LONDON (IT BOLTWISE) – OpenAI hat offengelegt, wie stark Forschende beim Programmieren auf KI-Coding-Agenten setzen. Bei den aktivsten Nutzern liegt der Token-Verbrauch laut Unternehmensangaben bei mehr als 7.000 US-Dollar pro Tag. Gleichzeitig steigt der Median in der Forschungsorganisation von 162 US-Dollar im Juli auf über 600 US-Dollar pro Tag. Die Firma führt das auf schnelleren Code-Output, mehr Experimente und eine Verschiebung hin zu höherstufigem Delegieren an KI-Agenten zurück.
OpenAI macht mit einer neuen internen Nutzungsstatistik sichtbar, was bei KI-gestütztem Software-Engineering längst vermutet wurde: Coding-Agenten werden in der Praxis nicht nur punktuell eingesetzt, sondern als regelmäßiger Arbeitsbaustein. In einem Blogbeitrag nennt das Unternehmen Verbrauchszahlen in Form geschätzter Token-Kosten auf Basis von API-Preisen. Entscheidend ist dabei die Einordnung: Es handelt sich nicht um den tatsächlich von OpenAI gezahlten Betrag, sondern um eine Modellrechnung, die den Aufwand widerspiegelt, den die KI-Ausgaben bei externer Nutzung verursachen würden.
Die Spannweite der Nutzung fällt dabei besonders auf. Laut OpenAI konsumieren die produktivsten Forschenden inzwischen täglich Token im Gegenwert von mehr als 7.000 US-Dollar. Zum Vergleich: Die Statistik weist für die Mitte der Verteilung einen Median aus, der sich seit dem Juli-Zeitpunkt deutlich erhöht hat – von 162 US-Dollar pro Tag auf über 600 US-Dollar pro Tag (Stand: Mitte August). Zusätzlich benennt OpenAI die oberen Ausreißer: Nutzer im 90.-Perzentil verbrauchen nach den gleichen Schätzungen mehr als 7.000 US-Dollar pro Tag. Technisch betrachtet bedeutet das, dass die Agenten in sehr kurzen Schleifen mehrfachen „Lesen und Schreiben“-Zyklus übernehmen – typischerweise mit Iterationen über Code-Blöcke, Testläufe, Debug-Versuche und anschließende Plananpassungen durch das Modell.
OpenAI verbindet diese Entwicklung mit einem klaren Wandel im Forschungsalltag. Die Firma sagt, dass Coding-Agenten innerhalb des vergangenen Jahres die Arbeitsweise der Teams spürbar verändert haben: Forschende verschiffen Code schneller, führen mehr Experimente durch und delegieren zunehmend höherstufige Aufgaben an die Agenten. Außerdem wird die Nutzung breiter, weil die Agenten immer häufiger beim Troubleshooting technischer Probleme eingesetzt werden. In der Folge sinkt laut OpenAI die Zahl der täglichen Posts in einem intern personell betreuten technischen Support-Kanal seit Januar um mehr als die Hälfte. Das ist eine interessante Messgröße, weil sie nicht direkt die „Produktivität“ im engeren Sinne beziffert, sondern den Übergang von Mensch-zu-Mensch-Support hin zu KI-gestütztem First-Level-Handling andeutet.
Für die Einordnung lohnt auch ein Blick auf die Kostenrealität, denn hohe Token-Rechnungen werden nicht nur intern relevant. In der Vergangenheit haben andere große Technologieunternehmen eigene Token- oder Nutzungs-„Leaderboards“ diskutiert bzw. zeitweise betrieben, damit Mitarbeitende ihre Nutzung von KI maximieren können. Spätestens als bei den Top-Modellen die Ausgaben deutlich anzogen, entstanden Bedenken, dass sogenanntes „Tokenmaxxing“ zwar die Aktivität nach oben zieht, aber nicht zwangsläufig die Qualität der Ergebnisse überproportional verbessert. Berichten zufolge haben unter anderem Meta und Amazon interne Token-Leaderboards wieder abgeschaltet; Amazon wird in dem Kontext mit einer Warnung von Dave Treadwell zitiert, Mitarbeitende sollten KI nicht „nur um der Nutzung willen“ verwenden. Genau an diesem Punkt zeigt OpenAI nun eine Gegenperspektive: Die hohen Token-Verbräuche werden als Mittel zum Zweck beschrieben – also als Hebel für schnellere Iteration und mehr experimentelle Durchläufe.
Die von OpenAI genannte Strategie führt zudem über das reine Codieren hinaus. Das Unternehmen verweist auf ein Ziel, das CEO Sam Altman letztes Jahr gesetzt habe: eine „automated research intern“-ähnliche Instanz, die Aufgaben mit menschlicher Steuerung ausführen kann. Gleichzeitig nennt OpenAI einen Zeitrahmen für weitere Automatisierung – bis März 2028 soll eine vollständig automatisierte KI-Research-Instanz entstehen. Für Unternehmen ist dabei weniger der Kalender entscheidend als das Muster: Wenn KI-Coding-Agenten wiederkehrende Entwicklungs- und Forschungsaufgaben übernehmen, verschiebt sich der Wertbeitrag von einzelnen Entwicklertasks hin zu Orchestrierung, Qualitätskontrolle und Prozessdesign. Dazu gehört auch, dass Teams Werkzeuge stärker entlang von Workflows denken – etwa mit klaren Feedback-Schleifen (Tests, Build-Checks, Code-Review-Regeln) statt blindem „Output-Generieren“.
Damit wird auch verständlich, warum das Thema „KI-gestützte Programmierung“ zunehmend als Infrastrukturfrage behandelt werden muss. Hohe Tokenzahlen sind nicht nur eine Budgetlinie, sondern beeinflussen Latenz, Parallelität und den gesamten Engineering-Betrieb: Wer häufig iterieren lässt, braucht reproduzierbare Testumgebungen, konsistente Repositories und saubere Standardprozesse für Agenten-Outputs. In der Praxis heißt das, dass sich MLOps-ähnliche Disziplinen – Monitoring der Agentenläufe, Kostenkontrolle, Traceability der Prompts und Regressionstests für generierten Code – mit klassischen Software-Engineering-Anforderungen überlappen. OpenAI verweist außerdem auf eine bereits bekannte interne Haltung: Altman hatte im Juni betont, dass der höchste Token-Nutzer bei der Firma auf Größenordnungen von 100 Milliarden Tokens pro Monat kommt. Und auch externe Beispiele zeigen, dass einzelne Mitarbeitende durchaus große Token-Kostenblöcke vor Augen haben – OpenAI nennt in dem Kontext die Geschichte eines Mitarbeiters, der einen sehr hohen monatlichen Token-Betrag in einem Screenshot dokumentierte.
Für die nächsten Quartale ist daher weniger die reine Zahl spannend als die Frage, wie Organisationen die Nutzenkurve hinter den Tokenkosten optimieren. Wenn Coding-Agenten tatsächlich häufiger Troubleshooting übernehmen und die Notwendigkeit interner Support-Threads reduziert wird, könnte das auf eine messbare Effizienzsteigerung hinauslaufen – vorausgesetzt, die Qualitäts- und Sicherheitsprüfungen bleiben eng gekoppelt. Für Entscheider bedeutet das: Nicht jede Zusatz-Iteration ist automatisch wertvoll. Teams werden stärker daran arbeiten, Agenten gezielt für Aufgaben einzusetzen, die sich gut quantifizieren lassen, etwa bei klaren Bug-Reproductions, wiederholbaren Refactorings oder testgetriebenem Code-Engineering. Genau dort wird aus KI-Coding-Agenten mehr als ein Produktivitätssignal – nämlich ein steuerbares System innerhalb der Software-Entwicklung.
💳 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.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【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 "OpenAI: KI-Coding-Agenten fressen bei Forschern bis zu 7.000 US-Dollar Token pro Tag" 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 "OpenAI: KI-Coding-Agenten fressen bei Forschern bis zu 7.000 US-Dollar Token pro Tag" 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: »OpenAI: KI-Coding-Agenten fressen bei Forschern bis zu 7.000 US-Dollar Token pro Tag« bei Google Deutschland suchen, bei Bing oder Google News!