Das Technologieunternehmen Anchor hat die Einführung des sogenannten Action Index angekündigt. Die Neuentwicklung zielt darauf ab, den Ressourcenverbrauch autonomer Systeme spürbar zu verringern: Nach Angaben des Unternehmens sollen sich die Token-Kosten für sogenannte Computer-Use-Agents durch den Einsatz der Technologie um den Faktor 100 reduzieren, wie aus einem Bericht vom 15. Oktober 2026 hervorgeht.
Computer-Use-Agents führen Arbeitsabläufe direkt an Benutzeroberflächen aus, indem sie Bildschirminhalte analysieren, Tastatur- sowie Mauseingaben simulieren und Entscheidungen in Echtzeit treffen. Diese Form der Interaktion erfordert bei herkömmlicher Verarbeitung kontinuierlich umfangreiche Kontextdaten und visuelle Eingaben.
In der Praxis führt dies zu einem enormen Verbrauch an Sprachmodell-Tokens, was erhebliche Betriebskosten und Latenzzeiten nach sich zieht und den wirtschaftlichen Rollout in Unternehmen bislang hemmt.
Wachsender Branchendruck auf Ressourcenverbrauch und Kontextfenster
Die Initiative von Anchor steht im Kontext branchenweiter Bestrebungen, die Effizienz und Wirtschaftlichkeit von KI-Agenten zu verbessern. Verschiedene Entwickler und Plattformanbieter suchen derzeit nach Wegen, die Belastung der Recheninfrastruktur und die damit verbundenen Ausgaben zu drosseln.
So stellte Arcade.dev laut einem Bericht vom 15. Oktober 2026 ein System zur Werkzeugempfehlung vor. Nach Angaben von Arcade.dev senkt dieser Ansatz die anfallenden Kosten für Input-Tokens in Firmen um 37 Prozent.
Wer sich mit dem Einsatz moderner KI-Systeme im Unternehmen befasst, muss auch die neuen rechtlichen Rahmenbedingungen kennen. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen der EU-KI-Verordnung. EU AI Act in 5 Schritten verstehen
Parallel dazu brachte Fortytwo die Fortytwo Engine an den Start, eine Inferenz-Schnittstelle mit kooperierenden Modellen. Laut Fortytwo erzielte das erste eingesetzte Modell Qwen 3.8 27B über 450 Testläufe im Software-Engineering-Benchmark DeepSWE eine Reduktion des Token-Bedarfs um 24,7 Prozent gegenüber der alleinigen Nutzung des Modells. Dabei sanken die Werte von durchschnittlich 16,3 Millionen Tokens auf 12,3 Millionen Tokens pro Lauf, was einem Gesamtaufwand von 5,6 Milliarden statt 7,4 Milliarden Tokens über die Testreihe hinweg entsprach.
Management von Kontextdaten als Effizienzhebel
Neben der reinen Token-Reduktion rückt die Architektur der Kontextverarbeitung zunehmend in den Mittelpunkt. Kong stellte laut einem Bericht vom 14. Oktober 2026 das System Kong Context Management vor.
Das Unternehmen identifizierte vier zentrale Problemfelder beim Einsatz von Agenten: zusätzliche Belastungen des Kontextfensters, Leistungseinbußen beim logischen Schließen, gesteigerte Token-Kosten sowie höhere Latenzzeiten. Im sogenannten Code-Modus greift das System auf kleinere Schnittstellen zurück, sucht Operationen erst zur Laufzeit und ruft Schemata bedarfsorientiert ab.
Mit der zunehmenden Integration von KI in die Unternehmensinfrastruktur steigen auch die Anforderungen an die Dokumentation und Qualitätssicherung. Erfahren Sie in diesem kostenlosen E-Book, welche KI-Systeme als Hochrisiko eingestuft werden und was Unternehmen jetzt konkret tun müssen. Kostenlosen Report zu KI-Risikoklassen anfordern
Auch Egnyte adressiert die Schnittstelle zwischen Datenbestand und Agentensteuerung. Das Unternehmen kündigte Context Studio und das AI Control Center an. Context Studio soll Lücken im Kontext von Agenten schließen; in vorläufigen Tests unter spezifischen Bedingungen meldete Egnyte eine Reduktion der Token-Nutzung um 97 Prozent sowie rund 50 Prozent niedrigere KI-Gesamtkosten.
Mit der angekündigten Reduktion um den Faktor 100 setzt Anchor an einer der zentralen Hürden für den praktischen Einsatz von Arbeitsplatz-Agenten an. Sollte sich die Einsparung in produktiven Umgebungen bestätigen, könnte der Action Index den Weg für den dauerhaften und skalierbaren Betrieb autonomer Systeme auf Standardsoftware-Ebene ebnen.