Das bessere Modell war gestern. Heute entscheidet, wie man sein KI-Kontingent einsetzt.

Dienstagnachmittag, die Präsentation ist halb fertig, und der KI-Assistent meldet: Nutzungslimit erreicht, weiter in ein paar Stunden. Oder in der Entwicklung: Die Rechnung für die API ist im dritten Monat doppelt so hoch wie geplant, obwohl das Projekt kaum gewachsen ist.

Die naheliegende Reaktion ist ein größeres Abo oder das neueste Modell. Beides hilft weniger, als man denkt. Die führenden Modelle sind inzwischen für den Großteil der Büro- und Entwicklungsarbeit gut genug. Der Unterschied entsteht heute eher dabei, wie man sie einsetzt.

Wer versteht, wofür sein Kontingent tatsächlich verbraucht wird, holt mit demselben Abo oder Budget deutlich mehr heraus. In diesem Artikel geht es um genau diese Hebel, aufgeteilt für drei Gruppen: alle, die täglich mit KI-Assistenten arbeiten, alle, die Lizenzen und Budgets verantworten, und alle, die über die API eigene Anwendungen bauen.

Wohin das Kontingent tatsächlich geht

Technisch merkt sich ein Sprachmodell zwischen zwei Nachrichten nichts. Bei jeder neuen Frage wird der bisherige Verlauf erneut mitverarbeitet. Die dreißigste Nachricht in einem langen Chat verbraucht deshalb deutlich mehr als die erste, auch wenn die Frage selbst nur eine Zeile lang ist.

Abo-Limit und API-Rechnung messen am Ende dasselbe: wie viel Text das Modell lesen und schreiben muss. Anthropic nennt für Claude ausdrücklich, was den Verbrauch treibt: Länge der Nachrichten und des Chatverlaufs, Größe der Anhänge, die Wahl des Modells, die Denktiefe und Werkzeuge wie Websuche, Research oder Konnektoren. Letztere bezeichnet der Anbieter selbst als besonders tokenintensiv (Anthropic: Usage Limit Best Practices, Anthropic: Usage and Length Limits).

Das Teure ist also selten die eine schwierige Frage. Teuer sind die Dinge drumherum: der Verlauf, der seit dem Vormittag mitläuft, das PDF, aus dem nur eine Seite gebraucht wird, die Websuche, die eingeschaltet bleibt, obwohl sie niemand braucht, und das größte Modell für eine Aufgabe, die ein kleineres genauso gut erledigt.

Für alle, die täglich mit KI-Assistenten arbeiten

• Neues Thema, neuer Chat. Wechselt das Thema, gehört es in einen neuen Chat. Wer den Stand mitnehmen will, lässt sich vorher eine Zusammenfassung in fünf Zeilen schreiben und startet damit neu. So läuft der alte Verlauf nicht bei jeder weiteren Nachricht mit.
• Eine vollständige Nachricht statt fünf halber. Ziel, Material und gewünschtes Ergebnis gehören in die erste Nachricht. Jede Rückfrage schickt den ganzen Verlauf noch einmal durch. Anthropic empfiehlt genau das: zusammengehörige Fragen bündeln und den Hintergrund gleich mitliefern.
• Bearbeiten statt nachschieben. Passt eine Antwort nicht, lieber die ursprüngliche Nachricht bearbeiten und neu abschicken, statt „bitte kürzer“ hinterherzuschreiben. Dann bleibt der missglückte Versuch nicht im Verlauf hängen.
• Modell und Werkzeuge passend zur Aufgabe. Eine E-Mail umformulieren oder einen Text zusammenfassen schafft auch ein kleineres Modell. Das größte Modell und den erweiterten Denkmodus gezielt für Analysen und schwierige Probleme einsetzen. Websuche, Research und Konnektoren ausschalten, wenn sie nicht gebraucht werden.
• Wiederkehrendes Material in Projekte. Styleguide, Produktdaten, Vorlagen gehören in ein Projekt. Bei Claude wird Projektinhalt zwischengespeichert und zählt bei Wiederverwendung weniger gegen das Limit. Der Zwischenspeicher verfällt nach einer Pause, deshalb zusammengehörige Aufgaben am Stück erledigen.
• Anhänge zuschneiden. Wird aus einem langen PDF nur ein Kapitel gebraucht, nur dieses Kapitel hochladen.

Für alle, die Lizenzen und Budgets verantworten

• Erst die Nutzung ansehen, dann aufstocken. Wer an Limits stößt, braucht nicht automatisch ein größeres Abo. Wo der Anbieter Nutzungsdaten liefert, lohnt nach vier Wochen ein Blick darauf: Wer arbeitet täglich intensiv damit, wer nur gelegentlich? Danach die Lizenzen staffeln.
• Schulung vor Upgrade. Eine Stunde zu den Hebeln aus dem vorigen Abschnitt kostet weniger als ein Upgrade für das ganze Team und wirkt bei jeder einzelnen Anfrage.
• Wiederkehrende Aufgaben automatisieren. Wenn zehn Leute jeden Tag dieselbe Art von Anfrage per Hand in den Chat kopieren, ist ein automatisierter Ablauf über die API mit einem kleinen Modell oft günstiger und besser planbar. Das Rechenbeispiel weiter unten zeigt die Größenordnung.
• Kosten pro erledigter Aufgabe messen. Die Lizenzkosten pro Kopf sagen wenig. Aussagekräftiger ist, was eine beantwortete Kundenanfrage oder ein Angebotsentwurf kostet. Erst damit lassen sich Modelle und Wege fair vergleichen.
• Feste Budgets für API-Projekte. Jedes Projekt bekommt ein eigenes Budget, der Verbrauch wird monatlich geprüft. So fällt ein ausufernder Ablauf auf, bevor er teuer wird.

Für alle, die über die API eigene Anwendungen bauen

Hier wird Effizienz direkt zu Geld. Die Listenpreise von Anthropic zeigen, wie groß die Spannen sind (Anthropic Pricing, Stand Oktober 2026):

• Modell je Aufgabe wählen. Das größte Modell (Opus 5.5) kostet pro Token das Vierzigfache des kleinsten (Haiku 5.5, bei Anfragen bis 100.000 Tokens). Klassifizieren, Daten herausziehen oder Texte vorsortieren schafft oft das kleine Modell. Das große kommt nur zum Zug, wenn die Aufgabe es verlangt.
• Ausgabe knapp halten. Ausgabe-Tokens kosten bei Anthropic fünfmal so viel wie Eingabe-Tokens. Wer nur ein Ergebnis braucht, fordert JSON mit genau den nötigen Feldern an, ohne Erklärtext, und setzt eine Obergrenze für die Antwortlänge.
• Feste Teile zwischenspeichern. Systemprompt, Werkzeugdefinitionen und Referenzdokumente gehören an den Anfang der Anfrage und bleiben zwischen den Aufrufen gleich. Dann greift Prompt Caching: Ein Treffer im Zwischenspeicher kostet bei Opus 5.5 und Sonnet 5.5 nur 5 Prozent des normalen Eingabepreises. Das erste Speichern kostet einen Aufschlag, der nach ein bis zwei Treffern wieder drin ist.
• Was warten kann, als Batch schicken. Anthropic und OpenAI geben auf Batch-Verarbeitung 50 Prozent Rabatt, dafür kommen die Ergebnisse zeitversetzt, bei OpenAI innerhalb von 24 Stunden (OpenAI Batch API). Nächtliche Auswertungen und Dokumentenstapel gehören dorthin. Bei Anthropic lassen sich Batch und Caching kombinieren.
• Agenten kurz halten. Bei Agenten wächst der Kontext mit jedem Schritt, weil jedes Werkzeugergebnis im Verlauf landet. Ein komplettes Log als Werkzeugergebnis wird bei jedem folgenden Schritt erneut mitgelesen. Deshalb Werkzeugausgaben kürzen, nur die nötigen Werkzeuge freigeben und lange Läufe zwischendurch zusammenfassen.
• Messen. Jede API-Antwort meldet die verbrauchten Tokens. Wer das pro Aufgabe mitschreibt, sieht schnell, wo das Geld hingeht.

Ein Rechenbeispiel: dieselbe Aufgabe, zwei Wege

Angenommen, ein Unternehmen lässt jeden Monat 10.000 eingehende Anfragen automatisch einer Kategorie zuordnen. Jede Anfrage samt Anweisung umfasst rund 1.500 Tokens. Gerechnet mit den aktuellen Listenpreisen von Anthropic:

• Großes Modell, ausführliche Antworten (Opus 5.5, 500 Tokens Antwort mit Begründung): 160 Dollar im Monat
• Antwort auf das Nötige begrenzt (nur Kategorie als JSON, 100 Tokens): 80 Dollar
• Kleines Modell statt großem (Haiku 5.5): 2 Dollar
• Batch statt Echtzeit, weil die Zuordnung bis zum nächsten Morgen reicht: 1 Dollar

Von 160 auf 1 Dollar, ohne dass sich an der Aufgabe etwas ändert. Die Bedingung ist, dass das kleine Modell die Zuordnung zuverlässig schafft. Das muss man mit echten Beispielen testen, bevor man umstellt. Aber genau dieser Test ist der Hebel, nicht das nächste Modell-Upgrade.

Die Checkliste zum Mitnehmen

1. Neues Thema, neuer Chat.
2. Alles Nötige in die erste Nachricht, Fehlversuche bearbeiten statt nachschieben.
3. Das kleinste Modell wählen, das die Aufgabe sicher schafft. Großes Modell und Denkmodus gezielt einsetzen.
4. Websuche, Research und Konnektoren nur einschalten, wenn sie gebraucht werden.
5. Wiederkehrendes Material in Projekte legen oder über die API zwischenspeichern.
6. Antworten auf das Nötige begrenzen. Was warten kann, als Batch schicken.
7. Kosten pro erledigter Aufgabe messen, nicht pro Lizenz.

Das stärkste Modell gehört an die Stellen, an denen es den Unterschied macht. Für den Rest reicht das Wissen, wo das Kontingent hingeht.