AI-Credit-Verbrauch analysieren und optimieren
Analysiere deinen AI-Credit-Verbrauch unter AI → Nutzung & Aktivität, um Verbrauchsmuster zu erkennen und Optimierungen abzuleiten
Wenn einzelne User oder AI-Agents besonders viele Credits verbrauchen, lohnt sich ein genauer Blick auf die Nutzung. Ein hoher Verbrauch bedeutet nicht automatisch, dass etwas falsch läuft. Entscheidend ist, welche Modelle, Agents und Funktionen verwendet werden und welche Verarbeitungsschritte dafür notwendig sind.
Dieser Artikel richtet sich an awork Admins, die den AI-Credit-Verbrauch analysieren und optimieren möchten. Du erfährst, wie du auffällige Verbrauchsmuster erkennst, mögliche Ursachen eingrenzt und geeignete Optimierungsmaßnahmen ableitest.
Wie entsteht ein hoher AI-Credit-Verbrauch?
Der Credit-Verbrauch hängt unter anderem vom verwendeten Modell, dem Umfang und der Komplexität der verarbeiteten Informationen sowie den eingesetzten Tools und Verarbeitungsschritten ab. Ein hoher Verbrauch ist deshalb nicht automatisch ein Zeichen für ineffiziente Nutzung.
Auch eine fehlgeschlagene oder nicht vollständig abgeschlossene AI-Aktion kann Credits kosten, wenn bereits AI-Ressourcen eingesetzt wurden.
👉 Welche Faktoren den Verbrauch beeinflussen und welche Richtwerte für verschiedene Agent-Typen gelten, erfährst du im Artikel AI-Credits und Verbrauch.
Wo kannst du den Credit-Verbrauch analysieren?
Um herauszufinden, wo besonders viele AI-Credits verbraucht werden, kannst du die AI-Nutzung in awork gezielt auswerten. Öffne dazu Einstellungen → AI → Nutzung & Aktivität und wähle den Zeitraum aus, den du untersuchen möchtest. In der Übersicht kannst du die verbrauchten Credits und die Anzahl der AI-Threads analysieren. Die Tabelle lässt sich unter anderem nach Usern, Agents, Modellen, Projekten und der Art des Starts filtern, sortieren und gruppieren. So kannst du auffällige Verbrauchsmuster gezielt eingrenzen und die Daten bei Bedarf als Excel-Datei exportieren.
👉 Eine detaillierte Anleitung zu den verfügbaren Auswertungen und Filtermöglichkeiten findest du im Artikel AI-Nutzung und AI-Aktivität auswerten.
Wie interpretierst du einen auffällig hohen Verbrauch?
Ein hoher AI-Credit-Verbrauch bedeutet nicht automatisch, dass ein User etwas falsch macht. Um mögliche Ursachen einzugrenzen, solltest du den Verbrauch immer im Zusammenhang mit der Anzahl der Threads, den verwendeten Agents und Modellen sowie der Art des Starts betrachten.
Die folgende Übersicht hilft dir dabei, auffällige Muster einzuordnen und passende Prüfschritte abzuleiten.
| Auffälliges Muster | Mögliche Erklärung | Was solltest du prüfen? |
|---|---|---|
| Hoher Gesamtverbrauch bei vielen Threads | Intensive, möglicherweise normale Nutzung | Credits pro Thread und Umfang der Nutzung |
| Hoher Verbrauch bei wenigen Threads | Komplexe Anfragen, umfangreicher Kontext oder aufwendige Verarbeitung | Verwendetes Modell, Agent und Credits pro Thread |
| Ein bestimmter Agent verursacht einen großen Teil des Verbrauchs | Besonders anspruchsvolle Aufgaben oder Optimierungspotenzial in der Agent-Konfiguration | Agent-Konfiguration, verwendete Tools und Verarbeitungsschritte |
| Deutliche Verbrauchsspitzen an einzelnen Tagen | Ungewöhnlich intensive Nutzung oder vermehrt gestartete Automatisierungen | Zeitverlauf und Auslöser der Threads |
| Ein User verbraucht mehr als andere bei vergleichbaren Aufgaben | Unterschiede in der Arbeitsweise oder in der Verarbeitung | Vergleichbare Aufgaben, dasselbe Modell und denselben Agent |
| Hoher Verbrauch durch automatisierte Threads | Regelmäßige Prozessausführung oder häufige Auslösungen | Häufigkeit und Auslöser der Automatisierungen |
Wie gehst du bei der Analyse vor?
1. Verbrauch und Zeitraum eingrenzen
Wähle den auffälligen User und einen geeigneten Zeitraum aus. Prüfe zunächst, wie viele Threads gestartet wurden und wie hoch der Gesamtverbrauch im Verhältnis zur Anzahl der Threads ist.
2. Nutzungsmuster vergleichen
Untersuche, welche Agents und Modelle verwendet wurden und wodurch die Threads gestartet wurden. Vergleiche den auffälligen User möglichst mit anderen Usern, die ähnliche Aufgaben bearbeiten. Ein Vergleich ist besonders aussagekräftig, wenn Modell, Agent und Aufgabenart ähnlich sind.
3. Auffällige Bereiche genauer untersuchen
Konzentriert sich der Verbrauch auf einen bestimmten Agent, ein Modell oder automatisierte Threads? Nutze diese Informationen, um mögliche Ursachen einzugrenzen. Wenn sich der Verbrauch auf einen Agent konzentriert, kann es sinnvoll sein, seine Konfiguration und die verwendeten Tools zu überprüfen. Bei automatisierten Threads solltest du die Häufigkeit und die jeweiligen Auslöser untersuchen.
4. Eine passende Maßnahme ableiten
Je nach Ergebnis kann es sinnvoll sein, ein anderes Modell zu verwenden, die Agent-Konfiguration zu überprüfen oder Automatisierungen anzupassen. Wenn der Verbrauch durch anspruchsvolle und notwendige Aufgaben entsteht, kann er auch eine normale Folge der Nutzung sein. Entscheidend ist, ob sich der Verbrauch im Verhältnis zu den bearbeiteten Aufgaben nachvollziehbar erklären lässt.
Wichtig: Hoher Verbrauch ist nicht automatisch ineffiziente Nutzung.
Die Auswertung hilft dir dabei, Muster zu erkennen und mögliche Ursachen einzugrenzen. Sie zeigt jedoch nicht allein, dass ein User etwas falsch macht. Berücksichtige bei deiner Bewertung immer den Aufgabenumfang, das verwendete Modell und die Art der Verarbeitung.
Beachte außerdem, dass der Verbrauch einzelner Agent-Runs innerhalb eines Threads nicht separat ausgewiesen wird und auch fehlgeschlagene AI-Aktionen Credits kosten können, wenn bereits AI-Ressourcen eingesetzt wurden.
Welche Richtwerte gibt es für den Credit-Verbrauch?
Der Credit-Verbrauch hängt unter anderem vom verwendeten Modell, dem Umfang der verarbeiteten Informationen und den eingesetzten Tools ab.
👉 Die typischen Richtwerte und weitere Informationen zu den Einflussfaktoren findest du im Artikel AI-Credits und Verbrauch.
Wie kannst du den Credit-Verbrauch optimieren?
1. Das verwendete Modell überprüfen
awork bietet die Modellkategorien Fast, Balanced und Deep Thinking an. Prüfe, ob das verwendete Modell zur jeweiligen Aufgabe passt. Beachte dabei auch die angezeigten relativen Credit-Verbräuche.
👉 Welche Modelle im Workspace verwendet werden können, legst du in den AI-Modelleinstellungen fest.
2. Agents und ihre Konfiguration prüfen
Wenn sich ein hoher Verbrauch auf bestimmte Agents konzentriert, prüfe deren Konfiguration und die verwendeten Tools und Verbindungen.
Berücksichtige dabei, welche Aufgaben die Agents bearbeiten und wie viele Verarbeitungsschritte dafür erforderlich sind.
3. Automatisierungen überprüfen
Wenn der Verbrauch hauptsächlich bei automatisch gestarteten Threads auftritt, untersuche die entsprechenden Aktivitäten und deren Häufigkeit.
So kannst du nachvollziehen, welche Automatisierungen zum beobachteten Verbrauch beitragen und ob Anpassungen sinnvoll sind.
4. Modellwechsel berücksichtigen
Ein Modellwechsel während eines laufenden Threads kann zusätzlichen Credit-Verbrauch verursachen, weil technisches Prompt Caching nicht modellübergreifend weiterverwendet werden kann.
Wenn du Verbrauchsunterschiede untersuchst, berücksichtige deshalb auch Modellwechsel innerhalb der Threads.
Welche Grenzen hat die Auswertung?
Die Nutzungsdaten zeigen dir, wie viele Credits verbraucht wurden und welche User, Agents, Modelle oder Startarten damit verbunden sind. Sie beantworten jedoch nicht automatisch, ob eine konkrete Anfrage notwendig oder effizient war.
Beachte außerdem folgende Einschränkungen:
-
Der Verbrauch einzelner Agent-Runs innerhalb eines Threads wird nicht separat ausgewiesen.
-
Private Threads anderer User können für Admins unzugänglich bleiben, wenn sie nicht mit einem Projekt verknüpft sind. Bestimmte Metadaten, darunter Agent, Anbieter, Modell, Datum und Credit-Verbrauch, bleiben sichtbar.
-
Auch fehlgeschlagene oder unvollständige AI-Aktionen können Credits verbrauchen.
Die Daten sind daher eine Grundlage für die Analyse, aber kein alleiniger Nachweis für eine falsche oder ineffiziente Nutzung.
Was passiert, wenn das Credit-Kontingent nicht ausreicht?
Jeder User verfügt über ein eigenes monatliches Credit-Kontingent. Credits können nicht zwischen Usern übertragen oder im Workspace gebündelt werden.
Wenn ein Kontingent aufgebraucht ist, wird die AI-Nutzung eingeschränkt. Teurere Modelle und komplexere Agent-Funktionen stehen dann nicht mehr vollständig zur Verfügung. Es entstehen keine automatischen zusätzlichen Gebühren.
Als Admin kannst du einen User während des laufenden Abrechnungszeitraums auf einen höheren AI-Plan hochstufen. Das Upgrade wird grundsätzlich sofort wirksam; bereits verbrauchte Credits werden auf das neue Kontingent angerechnet.
Fazit
- Ein hoher Credit-Verbrauch ist nicht automatisch ein Problem.
- Analysiere zunächst die Verteilung nach User, Agent, Modell, Zeitraum und Startart. Vergleiche ähnliche Nutzungen miteinander und prüfe anschließend, ob Anpassungen an Modellen, Agent-Konfigurationen oder Automatisierungen sinnvoll sind.
So kannst du zwischen intensiver, aufgabenbedingt notwendiger Nutzung und möglichem Optimierungspotenzial unterscheiden.
👉 Möchtest du erfahren, wie du AI-Credits sinnvoll einsetzen kannst? Erfahre hier mehr: AI-Credits effizient nutzen.
FAQ
Wie finde ich heraus, welcher User besonders viele AI-Credits verbraucht?
Öffne Einstellungen → AI → Nutzung & Aktivität. Dort kannst du den Verbrauch für einen bestimmten Zeitraum auswerten und nach Usern, Agents, Modellen und weiteren Kriterien filtern, sortieren oder gruppieren.
Welche Faktoren beeinflussen den AI-Credit-Verbrauch?
Der Verbrauch hängt unter anderem vom verwendeten Modell, vom Umfang und der Komplexität der verarbeiteten Informationen, von den Ein- und Ausgaben sowie von der Anzahl der Verarbeitungsschritte ab. Auch Tools, Verbindungen und die Konfiguration eines Agents können den Verbrauch beeinflussen.
Kann ich den Credit-Verbrauch einzelner Agent-Runs nachvollziehen?
Nein. Die Auswertung weist den Verbrauch auf Thread-Ebene aus. Einzelne Agent-Runs innerhalb eines Threads werden nicht separat als Verbrauchseinheiten dargestellt.
Verbrauchen auch fehlgeschlagene AI-Aktionen Credits?
Ja. Eine fehlgeschlagene oder nicht vollständig abgeschlossene AI-Aktion kann Credits verbrauchen, wenn bereits AI-Ressourcen eingesetzt wurden.
Können Admins die Inhalte privater AI-Threads einsehen?
Nicht automatisch. Admins können bestimmte Metadaten privater Threads sehen, beispielsweise Agent, Anbieter, Modell, Datum und Credit-Verbrauch. Die vollständigen Inhalte privater Threads sind dadurch nicht automatisch zugänglich.
Bereitgestellt von happysupport.ai