5 Stellschrauben, mit denen du deine Kosten für Custom-Agents in Notion drastisch senkst

Seit Februar 2026 gibt es in Notion Custom Agents: KI-Agenten, die völlig automatisiert Aufgaben in deinem Workspace erledigen können. Du richtest sie einmal ein, definierst einen Auslöser (z.B. einen Zeitplan oder eine Statusänderung in einer Datenbank) und gibst ihnen eine klare Arbeitsanweisung.

Ab dann arbeiten sie selbstständig im Hintergrund, ohne dass du jedes Mal eine Nachricht schreiben musst.

Anders als der Notion Agent, den du über den Chat manuell ansteuerst, kosten Custom Agents allerdings extra: Für jeden Durchlauf werden Notion Credits verbraucht. Und wenn man nicht aufpasst, kann das schnell teuer werden.

Custom Agents sind von Notion vor allem auf große Teams ausgerichtet. Sie sind aber auch für Solopreneure eine riesige Unterstützung – wenn man weiß, wie man die Kosten im Blick behält, sodass sich die Investition in Notion Credits wirklich lohnt.

In diesem Artikel zeig ich dir, wie du deine Kosten für Custom Agents möglichst niedrig hältst. Dann können die Agents dir echte Arbeit abnehmen, statt nur dein Credit-Guthaben aufzufressen.

Die wichtigste Entscheidung: Braucht diese Aufgabe überhaupt einen Custom Agent?

Das Wichtigste vorab: Nur weil es Custom Agents gibt, heißt das nicht, dass jede Aufgabe, die du an KI abgeben willst, automatisch ein Custom Agent sein sollte. Dafür sind sie schlicht zu teuer, sind wir ehrlich.

Ich nutze dafür ein einfaches Entscheidungsframework: den KLAR-Check. Vier Fragen, die du der Reihe nach durchgehst. Sobald du eine mit “Nein” beantwortest, ist die Sache klar (hehe) – kein Custom Agent nötig.

K – Kontext in Notion?

Braucht die Aufgabe Zugriff auf Datenbanken, Seiten oder Inhalte, die bereits in deinem Notion-Workspace stehen?

Der zentrale Vorteil von Custom Agents ist der direkte, automatische Zugriff auf deine Notion-Daten: Projekte, Produktinfos, Content, Aufgaben… wenn der benötigte Kontext gar nicht in Notion liegt, gibt es keinen Grund, die Aufgabe dort zu automatisieren. Nutz stattdessen ein externes Tool wie Claude, dem du den Kontext direkt gibst.

L – Läuft ohne Feedback?

Kann die Aufgabe von Anfang bis Ende durchlaufen, ohne dass du zwischendurch Feedback gibst, Entscheidungen triffst oder die Richtung korrigierst?

Custom Agents arbeiten komplett automatisiert. Es gibt keinen Moment, in dem du eingreifen und sagen kannst “Nee, eher so…”. Wenn die Aufgabe Ping-Pong zwischen dir und der KI erfordert, ist der Notion Agent im Chat das richtige Werkzeug, nicht ein Custom Agent.

A – Aufwand lohnt sich?

Sparst du dir mit dem Agenten pro Durchlauf mindestens 10-15 Minuten manuelle Arbeit?

Einen Custom Agent einzurichten kostet Zeit: Instruktionen schreiben, testen, iterieren. Dazu kommen die laufenden Credit-Kosten pro Durchlauf. Wenn die Aufgabe selbst nur 5 Minuten dauert, ist der Break-even-Point so weit weg, dass sich die Automatisierung nicht rentiert. Erledige sie lieber manuell oder über den Chat.

R – Regelmäßig?

Kommt diese Aufgabe regelmäßig vor – mindestens einmal pro Woche oder bei jedem neuen Eintrag, Projekt oder Content-Stück?

Custom Agents entfalten ihren Wert durch Wiederholung. Einmalige oder seltene Aufgaben kannst du lieber manuell über den Chat mit dem Notion Agenten anstoßen.

Wenn du alle vier Fragen mit Ja beantworten kannst, ist ein Custom Agent eine gute Wahl. Wenn nicht, gibt es eigentlich immer eine günstigere Alternative.

Das wichtigste Prinzip für Custom Agents

Du hast also eine wiederkehrende Aufgabe identifiziert, für die du bereits einen Workflow hast, der ohne dein Zutun funktioniert. Dann ist das ein Kandidat für einen Custom Agent.

Jetzt kommt das wichtigste Prinzip, das ich dir direkt mitgeben kann:

Jeder Custom Agent sollte für exakt eine einzelne, klar abgrenzbare Aufgabe zuständig sein.

Also nicht: Themenrecherche, Artikel schreiben und SEO-Titel erstellen in einem einzigen Agenten, auch wenn sich das alles um eine große Aufgabe dreht.

Stattdessen solltest du jeden einzelnen Schritt als separaten Custom Agent konfigurieren.

• Schritt 1: Themenrecherche (natürlich so spezifisch wie möglich – überleg dir genau, was du in welchem Format raushaben willst)
• Schritt 2: basierend auf einem von dir erstellten Outline den Artikel ausformulieren
• Schritt 3: wiederum basierend auf dem fertigen Artikel den SEO-Titel und die Beschreibung erstellen Warum? Weil du für jeden dieser Schritte eine separate, präzise Anleitung schreiben kannst. Und je präziser die Anleitung, desto besser und zuverlässiger das Ergebnis.

Genau dafür gibt es in Notion (bzw. in der KI-Welt allgemein) das Konzept der Skills.

Ein Skill ist eine dokumentierte, wiederverwendbare Arbeitsanweisung, die der KI genau sagt, wie eine bestimmte Aufgabe erledigt werden soll. Du beschreibst einmal, was reingeht (Input), welche Schritte in welcher Reihenfolge ausgeführt werden (Anleitung) und wie das Ergebnis aussehen muss (Definition of Done).

Die KI folgt dieser Anleitung bei jeder Ausführung. Wenn du mehr darüber wissen willst, findest du die komplette Anleitung in meinem Artikel Skills in Notion nutzen.

Im besten Fall lauft es also so:

1. Du willst eine Aufgabe an KI abgeben.
2. Du schreibst Version 1 des Skills.
3. Du testest den Skill so lange über den KI-Chat, bis er so gut funktioniert, dass du das Ergebnis nur noch minimal (oder gar nicht mehr) korrigieren musst.
4. Erst dann legst du für diesen Skill einen Custom Agent an! Diesen Prozess nenne ich den SAFE-Prozess: Skill schreiben, Ausprobieren, Feinschliff, Einsetzen. Erst wenn der Skill nach mehreren Testläufen zuverlässig funktioniert (Richtwert: unter 10% manuelle Korrektur nötig), wird daraus ein Custom Agent.

So hast du am Ende wahrscheinlich gar nicht mal so viele Custom Agents, weißt aber dafür, dass die, die du hast, wirklich zuverlässig arbeiten. Du verbrennst keine Credits für Agenten, die halbfertige Ergebnisse liefern.

Einen bereits existierenden, gut funktionierenden Skill zu einem Custom Agent zu machen, ist der beste und wichtigste Tipp, den ich dir geben kann. Alles andere, was jetzt kommt, sind Feinheiten obendrauf.

5 Tipps, wie du die Credit-Kosten für Custom Agents senkst

Gehen wir also davon aus, dass du gut funktionierende Skills hast, die jetzt von einem Custom Agent automatisiert erledigt werden sollen. Wo kannst du ansetzen, um die Credits so niedrig wie möglich zu halten?

Übrigens: Für jeden Custom Agent erhältst du spezielle Einblicke, welcher Durchlauf wie viel gekostet hat. Es lohnt sich, das mal genau unter die Lupe zu nehmen.

1. Das passende Sprachmodell auswählen

Es gibt mittlerweile eine ganze Reihe an unterschiedlichen Sprachmodellen (LLMs), die du für einen Custom Agent auswählen kannst. Und das ist ein riesengroßer Hebel für die Kosten.

Hochklassige Modelle wie Claude Opus sind locker bis zu 10x so teuer in der Nutzung wie kleinere Modelle wie Claude Haiku, Gemini Flash oder MiniMax. Der Unterschied pro Durchlauf mag auf den ersten Blick klein erscheinen, aber glaub mir: Das summiert sich schnell.

Die entscheidende Frage für die Auswahl des Sprachmodells ist also: Was ist das günstigste Modell, das den Job wirklich zuverlässig erledigt?

Meine Erfahrungswerte:

• Claude Opus brauchst du nur für wirklich komplexe Aufgaben, die tiefes Reasoning oder sehr kreatives Schreiben erfordern. In der Praxis ist das wahrscheinlich sehr selten.
• Claude Sonnet ist eine gute Wahl, wenn du Texte schreiben lässt, die auf deinem eigenen Input basieren, z.B. ein bestehender Blogartikel, der zu einem LinkedIn-Post werden soll.
• Claude Haiku, Gemini Flash oder MiniMax reichen für Zusammenfassungen, Datenabfragen, Klassifizierungen, das Ausfüllen von Datenbank-Eigenschaften und ähnliche strukturierte Aufgaben völlig aus. Mein Tipp: Starte mit einem günstigeren Modell und wechsle nur dann auf ein teureres, wenn die Ergebnisse nicht ausreichen.

2. Niemals die ganze Datenbank abfragen lassen

Der große Vorteil von Custom Agents ist, dass sie direkt in deinen Notion-Datenbanken arbeiten und dort Inhalte abrufen können. Aber gerade beim Abrufen habe ich einen wichtigen Tipp für dich:

Lass einen Agenten niemals die gesamte Datenbank durchsuchen, wenn es nicht nötig ist.

Das verbraucht nicht nur wahnsinnig viele Credits, weil natürlich viel mehr Input verarbeitet werden muss. Es ist auch deutlich fehleranfälliger, weil der Agent in der Masse an Informationen den Fokus verliert.

Ein Beispiel aus meiner eigenen Praxis: Mein Daily-Briefing-Agent “Monika” sollte mir jeden Morgen per Slack ein Briefing schicken, unter anderem mit den Aufgaben, die für den Tag geplant sind.

Das hat anfangs überhaupt nicht funktioniert. Ständig haben Aufgaben gefehlt oder waren komplett halluziniert. Der Grund: Monika hat die gesamte Aufgaben-Datenbank durchsucht, die ja Hunderte von Einträgen hat.

Die Lösung war simpel: Nicht die gesamte Datenbank abfragen, sondern nur eine bestimmte Ansicht, die auf die richtigen Aufgaben gefiltert ist. In meinem Fall eine Ansicht, die nur die Aufgaben zeigt, die für heute geplant sind.

Seitdem liegt Monika tatsächlich bei 100% Trefferquote UND die Kosten pro Durchlauf sind etwa ein Zehntel von dem, was ich vorher gezahlt hab.

Die Regel ist also einfach: Wenn ein Agent Datenbanken abfragen soll, leg in der Datenbank eine Ansicht an, die passend gefiltert ist. Schreib dann in die Instruktionen, dass der Agent nur diese Ansicht abfragen soll, nicht die gesamte Datenbank.

3. So wenig Tool-Calls wie möglich

Hier schließt der nächste Tipp direkt an. Wenn Custom Agents Dinge ausführen, also Datenbanken abfragen, Seiten lesen oder neue Seiten erstellen, ist jede dieser Aktionen ein sogenannter Tool-Call.

Der Agent verwendet dabei ein Werkzeug, das ihm zur Verfügung steht, z.B. Datenbank abfragen oder Seite erstellen.

Jeder dieser Tool-Calls verbraucht Credits. Nicht nur, weil die Aktion selbst etwas kostet, sondern vor allem, weil der Agent bei jedem Tool-Call den gesamten bisherigen Kontext erneut verarbeiten muss.

Je mehr Tool-Calls in einem Durchlauf, desto mehr Kontext wird immer wieder durchgearbeitet und desto teurer wird es. Grundsätzlich gilt also: Je weniger Tool-Calls, desto günstiger der Durchlauf.

Wie hältst du die Anzahl niedrig?

• Fasse zusammen, was zusammengehört. Wenn dein Agent drei verschiedene Eigenschaften einer Seite aktualisieren soll, mach das in einem Schritt, nicht in dreien.
• Vermeide unnötige Zwischenschritte. Muss der Agent wirklich erst eine Seite laden, um zu prüfen, ob er sie aktualisieren soll? Oder reicht eine gefilterte Datenbankansicht, die ihm direkt die richtigen Seiten zeigt?
• Schreib die Instruktionen so, dass der Agent effizient arbeitet. Wenn du in der Anleitung schreibst “Öffne jede Seite einzeln und prüfe…”, wird der Agent genau das tun und für jede Seite einen eigenen Tool-Call machen. Formuliere stattdessen so, dass er die Informationen gebündelt abruft.

4. Kontext nur dann laden, wenn er wirklich gebraucht wird

Weniger Tool-Calls bedeutet weniger Credits. Und weniger Informationen, die verarbeitet werden müssen, bedeutet ebenfalls weniger Credits. Beides hängt zusammen.

Überleg dir also genau: Welche Informationen, Anweisungen und welchen Kontext braucht der Agent wirklich, um seine Aufgabe zu erledigen?

Wenn eine Information nicht bei jedem Durchlauf gebraucht wird, sollte sie auch nicht bei jedem Durchlauf geladen werden.

Wie du das umsetzt:

• Schreib die Information nicht direkt in die Instruktionen oder in den Skill, sondern auf eine separate Seite.
• verlinke diese Seite im Skill.
• Ergänze einen Satz, wann die Seite geladen werden soll und wann nicht. Ein Beispiel: Ein Content-Agent hat Zugriff auf Produktprofile – detaillierte Beschreibungen von Kursen und Angeboten. Die braucht er aber nicht bei jeder Aufgabe. Wenn er z.B. einen LinkedIn-Post aus einem bestehenden Blogartikel erstellen soll, sind die Produktprofile irrelevant.

Wenn er allerdings einen Sales-Post oder eine Landingpage-Beschreibung schreiben soll, braucht er sie unbedingt. Also steht in den Instruktionen: “Lade die Produktprofile nur, wenn der Text ein konkretes Produkt oder Angebot bewirbt. Für Content-Repurposing ohne Produktbezug sind sie nicht relevant.”

So spart jeder Durchlauf, der den Guide nicht braucht, die entsprechenden Credits.

5. Den Output bewusst eingrenzen

Dieser Tipp wird oft unterschätzt: Nicht nur der Input kostet Credits, sondern auch der Output. Und Output ist sogar deutlich teurer als Input, weil die KI hier ja aktiv neue Inhalte produzieren muss, statt nur zu lesen.

Überleg also ganz genau, was der Agent ausgeben soll, und grenze das bewusst ein.

Ein paar Beispiele:

• Wenn dein Agent eine Zusammenfassung erstellen soll, definiere eine maximale Länge (z.B. “maximal 5 Stichpunkte” statt “fasse zusammen”).
• Wenn der Agent Datenbank-Eigenschaften ausfüllen soll, muss er keinen langen Bericht dazu schreiben (das liest ja dann eh niemand) – ein kurzer Status reicht.
• Wenn der Output in Slack gepostet wird, überlege, was wirklich in der Nachricht stehen muss und was nicht. Je präziser du den gewünschten Output beschreibst, desto weniger produziert der Agent “auf Vorrat” und desto niedriger sind die Kosten.

6. Einen Pre-Flight-Check einbauen

Einen letzten Tipp habe ich noch, den meine Kundin Anja, die Teil der Agent Mastery war, mit mir geteilt hat.

Für mehrschrittige Workflows nutzt Anja einen eigenen Custom Agent als Pre-Flight-Check. Dieser Agent läuft vor dem eigentlichen Workflow und prüft, ob alle Voraussetzungen gegeben sind:

• Sind alle nötigen Eigenschaften korrekt gesetzt?
• Ist der gesamte Input vorhanden, den die nachfolgenden Agents brauchen?
• Gibt es fehlende oder widersprüchliche Informationen? Wenn alles passt, läuft der Workflow weiter, zum Beispiel indem der Pre-Flight-Agent den Status der Seite ändert und damit den nächsten Agent triggert.

Wenn etwas fehlt, wird der Workflow komplett gestoppt.

Das klingt nach einem zusätzlichen Schritt, spart aber in der Praxis Credits. Ein fehlgeschlagener Agent-Durchlauf (weil Input gefehlt hat oder Eigenschaften falsch gesetzt waren) verbraucht schließlich auch Credits. Lieber einmal kurz prüfen, als einen teuren Durchlauf zu verschwenden!

Fazit: Weniger Credits verbrennen, mehr Arbeit abgeben

Custom Agents sind ein enormer Hebel für Solopreneure, die wiederkehrende Aufgaben automatisieren wollen. Aber sie sind kein Selbstläufer. Ohne bewussten Umgang mit den Credits kann die Rechnung schnell höher ausfallen als der Zeitgewinn wert ist.

Die gute Nachricht: Mit ein paar gezielten Entscheidungen lässt sich das sehr gut steuern!

Hier nochmal die wichtigsten Tipps auf einen Blick:

1. Nicht jede Aufgabe braucht einen Custom Agent – prüfe vorher mit dem KLAR-Check, ob es wirklich Sinn ergibt.
2. Erst den Skill perfektionieren, dann den Agent anlegen – der SAFE-Prozess stellt sicher, dass du keine Credits für halbfertige Ergebnisse verbrennst.
3. Das günstigste, passende Modell wählen – Claude Haiku und Gemini Flash reichen für erstaunlich viele Aufgaben völlig aus.
4. Gefilterte Ansichten statt ganzer Datenbanken abfragen lassen – weniger Input, bessere Ergebnisse, niedrigere Kosten.
5. Tool-Calls, Kontext und Output bewusst eingrenzen – jede Einsparung hier zahlt sich bei jedem einzelnen Durchlauf aus. Fang am besten mit einem Agent an, der eine klar definierte, wiederkehrende Aufgabe übernimmt. Optimiere ihn mit den Tipps aus diesem Artikel und bau von dort aus weiter.

So baust du dir ein kleines Agent-Team, das dir wirklich Arbeit abnimmt, ohne dass die Credit-Kosten aus dem Ruder laufen!