Wie Uber die KI-Kosten trotz 9,4-mal höherer Agenten-Nutzung stabil hielt

Ubers KI-Ausgaben liefen zunächst über das für 2026 vorgesehene Budget hinaus. Die Reaktion bestand jedoch nicht darin, den Zugang einfach abzuwürgen. Stattdessen behandelte das Unternehmen KI als Problem der technischen Kostenoptimierung: Jede Aufgabe sollte an ein passendes Modell geleitet, übermäßiger Kontext begrenzt, wiederkehrende Prompts aus dem Cache genutzt und der laufende Verbrauch für Entwickler sichtbar gemacht werden. 1

Mit diesem Ansatz blieben die gesamten KI-Ausgaben seit April weitgehend stabil, während die wöchentlichen Anfragen an KI-Agenten seit Februar um das 9,4-Fache stiegen. Bei Verwendung desselben KI-Modells sank der Preis pro 1.000 Anfragen laut Uber gegenüber dem Höchststand im April um knapp 34 Prozent. Die Kosten pro Sitzung gingen gegenüber dem Juni-Hoch um 52 Prozent zurück. 1

Die Nutzung wuchs weiter

Die Einsparungen entstanden nicht durch einen Rückgang der Akzeptanz, sondern während der weiteren Verbreitung. KI-Agenten waren für mehr als 70 Prozent der Einreichungen von Codeänderungen verantwortlich. Entwickler führten täglich mehr als 30.000 Agentenaufgaben aus, und die Zahl der Beschäftigten, die KI-Tools nutzten, mehr als vervierfachte sich. 1

Die Kombination aus deutlich höherer Nutzung und weitgehend stabilen Gesamtausgaben deutet auf sinkende Stückkosten hin. Die Arbeit wurde dadurch nicht kostenlos. Uber änderte vielmehr, wie Tokens und Modellkapazität eingesetzt wurden.

1. Aufgaben an passende Modelle verteilen

Uber schickt eine Aufgabe nicht automatisch an das leistungsfähigste oder teuerste Modell. Stattdessen wird das Modell ausgewählt, das die erforderlichen Fähigkeiten zu den niedrigsten sinnvollen Kosten bietet. Einfachere Aufgaben können bei günstigeren Modellen landen, während anspruchsvollere Aufgaben mehr Kapazität erhalten. Für bestimmte Anwendungsfälle prüft das Unternehmen außerdem Alternativen, darunter Modelle mit offen zugänglichen Gewichten. 1

Damit wird die Modellauswahl zu einer Entscheidung über die jeweilige Arbeitslast – und nicht zu einer Einheitsvorgabe. Im großen Maßstab können selbst kleine Einsparungen bei Routineanfragen die durchschnittlichen Kosten pro Aufgabe spürbar senken.

2. Lange Agenten-Sitzungen begrenzen

Uber begrenzt interaktive Sitzungen auf 400.000 Tokens, selbst wenn ein Modell ein Kontextfenster von bis zu einer Million Tokens unterstützt. 1

Das adressiert eines der Kostenrisiken von Programmieragenten: Während einer Sitzung können Dateien, Tool-Ergebnisse, Anweisungen und der bisherige Dialog immer weiter anwachsen. Ohne klare Grenze verarbeiten explorative oder schlecht gesteuerte Sitzungen daher möglicherweise zunehmend größere Kontextmengen.

Ein Token-Limit verhindert den Einsatz von Agenten nicht. Es schafft eine kalkulierbare Obergrenze für besonders kontextintensive Sitzungen und gibt den Engineering-Teams einen konkreten Hebel zur Steuerung des Verbrauchs.

3. Prompt-Caches länger nutzen

Uber verlängerte die Lebensdauer des Prompt-Caches von fünf Minuten auf eine Stunde. Damit soll das tatsächliche Arbeitsmuster von Entwicklern besser abgebildet werden: Eine KI-Sitzung kann länger als fünf Minuten pausieren, bevor die Arbeit fortgesetzt wird. 1

Eine längere Wiederverwendung aus dem Cache kann verhindern, dass derselbe Kontext erneut vollständig verarbeitet werden muss. Gerade bei agentenbasierten Programmierabläufen, in denen ein Repository oder bestimmte Anweisungen innerhalb einer Sitzung wiederholt aufgerufen werden, lassen sich so unnötige Token-Verarbeitungen reduzieren – ohne die Aufgabe selbst zu verändern.

4. Laufende Kosten direkt anzeigen

Uber zeigt Entwicklern in ihren Terminals in Echtzeit an, wie viel eine KI-Sitzung kostet. 1

So wird der Verbrauch zu einem unmittelbaren technischen Feedback-Kreislauf. Statt erst in einem späteren Finanzbericht von einem teuren Ablauf zu erfahren, kann ein Entwickler die Kosten bereits beim Experimentieren sehen und bei Bedarf Sitzung, Modell oder Kontext anpassen.

Die Kostenkontrolle sitzt damit genau dort, wo die entscheidenden Weichen gestellt werden: bei Prompts, Wiederholungsversuchen, Kontextumfang und Modellauswahl.

Was andere Unternehmen daraus lernen können

Ubers Erfahrung macht ein grundlegendes Prinzip sichtbar: Die Kontrolle von KI-Ausgaben in Unternehmen ist nicht nur eine Budgetfrage. Sie ist auch eine Frage des Systemdesigns.

Besonders nachhaltig wirken in diesem Beispiel:

• Aufgabenbasierte Modellauswahl: Günstigere Modelle einsetzen, wenn ihre Fähigkeiten ausreichen.
• Kontext-Regeln: Sitzungen begrenzen, in denen sich große, tokenintensive Verlaufsdaten ansammeln können.
• Prompt-Caching: Wiederkehrenden Kontext erneut nutzen, statt ihn jedes Mal von Grund auf zu verarbeiten.
• Transparenz über Stückkosten: Den zusätzlichen Preis eines KI-Ablaufs für die Personen sichtbar machen, die ihn ausführen.
• Wettbewerb zwischen Modellen: Alternativen, einschließlich Modellen mit offenen Gewichten, prüfen, statt für jede Aufgabe auf dieselbe Standardlösung zu setzen. 1

Diese Maßnahmen sind für KI-Agenten besonders relevant, weil deren Arbeit iterativ abläuft. Aus einer einzelnen Nutzeranfrage können mehrere Runden aus Planung, Tool-Nutzung, Prüfung und Überarbeitung entstehen. Dadurch ist der gesamte Token-Verbrauch weniger vorhersehbar als bei einer einmaligen Chat-Antwort.

Ubers Zahlen sind deshalb als Beispiel für operative Effizienz zu verstehen – nicht als Beleg dafür, dass stark wachsende KI-Nutzung kein finanzielles Risiko mehr darstellt. Das Unternehmen hielt seine Ausgaben erst dann weitgehend stabil, als es die Kosten pro Anfrage und Sitzung veränderte. Für andere Unternehmen ist die Schlussfolgerung klar: Wer KI-Nutzung skalieren will, sollte die Kostensteuerung gleichzeitig einführen und Messwerte von Anfang an in die Arbeitswerkzeuge integrieren.