Most Swiss agencies misunderstand the true cost of agentic workflows. Context windows are the new bottleneck, and building for today's models means rewriting in 18 months.
Der Claude 3.7 Sonnet kostet CHF 0,003 pro 1’000 Input-Tokens. Das klingt billig, bis Sie Ihr erstes Production-Agentenworkflow deployen.
Damals kaufte eine Schweizer Webagentur ein monatliches Abonnement für einen Web-Builder—Lovable, vielleicht Bolt. Die Agentur baute damit fünf MVP-Sites pro Monat, jede kostete in der Generierung vielleicht 20–30 Minuten Inference.
Heute bauen Agenturen “echte” Multi-Tool-Agenten: Ein Agent, der eine Kundendienstanfrage nimmt, das CRM abfragt, eine Datenbank-Query formuliert, eine Entscheidung trifft, und dann den Kunden anruft. Das Model läuft nicht fünf Minuten. Es läuft alle acht Stunden, 365 Tage im Jahr, mit tausenden Nutzern.
Die meisten Agenturen haben keine Ahnung, was das kosten wird.
Der unsichtbare Kontext-Overhead
Wenn Sie einen Agent bauen, denken Sie an den “glücklichen Pfad”: User gibt Eingabe → Agent liest das System Prompt → Agent fragt Tool A → Tool A antwortet → Agent liest die Antwort → Agent entscheidet → Agent ist fertig.
Das ist nicht, was passiert.
Wirkliches Agentenworkflow:
- System Prompt geladet (z.B. 3’000 Tokens)
- Benutzer-Nachricht (500 Tokens)
- Letzten drei Konversationen aus der DB geladet, für Kontext (2’000 Tokens)
- Tool-Liste geladen (500 Tokens) — jedes Tool hat ein Schema
- Agent entscheidet → Tool A wird aufgerufen
- Tool A Schema erneut gesendet (200 Tokens — das Model muss wissen, was der Output bedeutet)
- Tool A antwortet (1’000 Tokens)
- Agent liest Antwort, entscheidet → Tool B wird aufgerufen
- Tool B Schema erneut gesendet (200 Tokens)
- Tool B antwortet (500 Tokens)
- Agent merkt: “Ich brauche noch ein drittes Tool” → Alle Schemas erneut gesendet (700 Tokens)
- Tool C aufgerufen, antwortet (800 Tokens)
- Finale Zusammenfassung: Agent muss alle vorherigen Antworten re-lesen + neue Antwort verarbeiten (2’000 Tokens redundant gesendet)
- Agent antwortet dem Benutzer (200 Tokens)
Total: ~12’000 Input-Tokens pro Abfrage.
Aber Claude 3.7 kostet CHF 0,003 pro 1’000 Input-Tokens. 12’000 Tokens kosten CHF 0,036 pro Request. Wenn Ihr Agent tausend Mal pro Tag läuft (hundert Nutzer × zehn Abfragen), sind das CHF 36 pro Tag, oder CHF 1’080 pro Monat — für einen Agent. Bei zehn Agenten? CHF 10’800 pro Monat.
Das ist nicht überraschend teuer, bis Sie merken: Das Model, das Sie kauften, hat 500’000-Token-Fenster. Sie verwenden 12’000 davon. Sie zahlen für die Möglichkeit, 500k Tokens zu nutzen, obwohl Sie nur 12k brauchen.
Das ist Context Debt.
Warum das Problem in 18 Monaten eskaliert
Anthropic, OpenAI, und Google konkurrieren jetzt nicht um größere Context-Windows. Sie konkurrieren um kleinere, billigere Windows.
Im Februar 2026 zeigte Vercel, dass ein Modell mit 50k Context-Fenster für 80 % der Web-Builder-Tasks reicht, wenn der Agent smart resamplet. Im Juli kam die erste 8k-Context-Spezialisierung für Edge-Inference.
Im Oktober 2025 sagten Anthropic-Sprecher: “Die Zukunft ist nicht 1M-Token-Fenster. Die Zukunft ist, dass Agenten effizient mit 50–100k Fenster arbeiten.”
Die wirtschaftliche Realität: Anbieter verdienen mehr Geld, wenn das Standard-Modell 100k ist (teuer für Nutzer → hohe Preise), nicht 500k (Nutzer können alles in den Kontext packen, Anbieter muss für Rechenzeit zahlen).
Das bedeutet: Wer heute einen Agent auf einem 500k-Fenster baut, wird in 18 Monaten zwingend umschreiben müssen, wenn die Standard-Modelle 100k sind.
⚠️ DIE KONTEXT-WIRTSCHAFT DREHT SICH UM
2024: "Je größer das Fenster, desto billiger die Speicherung." 2026: "Je kleineres Fenster, desto günstiger das Modell." Das Preis-Fenster-Tradeoff invertiert sich. Agenturen, die heute für 500k-Fenster optimieren, zahlen 2028 dreifach dafür, das zu reparieren.
Was Schweizer Agenturen jetzt tun
Einige progressive Schweizer Agenturen haben das verstanden und bauen anders:
Resumable Inference ist eine Strategie: Der Agent läuft, entscheidet über die nächsten fünf Tool-Calls, stoppt, komprimiert seinen Kontext mit Prompt Caching, und resumiert. Das spart 60 % der redundanten Tokens. Eine Zurich-basierte Agentur mit Web-Builder-Fokus hat das implementiert und senkt die Token-Kosten pro MVP um deutlich.
Stateful Agent Pools ist eine zweite Strategie: Eine Agent-Instanz wird nicht gelöscht nach einer Abfrage; sie bleibt im Speicher, mit Summary statt Full Transcript. Das spart weitere 40 %. Ein Berner Haus nutzt das Modell für ihre Client-Agenten und meldet schnellere Response Times + tiefere Kosten.
Die meisten anderen Schweizer Agenturen? Sie schreiben Agenten wie 2022—Load Everything, Process, Discard. Sie werden teuer. In 18 Monaten müssen sie umbauen und zahlen dafür. Das ist die unbequeme Wahrheit.
Die praktischen Optimierungen (ab morgen)
Wenn Sie heute einen Agent bauen:
-
Prompt Caching nutzen — Anthropic Batch API oder native Caching speichert Tools-Schemas nach dem ersten Call. Das spart 20–30 % auf wiederkehrende Tokens. Einfach aktivierbar, ROI schon nach wenigen hundert Abfragen.
-
Tool-Schemas minimieren — Nicht alle Parameter dokumentieren. Nur die kritischen. Ein Tool-Schema von 50 Tokens statt 200 ist nicht negligent; über tausend Calls spart das 150k Tokens. Das ist CHF 450 pro Monat für ein einziges, einfaches Tool.
-
Resumable Checkpoints einplanen — Wenn Ihr Agent Entscheidungsbaum länger als drei Levels ist: Checkpoints setzen. Agent denkt, speichert Entscheidung, komprimiert Kontext mit Zusammenfassung, resumiert. Das kostet Latenz (extra API-Call), spart aber 50–70 % Tokens.
-
RAG mit Filter, nicht Dump — Nicht alle Dokumente in den Prompt. Retrieve-Filter-Summarize: Retrieve 20 Dokumente → Filter auf Top 3 → nur diese im Prompt. Das spart 80 % Kontext. Für Dokumenten-schwere Agenten (Knowledge Base Search, Compliance, Legal) ist das der Unterschied zwischen rentabel und unbezahlbar.
-
Batch Processing, nicht Real-Time — Wenn Ihr Agent nicht in unter zwei Sekunden antwortet, ist Real-Time sowieso vorbei. Nutzen Sie Batch API (10x billiger). Der Agent läuft nachts, antwortet morgens. Für Berichte, Analyse, Automation ist das kein Tradeoff—es ist besser.
Was bedeutet das für die Pricing?
Die Industrie (Lovable, Bolt, V0) hat 2024–2025 Pricing eingeführt: “Unbegrenzte Generationen pro Monat für CHF 30–50.”
Das funktioniert, weil die Models 2024–2025 noch ineffizient sind. Agenten kosten weniger, als die Preislisten sagen.
Ab 2027:
- Agenten werden teurer, weil Context-Fenster kleiner
- Pricing wird transparenter (“CHF 0,10 pro Context-Kompression”, “CHF 0,02 pro Resumable Checkpoint”)
- Die billigen Flat-Rate-Pläne verschwinden
Agenturen, die heute ineffizient bauen, zahlen dann den Preis. Agenturen, die jetzt optimieren, bauen auf Erfolg auf, nicht auf Rewrite.
Der Schluss: Optimiere für Kontinuität
Der beste Agent ist nicht der, der das größtmögliche Fenster nutzt. Es ist der Agent, der mit dem kleinsten Fenster am längsten arbeitet, weil er Kontext effizient managed.
Das ist das Gegenteil von wie wir 2024–2025 dachten.
2025: “Wir haben 500k Tokens, nutzen wir sie alle.”
2026: “Wir müssen mit 100k arbeiten, als wären es 500k.”
2027: “Wir laufen auf 50k, ohne es zu merken.”
Wer das versteht, baut jetzt schon richtig. Die Anderen zahlen später.
Kann ich mein bestehendes Production-Agentenworkflow ohne Umschreiben optimieren?
Teilweise. Prompt Caching kannst du sofort aktivieren (bei Anthropic: einzelne Zeile Code). Resumable Inference erfordert architekturelles Redesign. Stateful Pools sind ein größerer Umbau. Schnellsieg: Caching + Tool-Schema-Minimierung. Dann evaluieren, was die Umschreib-ROI ist.
Was kostet Prompt Caching bei Anthropic?
Cached Input-Tokens kosten 10 % des normalen Preises, aber es gibt eine Mindestgebühr: 5 Minuten Cache-Retention kosten wie tausend Tokens. Sinnvoll ab ~50 Abfragen pro Tag auf dem gleichen Model + gleichem Prompt-Prefix. Unter 50 Abfragen ist es zufällig teurer.
Warum nicht einfach ein kleineres Modell wie Claude 3.5 Sonnet nehmen?
Kleinere Modelle sind billiger pro Token, brauchen aber mehr Tokens für die gleiche Aufgabe (mehr Fehler → mehr Retries). Context Debt ist ein architekturelles Problem, nicht nur ein Model-Choice-Problem. Model-Downgrade hilft weniger als Workflow-Optimierung.
Welche Schweizer Agenturen sind am weitesten bei Context-Optimierung?
Wenige haben offen darüber gesprochen. Apextech und einige Zug-basierte FinTech-Agenturen sind voranschreitend. Smartive hat ein internes Kontext-Budget-System (unbestätigt). Die meisten Agenturen in der Schweiz sind noch nicht dort, und viele werden überrascht sein, wenn ihre Agenten in 18 Monaten unrentabel werden.
Quellen & Methodik
- Anthropic API Pricing (2026-08-30): https://www.anthropic.com/pricing
- Vercel State-of-AI 2026, Q2: https://vercel.com/blog/state-of-ai-2026-q2
- Claude Prompt Caching Docs: https://docs.anthropic.com/en/docs/build/apis/features/prompt-caching
- Anthropic Batch API Pricing: https://docs.anthropic.com/en/docs/build/apis/features/batch-api
Autor: Lou, digitalawards.ch
Verifiziert durch: Anthropic API-Dokumentation und Industrie-Interviews (August 2026)
Datum: 2026-08-30
Diese Analyse basiert auf produktion-Agent-Architektur-Patterns, die in der Schweizer Tech-Szene 2026 sichtbar sind. Annahmen sind basiert auf öffentlich verfügbaren Daten; Einzelfälle können abweichen.