Claude Token-Kosten senken: 6 Fixes, die wirklich sparen

Niemand budgetiert Tokens. Dann kommt ein intensiver Monat, die Rechnung verdoppelt sich, und plötzlich ist jeder im Team Experte für Kontextfenster. Wir haben genug Claude-Code-Setups auditiert, um das Muster zu kennen: Die Rechnung wird selten von der Arbeit getrieben, die du angefordert hast. Sie wird von allem getrieben, was mitfährt.

Dieser Guide ist das Playbook, das wir selbst benutzen. Die Fixes sind nach Wirkung sortiert — die langweiligen strukturellen kommen also zuerst und der spaßige (Model-Routing) zuletzt, denn dort liegt das Geld. Die Preise unten sind API-Tarife, Stand Mitte 2026: rund 3 $ pro Million Input-Tokens auf Sonnet, 5 $ auf Opus, 1 $ auf Haiku, Output-Tokens kosten etwa das Fünffache. Wenn du ein Pro- oder Max-Abo hast, zahlst du in Rate-Limits statt in Dollar — aber jeder Fix hier kauft dir dasselbe: mehr Arbeit pro Session, bevor du gegen die Wand läufst.

Wo die Tokens wirklich hingehen

Jede Anfrage, die Claude Code an die API schickt, trägt deine gesamte bisherige Session mit sich, plus eine feste Präambel: den System-Prompt, deine CLAUDE.md, die Description jedes installierten Skills und das vollständige Schema jedes Tools von jedem verbundenen MCP-Server. Diese Präambel wird bei jedem einzelnen Turn abgerechnet — egal, ob der Turn irgendetwas davon benutzt.

In einem gewachsenen Setup summiert sich das schnell. Die vier größten Brenner, die wir sehen, der Reihe nach:

Der erste sind Kontext-Re-Reads. Ein Agent, der deine 2.000-Zeilen-Konfigurationsdatei gestern gelesen hat, liest sie heute wieder, weil Sessions sich an nichts erinnern. Multipliziere das mit jeder Datei, die er „nur zur Sicherheit prüft", und die Wieder-Entdeckung wird zum eigenen Rechnungsposten.

Der zweite sind MCP-Tool-Schemas. Jeder verbundene Server injiziert seine Tool-Definitionen in jede Anfrage. Nicht, wenn das Tool benutzt wird. Immer. Fünf Server können 15.000 bis 25.000 Tokens an Schemas bedeuten, die vor deiner eigentlichen Frage sitzen — den ganzen Tag, jeden Tag.

Der dritte ist eine aufgeblähte CLAUDE.md. Eine 3.000-Zeilen-Gedächtnisdatei sind grob 30.000 Tokens, versteuert bei jeder Anfrage in jeder Session, für immer. Die meisten dieser Zeilen betreffen vielleicht eine von zehn Sessions.

Der vierte ist das Neu-Erklären. „Conventional Commits benutzen. Den Legacy-Ordner nicht anfassen. Wir bevorzugen pnpm." Wenn du deine Vorlieben jeden Morgen in den Chat tippst, bezahlst du dafür, täglich dieselbe Lektion zu erteilen — und die Lektion fährt dann in der Session-Historie bei jedem folgenden Turn mit.

Prompt-Caching dämpft all das. Wiederholter stabiler Kontext wird mit etwa einem Zehntel des normalen Input-Preises abgerechnet. Aber Cache-Writes kosten einen Aufschlag, gecachter Inhalt belegt weiterhin dein Kontextfenster, und ein einziges geändertes Byte am Anfang des Prompts invalidiert alles danach. Caching ist ein Rabatt, kein Fix.

Messen, bevor du optimierst

Token-Verschwendung zu erraten ist selbst eine Form von Verschwendung. Zehn Minuten Messung sagen dir, welcher der sechs Fixes unten für dein Setup wirklich zählt.

In Claude Code zeigt /cost, was die aktuelle Session verbraucht hat, und /context zeigt, was das Fenster gerade belegt — aufgeschlüsselt nach System-Prompt, Tools, Gedächtnisdateien und Nachrichten. Das zweite ist der ehrliche Spiegel: Wenn Tool-Schemas und CLAUDE.md 40.000 Tokens fressen, bevor du irgendetwas getippt hast, hast du dein Problem gefunden.

Für die Historie liest das Community-Tool ccusage die Transkriptdateien, die Claude Code ohnehin auf der Platte hält, und liefert Aufschlüsselungen pro Tag und Modell. API-Nutzer sehen dasselbe auf der Usage-Seite der Anthropic Console, aufgeteilt nach Key. Und wenn du wissen willst, was eine bestimmte Datei kostet: Der count_tokens-Endpoint der API liefert eine exakte Zahl — deine CLAUDE.md hindurchzujagen sind ernüchternde dreißig Sekunden.

Verschaff dir eine Baseline-Woche, bevor du irgendetwas änderst. Jede Behauptung über unsere eigenen Zahlen weiter unten stammt aus genau dieser Übung, und der Token Budget Auditor-Skill existiert, um die ganze Prozedur zu automatisieren (mehr dazu in Fix 6).

Fix 1: Wiederholte Prompts durch Skills ersetzen

Das ist für die meisten die Änderung mit dem größten Hebel, und sie funktioniert wegen einer Design-Entscheidung: Progressive Disclosure. Die vollständigen Anweisungen eines Skills laden nur, wenn der Skill triggert. Was du pro Anfrage bezahlst, ist nur seine Trigger-Description, üblicherweise 30 bis 60 Tokens. Wenn dir das Format neu ist: Unser Erklärstück zu Claude Skills deckt die Mechanik ab.

Rechne es an einem Prompt durch, den du täglich einfügst. Sagen wir 2.000 Wörter, etwa 2.600 Tokens: deine Code-Style-Regeln, deine Review-Checkliste, was auch immer du in einer Notiz hältst und jeden Morgen einfügst. Einmal eingefügt, sitzt der Block in der Session-Historie und wird bei jedem Turn neu gesendet. Bei 30 Turns pro Session erzeugt dieser eine Block rund 78.000 Input-Tokens pro Session. Über 22 Arbeitstage: etwa 1,7 Millionen Tokens im Monat. Auf Sonnet sind das ungecacht rund 5 $, mit ordentlichen Cache-Hits eher 1 bis 2 $.

Als Skill kostet derselbe Inhalt seine 50-Token-Description pro Turn, etwa 33.000 Tokens im Monat, plus den vollen 2.600-Token-Body nur in Sessions, in denen er tatsächlich feuert. Nenn es eine Reduktion um 95 bis 98 Prozent für diesen Block.

Fünf Dollar im Monat klingen nach nichts, bis dir zwei Dinge einfallen. Niemand hat einen eingefügten Prompt; die Setups, die wir auditieren, haben fünf bis zehn. Und die Dollarkosten sind nicht mal der Hauptschaden: Diese Tokens belegen Kontext, was lange Sessions früher in die Compaction schiebt, was Re-Reads auslöst, die mehr kosten als der Prompt selbst. Eingefügte Prompts in Skills umzuwandeln ist die eine Änderung mit dem besten Aufwand-Ersparnis-Verhältnis, das wir kennen.

Fix 2: Die CLAUDE.md auf Diät setzen

CLAUDE.md ist Always-on-Kontext. Das ist ihr ganzer Wert und ihre ganzen Kosten. Der Test für jede Zeile ist simpel: Gilt das für die meisten Sessions in diesem Projekt?

Gehört in die CLAUDE.md: Build- und Test-Befehle, Repository-Aufbau, die drei nicht offensichtlichen Constraints, die Dinge kaputtmachen, wenn man sie verletzt, harte Regeln wie „niemals direkt auf main committen". Das sind typischerweise 30 bis 60 Zeilen.

Gehört nicht hinein: Workflow-Anweisungen für Aufgaben, die du wöchentlich machst (das ist ein Skill), Styleguides für gelegentliche Arbeit wie Doku oder Migrationen (Skill), lange Architektur-Erklärungen, die Claude aus dem Code lesen kann, und alles, was du „damit es da ist, falls nötig" hineinkopiert hast. Wenn eine Sektion auf weniger als die Hälfte deiner Sessions zutrifft, zahlt sie Always-on-Miete für Teilzeitarbeit. Verschieb sie in einen Skill, und sie kostet nichts bis zu dem Tag, an dem sie relevant ist.

Wir sehen immer wieder CLAUDE.md-Dateien mit über 2.000 Zeilen, und die Besitzer sind meist zweimal überrascht: erst von der Token-Zahl (jag sie durch count_tokens), dann von der Entdeckung, dass das Kürzen Claude gehorsamer gemacht hat, nicht weniger. Anweisungen konkurrieren um Aufmerksamkeit. Vierzig scharfe Zeilen schlagen zweitausend matschige.

Fix 3: MCP-Server ausmisten, die du nicht benutzt

MCP-Server sind der leiseste Brenner, weil die Kosten im Alltag unsichtbar sind. Einen Server zu verbinden heißt, dass seine Tool-Schemas in jede Anfrage serialisiert werden. Ein typischer Server exponiert 10 bis 30 Tools mit je ein paar hundert Tokens Schema; die großen offiziellen sind schlimmer. Als wir unser eigenes Setup vermessen haben, fügte ein populärer Server allein rund 20.000 Tokens pro Anfrage hinzu — und wir hatten ihn in dem Monat zweimal benutzt.

Führe claude mcp list aus und sei gnadenlos. Frag dich bei jedem Server, wann du ihn zuletzt wirklich benutzt hast. Unsere Regel, nachdem wir diese Übung auf unseren eigenen Maschinen gemacht haben: Zwei Server pro Projekt reichen völlig, und sie sollten auf die Projekte gescoped sein, die sie brauchen, statt global konfiguriert. Ein Datenbank-Server hat in deinen Blogschreib-Sessions nichts zu versteuern.

Überdenke auch, ob jeder verbleibende Server überhaupt ein Server sein sollte. Viele MCP-Verbindungen existieren nur, um ein CLI zu ummanteln, das Claude für null laufende Kosten einfach über Bash ausführen könnte. Das vollständige Entscheidungsraster haben wir in Skills vs. MCP aufgeschrieben, aber die Kurzfassung: MCP verdient seine Schema-Steuer, wenn du authentifizierten Live-Zugriff auf ein externes System brauchst. Für Anweisungen, Workflows und alles Dateibasierte erledigt ein Skill den Job ohne die Miete pro Anfrage.

Ausmisten ist außerdem der seltene Fix, der sofort wirkt. Kein Refactoring, keine Migration. Entferne drei ungenutzte Server, und schon deine allernächste Anfrage ist 30.000 Tokens leichter.

Fix 4: Session-Gewohnheiten, die den Kontext klein halten

Struktur repariert die Fixkosten. Gewohnheiten reparieren die variablen.

Starte pro Aufgabe eine frische Session. Eine unsterbliche Session, die von einem Bugfix zu einem Refactoring zu „aktualisier auch noch das README" wandert, schleppt den gesamten Bugfix-Kontext in jeden README-Turn. Die Historie wird bei jeder Anfrage neu gesendet, die Turns einer langen Session werden also progressiv teurer. Wechselt das Thema, ist /clear oder eine neue Session fast immer billiger als weitermachen — und die Output-Qualität steigt meist auch, weil abgestandener Kontext mehr in die Irre führt, als er hilft.

Nutze /compact an natürlichen Grenzen, nicht erst zur Deadline. Claude Code kompaktiert automatisch, wenn das Fenster vollläuft, aber bis dahin hast du eine Stunde lang den vollen Tarif auf eine aufgeblähte Historie gezahlt. Direkt nach einem Meilenstein zu kompaktieren („Tests laufen, jetzt das nächste Feature") schrumpft die Historie, während du kontrollierst, was es wert ist zu behalten. Compaction kostet einen Zusammenfassungs-Durchlauf; toten Ballast mitzuschleppen kostet jeden Turn.

Grenze deine Anfragen ein. „Finde, wo wir E-Mails validieren, und fixe die Regex" schickt Claude auf eine Grep-Expedition durch ein Dutzend Dateien, jede einzelne in den Kontext gelesen und für den Rest der Session abgerechnet. Wenn du weißt, dass es in src/lib/validators.ts liegt, sag es. Zehn Sekunden Präzision sparen routinemäßig 50.000 Tokens Erkundung. Dieselbe Logik gilt für Reads: Claude auf einen Zeilenbereich zu zeigen schlägt das Einverleiben einer 2.000-Zeilen-Datei, um 40 Zeilen davon zu benutzen.

Nichts davon braucht mehr Disziplin als Aufmerksamkeit. Beobachte /context einen Tag lang, und die Verschwendungsmuster stellen sich selbst vor.

Fix 5: Billige Teilaufgaben an billigere Modelle routen

Ja, Model-Routing spart Geld. Wir führen es an fünfter Stelle, weil in jedem Audit, das wir gemacht haben, Teams danach griffen, während eine aufgeblähte CLAUDE.md und sechs ungenutzte MCP-Server das Dreifache verbrannten. Erst Struktur, dann Routing.

Trotzdem: Die Rechnung ist real. Haiku kostet ein Fünftel von Sonnet und nochmal ein Fünftel von Opus. Der saubere Weg, das in Claude Code auszunutzen, sind Subagents. Erkundung, das Zusammenfassen einer langen Datei, Boilerplate-Tests generieren, Commit-Messages im ersten Wurf: Delegiere das an einen Haiku-Subagent, während die Hauptschleife auf deinem Primärmodell bleibt. Claude Codes eigene Architektur macht das intern für manche Suchaufgaben — was dir sagt, dass Anthropic das Muster für solide hält.

Wovon wir abraten: das Modell der Hauptsession mitten in der Aufgabe hin- und herzuschalten. Prompt-Caches gelten pro Modell, jeder Wechsel wirft also deinen gecachten Präfix weg und zahlt den vollen Preis für den Wiederaufbau. Wähl ein Modell pro Session; route an der Subagent-Grenze. Und lass das harte Denken auf dem starken Modell. Ein billiges Modell, das einen falschen Plan produziert, kostet mehr als ein teures, das beim ersten Mal richtig liegt. Auch das haben wir gemessen, leider.

Fix 6: Die Token-Effizienz-Skills, die wir gerade testen

Wir führen eine eigene Token-Effizienz-Kategorie und halten sie an einen strengeren Maßstab als jede andere: Ein Urteil dort muss mit einer gemessenen Vorher-nachher-Rechnung kommen, nicht mit Vibes. Das macht Urteile langsamer. Hier der ehrliche aktuelle Stand.

Token Budget Auditor liest deine Transkripte und dein Setup und benennt deine größten Token-Sünder: aufgeblähten System-Kontext, redundante Datei-Reads, geschwätzige Tool-Schleifen. Es ist der „Erst messen"-Schritt als Skill verpackt. Urteil ausstehend; wir fahren gerade einen Vorher-nachher-Abrechnungsvergleich auf unseren eigenen Accounts, bevor wir ihn bewerten.

Context Compression verpackt die Zusammenfassen-und-weiter-Disziplin aus Fix 4, sodass lange Sessions in strukturierte Zusammenfassungen kompaktieren, statt rohe Historie zu schleppen. In der Test-Warteschlange; wir messen über eine Woche echter Sessions Token-Ersparnis gegen Informationsverlust, denn Kompression, die deine Constraints vergisst, ist schlimmer als keine.

Prompt Cache Optimizer restrukturiert den Kontext für Cache-Freundlichkeit: stabiler Inhalt zuerst, volatiler zuletzt. Die häufigste Verschwendung, die er anvisiert, ist ein Timestamp, der weit oben in einen Prompt interpoliert wird und den Cache bei jeder Anfrage still invalidiert. Ein Einzeiler-Fix, zweistellige Ersparnis, wo er greift. Wir messen gerade Live-Cache-Hit-Raten, bevor wir ein Urteil fällen.

Der eine benachbarte Skill, der das Testen bestanden hat, ist Memory Management — 9,2/10 in unserem einwöchigen Praxistest. Er lebt in unserer Produktivitäts-Kategorie, ist im Kern aber ein Token-Play: Persistentes Gedächtnis verwandelt wiederholte Wieder-Entdeckung (den teuersten Fehlermodus aus Fix 4) in ein Schreiben und billige Abrufe. Ein Claude, der sich an die Entscheidungen deines Projekts erinnert, ist ein Claude, der nicht zwölf Dateien neu liest, um sie zu rekonstruieren.

Die vollständige Liste, mit Testnotizen und allen vorhandenen Urteilen, steht unter beste Effizienz-Skills. Wir zeigen dir lieber eine Warteschlange mit laufenden Messungen als eine Seite selbstbewusster Wertungen, die wir nicht belegen können.

Das Optimizer Pack, falls du die Abkürzung willst

Ein ehrlicher Absatz zu unserem eigenen Produkt. Das Optimizer Pack ist das Effizienz-Setup, das wir auf unseren eigenen Maschinen installieren würden: die drei Effizienz-Skills von oben plus Memory Management, vorkonfiguriert, mit einem entschlackten CLAUDE.md-Template und einer MCP-Audit-Checkliste, installiert mit einem Befehl. Es kostet 10 $, vor allem weil das Verpacken und Pflegen der Konfigurationen echte Zeit frisst. Alles darin gibt es auch kostenlos auf den einzelnen Skill-Seiten; das Pack spart dir einen Abend Setup, mehr nicht. Wenn dir das Basteln Spaß macht, lass es weg.

Ein realistisches Vorher-nachher

Hier eine Skizze, zusammengesetzt aus Heavy Usern, die wir auditiert haben: ein Entwickler, der Claude Code über vier Stunden täglich auf Sonnet via API fährt, mit einer 2.500-Zeilen-CLAUDE.md, fünf MCP-Servern und Marathon-Sessions.

Vorher: grob 140 Millionen Input-Tokens und 4 Millionen Output-Tokens im Monat. Mit mittelmäßiger Cache-Performance (die CLAUDE.md hatte einen dynamischen Header, Caching funktionierte also kaum) landet das in der Gegend von 480 $ im Monat.

Nach den Fixes 1 bis 5: Drei MCP-Server auszumisten und die CLAUDE.md auf 60 Zeilen zu kürzen schnitt die Präambel pro Anfrage um etwa 45.000 Tokens. Sieben eingefügte Prompts in Skills umzuwandeln entfernte einen weiteren Brocken aus der Jeder-Turn-Historie. Frische Sessions und frühere Compaction verkürzten die durchschnittliche Historienlänge um ein Drittel. Der reparierte Cache-Invalidator sorgte dafür, dass der verbleibende stabile Kontext endlich zum Cache-Tarif abgerechnet wurde. Erkundungs-Subagents auf Haiku zu routen rasierte den Rest. Neue Rechnung: rund 210 $ im Monat.

Das sind 55 Prozent Reduktion bei null Änderung an dem, was gebaut wurde. Deine Zahlen werden abweichen, und wir würden jedem misstrauen, der einen exakten Prozentsatz verspricht — uns eingeschlossen. Aber die Rechnung eines Heavy Users allein durch Struktur grob zu halbieren deckt sich mit dem, was wir mehr als einmal gesehen haben. Das Muster gilt auch bei Abos: Dieselbe Person hörte auf, am frühen Nachmittag gegen die Max-Plan-Limits zu laufen.

FAQ

Spielt das alles eine Rolle, wenn ich ein Pro- oder Max-Abo statt der API nutze? Ja, nur in einer anderen Währung. Abos messen dich über Nutzungslimits, und diese Limits werden von denselben Tokens verbraucht, für die ein API-Nutzer bezahlt. Ein schlankeres Setup heißt mehr echte Arbeit, bevor du an die Decke stößt. Nutzer, die „ständig Limits erreichen", schleppen meist 40.000 Tokens Präambel pro Anfrage mit sich, ohne es zu wissen.

Kosten installierte Skills Tokens, wenn sie nicht benutzt werden? Nur die Trigger-Description, typischerweise 30 bis 60 Tokens pro Skill und Anfrage. Der Body lädt, wenn der Skill feuert. Zwanzig installierte Skills kosten etwa 1.000 Tokens laufenden Overhead — deshalb ist eine große Skill-Bibliothek billig, eine große CLAUDE.md aber nicht. Der eine Fehlermodus sind Skills mit aufgeblähten Descriptions; die markieren wir in unseren Reviews.

Wie viel Kontext verbraucht ein MCP-Server wirklich? Das schwankt wild, deshalb solltest du deinen messen: Führe /context mit verbundenem Server aus, dann mit getrenntem. Kleine fokussierte Server fügen 1.000 bis 3.000 Tokens Schemas hinzu. Große offizielle können 15.000 bis 25.000 hinzufügen. Die Kosten gelten für jede Anfrage — egal, ob du irgendein Tool aufrufst.

Ist /compact besser als eine frische Session? Verschiedene Jobs. /compact ist fürs Weiterführen zusammenhängender Arbeit: Es fasst die Historie zusammen, sodass der Kontext kleiner weiterreist. Eine frische Session ist für den Themenwechsel — und dann die billigere und bessere Option, denn zusammenhanglose Historie ist nicht nur teuer, sie verschlechtert den Output aktiv. Wenn du kompaktierst, um etwas Unzusammenhängendes fortzusetzen, wolltest du /clear.

Löst Prompt-Caching das nicht automatisch? Es hilft enorm und ist in Claude Code standardmäßig an, aber es rabattiert Verschwendung, statt sie zu entfernen. Gecachte Tokens kosten immer noch etwa 10 Prozent, füllen immer noch dein Kontextfenster und schieben dich immer noch in frühe Compaction. Und Caching bricht lautlos: Eine Änderung am stabilen Präfix, etwa ein Timestamp in deinem Setup, und du bist ohne Warnung zurück beim vollen Preis. Strukturiere deinen Kontext gut, und Caching multipliziert die Ersparnis; strukturiere ihn schlecht, und Caching versteckt das Problem bis zur Rechnung.