Asana senkt Agent-Kosten um Faktor 76 mit GPT-6.1 Sol

Hintergrund

Laut einem von OpenAI veröffentlichten Kundenbeispiel hat das Projektmanagement-Unternehmen Asana seinen Browser-Agenten neu aufgebaut. Dafür nutzte Asana Modelle der GPT-6-Serie in Codex. In Tests lief der Agent 76-mal günstiger und 5-mal schneller. Asana erklärt, die sinkenden Kosten und Latenzen erlaubten es, Kunden leistungsfähigere Modelle anzubieten, ohne dass die Rechnung pro Aufgabe aus dem Ruder läuft.

Eine Einschränkung gehört an den Anfang. Die Zahlen stammen aus einer Testumgebung und nicht aus öffentlichen Statistiken des gesamten Produktivbetriebs. Die Quelle nennt weder den Aufgabensatz noch die Vergleichsbasis noch die Abrechnungsmethode. Der Faktor 76 ist deshalb ein Richtungssignal und kein Koeffizient, den man auf jeden Browser-Agenten übertragen kann.

Warum ist ein Browser-Agent im Betrieb so teuer? Er klickt, tippt, scrollt und liest Seiten. Bei jedem Schritt übergibt er den Seitenzustand an das Modell, und das Modell wählt die nächste Aktion. Dieser Zustand ist eine Dokumentstruktur oder ein Screenshot, beides sehr groß. Eine Aufgabe umfasst oft Dutzende Schritte, und der Eingabekontext wächst mit. Die Kosten steigen daher nicht linear, sondern werden durch die Schrittzahl verstärkt.

Tiefenanalyse

In diesem Aufbau treten drei Arten von Verschwendung häufig auf. Erstens wird in jedem Schritt viel irrelevanter Seiteninhalt erneut übertragen. Zweitens probiert das Modell dort wiederholt herum, wo es eine Abkürzung gäbe. Drittens fehlt bei Fehlern ein Wiederherstellungsmechanismus, sodass der Agent von vorn beginnen muss. Ein Faktor von 76 lässt sich kaum mit einer einzigen Ursache erklären. Plausibler ist ein Zusammenspiel mehrerer Verbesserungen. Die Quelle listet sie nicht auf, es handelt sich also um eine Schlussfolgerung. Ein Modell, das Seiten genauer versteht, wählt gleich die richtige Aktion und verringert die Schrittzahl. Ein niedrigerer Preis pro Aufruf hilft zusätzlich. Technisch dürften zudem Kürzung und Caching des Kontexts die Eingabe in jedem Schritt verkleinern.

Codex spielt in dieser Geschichte eine konkrete Rolle. Es hilft dem Entwicklungsteam, Ausführungslogik, Testskripte und Evaluationsabläufe schneller umzuschreiben und zu iterieren. Modell-Upgrade und Code-Engineering liefen also parallel. Erst zusammen können sie einen Sprung dieser Größenordnung erzeugen. Wie hat Asana die Kosten seines Browser-Agenten um den Faktor 76 gesenkt? Laut Quelle hat Asana den Agenten mit GPT-6-Modellen in Codex neu gebaut und in Tests 76-mal geringere Kosten und eine 5-mal schnellere Ausführung gemessen. Wie viel davon auf das Modell und wie viel auf technische Änderungen entfällt, schlüsselt die Quelle nicht auf. Die 5-fache Beschleunigung hat dieselbe doppelte Bedeutung. Weniger Schritte und schnelleres Schlussfolgern pro Schritt verkürzen beide die Wartezeit. Gerade die Wartezeit entscheidet, ob ein Agent die Demo-Phase verlässt und im Alltag genutzt wird.

Branchenwirkung

Der Fall berührt die praktischste Hürde für den Einsatz von Agenten in Unternehmen: die Stückkosten. Viele Teams erleben, dass ein Prototyp gut funktioniert, und stellen dann im großen Maßstab fest, dass eine Aufgabe mehr kostet als die menschliche Arbeit, die sie ersetzt. Das Projekt bleibt liegen. Sinken die Kosten auf einen Bruchteil, deckt dasselbe Budget ein Vielfaches an Aufgaben ab. Es kann auch ein stärkeres Modell finanzieren. Genau das meint Asana mit leistungsfähigeren Modellen für Kunden.

Für einen Anbieter von Kollaborationssoftware wie Asana wird der Agent damit vom knapp kostendeckenden Zusatzmodul zur Standardfunktion. Denkbar sind Alltagsabläufe wie Aufgabensortierung, systemübergreifende Dateneingabe und Statusabgleich. Die Konkurrenz spürt den Druck. Notion, Atlassian und Monday.com bauen ebenfalls Agenten in ihre Workflows ein. Wer zuerst die Kosten pro Aufgabe senkt, gewinnt bei Preisgestaltung und Funktionsumfang einen Vorsprung.

Für den Modellanbieter ist der Fall zugleich klare Werbung. OpenAI lässt einen Kunden über reale Kosten und Geschwindigkeit sprechen, nicht nur über Benchmark-Werte. Das passt zur Positionierung von Codex als Einstiegspunkt für die technische Umsetzung. Unabhängige Start-ups für Browser-Automatisierung und Open-Source-Projekte geraten unter stärkeren Vergleichsdruck. Wenn Modell und Entwicklungsumgebung eines großen Anbieters die Kostenkurve weiter nach unten drücken, wird der Schutzgraben für Produkte dünner, die nur Modellaufrufe verpacken.

Ausblick

Vier Signale verdienen Aufmerksamkeit. Erstens: Veröffentlicht Asana eine vollständigere Evaluationsmethode? Sie müsste Erfolgsquote, Erholung nach Fehlern sowie Ergebnisse auf verschiedenen Websites und bei unterschiedlicher Seitenkomplexität umfassen. Eine Kostensenkung zählt nur, wenn die Qualität erhalten bleibt. Kosten und Tempo ohne Erfolgsquote ergeben ein unvollständiges Bild. Zweitens: Kommt die Ersparnis bei den Kunden an? Das könnte sich in niedrigeren Preisen, höheren Nutzungskontingenten oder stärkeren Modelloptionen zeigen. Wird sie nicht weitergegeben, schrumpft die Bedeutung des Falls für die Branche. Drittens: Legen andere Unternehmen Daten in ähnlicher Größenordnung vor? Reproduzieren mehrere Firmen Senkungen um das Zehnfache oder mehr in verschiedenen Szenarien, stammt der Gewinn aus dem Fortschritt bei Modellen und Werkzeugketten insgesamt. Bleibt es bei wenigen Fällen, ist gezielte Optimierung einzelner Aufgaben wahrscheinlicher.

Viertens: Sicherheit und Berechtigungen verschwinden nicht, nur weil die Kosten sinken. Ein Browser-Agent kann im Auftrag des Nutzers auf echten Systemen handeln. Mit wachsender Nutzung steigen auch die Risiken durch Fehlbedienung, unbefugten Zugriff und Prompt Injection. Unternehmen müssen Protokollierung, Bestätigungsschritte und Rücknahmemechanismen im gleichen Tempo aufbauen. Insgesamt zeigt der Fall, dass sich der Schwerpunkt des Agentenwettbewerbs verschiebt. Die Frage lautet nicht mehr, wessen Modell klüger ist, sondern wer reale Aufgaben zuverlässig, günstiger und schneller erledigt. In ein bis zwei Quartalen dürften weitere Unternehmen eigene Zahlen nennen. Dann wird der Vergleich wirklich belastbar.