Notion Agent Preise sind live seit dem 4. Mai 2026 — die kostenlose Explorationsphase für Custom Agents ist offiziell vorbei, und jeder Run kostet jetzt echte Credits. Wer während des Trial-Fensters Agenten gebaut hat: Heute ist der Tag, das Dashboard zu öffnen, zu verstehen, was du ausgibst, und ein paar kluge Entscheidungen zu treffen, die deine Rechnung um 80 % oder mehr senken könnten. Dieser Leitfaden zeigt dir genau, was zu tun ist: wie du deinen Credit-Verbrauch liest, wie du Kosten optimierst ohne Qualität zu opfern, und wie du entscheidest, welche Agenten sich überhaupt lohnen. ## Wie prüfst du deinen Notion Credit-Verbrauch?
Du siehst genau, wie viele Credits dein Workspace verbraucht, unter Einstellungen → Zugang & Abrechnung → Notion Credits.
Dieses Dashboard zeigt deinen gesamten Credit-Verbrauch für den aktuellen Abrechnungszeitraum. Stand heute kosten 1.000 Notion Credits 10 $ — du teilst deinen Gesamtverbrauch also durch 100 und bekommst deinen Dollar-Betrag. Einfache Rechnung.
Bei uns haben wir letzten Monat 33.700 Credits über alle Agenten verbraucht. Das sind 337 $. Für uns in Ordnung — der Return on Investment stimmt. Aber die Zahl selbst ist weniger wichtig als das Wissen, wo das Geld hinfließt.
Wie siehst du, welche Agenten am meisten kosten?
Scrolle im Credits-Dashboard nach unten — dort findest du eine Aufschlüsselung pro Agent. Jeder Agent, der im ausgewählten Abrechnungszeitraum gelaufen ist, wird mit seinem Credit-Verbrauch angezeigt.
Ein paar wichtige Punkte:
- Workspace-Owner sehen alle Agenten — auch private, auf die sie keinen Zugriff haben. Du kannst nicht in die Instructions eines privaten Agenten schauen, aber seinen Credit-Verbrauch schon.
- Nicht-Owner sehen nur die Agenten, die sie selbst erstellt haben.
- Nur Agenten, die gelaufen sind, erscheinen im ausgewählten Zeitraum. Wenn du den aktuellen Monat anschaust und nur drei Agenten siehst, wechsle zur vorherigen vollständigen Abrechnungsperiode für das vollständige Bild.
Das Muster, das du wahrscheinlich erkennst: Eine Handvoll Agenten am oberen Ende verbraucht den Großteil der Credits. Alles auf Seite zwei und weiter kostet insgesamt wahrscheinlich ein paar Dollar. Die sind nicht das Problem.
Pro-Tipp: Fang oben in der Liste an und arbeite dich nach unten. Für jeden teuren Agenten, stell dir drei Fragen: Liefert er klaren Mehrwert? Kann ich ihn optimieren? Sollte das überhaupt ein Agent sein?
Wie kaufst und verwaltest du Credits?
Notion Credits werden im monatlichen Abonnement erworben. Sie werden jeden Abrechnungszyklus zurückgesetzt, und nicht verwendete Credits verfallen.
So kaufst du Credits:
- Gehe zu Einstellungen → Zugang & Abrechnung → Notion Credits
- Wähle Notion Credits hinzufügen
- Wähle deinen monatlichen Betrag — ab ein paar Hundert bis in die Tausende
Du kannst dein Abonnement jeden Monat anpassen. Wenn du mittendrin das Limit erreichst, kannst du sofort nachladen. Aber wenn Credits vor dem Reset auf null fallen, stoppen deine Agenten — behalte also das Tempo im Blick, besonders mit einem konservativen Limit.
Kannst du Ausgabenlimits für einzelne Agenten setzen?
Ja. Du kannst den monatlichen Credit-Verbrauch eines Agenten von zwei Stellen aus deckeln:
- Im Credits-Dashboard — klicke auf einen Agenten und setze ein Limit
- Im Agent-Builder — suche nach dem Credit-Icon oben in den Einstellungen
Sobald ein Agent sein Limit erreicht, pausiert er für den Rest des Abrechnungszeitraums. Das ist eine nützliche Absicherung für Agenten, die du laufen lassen willst, ohne dass sie außer Kontrolle geraten.
Was, wenn du nicht weißt, wie viele Credits du brauchst?
Notion hat einen Credit-Rechner gebaut, der grobe Schätzungen für gängige Use Cases gibt. Ein vernünftiger Ausgangspunkt — aber reale Nutzung ist immer der bessere Leitfaden.
Wenn du von Null anfängst: Plane ein kleines Entwicklungsbudget ein — ein paar Tausend Credits je nach Organisationsgröße — und lass die Leute bauen. Nach einem vollständigen Abrechnungszyklus hast du echte Daten zum Arbeiten.
Wie kannst du deine Notion Agent Kosten senken?
Den vollständigen Deep Dive zur Kostenoptimierung findest du in unserem separaten Leitfaden, aber hier sind die drei wichtigsten Hebel — und eine Bonus-Strategie, die das Spiel komplett verändert. Für einen Überblick darüber, wie Agenten in deine breitere Automatisierungsstrategie passen, sieh dir unseren Leitfaden zu Custom Agents vs. Automations an.
Spart der Modellwechsel wirklich so viel?
Ja. Das ist der bei Weitem schnellste Kostensenkungs-Hebel, den du hast.
Haiku kostet ungefähr ein Fünftel von Opus pro Run. Für Aufgaben wie Routing, Extrahieren, Klassifizieren und Zusammenfassen liefert es die gleichen Ergebnisse. Das ist eine Einsparung von 80 % mit einer einzigen Einstellungsänderung.
Hier ist das Entscheidungsframework:
- Schweres Reasoning, kreative Komplexität, tiefe Analyse → Opus. Zahl den Aufpreis. Es lohnt sich hier.
- Mittleres Reasoning, strukturierte Ausführung → Sonnet oder GPT 5.5. GPT 5.5 erscheint zwar als “Kosten: hoch”, ist aber deutlich günstiger als Opus und exzellent darin, Instructions zu folgen.
- Einfache Operationen → Haiku, Gemini Flash oder Minimax. Perfekt für Formatierung, Klassifizierung, Extraktion und Zusammenfassung.
Der praktische Test: Könnte ein Mensch diese Aufgabe mit Kater erledigen? Wenn ja, ist das ein Haiku-Job. Vielleicht sogar ein kleineres Modell.
Eine Sache für heute: Öffne jeden deiner Agenten und prüfe die Modelleinstellung. Keiner sollte auf Auto stehen. Als Credits noch kostenlos waren, war Auto fine. Jetzt, wo du zahlst, solltest du für jeden Agenten eine bewusste Entscheidung treffen. Entweder rechtfertigt die Aufgabe Opus-Level-Reasoning — oder nicht. Wenn du Hilfe bei der Bewertung deiner Modellauswahl und Agenten-Architektur brauchst, können unsere Notion Beratungsleistungen den Prozess beschleunigen.
Warum ist es günstiger, Agenten aufzuteilen als einen großen zu betreiben?
Das klingt kontraintuitiv, aber mehrere kleine Agenten zu betreiben ist oft deutlich günstiger als ein großer Agent.
Der Grund ist einfach: Wenn dein großer Agent eine komplexe Aufgabe unter vielen einfachen erledigt, muss der gesamte Agent auf Opus laufen — die Modellwahl wird vom anspruchsvollsten Schritt bestimmt. Das bedeutet: Du wirfst die teuerste Intelligenz auf kleine Probleme.
Durch die Aufteilung in eine Pipeline läuft der Großteil der Schritte auf günstigen Modellen, und Opus wird nur für den Schritt reserviert, der es wirklich braucht.
In unserer Blog-Post-Produktionspipeline zum Beispiel läuft nur der erste Schritt — das eigentliche Schreiben — auf Opus. Alles danach läuft auf Sonnet oder Haiku. Die Gesamtkosten der Kette sind ein Bruchteil dessen, was ein einzelner monolithischer Agent verbrennen würde.
Was ist Progressive Context Disclosure?
Progressive Context Disclosure bedeutet, dass dein Agent nicht alle Instructions von Anfang an liest. Er lädt Kontext nur dann, wenn und falls er ihn braucht.
Das ist besonders wirkungsvoll bei längeren Prozessen mit bedingten Verzweigungen. Wenn dein Agent fünf verschiedene Szenarien abdeckt, aber pro Run nur eines davon begegnet, sind die anderen vier Sets an Instructions reiner Overhead — verarbeitete Tokens für nichts.
Die Lösung: Strukturiere deine Instructions so, dass die detaillierte Anleitung für jedes Szenario auf einer separaten Seite liegt. Der Agent liest die relevante Seite erst, wenn er diesen Schritt erreicht — und nur wenn die Bedingung erfüllt ist.
Unser Blog-Post-Link-Optimierer ist ein gutes Beispiel. Affiliate-Link-Platzierungs-Instructions werden nur geladen, wenn der Artikel externe Tools erwähnt. Keine externen Tools erwähnt? Keine Tokens für Affiliate-Logik verbrannt.
Pro-Tipp: Schau dir deine Agent-Instructions durch. Wenn du fünf verschiedene “Wenn das, dann jenes”-Szenarien siehst, bei denen alle Instructions von Anfang an geladen werden — da ist Spielraum für Token-Optimierung.
Sollte das überhaupt ein Agent sein?
Das ist der größte Kostensenkungs-Hebel von allen — denn der günstigste Agent ist der, den es nicht gibt.
Hier ist ein Entscheidungsframework, das wir nutzen, um jeden Agenten in unserem System zu bewerten. Geh diese vier Fragen der Reihe nach durch.
| Frage | Wenn Ja | Wenn Nein |
|---|---|---|
| 1. Ist das deterministisch (Wenn/Dann)? | → Nutze eine Automation oder Code. Kein Agent. | → Weiter zu Frage 2. |
| 2. Nutzt du das im Chat? | → Führ es stattdessen als Skill über deinen persönlichen Agenten aus. Das ist kostenlos. | → Weiter zu Frage 3. |
| 3. Läuft es auf einem Trigger (autonom)? | → Weiter zu Frage 4. | → Überlege nochmal. Wenn du es trotzdem manuell triggerst, reicht ein Skill. |
| 4. Eliminiert es deine Aufmerksamkeit vollständig? | → ✅ Lohnt sich zu bezahlen. Das ist ein echter Agent Use Case. | → Abwägen: Ist der Preis es wert, 2 Minuten manuelles Triggern zu sparen? |
Gehen wir jede Frage durch.
Ist das wirklich ein deterministischer Flow?
Wenn das, was du baust, als harte Regeln ausgedrückt werden kann — “wenn Domain passt, verlinke auf Unternehmen” oder “nach drei Tagen, sende Follow-up-Template eins” — ist das kein Agent. Das ist eine Automation.
Agenten existieren für Aufgaben, die Reasoning erfordern. Sentiment kategorisieren, Bedeutung aus unstrukturiertem Text extrahieren, entscheiden, was bei mehrdeutigen Inputs zu tun ist — das braucht KI. Alles andere ist günstiger als regelbasierter Flow.
Der Unterschied ist wichtig, weil deterministische Flows praktisch nichts kosten. Eine Automation feuert sofort und zuverlässig. Ein Agent verarbeitet Tokens, denkt durch Instructions und verbrennt bei jeder Ausführung Credits — selbst wenn die Antwort offensichtlich ist.
Im KI-Zeitalter ist das Bauen von Automations einfacher denn je. Tools wie Notion’s eingebaute Automations oder Natural-Language-Automation-Builder lassen dich beschreiben, was du willst, und du bekommst einen funktionierenden Flow. Wenn du darin einen kleinen KI-Schritt brauchst, zahlst du nur Tokens für diesen einen Reasoning-Schritt — nicht für alle deterministischen drum herum.
Betreibst du Custom Agents im Chat-Modus?
Das ist vielleicht der häufigste Fehler gerade. So viele Custom Agents werden ausschließlich im Chat verwendet — der Nutzer öffnet den Agenten, tippt einen Prompt und wartet auf eine Antwort.
Hier ist die Sache: Dein persönlicher Notion AI Agent macht das kostenlos. Er ist in deinem Abonnement enthalten.
Der gesamte Sinn von Custom Agents ist, dass sie autonom auf Trigger laufen — jedes Mal, wenn sich ein Datenbank-Eintrag ändert, jedes Mal, wenn eine Slack-Nachricht ankommt, nach einem Zeitplan. Wenn du keine Trigger nutzt, zahlst du für etwas, das dein persönlicher Agent bereits kostenlos erledigt.
Die Brücke zwischen beiden? Skills. Wenn du deine Instructions als wiederverwendbare Skill-Pages schreibst statt sie in Agent-Instructions einzubetten, wird der Wechsel zwischen “ich löse das manuell über meinen persönlichen Agenten” und “das läuft automatisch über einen Custom Agent” trivial.
Es gibt ein paar legitime Ausnahmen:
- Custom Agents haben Features, die dein persönlicher Agent nicht hat — zum Beispiel das Ausführen von Notion’s eingebauten Code Workers oder SQL-Queries auf Data Warehouses.
- Adoption — du könntest bewusst Chat-basierte Agenten einrichten, um die Hürde für Teammitglieder zu senken, die noch nicht mit Skills vertraut sind.
- Permissions — Custom Agents bieten granularere Zugriffskontrolle als dein persönlicher Agent.
Aber für die meisten Menschen, die meiste Zeit: Einen Custom Agent im Chat zu betreiben bedeutet, für etwas zu zahlen, das bereits kostenlos ist.
Eliminiert er deine Aufmerksamkeit wirklich?
Das ist die letzte und wichtigste Frage. Ein Agent, der auf einen Trigger läuft, aber trotzdem erfordert, dass du den Output reviewst bevor du handelst, hat deine Aufmerksamkeit nicht eliminiert — er hat sie nur verschoben. Notion’s AI Hub behandelt dieses Entscheidungsframework ausführlich.
Stell dir einen Montag-Morgen-Briefing-Agenten vor. Er sammelt deine E-Mails, prüft deinen Kalender, schaut offene Aufgaben durch und erstellt eine Zusammenfassung. Klingt nützlich. Aber du musst trotzdem:
- Bemerken, dass er fertig ist
- Das Briefing lesen
- Entscheiden, was du damit machst
Vergleiche das damit, deinen persönlichen Agenten zu fragen: “Führ mein Montag-Morgen-Briefing aus.” Du machst zehn Minuten lang was anderes, kommst zurück, reviewst den Report. Der Zeitunterschied? Vielleicht zwei Minuten.
Vergleiche das jetzt mit einem Agenten, der deine LinkedIn-Posts der Woche nimmt, sie reformatiert und vollständig autonom auf deiner Unternehmensseite und Medium veröffentlicht. Kein Review nötig. Keine Aufmerksamkeit erforderlich. Eine Aufgabe, die einfach im Hintergrund passiert.
Beim ersten Szenario lohnen sich die Kosten für den Custom Agent wahrscheinlich nicht. Beim zweiten würdest du gerne 5 $ pro Run zahlen, weil eine Aufgabe dauerhaft von deinem Tisch verschwunden ist.
Pro-Tipp: Auditiere deine getriggerten Agenten mit dieser Perspektive. Wie viele sind wirklich Fire-and-Forget? Das sind die, die sich lohnen zu bezahlen. Der Rest ist vielleicht besser als Skills, die du manuell triggerst — zumindest bis du genug Vertrauen hast, sie unbeaufsichtigt laufen zu lassen.
Solltest du jetzt überoptimieren?
Ehrlich gesagt? Wahrscheinlich nicht.
Die obigen Strategien sind wichtig — du solltest kein Geld damit verschwenden, Dinge auf die falsche Art zu tun. Aber es besteht die echte Gefahr, mehr Zeit mit Optimieren zu verbringen als die Optimierung wert ist.
Wenn du eine Organisation mit 50, 100 oder 500 Menschen leitest, ist dein Token-Spend wahrscheinlich ein Rundungsfehler im Vergleich zu deiner Lohnliste. Und gerade bist du in der Lernphase. Das ist eine Investition darin, sicherzustellen, dass die Leute wirklich anfangen, mit KI zu arbeiten.
Wir selbst lehnen uns da hinein. Wir werden nicht jeden Agenten auf 10 % Effizienzgewinn abklopfen. Wir bauen lieber drei weitere Agenten, die weitere 100 $ an Credits verbrauchen — um zu verstehen, was funktioniert, was echten Mehrwert liefert und was nicht.
Das bedeutet nicht, Geld zu verbrennen. Es bedeutet, bewusst zu sein:
- Offensichtliche Verschwendung beseitigen — Modelle wechseln, deterministische Agenten durch Automations ersetzen, Chat-only-Agenten zu Skills machen.
- In Exploration investieren — lass dein Team bauen, testen und iterieren.
- Das Dashboard nutzen — schau dir monatlich die Top-Ausgaben an und triff bewusste Behalten/Optimieren/Abschalten-Entscheidungen.
Die Organisationen, die KI-Agenten jetzt verstehen, werden in zwölf Monaten einen enormen Vorsprung haben. Die, die wegen ein paar Hundert Dollar Credits einfrieren, werden zurückfallen.
Erfahre mehr über Notion Automationen und wann sie die bessere Wahl als Agents sind — oder melde dich für Notion for Teams an, eine kostenlose 7-Tage-Serie über essenzielle Notion-Frameworks für Teams.
Häufig gestellte Fragen
Wie viel kosten Notion Credits?
Notion Credits kosten 10 $ pro 1.000 Credits, werden monatlich zusammen mit deinem Business- oder Enterprise-Abonnement abgerechnet. Credits sind workspace-übergreifend geteilt, werden jeden Monat zurückgesetzt und verfallen nicht übertragbar. Du kannst deinen gekauften Betrag jeden Abrechnungszyklus anpassen und bei Bedarf mid-month nachladen.
Was passiert, wenn du keine Notion Credits mehr hast?
Deine Custom Agents stoppen. Getriggerte Automations, die auf Agenten basieren, pausieren, bis ein Admin mehr Credits hinzufügt. Deshalb ist es wichtig, das Tempo im Blick zu behalten — besonders wenn du ein konservatives Limit gesetzt hast. Notion sendet Benachrichtigungen, wenn dein Workspace 80 % und 100 % seiner Credit-Zuteilung erreicht.
Kannst du Notion AI noch kostenlos nutzen?
Ja. Dein persönlicher Notion AI Agent — der in der Sidebar — ist in deinem Business- oder Enterprise-Abonnement kostenlos enthalten. AI Meeting Notes, Enterprise Search und alle bestehenden KI-Features bleiben kostenlos. Nur Custom Agents, die autonom auf Trigger laufen, verbrauchen Notion Credits.
Welches Modell ist das beste für Notion Agents?
Es kommt auf die Aufgabe an. Opus liefert das höchste Reasoning-Level, kostet aber deutlich mehr. Haiku kostet etwa ein Fünftel von Opus und erledigt einfache Aufgaben wie Klassifizierung, Extraktion und Formatierung genauso gut. GPT 5.5 ist eine starke Mittelklasse-Option für logiklastige Arbeit bei niedrigeren Kosten als Opus. Das Kernprinzip: Match das Modell zur Komplexität der Aufgabe, und lass es niemals auf Auto.
Wie kannst du Notion Agent Kosten um 80 % senken?
Drei bewährte Hebel: Teure Modelle gegen günstigere tauschen, die zur Aufgabenkomplexität passen (Haiku statt Opus für einfache Arbeit), monolithische Agenten in Multi-Agent-Pipelines aufteilen, damit jeder Schritt auf dem richtigen Modell läuft, und Progressive Context Disclosure nutzen, damit Agenten nur die Instructions laden, die sie wirklich brauchen. Darüber hinaus: deterministische Workflows durch Automations ersetzen und Chat-only-Agenten zu kostenlosen Skills über deinen persönlichen Agenten machen.
