Die teuersten Modelle von Anthropic und OpenAI kosten pro Token das 100-Fache der kleinsten Modelle ihrer Produktlinien, dennoch greifen viele Nutzer für alles standardmäßig zum Flaggschiff.

Die Kosten dieser Gewohnheit sind längst nicht mehr hypothetisch. Nutzungs-Bestenlisten bei Meta, Amazon und Uber trieben die KI-Rechnungen deutlich nach oben, und Uber verbrannte sein KI-Werkzeugbudget 2026 in rund vier Monaten. Meta-Mitarbeiter verbrauchten früher in diesem Jahr 60 Billionen KI-Tokens in 30 Tagen, während sie um Plätze auf einer internen Bestenliste mit dem Spitznamen „Claudeonomics“ wetteiferten. Der Tech-Kolumnist Gergely Orosz schätzte die Rechnung auf Listpreise von Anthropic auf rund 900 Millionen Dollar, wobei Meta wahrscheinlich deutlich weniger zahlt.

Die Bain & Company-Beraterin Jue Wang sieht eine leisere Version dieser Verschwendung in vielen Organisationen. „So viele Unternehmen, so viele Nutzer greifen standardmäßig für alles zu Opus, auch zum Generieren von E-Mails“, sagte sie im Sommer der Associated Press und bezog sich damit auf die High-End-Modelle von Anthropic. Wer es ihr gleichtut, stellt Albert Einstein ein, um in einer McDonald's-Filiale das Wechselgeld zu berechnen.

Jedes Wort, das in ChatGPT oder Claude getippt wird – und jedes Wort, das das Modell zurückschreibt –, wird in Tokens abgerechnet, Textabschnitten mit durchschnittlich etwa drei Vierteln eines Wortes. Bei einem 20-Dollar-Abo entscheidet dieser Zähler, wie schnell das Nutzungslimit erreicht ist. Bei der API, dem Pay-per-Token-Zugang, mit dem Entwickler Modelle in eigene Anwendungen einbinden, entscheidet er über die Rechnung.

Anthropics aktuelle Preisliste bere pro Million Tokens, und der Haiku-Tarif gilt nur für Prompts unter 100.000 Tokens; längere Prompts kosten das Fünffache. Das Top-Modell kostet das 100-Fache des kleinsten, und OpenAIs Palette spannt denselben Bogen auf, von 10 bis 0,10 Dollar pro Million Input-Tokens.

Diese Tokenpreise summieren sich schnell – für die Labore wie für deren Kunden. Anthropics jährlicher Umsatzrhythmus stieg von rund 9 Milliarden Dollar Ende 2025 auf mehr als 47 Milliarden Dollar bis Mai, während OpenAI einen Preiskampf führt, um Schritt zu halten.

Ein paar Gewohnheiten senken diese Ausgaben deutlich, und die ersten fünf Tipps unten erfordern keinerlei Programmierung.

Was Tokenmaxxing bedeutet (und bedeuten sollte)

Tokenmaxxing begann als Silicon-Valley-Angeberrei nach Art von Metas Claudeonomics, wobei Microsoft, Shopify und Amazon ihre Mitarbeiter in ähnlichen Token-Bestenlisten rangierten. Nvidias CEO Jensen Huang schüttete zusätzlich Öl ins Feuer, als er im März im „All-In“-Podcast sagte, er wäre „tief besorgt“, wenn ein Ingenieur für 500.000 Dollar nicht mindestens Tokens im Wert von 250.000 Dollar verbrennen würde.

Und verbrennten Tokens sie – häufig bei unproduktiver Beschäftigung. Bei Amazon gaben Mitarbeiter zu, ihre Zahlen aufgebauscht zu haben, indem sie das interne KI-Werkzeug auf irrelevante Aufgaben losließen, bis ein Senior Vice President die Belegschaft ermahnte: „Bitte nutzt KI nicht nur um des Nutzens willen.“

Dieser Leitfaden verwendet die Bedeutung, auf die Ingenieure inzwischen hinauswollen: das Maximum aus dem Wert jedes Tokens herausholen, nicht aus der Anzahl der verbrauchten – eine Praxis, die IBM als Tokenmaxxing als Produktivitätsmetrik beschreibt.

Drei Konzepte erklären, wohin die Tokens tatsächlich fließen, beginnend mit der Agentenschleife. Ein Agent ist ein Modell, das Werkzeuge nutzen kann: Es denkt, durchsucht das Web oder führt Code aus, liest das Ergebnis und legt erneut los, bis es das Ergebnis für fertig hält – und sendet bei jedem Durchlauf die gesamte Konversation erneut mit.

Orchestrierung vervielfacht diese Kosten. Ein Modell agiert als Manager, zerlegt eine Anfrage in Teile, reicht sie an Arbeitermodelle, sogenannte Subagenten, weiter und fügt ihre Antworten wieder zusammen. Jeder Arbeiter durchläuft seine eigene Schleife mit eigenem Gedächtnis – weshalb Anthropic angibt, dass Agententeams in Claude Code etwa siebenmal mehr Tokens verbrauchen können als eine Standard-Sitzung, wenn Teammitglieder im Plan-Modus laufen, einer Einstellung, in den Tipps für Fortgeschrittene unten behandelt wird.

Graphen sind die Methode, mit der Entwickler diese Schleifen am Entgleisen hindern. Frameworks wie LangGraph erlauben es, einen Workflow wie eine U-Bahn-Karte zu zeichnen: Stationen (Knoten) erledigen die Arbeit, Gleise (Kanten) bestimmen, wo es weitergeht – so folgt das Modell einer festen Route, statt in einer Schleife zu laufen, bis ihm Ideen oder Budget ausgehen.

Schleifen automatisieren Aufgaben und steigern die Qualität, verbrennen aber auch Geld – Effizienz ist daher unerlässlich.

Einsteiger: kleine Aufgaben, kleine Modelle

1. Das richtige Modell für die Aufgabe wählen. Die meisten Einsteiger bedienen KI über eine grafische Oberfläche. Klicken Sie in der Chat-App auf den Modellnamen (oben im Chat bei ChatGPT, neben dem Senden-Button bei Claude oder Hermes) und wechseln Sie für E-Mails, Zusammenfassungen und Umformulierungen zu einer kleineren, schnelleren Option. Reservieren Sie das Top-Modell für anspruchsvolle Schlussfolgerungen und Entscheidungen, bei denen ein subtiler Fehler echtes Geld kostet. Führen Sie fünf Aufgaben der letzten Woche parallel mit beiden Modellen aus; besteht das kleine, behalten Sie es. Im Abo verlängert das das Nutzungslimit, und bei der API senkt es die Rechnung um bis zu 99 %.

2. Einen guten Prompt statt fünf schlechter schreiben. Drei Runden von „nein, nur die Summe“ oder „mach das besser und genauer“ senden jedes Mal den gesamten Chat erneut. Ein klarer Prompt beschreibt die Aufgabe und die exakte Form der Antwort. So etwas kann funktionieren:

Extrahiere aus dem folgenden Text Rechnungsnummer, Datum, Anbieter und Summe. Übernimm jeden Wert exakt wie geschrieben. Gib pro Feld eine Zeile zurück und schreibe „missing“, wenn ein Feld fehlt.

OpenAIs eigene Tests zeigten, dass schlankere, klarere Prompts bei geringerem Tokenverbrauch besser abschnitten.

3. Neuen Chat starten, wenn das Thema wechselt. Das Modell liest bei jedem Senden die gesamte Konversation erneut, sodass ein Faden mit 50 Nachrichten über den Urlaub eine Steuerfrage zugleich teurer und dümmer macht. Anthropic nennt diesen Zerfall „Context Rot“. Starten Sie einen neuen Chat, sobald das Thema wechselt.

4. Die benötigte Größe anfordern. Output-Tokens kosten bei den Top-Modellen von Anthropic und OpenAI fünfmal mehr als Input. Beenden Sie Prompts mit Anweisungen wie „drei Stichpunkte, unter 100 Wörtern“ oder „nur die geänderten Zeilen“, und das Modell hat weniger Spielraum zum Aufblähen. Längenbeschränkungen beim Output sparen Tokens, insbesondere bei kreativen Aufgaben wie Schreiben oder Recherche – anders als bei deterministischen wie Programmieren oder Mathematik.

5. Vor dem Bezahlen Gratis ausprobieren. OpenRouter, eine Website, die über ein Konto Hunderte KI-Modelle verbindet, bietet einen kostenlosen Router, der An an eines von rund 20 gratis Modellen weiterleitet. Modelle lassen sich auch lokal mit LM Studio oder Ollama auf einer Grafikkarte mit 8 GB Videospeicher oder einem Mac mit Apple-M-Serie betreiben. Kostenlose Stufen können über Nacht verschwinden – bauen Sie also nichts Wichtiges darauf auf und lesen Sie die Datenrichtlinie, bevor Sie etwas Sensibles einfügen. Gratis-Angebote lassen sich gleichwohl nutzen, um Iterationen auszureizen: Hermes bietet eine gute Auswahl an freien Modellen, die die Aufgabe erledigen könnten, ebenso Nvidia. Es ist besser, einen Prompt mit einem freien, dümmeren Modell zu verfeinern, als ein Premium-Modell zu bezahlen, das dasselbe tut – nur schneller.

Zusätzliche Einsteigertipps: Extended Thinking bei simplen Fragen überspringen oder bei neueren Claude-Modellen, bei denen sich das Denken nicht abschalten lässt, die Effort-Einstellung senken – Anthropic rechnet den gesamten Denkprozess als Output ab, einschließlich des Teils, den Nutzer nie sehen. Claude-Pro- und -Max-Abonnenten, die Nutzungsguthaben aktivieren, können unter Einstellungen und dann Usage ein monatliches Ausgabenlimit festlegen.

Fortgeschritten: Ihr Agent liest viel zu viel

Die Beispiele ab hier verwenden Claude Code, Anthropics Agenten, der im Terminal läuft und Dateien bearbeitet; Befehle gehen direkt in sein Chat-Feld. Andere Oberflächen folgen ähnlicher Logik, und wer nur die Chat-Apps nutzt, kann Tipp 8 in jedem Chatfenster anwenden.

6. Günstig starten, bei Fehlschlag eskalieren. Tippen Sie /model zum Wechseln des Modells, lassen Sie Sonnet als Standard und steigen Sie zu Opus erst auf, wenn Sonnet an etwas Spezifischem scheitert, etwa einem Bug, den es nach zwei Versuchen nicht behebt. Für einfache Subagenten-Aufgaben schlägt Anthropics Dokumentation vor, in den Einstellungen des Subagenten model: haiku zu setzen.

7. Zwischen Aufgaben leeren. Tippen Sie /clear beim Wechsel zu einer themenfremden Aufgabe – das kostet nichts und löscht den alten Verlauf. Nutzen Sie /compact mit einem Hinweis, was zu behalten ist, etwa /compact keep the database decisions, nur wenn der Verlauf wirklich gebraucht wird, da das Kompaktieren selbst eine große Anfrage ist.

8. Die stumpfe Mathematik dem Code überlassen. Eine Tabelle mit 5.000 Zeilen in einen Chat einzufügen, zwingt das Modell, jede Zeile zu lesen – und es kann sich trotzdem verzählen; ein Sprachmodell ist um keinen Preis ein Taschenrechner. Fordern Sie stattdessen eine Formel oder ein kurzes Skript an, führen Sie es selbst aus und übergeben Sie dem Modell nur das Ergebnis.

9. Werkzeuge ausdünnen. MCP-Server sind Plugins, die ein Modell mit Apps wie GitHub oder Google Drive verbinden, und jedes fügt jeder Sitzung Werkzeugnamen und Anweisungen hinzu. Tippen Sie /context, um zu sehen, was Platz frisst, und /mcp, um Server zu deaktivieren, die das Projekt nicht nutzt.

Zusätzliche Tipps für Fortgeschrittene: Tippen Sie /usage, um zu sehen, wohin die Tokens flossen, und halten Sie CLAUDE.md (oder Soul.md) – die Instruktionsdatei, die der Agent zu Beginn jeder Sitzung liest – unter 200 Zeilen. Für größere Äungen Shift+Tab drücken, um in den Plan-Modus zu wechseln, in dem der Agent vor dem Anfassen von Dateien einen Plan zur Genehmigung vorlegt – und Esc, sobald er in die falsche Richtung läuft. Mit /effort lässt sich das Schlussfolgern für simple Jobs wie das Umbenennen einer Variablen zurückdrehen. Anthropic zeigte, dass der Tokenverbrauch eines Agenten von 150.000 auf 2.000 Tokens sank, als er nur die tatsächlich benötigten Werkzeugdefinitionen lud – ein Grund, warum Kommandozeilenwerkzeuge wie GitHubs gh, die bis zur Ausführung nichts kosten, oft ein stets aktives Plugin schlagen.

Fortgeschritten: die Schutzschienen ins System einbauen

Nehmen wir einen Entwickler, der 1.000 Rechnungen zu je 2.000 Tokens mit 200-Token-Antworten verarbeiten muss: Der Job kostet etwa 30 Dollar auf Fable 5.1 und etwa 0,30 Dollar auf Haiku 5.5 – vor allen Tricks unten.

10. Die unveränderlichen Teile cachen. Stabile Anweisungen nach vorn, veränderliche Teile nach hinten, und den stabilen Block zum Caching markieren. In Anthropics API ist das ein zusätzliches Feld:

"system": [{
  "type": "text",
  "text": "Your invoice instructions...",
  "cache_control": {"type": "ephemeral"}
}]

Das Lesen aus dem Cache kostet einen Bruchteil des normalen Input-Preises, während das Schreiben in den standardmäßigen Fünf-Minuten-Cache extra kostet. Prüfen Sie das Feld cache_read_input_tokens in jeder Antwort; zeigt es nach dem ersten Aufruf weiterhin null, funktioniert der Cache nicht.

11. Alles, was warten kann, per Batch abarbeiten. Sowohl OpenAI als auch Anthropic verarbeiten Batch-Jobs mit 50 % Rabatt, wobei OpenAI Ergebnisse binnen 24 Stunden verspricht. Die 1.000 Rechnungen als eine Batch-Datei hochzuladen statt 1.000 Live-Aufrufe zu tätigen, senkt die Rechnung deutlich.

12. Agenten an die Leine legen. Für jeden Agentenlauf eine maximale Schrittanzahl und ein Dollarlimit festlegen sowie definieren, wie „fertig“ aussieht, bevor er startet. Claude Code akzeptiert für skriptgesteuerte Läufe das Flag --max-budget-usd, und Shopify nutzt Schutzschalter, die den Zugriff eines Entwicklers sofort kappen, wenn dessen Ausgaben innerhalb eines Tages explodieren – gebaut, um durchgebrannte Agenten einzufangen. Die jetzige Norm ist, Agenten freizulassen und sie bis zu einem als perfekt befundenen Ergebnis loop laufen zu lassen; fehlt das Budget dafür, sollte man dem Agenten nicht überlassen, was als „perfekt“ zählt.

Zusätzliche Tipps für Profis: Kritische Fakten an den Anfang oder das Ende eines langen Prompts setzen – eine von Stanford geführte Studie fand, dass Modelle Informationen an diesen Positionen am besten nutzen und am schlechtesten, wenn sie in der Mitte begraben sind. Ein zweites Modell zur Prüfung der Arbeit nur dann bezahlen, wenn ein Fehler teuer wird, etwa bei einer Vertragsklausel oder einer Zahlungssumme. Bei OpenAIs API für jedes Projekt ein hartes Ausgabenlimit aktivieren, da dessen Ausgabenwarnungen nur benachrichtigen und den Verkehr nicht stoppen.

Mit einem Test beginnen

Das günstigste Modell, das den Fünf-Aufgaben-Test aus Tipp 1 besteht, eine Woche lang zum Standard machen und nur Versagen aufsteigen. Dann die Nutzungsseite mit der der Vorwoche vergleichen. Beim Rechnungsjob senkte allein das Routing die Rechnung von 30 auf 3,90 Dollar – selbst nachdem Opus 5.5 bezahlt wurde, um 300 Fehlschläge nachzuarbeiten.

Billigere Tokens allein reichen jedoch nicht aus: Der Preis eines einzelnen Tokens ist seit 2023 um mehr als 90 % gefallen, laut Silicon Data's Token Expenditure Index, doch die Ausgaben für große Sprachmodelle haben sich seit Ende 2025 verdoppelt. Ökonomen nennen das das Jevons-Paradoxon: Eine Ressource wird so günstig, dass die Leute am Ende insgesamt mehr dafür ausgeben. Ein Bain-&-Co.-Briefing von Juni fand dasselbe Muster: Die Tokenkosten halbierten sich zwischen Dezember 2024 und 2025, während die verbrauchte Tokenmenge um 450 % wuchs.

Der Vorteil: Dasselbe fallende Preisniveau arbeitet für jeden, der aufhört, Tokens zum Spaß zu verbrennen. In Kombination mit den Gewohnheiten oben wird KI gleichzeitig billiger und besser.