Asana senkt Browser-Agent-Kosten um das 76-Fache

Hintergrund

OpenAI News beschreibt einen Kundenfall: Der Anbieter von Projektmanagement-Software Asana hat seinen Browser-Agenten mit Modellen der GPT-6-Reihe in Codex überarbeitet. In Tests lief der Agent 76-mal günstiger und etwa fünfmal schneller. Asana sagt, die niedrigeren Kosten und die geringere Latenz schaffen Spielraum für leistungsfähigere Modelle. Funktionen müssten nicht eingeschränkt werden, um Ausgaben zu begrenzen.

Die Zahlen brauchen eine nüchterne Lesart. Sie stammen aus einer Testumgebung, nicht aus dem Durchschnitt aller Kundenaufgaben im Produktivbetrieb. Die Quelle nennt weder den Umfang des Testsets noch die Aufgabentypen oder die vollständige Vergleichsbasis. Der Faktor 76 gilt daher für ein bestimmtes Szenario und ist kein allgemeines Sparversprechen.

Tiefenanalyse

Wie hat Asana seinen Browser-Agenten um das 76-Fache günstiger gemacht? Die Quelle nennt das Ergebnis, aber keine Aufschlüsselung der Ursachen. Asana setzte Modelle der GPT-6-Reihe in Codex ein. Die Tests zeigten einen 76-fach geringeren Kostenaufwand bei fünffacher Geschwindigkeit. Wie sich der Gewinn auf Modellpreis, Schrittzahl und Prompt-Gestaltung verteilt, ist nicht veröffentlicht. Zur Einordnung hilft die Arbeitsweise eines Browser-Agenten. Er beantwortet nicht eine Frage und hört auf, sondern läuft in einer Schleife. Er liest den Seitenzustand, etwa als Screenshot oder als Seitenstruktur mit sichtbarem Text. Das Modell wählt den nächsten Schritt. Dann klickt, tippt oder navigiert der Agent und liest den neuen Zustand. Eine Aufgabe wie das Anlegen einer Aufgabe, das Zuweisen einer verantwortlichen Person und das Ausfüllen von Feldern kann Dutzende Schritte umfassen.

Jeder Schritt ist ein Modellaufruf, und der Kontext wächst mit dem Verlauf der Aktionen. Kosten und Wartezeit addieren sich deshalb. Die Wirtschaftlichkeit solcher Produkte reagiert sehr empfindlich auf die Leistung pro Schritt. Eine Senkung um den Faktor 76 dürfte kaum allein vom Stückpreis kommen. Plausibel ist, auf Basis der allgemeinen Funktionsweise von Browser-Agenten und nicht der Quelle, ein Zusammenspiel mehrerer Effekte: bessere Entscheidungen pro Schritt, weniger Umwege und Wiederholungen, weniger Schritte je Aufgabe sowie schlankere Prompts. Die Anteile nennt die Quelle nicht. Auffällig ist auch: Asana hat die Arbeit in Codex erledigt. Das deutet darauf hin, dass das Team einen Coding-Agenten nutzte, um den eigenen Agenten-Ablauf umzubauen und zu testen. Den genauen Ablauf beschreibt die Quelle nicht.

Branchenwirkung

Für Anbieter wie Asana ist die Skalierung das zentrale Problem. Ein Prototyp kann überzeugen. Sobald er allen Kunden offensteht, machen Kosten pro Aufruf und Wartezeit es schwer, die Funktion anzubieten oder zu bepreisen. Ist jede Agentenaufgabe teuer und langsam, muss der Anbieter die Nutzung begrenzen oder auf ein schwächeres Modell ausweichen. Sinken die Kosten, kann ein stärkeres Modell zur Standardwahl werden. Auch für Modellanbieter ist der Fall relevant. OpenAI kann damit argumentieren, dass eine neue Modellgeneration nicht nur bei Benchmarks zählt, sondern Agenten bezahlbar macht. Das hilft im Wettbewerb um Unternehmenskunden. Konkurrenten geraten unter Druck. Andere Anbieter von Aufgaben-Boards und Workflows könnten erleben, dass der schnelle, günstige Agent eines Rivalen mehr Routinearbeit automatisiert. Auch Anbieter von Browser-Automatisierung und Robotic Process Automation sehen ein Signal: Skript- und regelbasierte Werkzeuge treffen auf modellgesteuerte Agenten, die sich an Seitenänderungen anpassen.

Endnutzer gewinnen kürzere Wartezeiten und mehr Funktionen. Dafür gilt: Je mehr Aktionen ein Agent ausführt, desto wichtiger werden Rechtekontrolle, Prüfprotokolle und das Zurücknehmen fehlerhafter Aktionen.

Ausblick

Mehrere Signale lohnen die Beobachtung. Erstens: Führt Asana die Lösung für alle Kunden ein und veröffentlicht es Produktivdaten? Erfolgsquote, durchschnittliche Schrittzahl, Kosten pro Aufgabe und Nutzerbindung sagen mehr als ein einzelner Faktor. Zweitens: Melden andere Anbieter von Unternehmenssoftware ähnliche Ergebnisse? Sähen mehrere Firmen Kostensenkungen um Größenordnungen, läge die Ursache wohl in der Modellgeneration. Bliebe es bei Asana, spräche mehr für eigene Optimierungsarbeit. Drittens: Ändert sich die Preisgestaltung? Ob Agenten kostenpflichtige Zusatzfunktion bleiben oder in Basispakete wandern, zeigt, wie Anbieter die Fähigkeit einordnen. Viertens: Zuverlässigkeit verschwindet nicht, nur weil Aufrufe billiger sind. Browser-Agenten können weiter an Login-Prüfungen, Seitenumbauten und Pop-ups scheitern. Günstigere Aufrufe könnten Teams verleiten, Erfolg mit mehr Wiederholungen zu erkaufen. Die Gesamtrechnung muss deshalb laufend geprüft werden.

Schließlich lohnt der Blick auf das Wechselspiel von Coding-Agenten und Business-Agenten. Hält diese Kette, könnten Funktionsupdates in Unternehmenssoftware schneller erscheinen. Vorerst bleiben die Faktoren 76 und 5 Testergebnisse, die breitere Bestätigung brauchen.