Jensen Huang hat es im März gesagt: KI-Agenten sind ‘definitiv das nächste ChatGPT.’ Seitdem hat sich die Branche auf das Thema gestürzt — OpenClaw, Claude Code Channels, hunderte Startups, die auf autonome Agenten setzen. Aber auf zwei Events in Silicon Valley diese Woche war der Ton ein anderer. Weniger Euphorie, mehr Ernüchterung.
Millionen Tokens für nichts
Kevin McGrath, CEO des KI-Startups Meibel, brachte es auf den Punkt: Das größte Problem sei die Idee, dass alles durch ein LLM laufen muss. ‘Gebt all eure Tokens und euer Geld einem KI-Claw-Bot, der dann Millionen und Millionen von Tokens verschwendet.’ Sein Argument: Unternehmen müssen deutlich gezielter entscheiden, welche Aufgaben wirklich einen KI-Agenten brauchen — und welche nicht.
Das Phänomen hat sogar einen Namen bekommen: ‘Tokenmaxxing.’ Gemeint ist der Trend, möglichst viele Tokens durch KI-Modelle zu jagen, ohne sich zu fragen, ob das wirtschaftlich sinnvoll ist. Für die Compute-Anbieter ist das großartig — für die Unternehmen, die die Rechnung zahlen, weniger.
Interdependenzen machen alles chaotisch
Das zweite Problem geht tiefer. KI-Agenten arbeiten nicht isoliert — sie greifen auf Tools zu, rufen APIs auf, interagieren miteinander. Diese Interdependenzen machen Systeme nicht nur komplex, sondern ‘chaotisch’, wie es auf dem Event beschrieben wurde. Wenn ein Agent eine Aufgabe an einen anderen delegiert und der wiederum externe Daten abruft, wird Debugging zum Albtraum.
Das ist kein theoretisches Problem. Unternehmen berichten von Agenten, die in Schleifen laufen, Ergebnisse halluzinieren oder schlicht die falschen Aktionen ausführen — und das in Produktionsumgebungen.
Was das für uns bedeutet
Heißt das, KI-Agenten sind Hype? Nein. Aber es heißt, dass wir noch am Anfang stehen. Die Werkzeuge werden besser — Claude Code mit seinen Routines, OpenAIs Agents SDK mit Sandboxing, NanoClaws Approval-Mechanismus für sensible Aktionen. Doch die grundlegende Herausforderung bleibt: Autonome Systeme brauchen klare Grenzen, gutes Monitoring und vor allem die ehrliche Frage, ob ein Agent für diese spezifische Aufgabe wirklich der richtige Ansatz ist.
Die Party ist nicht vorbei — aber der Kater nach der ersten Nacht ist real.
Quellen: