Autoscaling hat sich in zwei Jahrzehnten durch drei konzeptionelle Generationen entwickelt: von einfachen schwellenwertbasierten Regeln (CPU-Auslastung über X % → neue Instanz) über metrikgetriebene, horizontale Skalierung auf Basis von Request-Raten bis hin zu prädiktiven Modellen, die historische Lastmuster einbeziehen. Alle drei Ansätze teilen eine gemeinsame Grundannahme: Workloads sind im Wesentlichen gleichförmig, kurz und weitgehend vorhersehbar. Autonome Agenten brechen diese Annahme fundamental auf, weil ihre Anfragen hochgradig variabel sind — ein einzelner Agent-Call kann Sekunden oder viele Minuten dauern, mehrere externe Tools anstoßen, parallele Sub-Agenten spawnen und damit explosionsartig weitere Ressourcen anfordern. Klassische Reaktionszeiten von Autoscalern liegen typischerweise im Minutenbereich, während Agentic Bursts innerhalb von Sekunden entstehen und wieder abklingen können. Hinzu kommt, dass die Last nicht mehr einfach in Request-pro-Sekunde messbar ist, weil ein einzelner langer Agent-Run viele kurze HTTP-Calls erzeugt, die scheinbar normalen Traffic simulieren. Der Artikel argumentiert, dass neue Ansätze benötigt werden, die auf Intent- oder Session-Ebene skalieren statt auf Infrastruktur-Primitiven wie CPU oder RPS, und schlägt vor, Skalierungsentscheidungen an die semantische Tiefe und erwartete Laufzeit eines Agenten-Workflows zu knüpfen.