbar bei der einzelnen Transaktion, verheerend in der Summe. Jedes Mal, wenn ein Unternehmensagent einen rohen 150-Kilobyte-HTML-Inhalt erhält, um eine Frage zu fünf Datenzeilen zu bearbeiten, zahlt das Unternehmen rund 37.500 Inferenz-Tokens, die keinen Mehrwert erzeugen. Multipliziert man das mit jedem aktiven Nutzer, jeder Sitzung, jedem Monat der Skalierung, verwandelt sich ein technisches Detail in den entscheidenden Faktor dafür, ob die Bruttomarge des Produkts überlebt.
Die Daten, die im Ökosystem kursieren, bestätigen dies aus verschiedenen Blickwinkeln. Die Splunk-Analyse zu den Kosten isolierter Agenten dokumentierte, wie eine einzige Kundenservice-Interaktion über drei Jahre von vier Cent auf einen Dollar zwanzig anstieg, selbst während die Preise pro Token sanken. Der Mechanismus hinter diesem Anstieg war keine Anbieterpreisinflation: Es war das Kontextvolumen, das der Agent bei jedem Schritt des Flusses weiterleitete. Eine Studie der Concordia-Universität quantifizierte das Verhältnis zwischen Eingabe- und Ausgabe-Tokens in agentischen Abläufen mit 2:1 und stellte fest, dass allein die Code-Überprüfung 59 % jedes ausgegebenen Tokens verbrauchte. Das sind Zahlen, die das Infrastrukturbudget in etwas ganz anderes verwandeln, als in der Roadmap erschienen war.
Was entschieden wird, ohne dass gesagt wird, dass entschieden wird
Das zentrale Argument der Forbes Technology Council-Analyse – verfasst von einem Softwareingenieur bei Walmart Global Tech, der den Aufbau agentischer Erfahrungen für Verkäufer auf dem Marketplace leitet – dreht sich weder um Werkzeuge noch um Anbieter. Es geht um drei Architekturentscheidungen, die Teams standardmäßig treffen, bevor jemand sie in einem Designmeeting benennt.
Die erste ist die Darstellung, die das Modell erhält. Zwischen rohem HTML, Screenshots und semantischen Fragmenten besteht ein Unterschied von 30 bis 50 Mal in den Kosten pro Aufgabe, mit Auswirkungen auf die Präzision, die der Intuition entgegenlaufen. Die Amazon-Science-Forschung zum AgentOccam-Agenten dokumentierte eine Verbesserung von 29,4 % im WebArena-Benchmark, als man von visueller Darstellung auf strukturierten Zugänglichkeitsbaum umstieg. Das Modell wurde nicht verändert. Was das Modell sah, wurde geändert.
Die zweite Entscheidung ist der Zeitpunkt der Erfassung. Wenn ein Agent den Seitenstatus zum Zeitpunkt des Ladens und nicht zum Zeitpunkt des Sendens erfasst, nimmt er das Ladeskelett auf, nicht die Daten, die der Nutzer gerade betrachtet. Der Bericht beschreibt Fälle, in denen der Snapshot 1.500 Millisekunden ausgelöst wurde, bevor die API antwortete. Der Agent antwortete zuversichtlich von einer leeren Seite aus. Das ist keine Halluzination im technischen Sinne: Es ist falscher Kontext, der zum falschen Zeitpunkt geliefert wird.
Die dritte ist das, was schlicht nicht gesendet wird. Ein leichter Klassifikator, der vor dem Abruf weiterleitet, kann zwischen 70 % und 85 % der Kontext-Snapshots in realen Abläufen eliminieren. Ein Nutzer, der fragt, wie er eine Konfiguration in einem Batch aktualisieren kann, benötigt Dokumentation, keine Fotografie seiner aktuellen Datenansicht. Das sind Tokens, die nie ausgegeben werden müssen.
Was diese drei Entscheidungen besonders kostspielig macht, liegt nicht daran, dass sie schlechte Entscheidungen sind: Es liegt daran, dass niemand sie als Entscheidungen präsentiert. Sie werden standardmäßig ausgeführt. Rohes HTML ist die Option, die keine Vorverarbeitung erfordert. Die Erfassung beim Laden ist das, was das Framework automatisch tut. Alles verfügbare Kontextmaterial zu senden wirkt „sicher". Diese Trägheit hat ihren Preis.
Der Unterschied zwischen einem internen und einem Marktprodukt
Die Analyse unterscheidet mit Präzision einen Punkt, den die meisten Diskussionen über Unternehmensagenten nicht klar genug trennen: Es gibt einen strukturellen Unterschied zwischen einem Agenten, der interne Mitarbeiter bedient, und einem, der in ein kommerzielles mandantenfähiges Produkt eingebettet ist.
Ein internes IT-Team kann eine fehlerhafte Kontextarchitektur absorbieren. Es stellt sie neu bereit. Es passt sie an. Der Schaden bleibt begrenzt. Ein B2B-Softwareanbieter, der einen KI-Assistenten in sein Produkt einbettet, berechnet pro Sitzplatz, nicht pro Infrastruktur. Jede Ineffizienz in der Kontextdarstellung multipliziert sich gleichzeitig über die gesamte Kundenbasis. Die Kosten pro aktivem Nutzer, die der Bericht beschreibt – von 0,40 auf 1,10 Dollar monatlich innerhalb von acht Wochen allgemeiner Verfügbarkeit – sind keine Anekdote aus einer schlecht kalibrierten Bereitstellung: Sie sind die Mechanik dessen, was passiert, wenn man skaliert, ohne zuvor die Kontextarchitektur überprüft zu haben.
Chroma veröffentlichte 2025 eine Evaluierung von 18 Grenzmodellen, die dem Problem eine weitere Dimension hinzufügt. Die Genauigkeit verschlechtert sich nicht nur, wenn der Kontext kostspielig ist: Sie verschlechtert sich, wenn der Kontext umfangreich ist. Je größer das Volumen des Eingabekontexts, desto größer ist der Genauigkeitsverlust bei Aufgaben mit langem Kontext, unabhängig vom Modell. Die Kontextsteuer ist nicht nur ein Margenproblem. Es ist ein Produktproblem.
Dies rahmt die Diskussion auf eine Weise neu ein, die Projektgenehmigungsausschüsse selten artikulieren. Wenn bewertet wird, ob ein KI-Agent in eine SaaS-Plattform integriert werden soll, konzentriert sich das Gespräch üblicherweise auf das Modell, den Anbieter und die Datensicherheit. Die Kontextdarstellungsarchitektur taucht in diesem Gespräch fast nie als Variable mit Auswirkungen auf die Bruttomarge auf. Sie erscheint später, im Postmortem, wenn das Feature Margenausweitung versprach und sie stattdessen komprimiert lieferte.
Der Markt, der nach der ersten Welle von Misserfolgen kommt
Die Gartner-Statistik, die prognostiziert, dass mehr als 40 % der agentischen Projekte bis Ende 2027 abgebrochen werden, ist nicht einfach eine Warnung vor technologischer Reife. Es ist eine vorweggenommene Beschreibung des Bereinigungsprozesses, der auf jeden Einführungszyklus folgt, bei dem versteckte Kosten die ursprünglichen Projektionen übersteigen. Die MIT-Analyse, die ergab, dass 95 % der Generative-KI-Bereitstellungen keinen messbaren Geschäftswert produzierten, dokumentiert denselben Druck aus einem anderen Blickwinkel.
Was in der öffentlichen Debatte über Agenten noch unklar ist, ist, ob die Organisationen, die Projekte abbrechen, dies aus Modell- oder aus Architekturgründen tun. Wenn der Großteil der Misserfolge seinen Ursprung in Kontextentscheidungen hat – Darstellung, Erfassungszeitpunkt, gesendetes Volumen – dann ist das Problem nicht, dass Agenten nicht funktionieren. Es ist, dass die Teams, die sie bauen, die falschen Variablen messen.
Hyland berechnet in seiner Analyse zur KI-Rendite in Unternehmen, dass eine einheitliche Unternehmenskontextschicht bis zu das 10,3-fache der Rendite auf KI- und Automatisierungsinvestitionen generieren kann. Der beschriebene Mechanismus ist direkt: Teams, die Integrationen, Mappings und Geschäftsregeln für jeden neuen Agenten neu aufbauen, zahlen eine Fragmentierungssteuer, bevor der Agent überhaupt zu operieren beginnt. Jeder Agent erbt die Architekturschuld des vorherigen. Die Skalierung löst dieses Problem nicht: Sie verstärkt es.
Der sich abzeichnende Übergang findet nicht zwischen mehr oder weniger leistungsstarken Sprachmodellen statt. Er findet zwischen Organisationen statt, die Kontextarchitektur als Infrastrukturvariable behandeln – die optimiert wird, wenn Zeit vorhanden ist – und solchen, die sie als Bruttomargenvariable behandeln, die vor der ersten Bereitstellung gestaltet wird. Der Unterschied zwischen beiden Positionen zeigt sich nicht in den ersten Monaten des Pilotprojekts. Er zeigt sich, wenn die Nutzerbasis wächst und die Kosten pro Abfrage zur bestimmenden Kennzahl werden, die entscheidet, ob das Feature existieren kann.
Die nächste Front ist nicht das Modell, sondern wer den Kontext steuert
Der Krieg der Sprachmodelle erzeugte eine verständliche Illusion: dass das zentrale Problem unternehmenseigener Agenten die Qualität der Inferenz sei. Diese Illusion war während der Experimentierphase nützlich, als Unternehmen validieren mussten, dass Modelle in ihren Domänen etwas Nützliches leisten konnten. Diese Phase ist vorbei.
Was jetzt beginnt – und was die Analyse zur Kontextsteuer über ihre technischen Details hinaus relevant macht – ist der Wettbewerb darum, wer die Unternehmenskontextschicht aufbaut und steuert. Nicht das Modell, das schlussfolgert, sondern die Infrastruktur, die entscheidet, was das Modell sieht, wann es es sieht und was es niemals sehen muss.
Die Signale sind bereits sichtbar. Das Argument von CIO Dive, dass Agenten zu den Daten gehen müssen, anstatt dass die Daten zu den Agenten reisen, deutet auf denselben Knoten hin. Seekrs Vorschlag, die Kosten pro verifizierbarer Antwort zu messen – anstatt der Rohkosten pro Token – führt eine Kennzahl ein, die die Kontextsteuer in der Gewinn-und-Verlust-Rechnung transparent macht. Die Routing-Klassifikatoren vor dem Abruf, die die Forbes-Analyse beschreibt, sind eine Komponente, die noch keinen konsolidierten Marktnamen hat, aber eine Funktion darstellt, die ausgereifte agentische Plattformen nativ anbieten müssen.
Für Führungskräfte, die sich gerade mitten in Architekturentscheidungen befinden, ist die operative Lektion enger als jeder strategische Rahmen. Das Modell ist nicht der Engpass. Die Kontextdarstellung ist es. Und das ist eine Designvariable, keine Anbieterentscheidung, was bedeutet, dass die Verantwortung für ihre Konsequenzen intern liegt. Die Organisationen, die diese Schicht im Jahr 2026 mit Margenbewusstsein aufbauen, werden Kosten-pro-Abfrage-Daten haben, wenn der Markt im Jahr 2027 Rechenschaft fordert. Diejenigen, die es nicht tun, werden erklären müssen, warum das KI-Feature, das Margenausweitung versprach, am Ende zu ihrer wichtigsten Quelle der Margenkompression wurde.
