Was sind Tokens in Claude? Kosten erklärt

Was sind Tokens in Claude?

Ein Token ist die Texteinheit, die Claude liest und schreibt: ein Wortfragment, das etwa 3,5 englischen Zeichen entspricht. Dieser Wert stammt aus dem Glossar von Anthropic. Wenn Leerzeichen und Satzzeichen mitgezählt werden, ergibt sich ein Wert von deutlich mehr als einem Token pro Wort. Tausend Wörter Fließtext entsprechen somit mehr als 1.300 Tokens. Code verbraucht pro Zeile mehr Ressourcen: Klammern, Operatoren, Unterstriche und Einrückungen werden in mehr Tokens pro Zeichen aufgeteilt als englischer Text. Eine Quelldatei mit einigen hundert Zeilen umfasst typischerweise mehrere tausend Tokens. Wenn der Agent eine 2.000 Zeilen lange Datei liest, entstehen bereits fünfstellige Token-Kosten, bevor eine einzige Zeile neuen Code geschrieben wurde.

Zwei Aspekte von Tokenizern führen häufig zu Fehlern. Erstens sind sie modellspezifisch. Stand Juli 2026 verwenden Opus 4.7 und neuer, Sonnet 5 und Fable 5 einen neueren Tokenizer. Dieser erzeugt für denselben Text etwa 30 % mehr Tokens als frühere Claude-Modelle (die genaue Steigerung variiert je nach Inhalt). Dies verändert die Token-Budgetierung, obwohl die Preise pro Token nicht gestiegen sind. Zweitens unterschätzt tiktoken, die in Blogposts häufig verwendete Bibliothek, den Verbrauch von Claude bei normalem Text um etwa 15–20 % und bei Code noch stärker. Die einzige zuverlässige Zählung erfolgt über den count_tokens-Endpunkt, der weiter unten beschrieben wird.

Warum Ihre Coding-Session so viel kostet

Jede Claude-Rechnung, egal ob API-Rechnung oder Abonnement-Limit, basiert auf einem einzigen Messwert: Tokens im Input, Tokens im Output. Die Preisgestaltung wirkt einfach: ein bestimmter Betrag pro Million Input-Tokens, ein bestimmter Betrag pro Million Output-Tokens. Was nicht erklärt wird: In einer agentischen Coding-Session steigt der Input-Verbrauch weitaus stärker an als erwartet. Der Grund ist, dass bei jedem Schritt die gesamte Konversation erneut gesendet wird. Ich vertreibe seit fünfzehn Jahren metrische Infrastrukturen, und Tokens sind der erste Messwert, bei dem die meisten Kunden nicht genau sagen können, was die Kosten verursacht. Dies ist die Lektion zur Messwertanalyse: Was in einer agentischen Session als Input und Output zählt, warum die Resend-Schleife so teuer ist, wie Prompt Caching die Kalkulation verändert und welche Hebel die Kosten tatsächlich beeinflussen.

Alles ist Input: Was der Zähler tatsächlich zählt

Es wird oft angenommen, dass man für den von Claude geschriebenen Code bezahlt. In einer agentenbasierten Session ist dies jedoch nur ein kleiner Teil der Kosten. Input-Tokens – der günstigere Tarif, aber mit weitaus höherem Volumen – umfassen:

• Den System Prompt. Die internen Anweisungen von Claude Code sowie Ihre CLAUDE.md- und Memory-Files. Diese werden zu Session-Beginn geladen und sind bei jeder nachfolgenden Anfrage präsent.
• Tool-Definitionen. Jedes Schema eines Tools, das der Agent aufrufen kann. Jeder verbundene MCP-Server erhöht diesen festen Overhead – obwohl Claude Code die vollständigen MCP-Tool-Definitionen standardmäßig verzögert lädt. Daher befinden sich zunächst nur die Tool-Namen im Kontext, bis ein Tool zum ersten Mal verwendet wird. Dies reduziert die Kosten, eliminiert sie jedoch nicht.
• Jede Datei, die der Agent liest. Ein Read einer Quelldatei lädt den gesamten Inhalt in den Kontext, und dieser bleibt dort bestehen.
• Jedes Tool-Ergebnis. Testläufe, grep-Ausgaben, Terminal-Ausgaben, Build-Logs – all dies wird als Input-Tokens zurückgegeben. Eine fehlerhafte Testsuite, die 8.000 Zeilen ausgibt, verursacht Kosten in der Größenordnung eines kleinen Buches.
• Den gesamten bisherigen Gesprächsverlauf, der bei jedem Schritt erneut gesendet wird. Dieser Punkt verdient einen eigenen Abschnitt.

Warum die Kosten bei jedem erneuten Senden steigen

Die Claude API ist zustandslos (stateless). Sie speichert keine Sitzungsinformationen zwischen den Anfragen. In Turn 2 sendet der Client Turn 1 plus die Antwort plus die neue Nachricht. In Turn 50 werden die Turns 1 bis 49 erneut gesendet – jede Datei-Leseoperation, jedes Tool-Ergebnis, jeder Diff – plus Turn 50. Das Modell liest das gesamte Transkript bei jedem Aufruf erneut. Jedes dieser erneut gelesenen Tokens wird als Input berechnet.

Die Folge: Die Kosten pro Turn steigen annähernd linear mit der Sitzungslänge. Die Gesamtkosten der Sitzung steigen annähernd quadratisch. Eine Nachricht, die in Turn 3 einen halben Cent kostete, kann in Turn 60 für dieselbe einzeilige Frage das Zwanzigfache kosten, da sie die Daten von sechzig Turns mitführt. Dies ist der Hauptgrund für die meisten Support-Anfragen bezüglich hoher Rechnungen. Dies ist keine Besonderheit von Claude – jedes LLM-Produkt, das sich zustandsbehaftet (stateful) anfühlt, ist eine zustandslose API mit einer zugrunde liegenden Resend-Schleife.

Output: das sichtbare Ergebnis plus die interne Logik

Output-Tokens sind die teuersten — sie kosten fünfmal so viel wie Input-Tokens bei der aktuellen Produktlinie ($5/$25 bei Opus 4.8, $3/$15 bei Sonnet 5, $1/$5 bei Haiku 4.5, Stand Juli 2026). Der Output umfasst den von Claude generierten Text und Code sowie Thinking-Tokens: die interne Logik, die das Modell vor der Antwort berechnet. Zwei Fakten sind hier wichtig. Das „Thinking“ wird zu den Output-Preisen abgerechnet und verbraucht max_tokens — eine API-Antwort endet bei stop_reason: "max_tokens". Eine abgeschnittene Antwort bedeutet oft, dass das „Thinking“ das Budget aufgebraucht hat, bevor die eigentliche Antwort generiert wurde. Bei aktuellen Modellen wird die Zusammenfassung der Logik eventuell gar nicht angezeigt — Opus 4.8, Sonnet 5 und Fable 5 lassen sie standardmäßig weg — aber das „Thinking“ wurde dennoch ausgeführt und wird berechnet. Unsichtbare Prozesse sind nicht kostenlos.

Claude Code aktiviert erweitertes „Thinking“ standardmäßig, da es mehrstufige Aufgaben messbar verbessert. Das Standard-Budget kann pro Anfrage bis zu zehntausende Tokens umfassen. Bei einfacheren Aufgaben können Sie den Verbrauch reduzieren: Senken Sie das Leistungsniveau mit /effort oder in /model, oder passen Sie die „Thinking“-Einstellungen in /config an. Dies ist ein echter Kostenfaktor und kein Mythos.

Prompt Caching verändert die Kostenrechnung

Prompt Caching verhindert, dass die Kosten durch wiederholte Anfragen explodieren. Die API kann einen stabilen Präfix Ihres Prompts – System Prompt, Tool-Definitionen, Gesprächsverlauf – zwischenspeichern und beim nächsten Request zu einem Bruchteil des Preises ausliefern. Stand Juli 2026 gelten folgende Multiplikatoren: Ein Cache-Write kostet das 1,25-fache des Basis-Input-Tarifs (2× für die 1-Stunden-Variante), und ein Cache-Read kostet 0,1×. Writes sind teurer; Reads bieten einen Rabatt von 90 %. Ein einziger Read amortisiert bereits den Aufpreis für den 5-minütigen Write.

Claude Code verwaltet das Caching automatisch. In einer aktiven Session wird fast der gesamte wiederholte Datenstrom aus dem Cache geladen. Der Standard-Cache hat jedoch eine Gültigkeit von fünf Minuten nach der letzten Nutzung. Wenn Sie eine längere Pause machen und danach eine Nachricht senden, ist der Cache abgelaufen. Der gesamte akkumulierte Präfix muss dann mit dem 1,25×-Tarif neu geschrieben werden, anstatt mit dem 0,1×-Tarif gelesen zu werden. Bei einer Session mit 150K-Token kostet dieser eine "Cold Turn" mehr als ein Dutzend "Warm Turns". Das ist das entscheidende Ergebnis: Ein Rhythmus aus Leerlauf und Wiederaufnahme kann teurer sein als kontinuierliche Arbeit, da jede Pause, die über die TTL hinausgeht, den nächsten Turn von einem günstigen Read in einen teuren Re-Write verwandelt. Arbeiten Sie in Blöcken; senden Sie bei einer großen Session keine Nachrichten im Abstand von zehn Minuten.

Wenn Sie die API von Ihrer eigenen Anwendung auf einem VPS aus aufrufen, erhalten Sie diese Vorteile nicht automatisch. Ein häufiger Fehler ist die Verwendung von Zeitstempeln oder Request-IDs innerhalb des System Prompts. Dies ändert die Bytes des Präfix bei jeder Anfrage und deaktiviert das Caching stillschweigend. Das Anzeichen hierfür ist ein usage.cache_read_input_tokens-Wert von Null bei identisch aussehenden Aufrufen.

Die Formel mit einem Rechenbeispiel

Ignorieren Sie Aussagen, die pauschal behaupten: „Eine Session kostet $X.“ Die Kosten für Sessions variieren um zwei Größenordnungen. Maßgeblich ist die folgende Formel:

turn cost = (uncached input      x base input price)
          + (cache writes        x 1.25 x base input price)
          + (cache reads         x 0.10 x base input price)
          + (output incl. thinking x output price)

session cost = sum over all turns

Rechenbeispiel mit Claude Opus 4.8. Stand Juli 2026 kostet dieses Modell $5 pro Million Input-Token und $25 pro Million Output-Token. Ein mittlerer Turn einer Session mit 80.000 Token kumuliertem Kontext: 75.000 aus dem Cache gelesen, 3.000 neu geschrieben, 2.000 neue, nicht im Cache befindliche Input-Token, 1.500 Output-Token inklusive Thinking.

• Cache-Reads: 75.000 × $0.50/M = $0.0375
• Cache-Writes: 3.000 × $6.25/M = $0.019
• Uncached Input: 2.000 × $5/M = $0.010
• Output: 1.500 × $25/M = $0.0375

Etwa $0.10 pro Turn. Fünfzig ähnliche Turns ergeben etwa $5. Dieselbe Turn nach Ablauf des Cache: Die vollständigen 80.000 Token werden mit $6.25/M neu geschrieben, was vor dem Output $0.50 ergibt — etwa das Fünffache des gesamten Warm-Turns für die identische Arbeit. Diese Differenz beschreibt die Bedeutung des Caching in einer Zahl.

Zur Kalibrierung statt zur Vorhersage: Die veröffentlichten Zahlen von Anthropic für Enterprise-Claude-Code-Deployments liegen im Juli 2026 bei durchschnittlich etwa $13 pro Entwickler pro aktivem Tag — $150–250 pro Monat — wobei 90 % der Nutzer unter $30 pro Tag bleiben. Die tatsächlichen Kosten hängen von der Modellwahl, der Session-Hygiene und der Codebase-Größe ab. Deshalb sind die unten aufgeführten Stellschrauben wichtig.

Eigene Nutzung anzeigen

In Claude Code lautet der Befehl /usage (/cost funktioniert weiterhin als Alias). Der Session-Block am oberen Rand zeigt Token-Statistiken und eine lokal berechnete Kostenschätzung für die aktuelle Session an. Bei Abonnement-Plänen zeigt derselbe Bildschirm die Limit-Balken Ihres Plans sowie eine Aufschlüsselung der Nutzung nach Skills, Subagents, Plugins und einzelnen MCP-Servern. Für die verbindliche Abrechnung bei API-Konten ist die Usage-Seite in der Claude Console die maßgebliche Quelle – der Wert im CLI ist lediglich eine Schätzung. /context erstellt ein farbiges Raster von Inhalten des Context Windows — System Prompt, Tools, MCP-Definitionen, Dateien, Verlauf — und ist der schnellste Weg, um einen übermäßigen CLAUDE.md oder einen sehr aktiven MCP-Server zu identifizieren; verwenden Sie all, um die vollständige Aufschlüsselung pro Element anzuzeigen.

Über die API gibt jede Antwort genau an, was passiert ist:

response = client.messages.create(model="claude-sonnet-5", max_tokens=2048,
                                  messages=messages)
u = response.usage
total_prompt = u.input_tokens + u.cache_creation_input_tokens + u.cache_read_input_tokens
print(f"uncached={u.input_tokens} written={u.cache_creation_input_tokens} "
      f"read={u.cache_read_input_tokens} output={u.output_tokens}")

Beachten Sie, dass input_tokens nur der nicht im Cache befindliche Rest ist — die tatsächliche Prompt-Größe ist die Summe aller drei Eingabefelder. Ein Agent, der eine Stunde lang läuft und input_tokens: 4000 anzeigt, ist nicht kostengünstig; die restlichen 200.000 Tokens stammten aus dem Cache. Um die Kosten vor dem Senden zu schätzen, verwenden Sie den Token-Counting-Endpoint — der Aufruf ist kostenlos, hat ein eigenes Rate-Limit und zählt mit dem Tokenizer des jeweils angegebenen Modells (betrachten Sie das Ergebnis als genaue Schätzung; die Abrechnung erfolgt basierend auf der tatsächlichen Anfrage):

count = client.messages.count_tokens(model="claude-sonnet-5",
                                     messages=[{"role": "user", "content": big_file}])
print(count.input_tokens)

Verwenden Sie niemals tiktoken, aus dem oben genannten Grund.

Abonnement-Pläne gegenüber Pay-as-you-go

Die Funktionsweise ist in diesem Leitfaden überall identisch; nur die Abrechnung unterscheidet sich. Bei Verwendung eines API-Keys stellt Anthropic die Kosten nach dem Pay-as-you-go-Prinzip pro Token zu den veröffentlichten Tarifen in Rechnung — alle oben genannten Zahlen entsprechen realen Kosten. Bei einem Claude-Abonnement (Pro, Max, Team, Enterprise) wird die Nutzung von Claude Code stattdessen von dem in Ihrem Plan enthaltenen Kontingent abgezogen: Ab Juli 2026 handelt es sich dabei um ein rollierendes fünfstündiges Sitzungsfenster plus ein wöchentliches Fenster, das für verschiedene Modelle und den claude.ai-Chat gemeinsam genutzt wird. Der Betrag von /usage $ dient lediglich der Information und stellt keine Rechnung dar. Wenn ein Fenster erschöpft ist, erscheint die Meldung "You've hit your session limit" oder "You've hit your weekly limit" zusammen mit einer Zeitangabe zur Rücksetzung. Ein Wechsel des Modells mittels /model stellt den Zugriff nicht wieder her, da die Fenster modellübergreifend gemeinsam genutzt werden. Pläne können optional Nutzungsguthaben aktivieren, die über /usage-credits verwaltet werden, um die Nutzung über das Limit hinaus zu kaufen. Ich werde die Kontingente der Pläne bewusst nicht auflisten: Dies sind die variabelsten Werte in diesem gesamten Themenbereich. Prüfen Sie stattdessen claude.com/pricing und Ihre eigenen /usage-Anzeigen. Die Token-Mechanik ist auch bei einem Abonnement relevant — eine ineffiziente Sitzung verbraucht Ihr Kontingent genau so, wie sie Dollar verbrauchen würde. Informationen zur Abonnement-Seite finden Sie unter welcher Claude-Plan zu Ihrer Nutzung passt.

Die wirksamen Hebel

• Den Umfang der Agenten-Lesezugriffe begrenzen. „Fix the validation bug in auth.py“ liest eine Datei; „improve this codebase“ liest vierzig. Halten Sie CLAUDE.md schlank – da es in jede Session geladen wird, beschränken Sie es auf das Wesentliche – und verschieben Sie workflowspezifische Anweisungen in Skills, die nur bei Bedarf geladen werden.
• Klar und kompakt. /clear zwischen nicht zusammenhängenden Aufgaben – veralteter Kontext wird bei jeder nachfolgenden Nachricht erneut gesendet und berechnet. Innerhalb einer langen Aufgabe fasst /compact Focus on the failing tests and the diff den Verlauf zusammen, um ein exponentielles Wachstum der Kosten zu vermeiden.
• Die Modellgröße optimieren. Sonnet ist für die meisten Programmieraufgaben geeignet mit einem Einführungspreis von $2/$10 pro Million Tokens (Stand Juli 2026; Standardpreis $3/$15, im Vergleich zu Opus mit $5/$25). Haiku mit $1/$5 ist das richtige Werkzeug für mechanische Subagenten-Aufgaben wie die Log-Triage. /model ermöglicht den Wechsel während der Session.
• Ausführliche Ausgaben vorfiltern. Ein Hook, der einen Testlauf mittels grep auf die Fehler reduziert, bevor Claude ihn sieht, wandelt 20.000 Tokens an Tool-Ergebnissen in 300 Tokens um. Dies geschieht bei jedem erneuten Senden dieses Durchgangs.
• Nicht-interaktive Prozesse bündeln. Für eigene API-Pipelines – Klassifizierung, Massenprüfung, nächtliche Jobs – bietet die Batches API dieselben Modelle mit 50 % Rabatt an, im Austausch gegen eine asynchrone Auslieferung.
• Den Cache-Zeitpunkt beachten. Arbeiten Sie in kontinuierlichen Abschnitten. Eine getrennte Claude Code Session in tmux auf einem VPS verursacht im Leerlauf keine Kosten – Tokens werden nur bei einem Durchgang verbraucht. Durch die Leerlaufzeit geht jedoch der warme Cache verloren, und der nächste Durchgang muss das erneute Schreiben bezahlen.

FAQ

Wie viele Tokens verbraucht eine Coding-Session in Claude Code?

Es gibt keine feste Anzahl. Eine einzelne Mitteilung während der Session verbraucht häufig zehntausende Prompt-Tokens, sobald Dateien und der Verlauf akkumuliert sind. Eine aktive Session kann Millionen von Tokens erreichen, wobei die meisten mit einem Zehntel des Basissatzes aus dem Cache geladen werden. Zur Kalibrierung: Die von Anthropic veröffentlichten Unternehmensdaten (Stand Juli 2026) liegen im Durchschnitt bei etwa 13 $ pro Entwickler pro aktivem Tag, wobei 90 % der Nutzer unter 30 $ liegen. Führen Sie /usage in Ihrer eigenen Session aus; fünf Minuten Beobachtung sind genauer als jeder veröffentlichte Durchschnittswert.

Kosten Thinking-Tokens auch dann Geld, wenn ich sie nicht sehen kann?

Ja. Thinking-Tokens werden als Output-Tokens abgerechnet – also zum höheren Satz – und werden auf max_tokens angerechnet. Aktuelle Modelle berechnen diese auch dann, wenn die Benutzeroberfläche die Zusammenfassung der Argumentation nicht anzeigt. Wenn eine Antwort mit stop_reason: "max_tokens" abbricht, bevor die sichtbare Antwort abgeschlossen ist, hat das Thinking wahrscheinlich das Budget verbraucht. Senken Sie in Claude Code die Effort-Level mit /effort für Aufgaben, die keine tiefgehende Logik erfordern.

Warum wird eine lange Claude Code Session pro Nachricht teurer?

Weil die API zustandslos (stateless) ist: Jede Nachricht sendet den gesamten Gesprächsverlauf erneut – alle gelesenen Dateien, Tool-Ergebnisse und vorherigen Austausch – als abgerechneten Input. Nachricht 50 enthält somit die Inhalte der Nachrichten 1 bis 49 als Last. Prompt-Caching dient dem wiederholten Präfix zu etwa einem Zehntel des Basispreises für Input, aber das Präfix wächst stetig an. Jede Leerlaufzeit, die die Cache-TTL überschreitet, macht die nächste Nachricht zu einer vollständigen Neuübertragung zum vollen Preis. /compact verkleinert den Verlauf; /clear setzt ihn zurück.

Wie überprüfe ich meine Claude-Token-Nutzung und die Kosten?

In Claude Code zeigt /usage die Token-Statistiken der Session, eine lokale Kostenschätzung und die Limit-Anzeige für Abonnements (/cost ist ein Alias); /context zeigt den Inhalt des Fensters an. Für die verbindliche API-Abrechnung nutzen Sie die Usage-Seite in der Claude Console. Lesen Sie in Ihrem eigenen Code response.usage aus – die Summe von input_tokens, cache_creation_input_tokens und cache_read_input_tokens ergibt die tatsächliche Prompt-Größe – und schätzen Sie die Kosten im Voraus mit dem count_tokens-Endpoint, niemals mit tiktoken.