Warum 75 Dollar Tokens so viel Wert stiften können

This blog post is also available in English

TL;DR

• 75 Dollar Tokenkosten ersetzten mehrere Tage Arbeit. Der Return ist real, aber die eigentliche Frage ist, warum diese 75 Dollar überhaupt so viel Wert stiften konnten.
• Der Agent ist die Technologie, das Systemverständnis der komplementäre Vermögenswert (Teece). Wer die Menschen mit diesem Wissen entfernt, behält die Technologie, verliert aber die Fähigkeit, sie richtig einzusetzen.
• Das Gehalt erfahrener Entwickler:innen kauft Optionen (Taleb): Coding Agents machen diese plötzlich wertvoll, vorausgesetzt, Systemverständnis und eingeübter Umgang mit dem Agenten sind noch da.
• Entlassungen und ein Stopp beim Junior-Hiring vernichten genau diese Optionalität, unbemerkt: Tokenkosten sind eine messbare Flussgröße, Systemverständnis eine unsichtbare Bestandsgröße (Daly).

Vor kurzem habe ich innerhalb von zwei Arbeitstagen etwa 75 Dollar an Tokenkosten erzeugt. Das Ergebnis war ein größerer Umbau in einer Codebasis, den ich ohne agentische Entwicklung locker auf fünf bis sechs Vollzeit-Tage konzentrierter Deep Work geschätzt hätte. Die zwei Tage hingegen waren sehr fragmentiert, mit Meetings und anderen Unterbrechungen.

Das ist ein ziemlich guter Return-on-Investment. Die spannende Frage ist aber, warum diese 75 Dollar überhaupt so viel Wert stiften konnten. Welche Voraussetzungen müssen erfüllt sein, damit das, was man für 75 Dollar erkauft, einen solchen Wert haben kann?

Der Fall

Konkret ging es in meinem Fall um ein Java-Projekt mit hexagonaler Architektur, welches eine Datenverarbeitungs-Pipeline umsetzt. Der Umbau betraf 449 geänderte, neue oder gelöschte Dateien. Ein Archivierungsschritt, der Daten im CSV-Format in einem Cloud-Storage speichert, musste entfernt werden. Dazu war auch an anderer Stelle, wo diese CSV-Dateien verwendet wurden, eine Anpassung notwendig, um die Datei stattdessen aus der internen Datenbank zu lesen. Am Ende waren es mehrere tausend Zeilen weniger als vor dem Umbau.

Meine eigene Rolle dabei war schmal. Ich habe ein klares Ziel formuliert und danach kleine, manchmal aber auch kritische Korrekturen an dem vorgenommen, was der Agent vorschlug und umsetzte. Diese Aufteilung erinnert an militärische Auftragstaktik: Führung definiert das Wozu, delegiert das Wie.

Ganz ohne Kontrolle ging es aber nicht. In der Umsetzung saß ein kritischer Fehler bei der Bestimmung der Sequenznummern-Grenze der zu exportierenden Daten. Unentdeckt hätte er den Export dauerhaft leer laufen lassen.

Was die 75-Dollar-Zahl verdeckt

Donald Reinertsen hat in The Principles of Product Development Flow einen Fehler benannt, den viele Organisationen machen: Sie optimieren, was leicht messbar ist, und übersehen die Gesamtökonomie, die sich nicht in derselben Einheit erfassen lässt. Tokenkosten sind so eine leicht messbare Größe. Dank Tools wie LiteLLM lässt sich exakt beziffern, was dieses Refactoring gekostet hat. Firmen, die AI über Flatrate-Subscriptions statt nutzungsbasierter Abrechnung beziehen, sehen nicht einmal diese Seite granular.

Der Ertrag dagegen bleibt eine Schätzung, keine Messung. Meine 5–6-Tage-Zahl ist eine Annahme, kein gemessener Wert. Die Frage, ob der AI-Einsatz sein Geld wert war, lässt sich, wenn man der Schätzung vertraut, trivial mit Ja beantworten. Und genau weil diese Zahl so überzeugend aussieht, folgt oft nahtlos die zweite Frage: Können wir jetzt entsprechend Personal abbauen?

David Teece hat 1986 gezeigt, warum diese zweite Frage zu kurz greift: Eine Technologie erzeugt Wert erst im Zusammenspiel mit komplementären Vermögenswerten, die nicht Teil der Technologie sind. Der Agent ist die Technologie. Das Systemverständnis ist der komplementäre Vermögenswert. Wer die Technologie behält, aber die Personen mit dem Systemverständnis entfernt, verliert nicht die Technologie, sondern die Fähigkeit, sie richtig einzusetzen. Was dieses Systemverständnis wert ist, lässt sich sogar beziffern: als Optionswert.

Das Gehalt erwirbt Optionen

Nassim Taleb schreibt in Antifragile über Optionalität. Dabei geht es darum, einen positiven Schock überproportional in eigenen Gewinn zu verwandeln, also eine positive Asymmetrie.

Das Jahresgehalt der Entwickler:innen bezahlt nicht nur den Output, den sie in diesem Jahr liefern. Beschäftigt eine Organisation Entwickler:innen über viele Jahre, in denen diese technische und fachliche Expertise sowie ein tiefes Systemverständnis aufgebaut haben, so erwirbt sie für einen Teil des Jahresgehalts Optionen.

Der positive Schock war das Aufkommen von Coding Agents. Organisationen können nun asymmetrisch von ihren erworbenen Optionen profitieren. Dieser asymmetrische Payoff speist sich aus zwei Kapitalbeständen: Zum einen sind da Systemverständnis sowie aufgebaute technologische und fachliche Expertise. Diese alleine reichen aber nicht aus. Hinzu kommt notwendigerweise der eingeübte Umgang mit dem Agenten selbst. Leider gibt es in vielen Unternehmen derzeit die Tendenz, diese Optionalität mittel- bis langfristig zu vernichten.

Zum einen ist da der Reflex, Entwickler:innen zu entlassen, weil man für Tokenkosten, die im Vergleich zum Gehalt deutlich niedriger sind, offenbar den gleichen Gegenwert bekommt, dabei aber übersieht, dass der Gegenwert an die Person gebunden war, nicht an die Technologie. Zum anderen beobachten wir in unserer Branche eine große Zurückhaltung, Juniors einzustellen. Werden keine Juniors mehr eingestellt, weil AI die vermeintliche Einstiegsarbeit übernimmt, werden auch keine neuen Optionen für die Zukunft erworben. Das fühlt sich nicht wie ein Verlust an. Es ist bloß eine Investition, die nicht stattfindet, und unterlassene Investitionen tauchen in keiner Kostenrechnung auf.

AI senkt also nicht den Wert von Expertise. Sie senkt den Ausübungspreis einer bereits vorhandenen Option. Vorausgesetzt, man hat gelernt, sie einzulösen. Und vorausgesetzt, man vernichtet sie nicht genau in dem Moment, in dem sie sich als wertvoll erweist.

Ist Expertise wirklich wie Kohle?

Abgesehen davon, dass man seine Optionen durch Personalabbau oder Nicht-Einstellen von Juniors vernichtet, stellt sich auch die Frage, ob die wiederholte, dauerhafte Nutzung dieser Fähigkeit nicht selbst eine negative Auswirkung auf die asymmetrische Payoff-Funktion hat, ob man dadurch also seine Optionalität nach und nach abbaut. Kompetenzverlust durch Delegation und Automatisierung kann genau diesen Effekt haben und dafür sorgen, dass das Systemverständnis nachlässt. Die 75 Dollar Tokenkosten kaufen dann nicht mehr den Gegenwert, den sie zu Beginn stiften konnten.

Die naheliegende Metapher: Expertise ist wie Kohle. Über Jahre entstanden, schnell verbrannt, nicht schnell nachgewachsen. Das trifft es aber nur teilweise.

Architektonisches Urteilsvermögen wurde in meinem Fall nicht stillgelegt, sondern ständig genutzt, da ich in einem recht engen Loop im Sinne des Omega Programming-Paradigmas vorgegangen bin. Dieses Urteilsvermögen wird also durch aktiven Abruf trainiert, auch ohne eigenes Tippen. Mechanische Ausführungsfähigkeit dagegen geht sicherlich verloren (ein Kollege erzählte kürzlich, er könne sich nicht mehr an gewisse Keyboard-Shortcuts erinnern, die man beim Eintippen von Code braucht), war aber nie die knappe Ressource.

Offen bleibt: Wie viel eigenes Tun braucht es, um langfristig ein adäquates mentales Modell der Systemrealität zu bewahren? Peter Naur hat gezeigt, dass die Theorie eines Programms kontinuierlich an der Codebasis erneuert werden muss, sonst driftet sie unbemerkt.