KI-Agenten mit positivem ROI — statt einer Token-Rechnung, die mitwächst

Die Branche verbrennt Geld für Tokens. Laut Axios geben KI-Coding-Startups bereits rund $500 Mio. pro Monat für Tokens aus — Tendenz steigend. Wer sein Geschäftsmodell auf variablen Token-Kosten aufbaut, hat einen Kostenblock, der mit jedem Kunden mitwächst. Warum das strukturell ein Problem ist, haben wir hier analysiert: Eine halbe Milliarde für Tokens.

Lange Wertschöpfungsketten multiplizieren Kosten. Ein generalistischer Agent liest bei jedem Schritt große Kontexte mit dem teuersten Modell neu: das Dokument, die Zwischenergebnisse, die Anweisungen — und bei jedem Retry noch einmal. Aus einem Dokument werden zehn Modell-Aufrufe, aus zehn Dokumenten hundert. Die Kosten pro Ergebnis sind weder fix noch planbar.

Das falsche Werkzeug ist ROI-negativ by design. Für explorative Einzelaufgaben sind LLM-Agenten stark. Für strukturierbare Massenprozesse — Rechnungen, Aufträge, Formulare, Akten — sind sie das teuerste denkbare Werkzeug: Jedes Dokument wird behandelt, als sähe das System es zum ersten Mal. Ein spezialisiertes System löst dieselbe Aufgabe zu einem Bruchteil der Kosten — und wird mit jedem Dokument besser statt teurer.

Erfahrung. Wir bauen keine Demos, sondern Systeme, die seit Jahren in Produktion laufen — bei Logistikkonzernen, Kanzleien und Softwarepartnern. Wir wissen, wo dokumentenbasierte Prozesse tatsächlich Geld verlieren und wo Automatisierung es zurückholt.

Beratung. Wir sagen Ihnen auch, wo sich KI nicht rechnet. Nicht jeder Prozess braucht ein Modell, nicht jede Aufgabe einen Agenten. Der erste Schritt ist immer eine ehrliche Rechnung: Volumen, Belegmix, heutige Prozesskosten, erreichbare Präzision — daraus ergibt sich der ROI, nicht umgekehrt.

Wirkung. Der günstigste Token ist der, den Sie nicht verbrauchen. Für dokumentenbasierte Prozesse heißt das: spezialisierte Dokument-KI statt Generalisten-Agent. Ein System, das Ihre Dokumenttypen kennt, extrahiert dieselben Daten ohne teure Kontextfenster — zu fixen Stückkosten, mit Präzision, die mit jedem Dokument steigt, und mit messbaren Zahlen statt beeindruckender Demos.

Der zuverlässigste ROI entsteht bei kurzen Wertschöpfungsketten: Dokument → strukturierte Daten → Ihr System. Jeder Schritt ist messbar, jeder Fehler auffindbar, jede Verbesserung dauerhaft — das System lernt aus Korrekturen und wird mit jedem Dokument besser.

Lange Agenten-Ketten kehren diese Logik um: Jeder zusätzliche Schritt multipliziert Token-Kosten und Fehlerwahrscheinlichkeit, und nichts davon wird beim nächsten Durchlauf günstiger. Wer auf fremden Token-Preisen aufbaut, gibt zudem seine Marge aus der Hand — warum das riskant ist, zeigt unser Blogpost Eure Marge, unsere Chance.

Warum kosten meine KI-Agenten so viel in Tokens?

Generalistische LLM-Agenten lesen bei jedem Durchlauf große Kontexte mit dem teuersten Modell neu — jedes Dokument, jede Zwischenausgabe, jeder Retry kostet Tokens. Bei langen Wertschöpfungsketten multiplizieren sich diese Kosten pro Schritt. Für strukturierbare Massenprozesse ist das das falsche Werkzeug: Spezialisierte Dokument-KI verarbeitet dieselben Dokumente zu fixen Stückkosten.

Wie rechne ich den ROI eines Dokumenten-Prozesses?

Kosten pro Ergebnis statt Kosten pro Token: (Stückkosten pro Dokument + Kosten der manuellen Nacharbeit) × Volumen, verglichen mit den heutigen Prozesskosten. Entscheidend sind fixe, planbare Stückkosten und eine Präzision, die Nacharbeit tatsächlich reduziert. feld.ai rechnet das im Erstgespräch anhand Ihres echten Belegmixes durch.

Agent bauen oder spezialisierte Dokument-KI kaufen?

Für explorative, seltene Aufgaben kann ein selbst gebauter Agent sinnvoll sein. Für dokumentenbasierte Massenprozesse — Rechnungen, Aufträge, Akten — rechnet sich der Eigenbau selten: Token-Kosten wachsen mit dem Volumen mit, die letzte Meile an Präzision fehlt, und Betrieb plus Wartung binden Entwickler. Spezialisierte Dokument-KI liefert fixe Stückkosten und lernende Präzision ab dem ersten Tag.

Was kostet die Verarbeitung pro Dokument?

feld.ai rechnet pro verarbeiteter Seite ab — unabhängig von der Anzahl extrahierter Felder. Bei hoher Skalierung sinken die Stückkosten deutlich: Bei 100 Mio. Dokumenten pro Jahr liegt der Preis unter €0,50 pro Dokument. Die Kosten sind fix und planbar — keine Token-Rechnung, die mitwächst.

Welche Präzision ist realistisch?

In jedem Projekt haben wir die Start-Präzision von 80 % übertroffen. Das lernende System erreicht bei guten Daten bis zu 99,9 % — und lernt die Sonderfälle Ihres Prozesses mit. Bei einem großen Logistikkonzern werden 96 % der Rechnungen perfekt nachvollzogen und über 90 % der Zeilen korrekt verbucht.

Geht das DSGVO-konform ohne US-Cloud?

Ja. feld.ai verarbeitet alle Daten auf eigenen GPU-Servern in Österreich — kein US-Subprozessor, kein CLOUD Act, keine API-Calls an OpenAI, Google oder Microsoft. Auf Wunsch läuft feld.ai vollständig on-premises auf Ihrer eigenen Infrastruktur.

Wie schnell ist der ROI erreicht?

Bei dokumentenbasierten Massenprozessen typischerweise in Wochen, nicht Jahren. Der Einstieg ist risikofrei: 20-Minuten-Gespräch, dann verarbeiten wir 100 Ihrer echten Dokumente kostenlos — das Ergebnis liegt in 48 Stunden vor. Damit haben Sie eine belastbare ROI-Rechnung, bevor Sie investieren.

EU-souveräne Dokumenten-KI — warum Jurisdiktion mehr zählt als Serverstandort.

Frachtkosten optimieren — wie aus geprüften Rechnungen ein Daten-Asset entsteht.

Eine halbe Milliarde für Tokens — warum variable Token-Kosten ein Geschäftsmodell-Risiko sind.

Eure Marge, unsere Chance — Stückkosten statt Token-Abhängigkeit.

Referenzen — echte Ergebnisse aus produktiven Projekten.