Pexon Consulting | 9 Min. Lesezeit | 10.07.2026
TL;DR
Claude Code Kosten senken heißt: Prompt-Caching aktivieren (Cache-Reads kosten nur 10 Prozent des Input-Preises), einfache Tasks auf ein kleineres Modell routen und Kontext mit /compact klein halten. Pexon (80 MA, Microsoft Partner, Deutschland) baut Team-weite Kostenkontrolle mit Gateway-Budgets in 6 Wochen. Ergebnis: dieselbe Bug-Fix-Aufgabe fällt von 1,35 auf 0,54 US-Dollar.
Das Problem: Die Rechnung explodiert, obwohl niemand mehr tippt
Ein Entwickler lässt Claude Code über Nacht an einem Refactoring laufen. Am Morgen steht die Aufgabe, aber die API-Rechnung zeigt einen Tagesposten, der höher ist als die Lizenzkosten der halben IDE-Landschaft im Team. Das ist kein Einzelfall. Anthropic selbst nennt rund 13 US-Dollar pro Entwickler und aktivem Tag und 150 bis 250 US-Dollar pro Entwickler und Monat, wobei 90 Prozent der Nutzer an einem aktiven Tag unter 30 US-Dollar bleiben. Die Streuung ist enorm: von 20 US-Dollar für Gelegenheitsnutzer bis über 1.200 US-Dollar pro Monat für Heavy-User, die Opus auf großen Codebasen fahren.
Wir sehen bei unseren Kunden immer dasselbe Muster: Der Proof of Concept läuft, drei Entwickler sind begeistert, dann skaliert man auf 30 Leute und die Kosten steigen nicht linear, sondern springen. Der Grund ist fast nie „zu viele Anfragen“, sondern drei konkrete Stellschrauben, die im POC niemand angefasst hat.
Dieser Beitrag ist die Lösung zur Schock-Rechnung. Wenn du erst einmal sehen willst, wie so eine Rechnung überhaupt zustande kommt, lies die Analyse einer 2.500-Euro-Claude-Code-Rechnung. Hier geht es darum, sie zu halbieren.
Warum Token-Zählen allein nicht reicht
Die kurze Antwort: Weil Agent-Calls zu 80 bis 90 Prozent aus wiederholtem Prefix bestehen. Jede Anfrage in einer Claude-Code-Session schickt den kompletten bisherigen Kontext erneut mit: System-Prompt, Tool-Definitionen, die halbe Codebasis, die schon gelesen wurde. Ohne Caching zahlst du diesen Prefix bei jeder einzelnen Anfrage zum vollen Input-Preis.
Genau hier liegt der größte Hebel. Prompt-Caching ist ein Prefix-Match: Der stabile Anfang der Anfrage (Tools, System-Prompt, bereits gelesene Dateien) wird gecacht, und jede Folge-Anfrage liest ihn zu 10 Prozent des Preises. Ein Byte Änderung am Anfang, und der Cache ist wertlos. Deshalb ist die Reihenfolge entscheidend: Stabiles zuerst, Volatiles ans Ende.
Die Preise pro Million Token (Stand Juli 2026, Claude API) sehen so aus:
Cache-Writes kosten das 1,25-Fache des Input-Preises bei 5-Minuten-TTL, Cache-Reads nur das 0,1-Fache. Bei bursty Traffic hält jeder Read den Cache warm, ohne dass du den Write erneut zahlst. Details dazu in der offiziellen Anthropic-Dokumentation zu Prompt-Caching.
Ein aktueller Kostenanker: Sonnet 5 läuft bis 31.08.2026 zu einem Einführungspreis von 2/10 US-Dollar pro Million Token, danach 3/15. Wer jetzt migriert, nimmt den Rabatt mit.
Hebel 1: Prompt-Caching richtig aktivieren
Prompt-Caching ist der Ein-Flag-Unterschied zwischen 1,35 und 0,54 US-Dollar für dieselbe Aufgabe. Konkret: Ein Bug-Fix-Profil mit 100.000 uncached Input-Token (0,30 USD), 300.000 Cache-Reads (0,09 USD) und 10.000 Output-Token (0,15 USD) landet bei 0,54 US-Dollar. Ohne Caching kostet exakt dieselbe Task 1,35 US-Dollar. Das ist der Faktor 2,5 aus einer einzigen Konfiguration.
In der API setzt du das über einen Cache-Breakpoint auf den stabilen Teil der Anfrage. Der folgende Python-Block zeigt die Platzierung: System-Prompt und Tools gehören vor den Breakpoint, die wechselnde Frage dahinter.
import anthropic
client = anthropic.Anthropic()
# Stabiler Prefix zuerst: System-Prompt plus gelesene Codebasis.
# Der cache_control-Breakpoint cacht alles davor (Tools plus System).
system_bloecke = [
{
"type": "text",
"text": "Du bist ein Code-Assistent. Kontext: <große Codebasis, 50k Token>",
# 5-Minuten-TTL reicht für eine aktive Session, jeder Read hält ihn warm
"cache_control": {"type": "ephemeral"},
}
]
antwort = client.messages.create(
model="claude-sonnet-4-6",
max_tokens=16000,
system=system_bloecke,
# Die wechselnde Frage steht NACH dem Breakpoint, invalidiert nichts davor
messages=[{"role": "user", "content": "Fixe den Race-Condition-Bug in auth.py"}],
)
# Kontrolle: cache_read_input_tokens muss über mehrere Anfragen größer 0 sein.
# Bleibt er 0, invalidiert etwas den Prefix (z.B. ein Zeitstempel im System-Prompt).
print("Cache gelesen:", antwort.usage.cache_read_input_tokens)
print("Cache geschrieben:", antwort.usage.cache_creation_input_tokens)
print("Voller Preis:", antwort.usage.input_tokens)Unsere klare Empfehlung: Prüfe nach dem Aktivieren immer cache_read_input_tokens. Ist der Wert über mehrere identische Anfragen hinweg null, arbeitet ein stiller Cache-Killer. Der häufigste ist ein datetime.now() oder eine UUID im System-Prompt, die den Prefix bei jeder Anfrage verändert. Sortiere JSON deterministisch und friere den System-Prompt ein.
Hebel 2: Kleines Modell für einfache Tasks
Nicht jede Aufgabe braucht Opus. Das ist der zweitgrößte Hebel und der, den Teams am häufigsten verschenken. Haiku 4.5 kostet 1/5 US-Dollar pro Million Token, Opus 4.8 kostet 5/25. Für Formatierung, einfache Umbenennungen, Commit-Messages oder Klassifikation ist das Fünffache an Kosten pure Verschwendung.
Die Faustregel, die wir Teams geben: Sonnet als Default, weil Sonnet die meisten Coding-Tasks gut löst und deutlich günstiger als Opus ist. Opus nur für Architektur-Entscheidungen und mehrstufiges Reasoning. Haiku für alles, was mechanisch ist.
Ein Modell-Router entscheidet das pro Task-Typ automatisch. Der folgende Block zeigt die Grundlogik:
import anthropic
client = anthropic.Anthropic()
# Task-Typ auf Modell mappen: mechanisch -> Haiku, Standard -> Sonnet,
# echtes Reasoning -> Opus. Spart bei einfachen Tasks bis zu 80 Prozent.
MODELL_ROUTING = {
"format": "claude-haiku-4-5", # Formatierung, Umbenennung, Commit-Message
"einfach": "claude-haiku-4-5", # Klassifikation, kurze Extraktion
"standard": "claude-sonnet-4-6", # normale Coding-Tasks (Default)
"komplex": "claude-opus-4-8", # Architektur, mehrstufiges Reasoning
}
def frage_claude(task_typ: str, prompt: str) -> str:
modell = MODELL_ROUTING.get(task_typ, "claude-sonnet-4-6")
antwort = client.messages.create(
model=modell,
max_tokens=4096,
messages=[{"role": "user", "content": prompt}],
)
return next(b.text for b in antwort.content if b.type == "text")
# Beispiel: eine Commit-Message braucht kein Opus
print(frage_claude("format", "Schreibe eine Commit-Message für diesen Diff: ..."))Vorsicht bei einem Punkt: Modellwechsel mitten in einer Session invalidiert den Prompt-Cache, weil Caches modell-gebunden sind. Route den Task-Typ also vor Session-Start oder nutze einen Sub-Agent mit dem kleineren Modell, statt im laufenden Loop zu wechseln.
Hebel 3: /compact und Kontext-Disziplin
Der teuerste Moment einer Session ist direkt nach einem /compact. Klingt paradox, ist aber messbar: Die neue Zusammenfassung wird über mehrere Turns neu gecacht, und dieser Restart kostet auf der API etwa 0,50 bis 1,00 US-Dollar. Trotzdem ist /compact der richtige Weg, denn die Alternative, ein Kontext-Overflow, ist teurer.
Das Prinzip: Halte den Kontext so klein wie möglich, aber compacte bewusst statt reaktiv. Lass Claude Code nicht endlos Dateien lesen, die für die Aufgabe irrelevant sind. Jede gelesene Datei wandert in den Kontext und wird ab dann bei jeder Anfrage mitgeschickt.
Praktisch heißt das: Arbeite in kurzen, fokussierten Sessions statt in einer Mammut-Session, die sich über acht Stunden aufbläht. Und wenn du compactest, mach es an einem natürlichen Schnittpunkt, nicht mitten in einer Kette von Tool-Calls.
Hebel 4: Gateway und Budget-Limits fürs ganze Team
Einzelne Entwickler, die sparsam konfigurieren, reichen nicht. Sobald 30 Leute Claude Code nutzen, brauchst du harte Grenzen, sonst kippt ein einziger vergessener Overnight-Run das Monatsbudget. Ein LLM-Gateway sitzt zwischen Entwicklern und der API, cacht zentral, routet Modelle nach Policy und setzt Budget-Limits pro Team oder pro Nutzer.
Das ist der Unterschied zwischen „wir hoffen, dass alle vernünftig sind“ und „das System erzwingt es“. Ein Gateway gibt dir außerdem die Transparenz, die du für Controlling brauchst: Wer verbraucht was, welches Modell, welche Cache-Hit-Rate. Wie ein solches Setup aussieht, zeigen wir in unserem LLM-Gateway mit Modell-Routing.
Wenn du gerade evaluierst, welche Modelle über welchen Weg laufen sollen, hilft dir der Vergleich LiteLLM gegen OpenRouter bei der Gateway-Auswahl.
Worauf du bei der Kostenkontrolle achten solltest
Fünf Punkte, die in der Praxis den Unterschied machen:
- Prompt-Caching aktivieren und
cache_read_input_tokensmonitoren. Ohne Monitoring merkst du nie, dass ein Cache-Killer zuschlägt. - Modell-Routing nach Task-Typ, nicht pauschal Opus. Sonnet als Default, Haiku für Mechanisches, Opus nur für echtes Reasoning.
- Kurze Sessions und bewusstes /compact statt Mammut-Läufe mit Kontext-Overflow.
- Ein Gateway mit Budget-Limits, sobald mehr als eine Handvoll Leute nutzt.
- Batch-API für nicht-latenzkritische Jobs: 50 Prozent Rabatt auf alle Token.
Häufig gestellte Fragen
Was kostet Claude Code pro Entwickler und Monat?
Anthropic nennt 150 bis 250 US-Dollar pro Entwickler und Monat, im Schnitt rund 13 US-Dollar pro aktivem Tag. In der Praxis reicht die Spanne von 20 US-Dollar für Gelegenheitsnutzer bis über 1.200 US-Dollar für Heavy-User mit Opus auf großen Codebasen. Mit Caching und Modell-Routing lässt sich der Wert oft halbieren.
Wie viel spart Prompt-Caching wirklich?
Cache-Reads kosten nur 10 Prozent des Input-Preises. Bei einem typischen Bug-Fix-Profil fällt dieselbe Aufgabe von 1,35 auf 0,54 US-Dollar, also rund 60 Prozent. Da Agent-Calls zu 80 bis 90 Prozent aus wiederholtem Prefix bestehen, ist Caching der mit Abstand größte Hebel.
Sollte ich Opus oder Sonnet als Standardmodell nehmen?
Sonnet 4.6 als Default. Sonnet löst die meisten Coding-Tasks gut bei 3/15 US-Dollar pro Million Token, Opus 4.8 kostet mit 5/25 fast das Doppelte. Opus lohnt nur für Architektur-Entscheidungen und mehrstufiges Reasoning. Haiku 4.5 (1/5) reicht für mechanische Tasks.
Warum kostet mich /compact zusätzlich Geld?
Nach einem /compact wird die neue Zusammenfassung über mehrere Turns neu gecacht. Dieser Restart kostet auf der API etwa 0,50 bis 1,00 US-Dollar. Das ist trotzdem günstiger als ein Kontext-Overflow. Compacte bewusst an natürlichen Schnittpunkten, nicht reaktiv mitten in einer Tool-Call-Kette.
Brauche ich ein LLM-Gateway, um Kosten zu kontrollieren?
Für einzelne Entwickler nicht, für Teams ja. Ein Gateway erzwingt Budget-Limits pro Team, cacht zentral, routet Modelle nach Policy und liefert die Verbrauchstransparenz fürs Controlling. Kommt drauf an, aber ab etwa fünf gleichzeitigen Nutzern ist es die einzige verlässliche Grenze gegen Ausreißer.
Nächster Schritt
Du hast die vier Hebel gesehen. Der Sprung von „einzelne Entwickler sparen“ zu „das ganze Team hat harte Budget-Grenzen“ ist genau das, was wir als 6-Wochen-Pilot bauen.
Verwandte Themen
→Erste Schritte im Claude-Code-Tutorial auf Deutsch
