Mit jeder Aufgabe, die ein Agent übernimmt, steigen die Kosten. Jede davon verbraucht Tokens und Credits, und wenn sich Agenten über Teams und Automatisierungen ausbreiten, kann der Credit-Verbrauch stärker steigen als die eigentliche Nutzung. Wer die Plattform verantwortet, verantwortet auch dieses Wachstum: welche Teams und Workflows es antreiben und ob die Nutzung zu ausgelieferter Arbeit führt.
Auf der GitLab Transcend haben wir die Governed Software Factory vorgestellt, unsere Architektur für agentisches Software Engineering. Dazu kommen neue Funktionen in GitLab Duo Agent Platform, die dieses Wachstum steuerbar machen. Von GitLab verwaltete Open-Weight-Modelle erreichten im Benchmark von GitLab die Erfolgsquote von Frontier-Modellen zu einem Bruchteil der Kosten. Damit lässt sich für jede Aufgabe das Modell wählen, das Kosten und Leistung am besten ausbalanciert. GitLab Orbit gibt Agenten Kontext aus dem gesamten Lebenszyklus, sodass sie seltener neu ansetzen müssen. Duo Agent Platform Impact Analytics und Credit-Caps zeigen, wohin Credits fließen, und setzen ihnen eine Obergrenze.
Kosten mit der Governed Software Factory steuern
Eine Gesamtsumme zeigt, was verbraucht wurde, lässt aber die schwierigen Fragen offen: Wie viel Routinearbeit lief auf einem teuren Modell? Wie viele Agentenläufe waren verschwendete Wiederholungen? Welche Personen und Teams haben die Credits aufgebraucht? Zeigt das Dashboard nur Tokens, diskutieren Plattform- und Engineering-Verantwortliche über eine Zahl, für die keine Seite einstehen kann. Ohne Zuordnung, Grenzen und den Abbau von Verschwendung lassen sich die Ausgaben weder optimieren noch rechtfertigen.
Den Ausweg zeigt die Architektur. Die Governed Software Factory ist in Ebenen aufgebaut, und Kosten wachsen dort, wo diese Ebenen nicht miteinander verbunden sind. Zwei dieser Ebenen sind für die Kosten besonders wichtig. Die erste ist die Agenten-Orchestrierung. Hier übernehmen günstigere Open-Weight-Modelle die Routinearbeit. Die zweite sind Daten und Kontext: Orbit, Duo Agent Platform Impact Analytics sowie die Steuerung von Credits und Nutzung geben Menschen und Agenten den Kontext, um hochwertige Ergebnisse zu möglichst geringen Kosten zu erzielen.

Das Problem zeigt sich in der Software Factory im Schattenbetrieb: Jede Phase hat ihr eigenes Werkzeug, ohne gemeinsame Richtlinien und ohne gemeinsamen Kontext. Agenten verbrauchen Tokens bei der Suche nach Kontext in Systemen, die nie füreinander gebaut wurden. Eine Governed Software Factory gibt Agenten gemeinsamen Kontext, gemeinsame Richtlinien und einen einzigen Ort, an dem sich ihre Kosten messen lassen. Damit jeder KI-Credit zählt, lassen sich drei Hebel nutzen:
- Weniger Credits für dieselbe Arbeit: Mit Open-Weight-Modellen für jede Aufgabe das passende Modell wählen und Agenten mit GitLab Orbit im Kontext des Lebenszyklus verankern, damit sie seltener neu ansetzen müssen.
- Ausgaben bis zur Quelle zurückverfolgen: In Duo Agent Platform Impact Analytics und im GitLab Credits Dashboard die Credits nach Person, Team, Aufgabe und Modell aufschlüsseln, um zu belegen, was das Wachstum verursacht hat.
- Eine Obergrenze vor der nächsten Kostenspitze setzen: Die Nutzung pro Person mit Credit-Caps begrenzen, bei Bedarf mit Ausnahmen, damit Agentenschleifen innerhalb der festgelegten Grenzen bleiben.
Das Modell passend zur Aufgabe wählen
Die Kosten eines Agenten beginnen beim Preis jedes Modellaufrufs. In GitLab Duo Agent Platform lässt sich pro Funktion ein Standardmodell festlegen und steuern, was Teams nutzen dürfen: ein eigenes Modell, selbst gehostet oder vom eigenen Anbieter, von GitLab verwaltete Frontier-Modelle oder von GitLab verwaltete Open-Weight-Modelle, die mit GitLab 19.4 neu hinzugekommen sind.
Drei Open-Weight-Modelle werden jetzt in GitLab Duo Agent Platform gehostet: GLM 5.3, Kimi K3 und MiniMax M3. Im internen Benchmark von GitLab mit Duo-Agenten erreichte GLM 5.3 die Erfolgsquote von Claude Opus 5 zu rund einem Fünftel der Kosten, Kimi K3 die von Claude Fable 5.1 zu einem Drittel und MiniMax M3 die von GPT-5.5 zu einem Achtel. Die Modellwahl ist eine Einstellung für Admins. In den GitLab-Duo-Einstellungen der Top-Level-Gruppe Model Selection öffnen, Manage Models auswählen und jeder Funktion ein Modell zuordnen. So lässt sich zum Beispiel Kimi K3 für Agentic Chat und MiniMax M3 für Agenten und Flows festlegen, damit Routinearbeit nicht standardmäßig auf einem Frontier-Modell läuft. Group Owner legen außerdem fest, welche Modelle ihre Teams nutzen dürfen.
Wiederholungen mit dem richtigen Kontext reduzieren
Die Modellwahl bestimmt den Preis jedes Aufrufs. Wiederholungen vervielfachen dagegen die Zahl der Aufrufe. Laut Gartner gab ein Team aus 40 Entwickler(inne)n 23-mal mehr für KI aus, weil Agenten ohne passende Regeln und ohne passenden Kontext immer wieder neu ansetzten. Agenten setzen neu an, wenn ihnen Kontext fehlt. In einem Monorepo oder über mehrere Repositories hinweg verbringt ein Agent zunächst einen großen Teil seiner Arbeit damit, Dateien zu durchsuchen, um herauszufinden, was womit zusammenhängt. Jeder neue Anlauf schickt das vollständige Kontextfenster erneut mit.
GitLab Orbit bildet Code, Work Items, Merge Requests, Pipelines, Deployments und Sicherheitsfunde in einem einzigen Graphen ab, der aktuell bleibt, während die Teams ausliefern. Agenten in GitLab Duo Agent Platform fragen ihn nativ ab. Externe Agenten wie Claude Code und Codex verbinden sich über das Model Context Protocol (MCP), eigene Werkzeuge über die REST-API. Jeder Agent sieht genau das, was auch die zugehörige Person in GitLab sehen kann.
Mit diesem Kontext fragt ein Agent den Graphen direkt und erhält eine präzise Antwort. In Tests von GitLab brauchte dieselbe Aufgabe in Claude Code mit Orbit bis zu 45-mal weniger Wiederholungen und in einem separaten Test 4,5-mal weniger Tokens, um gleich beim ersten Versuch den richtigen Kontext zu erhalten. Orbit ist ab heute als kostenlose Beta auf GitLab.com verfügbar und wird im nächsten Monat für alle Bereitstellungsoptionen allgemein verfügbar.
Ausgaben messen und begrenzen
Modelle und Kontext senken die Kosten jeder Aufgabe. Ob das aufgeht, zeigen die Daten. Duo Agent Platform Impact Analytics beantwortet die beiden Fragen, die Plattformverantwortliche stellen: Wie viel geben wir aus, und wo konzentrieren sich diese Ausgaben? Die Ausgaben werden nach Team, Aufgabe und Modell für die gewählten Teams und Zeiträume aufgeschlüsselt. Zudem zeigt Impact Analytics, wie ein Open-Weight-Modell im Vergleich zum aktuellen Modellmix abschneidet, sodass Entscheidungen auf Daten beruhen statt auf Vermutungen. Das GitLab Credits Dashboard ergänzt Details unterhalb der Teamebene und führt die Nutzung bis zur Person und Session zurück.
GitLab Credits Dashboard
Zur Transparenz gehören Grenzen. Ohne Grenze bleibt nur der Appell an alle, weniger zu verbrauchen. Mit der Steuerung von Credits und Nutzung lassen sich Caps auf Abonnement-, Gruppen- oder Nutzerebene festlegen, mit Benachrichtigungen bei 50 %, 80 % und 100 % der Ausgaben und einer automatischen Pause, sobald der Cap erreicht ist. Ein einheitlicher Cap pro Person, etwa 1.000 Credits pro Monat, gilt für jedes Teammitglied. Eine individuelle Ausnahme, etwa 500 zusätzliche Credits, gibt Entwickler(inne)n, die experimentieren, Spielraum, ohne um mehr bitten zu müssen. Caps pro Person greifen erst, wenn die enthaltenen Credits aufgebraucht sind. Nur die betroffene Person verliert dann den Zugriff auf Funktionen, die Credits verbrauchen, bis zum nächsten Abrechnungszeitraum oder bis jemand mit Administratorrechten den Cap anhebt.
Duo Agent Platform Impact Analytics zeigt den Credit-Verbrauch zusammen mit der Arbeit, die in Produktion geht. So wird sichtbar, ob die Nutzung zu ausgelieferter Arbeit führt.
Die folgende Demo von der globalen Transcend zeigt Duo Agent Platform Impact Analytics in der Praxis:
Mit der Kostenkontrolle für Agenten beginnen
Am Anfang steht das Modell. Die von GitLab verwalteten Open-Weight-Modelle sind allgemein verfügbar. In der Model Selection GLM 5.3, Kimi K3 oder MiniMax M3 einem Routine-Workload zuordnen, etwa einem Flow, der bei jedem Merge Request läuft.
Danach die Wiederholungen reduzieren. GitLab Orbit ist ab heute als kostenlose Beta auf GitLab.com verfügbar. Am besten zuerst für die Gruppe aktivieren, die die meisten Agenten-Sessions ausführt. Orbit wird im nächsten Monat für alle Bereitstellungsoptionen allgemein verfügbar.
Schließlich messen und Grenzen setzen. Duo Agent Platform Impact Analytics ist im Early Access verfügbar und zeigt die Ausgaben nach Team, Aufgabe und Modell. Die Steuerung von Credits und Nutzung ist allgemein verfügbar. Einen Cap pro Person für GitLab Credits festlegen, mit Ausnahmen für besonders aktive Nutzer(innen). Nach einigen Wochen die Nutzung nach Team und Modell mit dem vorherigen Zeitraum vergleichen.
Wer das Fundament für die eigene Software Factory planen will, findet alles Weitere bei GitLab Duo Agent Platform. Neu bei GitLab? Den Einstieg bietet eine kostenlose Testversion von GitLab Duo Agent Platform. Bereits mit Premium oder Ultimate? Dann GitLab Duo Agent Platform aktivieren und die im Abonnement enthaltenen GitLab Credits nutzen.




