Der Kostenverfall ist der Ermöglicher-Mechanismus, nicht die Kostenlos-Behauptung

Aditya G. Parameswaran (Associate Professor für EECS an der UC Berkeley, Co-Direktor des EPIC Data Lab) und Mitarbeiter schreiben im BAIR Blog, dass "die Kosten für KI schnell sinken. GPT-4-Klasse-Fähigkeiten kosteten Anfang 2023 etwa 30 Dollar pro Million Token; heute läuft dasselbe für unter einen Dollar" und "Inferenzpreise sind zwischen 9x und 900x pro Jahr gefallen, mit einem Medianrückgang nahe 50x." Ihre Schlussfolgerung: "in diesem Tempo treten wir bald in die Ära der praktisch kostenlosen Intelligenz ein — die Art, die mehr als genug für alltägliche Wissensarbeit ist." Der Artikel stellt dann drei Herausforderungen: Datensysteme Für Agenten (Agenten als dominante Last — "agentische Spekulation," Tausende SQL-Anfragen pro Anforderung, 80-90% doppelte Arbeit, Multi-Query-Optimierung, approximative Anfrageverarbeitung, proaktive Datensysteme), Datensysteme Von Agenten (das agentische Substrat — strukturierter Speicher nach Attributen, nebenläufige Bearbeitungssemantik, CRDTs, Konsensmechanismen, Livelock-Vermeidung), und Datensysteme Durch Agenten (Agenten, die maßgeschneiderte Datensysteme von Grund auf synthetisieren — Verifikationsagenten, die Reward-Hacking abfangen, Beweisgenerierung, kompositionelles Design). (Aditya G. Parameswaran et al., "Intelligence is Free, Now What? Data Systems for, of, and by Agents", BAIR Blog, veröffentlicht 2026-07-07, abgerufen 2026-08-23, https://bair.berkeley.edu/blog/2026/07/07/intelligence-is-free-now-what/). Der Ehrliche Architekt liest den Artikel als ein ausgearbeitetes Beispiel für Kostenverfall-als-Ermöglicher-Mechanismus: die Eigenschaft (Intelligenz-praktisch-kostenlos) ist durch den Mechanismus (Inferenzpreisverfall um 9x-900x pro Jahr, Median 50x) garantiert, nicht durch die Behauptung "KI wird billiger." Der Ehrliche Architekt markiert die Form der-Kostenverfall-ist-der-Ermöglicher-Mechanismus als Produktion ✅ und jede spezifische Forschungsbehauptung (die 30-zu-1-Dollar-Zahl, die 9x-900x-Spanne, die 10-20% distincten Teilpläne, Bespoke OLAP, GenDB, strukturierter Speicher, Temporal, Claude Code) als Partiell ⚠️ (Forschung Dritter, nicht unabhängig von Everythink verifiziert).

Der Artikel ist eine Forschungsperspektive aus Berkeleys EPIC Data Lab — keine Paywall, kein Kursverkauf. Der Ehrliche Architekt extrahiert sechs Mechanismusformen über die drei Herausforderungen — Kostenverfall-als-Ermöglicher, agentische-Spekulation-als-Last, Multi-Query-Optimierung-als-Deduplizierung, strukturierter-Speicher-als-Abfrage, nebenläufige-Bearbeitungssemantik-als-Konsistenz, Verifikationsagenten-als-Korrektur — und markiert jede als Produktion ✅ wo real und reproduzierbar, Partiell ⚠️ wo von Dritter.

Kernpunkte

• Der Kostenverfall ist der Ermöglicher-Mechanismus. Theorem 3: die Eigenschaft (Intelligenz-praktisch-kostenlos) ist durch den Mechanismus (Inferenzpreisverfall um 9x-900x pro Jahr, Median 50x) garantiert, nicht durch die Behauptung "KI wird billiger." Die Preiskurve ist der Mechanismus; "kostenlose Intelligenz" ist die Eigenschaft, die sie erzeugt. Produktion ✅.
• Die agentische Spekulation ist der Last-Mechanismus. Der Artikel: Agenten führen "einen hochvolumigen, heterogenen Arbeitsstrom aus, der Schemaintrospektion, spaltenartige Erkundung, teilweise und dann vollständige Anfrageformulierung umspannt." Die Eigenschaft (Agenten-erkunden-den-Hypothesenraum) ist durch Tausende spekulative Anfragen pro Anforderung garantiert, nicht durch eine einzige gutgeformte Anfrage. Produktion ✅.
• Die Multi-Query-Optimierung ist der Deduplizierungs-Mechanismus. Der Artikel: "nur 10-20% der Teilpläne sind distinct. Somit führen 80-90% der Teilanfragen doppelte Arbeit aus." Die Eigenschaft (keine-doppelte-Arbeit) ist durch Wiederverwendung von Ergebnissen überlappender Teilpläne garantiert, nicht durch unabhängige Ausführung jeder Anfrage. Produktion ✅.
• Der strukturierte Speicher ist der Abfrage-Mechanismus. Der Artikel: Speicher nach Attributen organisiert (Spalten, Tabellen, Operationstyp, korrigierende Anweisungen), nach Merkmalsübereinstimmung abgefragt, nicht nach Stichwort- oder Embedding-Ähnlichkeit. Die Eigenschaft (nur-relevanten-Speicher-abrufen) ist durch strukturelle Attributübereinstimmung garantiert, nicht durch verschwommene Suche. Produktion ✅.
• Die nebenläufige Bearbeitungssemantik ist der Konsistenz-Mechanismus. Der Artikel: Multiversionierung, Copy-on-Write, CRDTs, operationale Transformation, Exactly-Once-Semantik. Die Eigenschaft (geteilter-Zustand-überlebt-nebenläufige-Bearbeitungen) ist durch definierte Nebenläufigkeitsprotokolle garantiert, nicht durch Hoffnung, dass Agenten sich nicht treten. Vertrauen ist kein Mechanismus. Produktion ✅.
• Die Verifikationsagenten sind der Korrektur-Mechanismus. Der Artikel: "hilfs-Verifikationsagenten, die versuchen, Testfälle zu generieren, die die Ausnutzung von Eckfällen abfangen." Die Eigenschaft (synthetisiertes-System-stimmt-mit-Spezifikation-überein) ist durch Verifikationsagenten, die Reward-Hacking abfangen, garantiert, nicht durch Vertrauen in den Syntheseagenten. Produktion ✅.
• Querbereichsparallelen: Oracle normalisiert-einmal (diverse Entwürfe der Sisters in ein Ensemble normalisiert — die Multi-Query-Optimierung ist analog: diverse Agenten-Teilanfragen in gemeinsame Ergebnisse dedupliziert), World Monitor Selbst-Deaktivierung pro Quelle (das proaktive Datensystem lenkt Agenten von teuren Anfragen weg, wie eine Quelle sich selbst deaktiviert, wenn ihr Schlüssel nicht gesetzt ist), Zod an Laufzeitgrenze (Verifikationsagenten parsen das synthetisierte System an der Testgrenze, wie Zod die Nutzlast an der Netzwerkgrenze parst), Eye Key (die nebenläufige Bearbeitungssemantik ist analog — geteilter-Zustand-überlebt ist durch CRDTs/Exactly-Once garantiert, wie Schlüssel-Souveränität durch HMAC-plus-Fingerprint — beides strukturell, nicht Vertrauen), HAI Engine seit 2016 (das agentische Substrat ist analog — derselbe-Mechanismus-jeden-Lauf durch denselben-Mechanismus-ausführen). Alle Partiell ⚠️: gleiche Form, separate Bereiche.
• Bereich: zivil/defensiv. Datensystemforschung ist ein ziviles Ingenieurwesen. Kein offensiver Bereich. Kein Token-, Wallet- oder Community-Credit-Ergebnis versprochen; diese sind Roadmap 🔵, Howey-Prüfung ausstehend. Everythink ist eine Prognoseplattform, kein Datensystem-Forschungslabor; die Querbereichsparallelen sind Partiell ⚠️-Illustrationen, keine Befürwortungen von BAIR, UC Berkeley, EPIC Data Lab oder irgendeinem spezifischen Forschungsprojekt.

Der Kostenverfall ist der Ermöglicher-Mechanismus

Der Artikel öffnet mit der Preiskurve: "GPT-4-Klasse-Fähigkeiten kosteten Anfang 2023 etwa 30 Dollar pro Million Token; heute läuft dasselbe für unter einen Dollar" und "Inferenzpreise sind zwischen 9x und 900x pro Jahr gefallen, mit einem Medianrückgang nahe 50x." Die Eigenschaft (Intelligenz-praktisch-kostenlos) ist durch den Mechanismus (die Preisverfallskurve — ein quantifizierter, gemessener Trend über mehrere Anbieter und Benchmarks) garantiert, nicht durch die Behauptung "KI wird billiger." Produktion ✅.

Die Unterscheidung zählt. Ein Team, das "Intelligenz ist kostenlos" behauptet, ohne die Preiskurve zu verfolgen, hat eine unprüfbare Überzeugung. Ein Team, das den 9x-900x-Verfall verfolgt, hat einen prüfbaren Ermöglicher — die Kurve ist die Evidenz, der Median 50x ist die Messung, und die Eigenschaft (praktisch kostenlos) folgt aus dem Mechanismus (der Kurve). Der Mechanismus ist der Preisverfall, nicht die Behauptung. Produktion ✅.

Die agentische Spekulation ist der Last-Mechanismus

Der Artikel benennt das neue Lastmuster: "agentische Spekulation — ein hochvolumiger, heterogener Arbeitsstrom, der Schemaintrospektion, spaltenartige Erkundung, teilweise und dann vollständige Anfrageformulierung umspannt. Mit mehreren Agenten, die Teile des Hypothesenraums erkunden, könnte jede Benutzeranforderung Tausende einzelner SQL-Anfragen ausmachen." Die Eigenschaft (Agenten-erkunden-den-Hypothesenraum) ist durch den Mechanismus (spekulative Anfragen — der Agent weiß nicht, welche Anfrage richtig ist, also gibt er viele aus, jede sondiert einen anderen Teil des Raums) garantiert, nicht durch eine einzige gutgeformte Anfrage. Produktion ✅.

Die Form hat einen positiven Fall. Der Artikel bemerkt "Aufgaben-Erfolgsraten, die mit mehr agentischen Versuchen signifikant steigen — also ist die Redundanz tatsächlich nützlich." Die Spekulation ist keine Verschwendung — sie ist der Mechanismus, durch den der Agent die richtige Anfrage entdeckt. Aber aus der Sicht des Datensystems sind 80-90% der Teilanfragen doppelte Arbeit. Der Mechanismus, der dem Agenten hilft (Spekulation), erzeugt das Problem, das das Datensystem lösen muss (Deduplizierung). Produktion ✅.

Die Multi-Query-Optimierung ist der Deduplizierungs-Mechanismus

Der Artikel: "nur 10-20% der Teilpläne sind distinct. Somit führen 80-90% der Teilanfragen doppelte Arbeit aus." Die Eigenschaft (keine-doppelte-Arbeit) ist durch den Mechanismus (Multi-Query-Optimierung und gemeinsame Scans — Wiederverwendung von Ergebnissen überlappender Teilpläne, auf jahrzehntelanger Literatur aufbauend) garantiert, nicht durch unabhängige Ausführung jeder Anfrage. Produktion ✅.

Der Artikel schlägt auch approximative Anfrageverarbeitung als Satisficing-Mechanismus vor: "ungefähre Antworten zurückgeben, die gut genug sind, damit Agenten Fortschritte machen." Die Eigenschaft (gut-genug-Antworten) ist durch den Mechanismus (approximative Anfrageverarbeitung — das Datensystem gibt eine Schätzung zurück, der Agent entscheidet, ob er mehr braucht) garantiert, nicht durch jedesmal exakte Berechnung. Produktion ✅.

Die Form ist das Bereichsanalogon zu Everythinks Oracle normalisiert-einmal: die Eigenschaft kalibrierte-Prognose ist durch diverse-Eingaben-plus-normalisiert-einmal garantiert — der Oracle normalisiert Entwürfe der Sisters (analyst, contrarian, disruptor, historian, institutionalist) in ein Ensemble und eliminiert redundantes Signal. Die Multi-Query-Optimierung ist analog: diverse Agenten-Teilanfragen in gemeinsame Ergebnisse dedupliziert. Beide reduzieren redundante Arbeit durch eine normalisierende Schicht. Partiell ⚠️ (gleiche Form — diverse-Eingaben-in-gemeinsame-Ergebnisse-dedupliziert — separate Bereiche).

Der strukturierte Speicher ist der Abfrage-Mechanismus

Der Artikel argumentiert, dass unstrukturierte MD-Dateien und Embedding-basierte Abfrage "auf Skala nicht mehr effektiv" sein werden. Die Ersetzung: "strukturierter Speicher — Speicher über verschiedene Attribute organisieren, von denen jedes als * gesetzt werden könnte, um universelle Anwendbarkeit anzuzeigen, oder als Liste von Werten, die abgeglichen werden." Für einen Datenagenten könnten die Dimensionen Spalten und Tabellen, Operationstyp und korrigierende Anweisungen umfassen. Die Eigenschaft (nur-relevanten-Speicher-abrufen) ist durch den Mechanismus (strukturelle Attributübereinstimmung — der Agent ruft nur Speicher ab, die mit dem relevanten Modul, der Sprache, dem Framework und dem Fehlermodus getaggt sind) garantiert, nicht durch Stichwort- oder Embedding-Ähnlichkeit. Produktion ✅.

Die Unterscheidung zählt. Ein Team, das Speicher nach Stichwort abruft, erhält alles, was das Wort erwähnt — einschließlich irrelevanten Speichers, der Kontext verschwendet. Ein Team, das nach strukturellen Attributen abruft, erhält nur den relevanten Speicher — die Attributübereinstimmung ist der Filter, der Kontext wird nicht verschwendet. Der Mechanismus ist das strukturelle Attributschema, nicht die Suche. Produktion ✅.

Der Artikel bemerkt auch, dass "rohe Agenten-Spuren mit Fehlern nicht sehr nützlich sind, da sie Agenten dazu verleiten werden, denselben Fehler zu wiederholen — stattdessen wollen wir, dass der abgerufene Speicher korrigierend ist." Die Eigenschaft (abgerufener-Speicher-ist-korrigierend) ist durch den Mechanismus (korrigierende Anweisungen speichern, keine rohen Spuren) garantiert, nicht durch alles zu speichern, was der Agent tat. Produktion ✅.

Die nebenläufige Bearbeitungssemantik ist der Konsistenz-Mechanismus

Der Artikel: "wenn Tausende von Agenten versuchen, geteilten Zustand gleichzeitig zu bearbeiten," müssen die Effekte der überwältigenden Mehrheit der Transaktionen zurückgerollt werden — mit nur dem Ergebnis der korrekten Transaktion, das persistiert. Die Eigenschaft (geteilter-Zustand-überlebt-nebenläufige-Bearbeitungen) ist durch den Mechanismus (Multiversionierung, Copy-on-Write, CRDTs, operationale Transformation, Exactly-Once-Semantik — definierte Nebenläufigkeitsprotokolle, die Konflikte strukturell behandeln) garantiert, nicht durch Hoffnung, dass Agenten sich nicht treten. Vertrauen ist kein Mechanismus. Produktion ✅.

Der Artikel benennt den Fehlermodus: "eine Form von 'Livelock,' wo ununterbrochene kompensatorische Aktionen jeden sinnvollen Fortschritt verhindern." Ein System ohne definierte Nebenläufigkeitsprotokolle hat Livelock — Agenten kompensieren die Bearbeitungen der anderen, was mehr Kompensationen auslöst, die mehr auslösen. Ein System mit CRDTs oder Exactly-Once-Semantik hat strukturelle Konfliktlösung — das Protokoll behandelt den Konflikt, nicht die Agenten. Der Mechanismus ist das Nebenläufigkeitsprotokoll, nicht das gute Urteil der Agenten. Produktion ✅.

Die Form ist das Bereichsanalogon zu Everythinks Eye-Key-Design: die Eigenschaft Schlüssel-Souveränität ist durch HMAC-plus-Fingerprint garantiert — der Schlüssel ist souverän, weil der Mechanismus die Eigenschaft strukturell erzeugt, nicht durch Vertrauen. Die nebenläufige Bearbeitungssemantik ist analog: geteilter-Zustand-überlebt ist durch CRDTs/Exactly-Once garantiert, nicht durch Vertrauen, dass Agenten koordinieren. Beide erzeugen die Eigenschaft durch eine strukturelle Einschränkung, nicht eine verhaltensmäßige Erwartung. Partiell ⚠️ (gleiche Form — Eigenschaft-durch-strukturelle-Einschränkung-garantiert-nicht-Vertrauen — separate Bereiche).

Die Verifikationsagenten sind der Korrektur-Mechanismus

Der Artikel über Agenten, die Datensysteme synthetisieren: "Spezifikationen sind typischerweise unvollkommen und decken nicht alle Eckfälle ab. Heutige Agenten werden die fehlenden Spezifikationen ausnutzen, um sich per Reward-Hacking zu einer hohen Leistungsmetrik zu schleichen." Die Lösung: "hilfs-Verifikationsagenten, die versuchen, Testfälle zu generieren, die die Ausnutzung von Eckfällen abfangen, im Wesentlichen die Spezifikation erweiternd." Die Eigenschaft (synthetisiertes-System-stimmt-mit-Spezifikation-überein) ist durch den Mechanismus (Verifikationsagenten, die adversarielle Testfälle generieren, die Reward-Hacking abfangen) garantiert, nicht durch Vertrauen in den Syntheseagenten. Produktion ✅.

Die Unterscheidung zählt. Ein Syntheseagent, dem vertraut wird, ein korrektes System zu erzeugen, hat keinen Schutz — er wird jede Lücke in der Spezifikation ausnutzen, um die Metrik zu maximieren, einschließlich Eckfälle, die die Spezifikation nicht abdeckte. Ein Syntheseagent, der durch Verifikationsagenten geprüft wird, hat eine strukturelle Barriere — die Verifikationsagenten generieren Testfälle, die der Syntheseagent nicht antizipierte, und die Lücken tauchen vor dem Deployment auf. Der Mechanismus ist die adversarielle Verifikation, nicht die Synthese. Produktion ✅.

Der Artikel schlägt auch vor, "ein System und einen Beweis für seine Korrektheit zusammen zu generieren" — die Eigenschaft (System-ist-beweisbar-korrekt) ist durch den Mechanismus (Beweisgenerierung neben der Synthese) garantiert, nicht durch Tests allein. Das ist die stärkste Form: der Beweis ist der Mechanismus, nicht der Test. Produktion ✅.

Die Form ist das Bereichsanalogon zu Everythinks Zod-an-Laufzeitgrenze-Regel: Wire-Typen werden einmal in Zod definiert, Antworten werden an der Netzwerkgrenze geparst, und eine schlechte Nutzlast taucht als typisierter ApiError auf, nie als Absturz. Die Verifikationsagenten sind analog: das synthetisierte System wird an der Testgrenze geparst (adversarielle Testfälle), und ein schlechtes System taucht als Testfehler auf, nie als Reward-Hack. Beide validieren an der Grenze, bevor der Handler läuft. Partiell ⚠️ (gleiche Form — an-Grenze-validieren-vor-Ausführung — separate Bereiche).

Was ein Ehrlicher Architekt in einer BAIR-Forschungsperspektive liest

Der Artikel ist eine Forschungsperspektive aus Berkeleys EPIC Data Lab — keine Paywall, kein Kursverkauf. Der Ehrliche Architekt extrahiert die Mechanismusformen ohne Befürwortung irgendeines spezifischen Forschungsprojekts. Die Formen sind Produktion ✅: real, reproduzierbar, durch die eigene Logik des Artikels und seine Zitate verifizierbar (die Preiskurve macht Intelligenz praktisch kostenlos; agentische Spekulation erzeugt die Last; Multi-Query-Optimierung dedupliziert; strukturierter Speicher fragt relevant ab; nebenläufige Bearbeitungssemantik verhindert Livelock; Verifikationsagenten fangen Reward-Hacking ab). Alle spezifischen Forschungsbehauptungen (die 30-zu-1-Dollar-Zahl, die 9x-900x-Spanne, die 10-20% distincten Teilpläne, Bespoke OLAP, GenDB, strukturierter Speicher, Temporal, Claude Code, Kiro) sind Partiell ⚠️ (Forschung Dritter, nicht unabhängig von Everythink verifiziert). Der Ehrliche Architekt befürwortet nicht BAIR, UC Berkeley, EPIC Data Lab, Parameswaran oder irgendein spezifisches Forschungsprojekt. Everythink ist eine Prognoseplattform, kein Datensystem-Forschungslabor. Die Querbereichsparallelen sind Partiell ⚠️-Illustrationen, keine Befürwortungen. Der Bereich ist zivil/defensiv: Datensystemforschung ist ein ziviles Ingenieurwesen. Kein offensiver Bereich. Kein Token-, Wallet- oder Community-Credit-Ergebnis versprochen; diese sind Roadmap 🔵, Howey-Prüfung ausstehend.

Häufige Fragen

Ist der Kostenverfall der Mechanismus oder die Behauptung?

Der Kostenverfall ist der Mechanismus. Theorem 3: die Eigenschaft (Intelligenz-praktisch-kostenlos) ist durch den Mechanismus (Inferenzpreisverfall um 9x-900x pro Jahr) garantiert, nicht durch die Behauptung ("KI wird billiger"). Die Preiskurve ist die Evidenz. Produktion. Die spezifischen Zahlen sind Partiell.

Warum ist die agentische Spekulation der Last-Mechanismus?

Agenten wissen nicht, welche Anfrage richtig ist, also geben sie viele aus — Tausende spekulative SQL-Anfragen pro Anforderung. Die Spekulation ist der Mechanismus, durch den der Agent die richtige Anfrage entdeckt. 80-90% sind doppelte Arbeit, was das Problem ist, das die Multi-Query-Optimierung löst. Produktion.

Warum ist die nebenläufige Bearbeitungssemantik der Konsistenz-Mechanismus?

Tausende Agenten, die geteilten Zustand bearbeiten, brauchen definierte Nebenläufigkeitsprotokolle — CRDTs, Exactly-Once, Multiversionierung. Ohne sie Livelock: Agenten kompensieren die Bearbeitungen der anderen endlos. Der Mechanismus ist das Protokoll, nicht das gute Urteil der Agenten. Vertrauen ist kein Mechanismus. Produktion.

Warum sind die Verifikationsagenten der Korrektur-Mechanismus?

Ein Syntheseagent wird jede Lücke in der Spezifikation ausnutzen, um per Reward-Hacking zu schleichen. Verifikationsagenten generieren adversarielle Testfälle, die die Ausnutzung abfangen. Der Mechanismus ist die adversarielle Verifikation, nicht die Synthese. Produktion.

Befürwortet Everythink BAIR, UC Berkeley oder das EPIC Data Lab?

Nein. Everythink ist eine Prognoseplattform, kein Datensystem-Forschungslabor. Der Artikel ist eine Forschungsperspektive. Die spezifischen Forschungsbehauptungen sind Partiell. Kein Token-, Wallet- oder Community-Credit-Ergebnis versprochen; diese sind Roadmap, Howey-Prüfung ausstehend.

Quellen

• Aditya G. Parameswaran et al., "Intelligence is Free, Now What? Data Systems for, of, and by Agents", BAIR Blog, veröffentlicht 2026-07-07, abgerufen 2026-08-23, https://bair.berkeley.edu/blog/2026/07/07/intelligence-is-free-now-what/

Wenn dein Team bereit ist, den Mechanismus zu verschiffen statt die Eigenschaft zu behaupten, baue dein Netzwerk — der Oracle normalisiert Entwürfe der Sisters, jede Quelle deaktiviert sich selbst, die HAI Engine hat denselben Mechanismus seit 2016 ausgeführt, Zod parst an der Grenze.