LONDON (IT BOLTWISE) – Microsoft rüstet Copilot Cowork auf nutzungsbasierte Preislogik um, damit Unternehmen ihre Ausgaben stärker an den real verbrauchten Rechenaufwand koppeln können. Gleichzeitig testet der Konzern eine Microsoft-gehostete Option mit DeepSeek als kostengünstigerem Modellbaustein neben OpenAI und Anthropic. Damit verschiebt sich das Copilot-Konzept von einer Modell-Abhängigkeit hin zu einer Multi-Model-Strategie für agentische Workflows. Für IT-Leitung und Procurement wird vor allem relevant, wie sich bei vielen parallelen Tasks die Kosten kontrollieren lassen und Daten im Azure-Kosmos bleiben.
Microsoft bringt die Preislogik für Copilot Cowork auf eine neue Grundlage: Statt pauschaler Annahmen soll die Nutzung stärker den tatsächlich verbrauchten Compute abbilden. In der Praxis trifft das besonders dort auf, wo agentische KI-Tools nicht nur Antworten liefern, sondern Arbeitsschritte eigenständig ausführen und dafür wiederholt auf Modellinferenz zugreifen. Wer mit Copilot Cowork beispielsweise in Wochenplanung, Ticket-Bearbeitung oder Code- und Ops-Prozessen hunderte einzelne Aufgaben anstößt, erhält damit zwar mehr Automatisierung, aber eben auch eine präzisere, potenziell spürbar variable Kostenrechnung. Genau diese Kombination ist branchenweit ein Stresspunkt, weil sich „unbegrenzte“ Use-Cases schnell in teure Prompt- und Token-Spiralen verwandeln.
Technisch hängt die Kostenfrage eng mit der Art zusammen, wie agentische Systeme arbeiten. Copilot Cowork wird als Workbench verstanden, die KI-Modelle in mehreren Schleifen kombiniert: Planungsschritte, Tool-Aufrufe, Rückfragen und Ergebnisvalidierung benötigen wiederkehrende Inferenz und damit Rechenressourcen. Während klassische Assistenzsysteme oft mit einem einmaligen Prompt-Response-Muster auskommen, laufen agentische Workflows häufiger über mehrere Durchläufe, weil die Software während der Bearbeitung neu bewertet, welche nächsten Schritte sinnvoll sind. Microsoft begründet den Schritt damit, Copilot Cowork nicht auf ein „Unlimited“-Nutzungsmodell stützen zu können, wenn echte Kundenaktivität sehr hochfrequent ist. Das ist ein wichtiges Signal für die nächste Reifephase von KI-Agents: Messbarkeit wird zur Produktfunktion.
Vor diesem Hintergrund weitet Microsoft die Modelllandschaft aus und prüft eine Alternative zu den derzeit dominierenden Bausteinen. Neben OpenAI- und Anthropic-basierten Optionen testet der Konzern laut Berichten eine feingetunte Variante von DeepSeek V4 oder ein anderes Open-Source-Modell als kostengünstigere Komponente. Konkret bedeutet das: Anstelle einer einzigen Modellquelle setzt Microsoft auf mehrere Modellpfade, die je nach Aufgabe, Priorität und Budget ausgewählt werden können. Agentische Tools wie Anthropics „Claude Code“ oder OpenAIs „Codex“ haben bereits gezeigt, dass Entwickleragenten Multi-Call-Fähigkeiten brauchen. Der Unterschied liegt nun in der Beschaffungs- und Kostenstrategie: Wer die Modellkosten pro Task aktiv steuern kann, reduziert die Wahrscheinlichkeit, dass Ausgaben bei Skalierung „aus dem Ruder laufen“.
Marktseitig ist die Debatte heikel, weil mit DeepSeek ein Modell aus China stärker in den Enterprise-Fokus rückt. Das kann in bestimmten Branchen und bei öffentlichen Auftraggebern schnell politisch oder reputativ aufgeladen sein, selbst wenn technische Sicherheitsmaßnahmen greifen. Microsoft adressiert genau diese Bedenken über das Hosting: Falls das Modell ausgewählt wird, soll es für Kunden optional sein und vollständig auf Azure gehostet werden. Damit zielt der Konzern darauf, Daten nicht in externe Umgebungen abfließen zu lassen, sondern im eigenen Cloud-Sicherheits- und Compliance-Rahmen zu halten. Zusätzlich nennt Microsoft Safeguards, darunter Anpassungen zur Reduktion von Bias. Aus Expertensicht ist das weniger „nur“ eine Modellwahl als vielmehr ein Enterprise-Governance-Thema: Wo wird gerechnet, wer sieht Daten, und welche Kontrollen sind nachweisbar.
Die historische Linie führt zurück zu einem Grundmuster in der Softwareindustrie: Anfangs wurden Funktionen zentralisiert, später modularisiert und schließlich so orchestriert, dass Kosten, Leistung und Risiko pro Anwendungsfall optimierbar werden. Bei KI-Modellen wiederholt sich dieser Trend in noch schnellerem Tempo. Die frühen Versuche mit agentischen Workflows fokussierten häufig auf Machbarkeit und Qualität, während Monitoring und Kostenkontrolle nachgelagert waren. Spätestens als Copilot-ähnliche Produkte breiter eingesetzt wurden, wurde sichtbar, dass Tokenverbrauch, Kontextfenster-Nutzung, Tool-Aufrufe und Wiederholungslogik direkt in die Rechnung schlagen. Der Nutzungsbasierte Ansatz ist deshalb auch eine Antwort auf ein Enterprise-Standardproblem: Controlling und Budgetierung müssen für IT-Entscheider planbar bleiben, sonst wird Automatisierung zum Kostenrisiko.
Für Unternehmen ergibt sich daraus eine neue Architekturfrage: Wie lässt sich Multi-Model-Nutzung in bestehende Budget- und Sicherheitsprozesse integrieren? Wer heute mit KI-Assistenten arbeitet, braucht meist mehrere Ebenen von Kontrolle: technische Richtlinien (z. B. Zugriff auf Modelle, Ressourcenlimits), Compliance-Anforderungen (z. B. Datenresidenz, Auditing) und organisatorische Steuerung (z. B. Freigaben für bestimmte Use-Cases). Microsofts Ansatz, Copilot Cowork nicht unbegrenzt anzubieten und stattdessen auf Compute-Basierung zu setzen, wirkt wie eine Vorstufe für weitergehende Policy-Layer. Entwickler und Betriebsteams können dadurch eher Zielgrößen wie „Kosten pro Ticket“ oder „Kosten pro Code-Iteration“ operationalisieren und Agenten-Workflows auf Budgets hin optimieren. In der Praxis heißt das: weniger Überraschungen in der Endabrechnung, mehr Gestaltungsspielraum in der Agent-Orchestrierung.
Ausblickend deutet die Testphase auf eine breitere Verschiebung in Richtung „Model Orchestration“ hin: Statt einer festen Modellrolle übernimmt ein Auswahl- und Routing-Layer, der je nach Aufgabe das passende Modell ansteuert. Für die nächsten Wochen kündigt Microsoft ein günstigeres Modell als Option an; die eigentliche strategische Weichenstellung ist jedoch die Multi-Model-Route. Wenn DeepSeek oder ein anderes Open-Source-Modell in die Produktpalette gelangt, könnten Unternehmen künftig stärker zwischen Preis, Performance und Governance abwägen, statt sich auf eine einzelne Lieferkette zu verlassen. Gleichzeitig bleibt die Regulatorik ein Treiber: Datenflüsse müssen nachvollziehbar, Sicherheitskontrollen belastbar und Bias-Risiken dokumentiert sein. Für Entwickler entsteht damit eine Chance: Agentische Workflows werden steuerbarer, aber nur, wenn Monitoring, Kostenmetriken und Schutzmechanismen früh in der KI-Entwicklung mitgedacht werden.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Microsoft setzt Copilot Cowork auf nutzungsbasierte Kosten und prüft DeepSeek" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Microsoft setzt Copilot Cowork auf nutzungsbasierte Kosten und prüft DeepSeek" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Microsoft setzt Copilot Cowork auf nutzungsbasierte Kosten und prüft DeepSeek« bei Google Deutschland suchen, bei Bing oder Google News!