Asana: Browser-Agent 76x günstiger mit GPT-6.1 Sol

Hintergrund

Am 9. Oktober 2026 hat OpenAI einen Kundenfall zu Asana veröffentlicht, dem Anbieter von Projektmanagement-Software. Asana nutzt Modelle der GPT-6-Serie in Codex, um den eigenen Browser-Agenten umzubauen. In den veröffentlichten Tests sanken die Kosten auf ein Sechsundsiebzigstel, und der Agent lief etwa fünfmal schneller. Asana kann Kunden dadurch leistungsfähigere Modelle anbieten, ohne bei den Inferenzkosten nachzugeben.

Die öffentlichen Angaben haben Lücken. Sie nennen weder die Testaufgaben noch die Vergleichsbasis, noch die Messung von Erfolgsquote und Latenz. Die Faktoren 76 und 5 sind daher Herstellerergebnisse aus bestimmten Tests, kein Versprechen für jede Last. Die Richtung ist trotzdem klar: Agenten in Unternehmenssoftware werden an Kosten und Geschwindigkeit gemessen, wenn ein Team über einen Modellwechsel entscheidet.

Tiefenanalyse

Wie kann ein Browser-Agent 76-mal günstiger werden? Die Quellen nennen keinen Grund, jede Antwort ist daher eine Schlussfolgerung. Ein Browser-Agent arbeitet in einer Schleife: Er liest die Seite, als Screenshot oder als strukturierte Elemente, und das Modell wählt die nächste Aktion, also klicken, tippen oder scrollen. Die Gesamtkosten entsprechen grob dem Datenvolumen je Schritt mal der Schrittzahl, plus Wiederholungen nach Fehlern.

Seiteninhalte sind lang, und bei jedem Schritt geht viel Kontext erneut ans Modell. Allein mit einem niedrigeren Preis pro Token lässt sich ein Rückgang um mehr als das Siebzigfache kaum erklären. Wahrscheinlicher wirken mehrere Effekte zusammen: Ein neueres Modell versteht Seiten genauer und trifft die richtige Aktion früher, was Schritte und Wiederholungen senkt. Kontext-Caching oder eine schlankere Seitendarstellung verkleinern die Eingabe. Auch eine Aufgabenzerlegung, bei der einfache Schritte kein Spitzenmodell brauchen, ist denkbar. Die fünffache Beschleunigung passt dazu, denn die Laufzeit hängt ebenfalls an Schrittzahl und Textmenge.

Auch die Rolle von Codex bleibt offen. Das Material sagt nur, dass die neuen Modelle in Codex genutzt wurden. Plausibel ist, dass ein Coding-Agent dem Team half, Prompts, Werkzeuge und Testabläufe schneller umzuschreiben. Das ist eine Deutung, keine belegte Tatsache.

Branchenwirkung

Zuerst trifft der Effekt Anbieter von Unternehmenssoftware. Viele SaaS-Firmen wollten Agentenfunktionen anbieten, scheiterten aber an den Inferenzkosten: Nutzten Kunden die Funktion stark, fraß die Modellrechnung die Marge. Eine Kostensenkung dieser Größe nimmt diese Grenze weg. Der Anbieter kann ein stärkeres Modell zum Standard machen und die Preisgestaltung neu denken, etwa nach Aufgabe oder Nutzung statt nach Arbeitsplatz. Asanas Wettbewerber wie Monday, Notion und Atlassian stehen vor derselben Frage.

Unabhängige Start-ups für Browser-Agenten geraten unter Druck. Wenn Plattformmodelle und Coding-Werkzeuge die Kostenkurve senken, bleibt Produkten, die nur Modellaufrufe verpacken, wenig Abstand. Der Wettbewerb verlagert sich auf Daten, Workflow-Integration, Rechteverwaltung und Zuverlässigkeit. Für OpenAI zeigt der Fall, dass die GPT-6-Serie mit Codex mehr kann als Code schreiben: Sie hilft Kunden, eigene Agenten zu optimieren.

Ausblick

Vier Signale verdienen Beachtung. Erstens Produktionsdaten: Kosten und Tempo aus Tests müssen sich im echten Betrieb bestätigen, ebenso Erfolgsquote und Fehlerbehebung. Sinken die Kosten, die Erfolgsquote aber nicht, kann manuelle Nacharbeit die Ersparnis aufzehren.

Zweitens Preis und Produktform: Macht Asana das stärkere Modell für mehr Kunden zum Standard, und ändert sich die Abrechnung? Daran zeigt sich, wie viel der Ersparnis bei den Nutzern ankommt. Drittens Sicherheit: Ein Browser-Agent handelt in der angemeldeten Sitzung des Nutzers, versteckte Anweisungen auf Seiten wiegen mit steigendem Aufrufvolumen schwerer. Viertens Nachahmer und unabhängige Benchmarks: Bestätigen sie ähnliche Einsparungen, liegt der Gewinn am Modellsprung, sonst eher an Asanas eigener Technik.