Microsoft stellt TokenEconomizer zur Kostensenkung bei KI-Programmierassistenten vor
Microsoft Research hat TokenEconomizer vorgestellt, eine quelloffene Erweiterung zur Kostensenkung bei KI-Programmierassistenten. Sie nutzt Erfahrungen aus abgeschlossenen Arbeitssitzungen für spätere Aufgaben. In der Untersuchung sanken die Kosten, während die Erfolgsquoten weitgehend stabil blieben.
Die am 16. November 2026 vorgestellte Erweiterung stammt von UC Berkeley, Microsoft Research und Microsoft Security. Die Beteiligten untersuchten 277 Fehlerbehebungsaufgaben aus sechs Softwareprojekten mit fünf Kombinationen aus Programmierassistent und KI-Modell. Die durchschnittlichen Kosten sanken dabei um 18,4 bis 30,9 Prozent. Eingerechnet sind die zusätzlichen Modellaufrufe von TokenEconomizer selbst.
Weniger Wiederholungen und ungenutzte Werkzeuge
Eine Voruntersuchung mit Claude Code, einem KI-Programmierassistenten, zeigte wiederkehrende Verschwendung bei 60 Aufgaben. Nach mindestens fünf abgeschlossenen Aufgaben wiederholten 30 Prozent der Werkzeugaufrufe frühere Aktionen desselben Projekts. Der Assistent erhielt zudem bei jedem Durchlauf Beschreibungen von 23 Werkzeugen, verwendete davon jedoch 16 nie. Erfolglose Aufgaben machten 17 Prozent der Fälle aus, verursachten aber 32 Prozent der Ausgaben.
TokenEconomizer wertet deshalb nach jeder Sitzung deren Protokoll aus und hält wiederholt bestätigtes Projektwissen in kurzen Notizen fest. Widersprechen spätere Erfahrungen einer Notiz, entfernt die Erweiterung diese wieder. Selten benötigte Werkzeuge blendet sie aus, kann diese aber zurückholen. Grundfunktionen zum Ausführen von Befehlen und Bearbeiten von Dateien bleiben verfügbar.
Eingreifen bei festgefahrenen Aufgaben
Bei wiederkehrenden Fehlern lässt TokenEconomizer ein weiteres KI-Modell beurteilen, ob der Assistent noch Fortschritte erzielt. Andernfalls erhält dieser einen Hinweis auf einen anderen Lösungsweg. Bleibt er anschließend stecken, benachrichtigt die quelloffene Erweiterung den Entwickler, statt die Arbeit selbst abzubrechen. Assistent und zugrunde liegendes Modell bleiben unverändert; das gesammelte Wissen verbleibt auf dem Rechner des Entwicklers.
Anfangs können durch das Lernen Mehrkosten entstehen. In der Untersuchung mit Claude Code lagen die kumulierten Kosten spätestens ab der sechsten Aufgabe in jedem Projekt unter dem Vergleichswert. Bei aufeinanderfolgenden Webentwicklungsaufgaben im Prüfverfahren Web-Bench betrug die Einsparung 16,0 bis 21,2 Prozent. Bei Sicherheitsprüfungen mit jeweils wechselnden Projekten sank der Aufwand um 6,4 bis 19,6 Prozent.
Dieser Artikel wurde KI-generiert erstellt. Die Themenauswahl trifft die Redaktion, die redaktionelle Verantwortung liegt bei KI-Prüfstand.