Claude Token Limits: Context Rot, kein hartes Limit

Claude Token Limits: Context Rot, kein hartes Limit

Die Rechnung, die mich schließlich dazu veranlasste, mich hinzusetzen und zu rechnen, betrug 73,41 US-Dollar – für einen einzigen Dienstagnachmittag von Claude Code. Ich hatte nichts Ungewöhnliches getan. Ein Feature-Zweig. Eine Handvoll Dateiänderungen. Etwas Debugging. Die Art von Sitzung, die mich acht oder neun Dollar hätte kosten sollen.

Ich öffnete die Kostenaufschlüsselung in der Erwartung, einen außer Kontrolle geratenen Agenten oder eine vergessene Schleife zu finden. Was ich fand, war schlimmer. Jede einzelne Nachricht, die ich an diesem Nachmittag gesendet hatte, hatte den gesamten Gesprächsverlauf erneut gelesen. Ich habe es nicht zusammengefasst. Nicht zu den relevanten Teilen gesprungen. Lesen Sie es noch einmal. Bei Nachricht dreißig verarbeitete das Modell mehr Token, um zu verstehen, was wir bereits besprochen hatten, als um die nächste Antwort zu generieren.

Da wurde mir etwas klar, von dem ich glaube, dass die meisten Leute, die Claude verwenden – darunter viele erfahrene Entwickler – völlig rückständig sind. Das „Token-Limit“, über das sich die Leute beschweren, ist keine Obergrenze, die Anthropic auferlegt, um Sie zu erdrosseln. Es ist kein Abrechnungstrick. In der Art und Weise, wie die meisten von uns über Grenzen denken, handelt es sich nicht einmal wirklich um eine Grenze.

Es ist context rot. Und sobald Sie verstehen, was tatsächlich in einer Claude-Sitzung passiert, sind die Strategien zur Behebung keine zufälligen Tipps mehr, die Sie auf Twitter lesen, sondern ein zusammenhängendes System.

Ich verwende dieses System nun seit etwa acht Wochen in vier verschiedenen Projekten. Meine durchschnittlichen Tageskosten sind um etwa 60 % gesunken. Die Ausgabequalität ist gestiegen, nicht gesunken. Und der kontraintuitivste Teil – derjenige, bei dem ich am längsten gebraucht habe, um ihn zu akzeptieren – ist, dass fast keiner der Erfolge dadurch erzielt wurde, dass „Claude weniger verwendet wurde“. Sie entstanden durch die Verwendung von Claude Cleaner.

Dies ist die vollständige Aufschlüsselung. Die Mathematik. Die Forschung. Die genauen Slash-Befehle, die ich verwende, wann ich sie verwende, und die, die ich verlernen musste. Am Ende können Sie sich jede Claude-Sitzung ansehen und innerhalb von dreißig Sekunden feststellen, ob sie gesund ist oder kurz davor steht, Token zu bluten.

Die Mathematik, die dir niemand zeigt

Hier ist das, worum es in jedem Claude-Tutorial geht, das aber nie direkt zum Ausdruck kommt: Jedes Mal, wenn Sie eine neue Nachricht senden, verarbeitet das Modell die gesamte Konversation bis zu diesem Punkt erneut. Systemaufforderung. Jede Datei, auf die Sie verwiesen haben. Jeder Werkzeugaufruf. Jede Antwort des Assistenten. Alles, jede Runde.

Das klingt teuer. Es ist.

Lassen Sie mich Ihnen zeigen, wie es mit realistischen Zahlen tatsächlich aussieht. Gehen Sie davon aus, dass jeder Nachrichtenaustausch (Ihre Eingabeaufforderung + die Antwort von Claude + etwaige Tool-Ausgaben) etwa 500 Token zur Konversation hinzufügt. Bescheiden. Vernünftig. Wenn Sie mit Code arbeiten, zählen Sie wahrscheinlich zu wenig.

Schauen Sie sich Nachricht 10 im Vergleich zu Nachricht 1 an. Gleich große Eingabeaufforderung. Zehnfache Kosten. Bei Nachricht 30 haben Sie bereits mehr kumulative Token verbraucht als die ersten fünfzehn zusammen. Bei Nachricht 100 hat das Modell die Konversation so oft erneut gelesen, dass 98,5 % der für diese Sitzung verarbeiteten Token dafür aufgewendet wurden, den alten Kontext neu zu verstehen – und keine neue Ausgabe zu generieren.

Dies ist kein Claude-Problem. Es ist eine Transformer-Architektur-Eigenschaft. Jedes Frontier LLM funktioniert auf diese Weise. Aber Claude macht die Kosten auf eine Weise sichtbar, die die meisten Leute erst bemerken, wenn die Rechnung eintrifft.

Und hier wird es noch schlimmer – denn nicht nur die Kosten sind ein Faktor.

Wie Context Rot tatsächlich aussieht

Im Jahr 2025 veröffentlichte Chroma eine Studie, die stillschweigend viele Annahmen über das Verhalten von Langzeitkontextmodellen widerlegte. Sie testeten 18 Frontier-LLMs – einschließlich Claude – bei Abrufaufgaben mit unterschiedlichen Eingabelängen. Die gängige Meinung lautete: größeres Kontextfenster = bessere Leistung, Punkt.

Die Daten sagten etwas anderes.

Jedes einzelne Modell schnitt mit zunehmender Eingabelänge schlechter ab. Einige blieben stabil bei einer Genauigkeit von 95 % und sanken dann auf etwa 60 %, sobald die Eingabe einen bestimmten Schwellenwert überschritt. Der Rückgang erfolgte nicht allmählich. Es war eine Klippe. Und das passierte nicht bei der Grenze des vermarkteten Kontextfensters – es passierte schon lange davor, oft bei etwa 200.000–300.000 Token, selbst bei Modellen, die 1 Million Kontext bewarben.

Den Mechanismus nennen Forscher den „Lost-in-the-Middle-Effekt“(https://arxiv.org/html/2510.05381v1). Die Aufmerksamkeit des Transformators ist U-förmig. Das Modell kümmert sich gut um den Anfang des Kontexts (die Systemaufforderung, Ihre Ersteinrichtung) und das Ende (Ihre letzte Nachricht). Die Mitte? Zunehmend unscharf. Eine Stanford-Studie aus dem Jahr 2023 ergab, dass mit nur zwanzig abgerufenen Dokumenten – etwa 4.000 Token – die Genauigkeit bei QA-Aufgaben von 70–75 % auf 55–60 % sank. Und das, bevor Sie den Gesprächsverlauf mit mehreren Runden hinzufügen.

Kombinieren Sie das mit der Kostenkurve, die wir uns gerade angesehen haben, und Sie erhalten ein wirkliches Bild davon, was in einer langen Claude-Sitzung passiert:

• Token 1 bis ~50.000: Das Modell ist scharf, präzise und relativ günstig pro Runde
• Token 50.000 bis ~200.000: Die Kosten steigen schnell, die Genauigkeit beginnt zu sinken, Halluzinationen schleichen sich ein
• Token 200.000+: Sie zahlen Premium-Preise für die verminderte Leistung

Aus diesem Grund ist „Einfach im selben Chat weitermachen“ die teuerste Angewohnheit, die Sie bei Claude haben können. Sie zahlen nicht nur mehr – Sie zahlen mehr für Schlimmeres.

Die Lösung besteht nicht darin, die Menge an Claude zu begrenzen. Es geht darum, zu erkennen, dass Ihr Gespräch eine Qualitätshalbwertszeit hat, und diese bewusst zu steuern. Kontexthygiene, keine Drosselung.

Lassen Sie mich Ihnen genau zeigen, wie ich das mache.

Neun Tipps, die meine allgemeinen Claude-Kosten halbieren

Dies sind die Gewohnheiten, die ich in den regulären Claude-Apps verwende – claude.ai, mobile, API. Noch nicht Claude Code. Wir werden es schaffen.

1. Bearbeiten und neu generieren, anstatt Folgekorrekturen zu schreiben

Im Nachhinein fühlt sich das offensichtlich an und ich habe es monatelang vermisst. Wenn Claude etwas falsch macht, schrieb ich instinktiv eine Folgenachricht: „Eigentlich meinte ich X, nicht Y.“ Durch diese Nachbereitung entstehen zwei neue Wendungen im Gespräch, die in jeder zukünftigen Nachricht erneut gelesen werden.

Der sauberere Schritt besteht darin, die ursprüngliche Eingabeaufforderung zu bearbeiten und neu zu generieren. Gleiches Ergebnis. Keine zusätzliche Kontextgewichtung. Wenn Sie dies in einer langen Sitzung fünf Mal tun, haben Sie sich vielleicht 3.000 bis 5.000 Token an permanentem Overhead erspart – jede einzelne Nachricht nach diesem Zeitpunkt.

2. Stapeln Sie mehrere Anfragen in einer Eingabeaufforderung

Drei Nachrichten, in denen jeweils eine Sache gefragt wird, kosten ungefähr das Dreifache des Kontextaufwands einer Nachricht, in der drei Dinge gefragt werden. Das Modell ist wirklich gut im Umgang mit mehrteiligen Eingabeaufforderungen. Benutze das.

Statt: – „Schreiben Sie den API-Endpunkt.“

• „Jetzt schreiben Sie den Test.“
• „Schreiben Sie jetzt den README-Abschnitt.“

Senden: „Schreiben Sie den API-Endpunkt, den entsprechenden Test und einen README-Abschnitt, in dem der Endpunkt erläutert wird. Verwenden Sie jeweils H2-Überschriften.“

Sie erhalten die gleiche Qualität. Eine Kontextumdrehung kostet. Dies ist die größte Verhaltensänderung, die ich vorgenommen habe, und sie macht wahrscheinlich ein Drittel meiner Ersparnisse aus.

3. Starten Sie alle 15–20 Nachrichten neue Chats

Ich betrachte 15–20 Nachrichten als die weiche Obergrenze für ein einzelnes Gespräch. Danach beginnen sowohl die Kosten als auch die Genauigkeit merklich zu sinken. Wenn ich darauf treffe, führe ich eine absichtliche Übergabe durch:

"Summarize everything we've established in this conversation — the goal, decisions made, files touched, current blockers, and what's next. Format it as a brief I can paste into a new session."

Dann öffne ich einen neuen Chat und füge diese Zusammenfassung als erste Nachricht ein. Neue Sitzung, gleicher Kontext, Bruchteil des Tokengewichts.

4. Wählen Sie das richtige Modell für die Aufgabe

Claudes aktuelle Aufstellung – Haiku 4.5, Sonnet 4.6 und Opus 4.7 – ist keine „gut, besser, am besten“-Hierarchie. Es handelt sich um ein Geschwindigkeits-Tiefen-Spektrum, und die Verwendung von Opus für das, was Haiku bewältigen kann, ist eine stille Geldgrube.

Eine grobe Rubrik:

• Haiku 4.5 (1 $/5 $ pro Million Token): Klassifizierung, Routing, Zusammenfassung, einfache Suchvorgänge, Klebeaufgaben. Alles, wo Sie sagen würden: „Das ist nervig, aber nicht schwer.“
• Sonnet 4.6 (3 $/15 $): Ihr Standard. Code, Schreiben, Analyse, mehrstufiges Denken. Laut BenchLM-Zahlen für 2026 liegt Sonnet 4.6 bei 60 % der Kosten innerhalb von 1,2 Punkten von Opus auf der SWE-Benchmark.
• Opus 4.7 (5 $/25 $): Wirklich harte Argumentation, neuartige Probleme, mehrdeutige Spezifikationen, die Dinge, bei denen das Modell denken und nicht nur produzieren muss.

Die meisten Leute, die ich über Discord-Bildschirmfreigaben beobachte, führen standardmäßig Opus für Aufgaben aus, die Sonnet zunichte machen würde. Das entspricht einer Prämie von 67 % für Ergebnisse, die in vielen Fällen funktional identisch sind.

5. Halten Sie das erweiterte Denken standardmäßig fern

Erweitertes Denken generiert interne Argumentationstoken, bevor das Modell seine sichtbare Ausgabe erzeugt. Nützlich bei schwierigen Problemen. Teuer für alles andere, weil denkende Token zu Ausgaberaten abgerechnet werden – und die Ausgabe bei Opus und Sonnet das Fünffache der Eingabekosten beträgt.

Eine Antwort mit 500 sichtbaren Tokens und 2.000 Denktokens kostet ungefähr das Fünffache dessen, was die gleiche Antwort ohne Denken kosten würde. Das ist der eigentliche Multiplikator. Bei den meisten Aufgaben – Entwurf, Zusammenfassung, Umgestaltung – zahlt sich erweitertes Denken mit Prämien für geringfügige Genauigkeitsgewinne aus.

Ich lasse es ausgeschaltet und schalte es bewusst ein, wenn die Aufgabe es erfordert. Architekturentscheidungen. Debuggen seltsamer Fehler. Alles, wo eine falsche Antwort mich Echtzeit kostet.

6. Konvertieren Sie Dateien vor dem Hochladen in Markdown

Ein 30-seitiges PDF kann mehr als 40.000 Token ausführen. Der gleiche Inhalt wie der saubere Markdown passt oft in 8.000–12.000. PDFs weisen eine enorme Menge an Formatierungen und Metadaten auf, die nichts zu dem hinzufügen, was das Modell extrahieren kann. Das Gleiche gilt für HTML – die Hälfte der Token sind Tag-Suppe.

Wenn ich in einer Sitzung wiederholt auf ein Dokument verweisen möchte, konvertiere ich es einmal mit einem Tool wie pdftotext oder markitdown und lade die Version Markdown hoch. Die Genauigkeit steigt tatsächlich, da das Modell kein Layoutrauschen bekämpft.

7. Verwenden Sie Projekte, um wiederholte Dokumente zwischenzuspeichern

Wenn Sie in vielen Sitzungen auf dieselbe Dokumentation, denselben Codebasiskontext oder dasselbe Referenzmaterial stoßen, lässt Projekte dieses Material in der Wissensdatenbank des Projekts leben, anstatt es in jedem Chat erneut einzufügen. Der zwischengespeicherte Teil wird effizient erneut eingefügt. Dieselbe Idee wie promptes Caching auf dem API – Cache-Lesevorgänge kosten etwa 10 % des Standard-Eingabepreises.

Ich habe ein „Mejba's Codebase Context“-Projekt, das meine Codierungsstandards, Architekturmuster und ein paar Dutzend Referenzdateien enthält. Jeder codebezogene Chat findet innerhalb dieses Projekts statt. Das Model kommt herein und weiß bereits, wie ich arbeite.

8. Der Trick zum Zurücksetzen der 5-Stunden-Sitzung

Die Nutzungsfenster von Claude.ai werden alle 5 Stunden zurückgesetzt und der Timer startet mit Ihrer ersten Nachricht einer Sitzung. Wenn Sie um 8 Uhr morgens aufwachen und Ihre erste Nachricht eine echte Arbeitssitzung ist, beginnt dann das nächste Reset-Fenster. Wenn Sie um 7 Uhr morgens eine kleine Wegwerfnachricht aussenden – „Guten Morgen“ oder was auch immer – verschiebt sich der Reset, und Sie können statt einer zwei volle Arbeitssitzungen in Ihren Tag einbauen.

Belanglos? Vielleicht. Aber in Wochen, in denen ich hart grinde, hat es mir mehr als einmal ein zusätzliches Arbeitsfenster verschafft.

9. Arbeiten Sie außerhalb der Hauptverkehrszeiten, wenn Sie können

Anthropic hat zu Spitzenzeiten zeitweise die Reaktionen gedrosselt oder die Schlussfolgerung verlangsamt. Ich habe keine konkreten Daten dazu – Anthropic veröffentlicht sie nicht –, aber das anekdotische Muster in meinen eigenen Sitzungen ist klar. Sitzungen am frühen Morgen und am späten Abend fühlen sich flotter an. Mittagssitzungen während der US-Geschäftszeiten wirken manchmal träge.

Wenn Ihre Arbeit es zulässt, planen Sie schwere Arbeiten außerhalb des Pazifikfensters von 10 bis 16 Uhr ein. Im schlimmsten Fall erhalten Sie die gleiche Geschwindigkeit. Im besten Fall sind Sie 20 % schneller fertig.

Allein diese neun Tipps werden den Ausschlag geben. Wenn Sie jedoch Claude Code verwenden, gibt es einen separaten Satz von Schritten, die wichtiger sind – denn Claude Code hat ein anderes Kostenprofil und einen anderen Satz an Tools für die Verwaltung.

Acht Claude Code-Tipps, die wichtiger sind als die allgemeinen

Claude Code Hier werden die Token-Kosten wirklich beängstigend, wenn Sie sie nicht verwalten, da die Kontextoberfläche größer ist. CLAUDE.md wird auf Schritt und Tritt gespritzt. MCP-Tool-Schemata werden bei jeder Gelegenheit eingefügt. Dateilesevorgänge häufen sich. Unteragentenaufrufe geben ihre gesamte Ausgabe an Ihren Hauptkontext zurück. Die Aufzinsung ist real.

Dies sind die acht Gewohnheiten, die meine Claude Code-Rechnungen von „Das sollte ich mir wahrscheinlich mal ansehen“ in „langweilige Hintergrundkosten“ verwandelt haben.

1. Führen Sie /context frühzeitig aus – bevor Sie mit der Arbeit beginnen

Der mit Abstand nützlichste Befehl, den Claude Code mitgeliefert hat, und wahrscheinlich der, den die meisten Leute nicht verwenden. /context zeigt Ihnen ein farbiges Raster Ihrer aktuellen Kontextnutzung – was geladen ist, wie viel jedes Stück verbraucht, wohin das Budget fließt.

Führen Sie es als erstes aus, was Sie in einer neuen Sitzung tun. Nicht, nachdem Sie eine Stunde lang gearbeitet haben. Das Erste.

Was Sie oft finden werden, ist so etwas:

System prompt: 4,200 tokens
CLAUDE.md: 18,400 tokens
MCP tool schemas: 47,300 tokens
Loaded files: 0 tokens
---
Total: 69,900 tokens (35% of 200k context window)

Das sind 35 % Ihres Budgets, bevor Sie eine einzige Anweisung eingegeben haben. Wenn Ihr CLAUDE.md aufgebläht ist und Sie vier MCP-Server geladen haben, können Sie bei 22–40 % sein, bevor die Sitzung überhaupt beginnt. Laut MCP-Kontextanalyse von Scott Spence hat ein Entwickler gemessen, dass allein seine MCP-Tools mehr als 66.000 Token an Kontext-Overhead verbrauchten.

Wenn Sie diese Nummer kennen, ändert sich Ihre Arbeitsweise. Sie werden nicht mehr von Scheinrechnungen überrascht.

2. Trennen Sie die MCP-Server, die Sie nicht aktiv nutzen

Jeder verbundene MCP-Server fügt sein vollständiges Tool-Schema – jeden Tool-Namen, jede Beschreibung, jede Parameterdefinition – in den Kontext jeder einzelnen Nachricht ein. Nicht ein einziges Mal beim Start. Jeder. Drehen.

Wenn Sie einen MCP-Server mit 20 Tools haben und ihn nicht für die aktuelle Aufgabe verwenden, zahlen Sie unabhängig davon für sein Schema bei jeder Nachricht. Trennen Sie es. Sie können die Verbindung mit einem Befehl wiederherstellen, wenn Sie ihn tatsächlich benötigen. Die Einsparungen können enorm sein – leicht 15.000–40.000 Token pro Sitzung für jemanden, der mehrere Server ausgelastet hat.

Das Anthropic-Team hat am Lazy-Loading von Tool-Schemata gearbeitet (das Schema für ein Tool wird nur dann geladen, wenn es tatsächlich aufgerufen wird), und seit erweiterter Tool-Verwendung wurden einige Fortschritte erzielt. Aber die sichere Annahme, bis Sie das Gegenteil in Ihrem eigenen Setup mit /context überprüft haben, ist, dass verbundene MCP = verbrauchte Token sind.

3. Ersetzen Sie MCP-Server nach Möglichkeit durch CLIs

Es hat eine Weile gedauert, bis ich es verinnerlicht habe. MCP-Server sind praktisch, aber ausführlich. Ein CLI-Tool, das dasselbe tut – aufgerufen über das Bash-Tool von Claude Code – verwendet normalerweise weit weniger Kontext, da Sie nur den Befehl senden und die Ausgabe analysieren und keine vollständige Schemadefinition laden.

Ich habe drei MCP-Server durch gleichwertige CLI-Workflows ersetzt. Die Token-Einsparungen betrugen durchschnittlich etwa 35–40 % pro Sitzung. Der Nachteil: etwas mehr Reibung beim Aufrufen des Tools, da Claude den Befehl erstellen muss, anstatt eine typisierte Funktion aufzurufen. Für mich lohnt sich dieser Kompromiss in neun von zehn Fällen.

Wenn Sie sich bereits mit den Grundlagen befasst haben, geht mein ausführlicherer Leitfaden zur Claude Code-Token-Verwaltung durch die spezifischen MCP-zu-CLI-Swaps, die mir am meisten eingebracht haben.

4. Verwenden Sie /clear zwischen unabhängigen Aufgaben

/clear löscht den Konversationsverlauf und beginnt neu. Die meisten Leute verwenden es als „Neu starten“-Knopf, wenn etwas schief geht. Das ist nicht die wertvollste Verwendung.

Die wertvollste Verwendung findet zwischen unabhängigen Aufgaben statt. Sie haben die Umgestaltung des Authentifizierungsmoduls abgeschlossen. Als Nächstes steht auf Ihrer Liste die Aktualisierung der README-Datei. Es gibt keine Überlappung. Die Authentifizierungskonversation trägt nichts zur README-Aufgabe bei – sie wird jedoch bei jeder README-Runde erneut gelesen, wenn Sie sie nicht löschen.

Klicken Sie auf /clear. Starten Sie die README-Aufgabe neu. Sie haben sich gerade Tausende von Token mit irrelevantem Kontext gespart und außerdem die Genauigkeitsverschlechterung durch den „Lost-in-the-Middle“ zurückgesetzt, die Sie gerade befallen hatte.

5. /compact proaktiv bei ~50 % Kontextnutzung

/compact fasst Ihren Gesprächsverlauf zusammen und ersetzt das vollständige Transkript durch eine komprimierte Version. In der offiziellen Anleitung heißt es, es zu verwenden, wenn der Kontext 80 % übersteigt. Ich verwende es früher – normalerweise etwa 50 %.

Warum früher? Denn wenn Sie 80 % erreichen, befinden Sie sich bereits in der Gefahrenzone der Context Rot. Die Genauigkeit lässt bereits nach. Eine Verdichtung auf 80 % dient der Schadensbegrenzung. Bei einer Verdichtung von 50 % handelt es sich um eine Wartung.

Sie können Anweisungen an /compact übergeben, um zu steuern, was beibehalten wird: /compact focus on the auth module decisions and current test failures. Benutze das. Die Standardzusammenfassung ist in den meisten Fällen in Ordnung, aber bei komplexen Sitzungen macht es einen echten Unterschied, ihr mitzuteilen, was aufbewahrt werden soll.

Wenn /compact einen Fehler macht – etwas Wichtiges fallen lässt – können Sie mit /resume zu einem vorherigen Sitzungsstatus zurückkehren. Haben Sie wegen Fehlern keine Angst vor /compact; Der Rückspulpfad ist real.

6. Sitzungsübergabe bei ~60 % – vollständige Zusammenfassung, Neuanfang

Für wirklich lange Arbeitssitzungen reicht /compact nicht immer aus. Es gibt einen Punkt, an dem sich in der Konversation so viele Entscheidungen, Dateiverweise und Kontextwechsel angesammelt haben, dass nicht einmal eine Zusammenfassung sie vollständig entwirren kann.

Wenn ich bei etwas Komplexem eine Auslastung von etwa 60 % erreiche, führe ich eine manuelle Übergabe durch:

„Erstellen Sie ein vollständiges Übergabedokument für diese Sitzung. Fügen Sie Folgendes hinzu: das Ziel, alle getroffenen Architekturentscheidungen, alle geänderten Dateien, den aktuellen Stand der Arbeit, Blocker und die nächsten 3–5 Aktionen. Formatieren Sie es als Markdown-Briefing, das ich in eine neue Sitzung einfügen kann.“

Dann speichere ich diesen Brief, führe /clear aus und füge ihn als Eröffnungsnachricht einer neuen Sitzung ein. Die neue Sitzung beginnt mit vollem Kontext und einem Overhead von vielleicht 8.000 statt 120.000 Token.

7. Verwenden Sie Subagenten für schwere Aufgaben

Subagenten werden in separaten Kontextfenstern ausgeführt. Wenn ich einen Subagenten entsende, um „die Stripe-Webhook-Integrationsmuster zu untersuchen und drei Optionen zu melden“, erfolgt die gesamte Recherche – jede Dokumentseite, jedes Beispiel, jede Sackgassen-Erkundung – im Kontext des Subagenten, nicht in meinem. Ich bekomme die Zusammenfassung. Das Forschungsgewicht bleibt aus meiner Hauptsitzung heraus.

Dies ist eine der größten Freischaltungen, die Claude Code bietet. Für jede Aufgabe, die umfangreiches Lesen, Erkunden oder Recherchieren erfordert, bevor ein Ergebnis erstellt wird, sind Subagenten fast immer die richtige Antwort.

8. Sauberes Setup: CLAUDE.md unter 200 Zeilen, Settings.json optimiert

Der größte konstante Overhead in jeder Claude Code-Sitzung ist CLAUDE.md. Es wird bei jeder Drehung eingespritzt. Wenn Sie 600 Zeilen haben, zahlen Sie für den Rest des Projekts für diese 600 Zeilen in jeder Nachricht jeder Sitzung.

Die Analyse des Prompt Shelf empfiehlt, CLAUDE.md unter 200 Zeilen zu belassen. Ich würde unter 150 argumentieren, wenn Sie es schaffen. Fünf Regeln. Drei Dateizeiger. Die Form des Projekts, nicht die Dokumentation davon.

Kombinieren Sie das mit einem gut abgestimmten settings.json:

• autocompact_threshold auf Ihren bevorzugten Trigger eingestellt (ich verwende 0,65)
• deny-Regeln für node_modules, .next/cache, dist, build und alle anderen Verzeichnisse, die niemals in den Kontext eingelesen werden sollen

Allein dieses Setup – schlankes CLAUDE.md plus aggressive Ablehnungsregeln – senkte meinen Basissitzungsaufwand von etwa 35.000 Token auf etwa 9.000.

Das ist die tägliche Arbeit des Kostenmanagements. Doch über all diesen Taktiken gibt es eine Schicht, die, wenn man sie erst einmal anwendet, dafür sorgt, dass sich die meisten von ihnen automatisch anfühlen.

Vier Gewohnheiten der Zusammenarbeit, die sich mit der Zeit verstärken

Die oben genannten Tipps sind taktischer Natur. Diese vier sind strukturell. Sie ändern die Form Ihrer Arbeit mit Claude, nicht nur die Parameter.

1. Richten Sie Claude auf einen sauberen, dedizierten Ordner

Das klingt trivial. Das ist es nicht. Wenn Sie Claude Code auf das Stammverzeichnis eines Monorepos mit 40.000 Dateien verweisen, laden Sie selbst mit Deny-Regeln zu Lärm ein. Claude liest gelegentlich in Verzeichnisse, die Sie nicht beabsichtigt haben. Toolaufrufe geben größere Nutzlasten zurück als erwartet. Bei Suchanfragen werden irrelevante Übereinstimmungen angezeigt.

Die saubere Version: Erstellen Sie einen Arbeitsordner für die spezifische Aufgabe. Symlinken Sie nur das ein, was benötigt wird. Zeigen Sie mit Claude auf diesen Ordner. Jetzt operiert jeder Lesevorgang, jede Suche, jeder Globus auf einer fokussierten Oberfläche.

2. Lokale Speicherdateien: instructions.md + memory.md

CLAUDE.md ist global für das Projekt. Aber für langwierige Arbeiten habe ich damit begonnen, zwei zusätzliche Dateien im Arbeitsverzeichnis zu verwalten:

• instructions.md: Regeln, Ton, Formatierungseinstellungen, „Immer X machen, niemals Y.“ Selten aktualisiert. So arbeite ich gerne.
• memory.md: projektspezifische Fakten, getroffene Entscheidungen, aktueller Stand, was als nächstes kommt. Wird am Ende jeder Sitzung aktualisiert.

Zu Beginn jeder neuen Sitzung lautet meine Eröffnungsaufforderung ungefähr: „Lesen Sie „instructions.md“ und „memory.md“ und warten Sie dann auf meine nächste Nachricht.“ Gesamtkosten: ~2.000–4.000 Token. Was ich zurückbekomme: ein Claude, der den Projektstatus, die Konventionen und das, woran wir zuletzt gearbeitet haben, bereits kennt. Keine erneute Erklärung. Keine erneute Entscheidung. Die Erinnerung überlebt Sitzungsgrenzen.

Dieses Muster verstärkt sich. Drei Wochen nach Beginn eines Projekts erledigt Ihr memory.md die Arbeit, die sonst eine Konversation mit 50 Nachrichten erfordern würde, um sie neu zu erstellen.

3. Verlagern Sie die Recherche auf andere Tools

Nicht alles, was Claude tun kann, ist auch etwas, was Claude tun sollte. Umfangreiche Webrecherche, Scraping, Vergleich mehrerer Quellen – diese Aufgaben verbrauchen enorme Mengen an Kontext für Ausgaben, die andere Tools kostengünstiger produzieren.

Ich leite jetzt die meisten Arbeiten im Forschungsstil über Perplexity oder Gemini weiter und leite die destillierte Ausgabe dann für die eigentliche Bauarbeit an Claude zurück. Aus einer Forschungssitzung mit 40.000 Token wird ein Briefing mit 3.000 Token. Claude konzentriert sich auf das, was es am besten kann – Code, strukturierte Ausgabe, technische Argumentation –, anstatt Token für Aufgaben durchzukauen, bei denen es nicht das optimale Tool ist.

Dies ist einer dieser Schritte, die sich ketzerisch anfühlen, bis man sie ausprobiert. Dann fühlt es sich einfach offensichtlich an.

4. Wiederholbare Aufgaben als Fähigkeiten kodieren

Alles, was ich in verschiedenen Sitzungen mehr als dreimal mache – Codeüberprüfung, Inhaltsprüfungen, Bereitstellungschecklisten, Sicherheitsüberprüfungen – wird als Claude Skill codiert, wobei der Prozess vorinstalliert ist. Der Skill trägt seinen eigenen minimalen Kontext: die Schritte, die Standards, das Ausgabeformat.

Anstatt den Prozess jedes Mal zu erklären, löse ich den Skill aus. Die Fähigkeit weiß, was zu tun ist. Mein Hauptkontext bleibt leicht. Ich erhalte eine konsistente Ausgabe. Und die Fertigkeit verbessert sich ständig – jede Sitzung, in der ein besserer Ansatz zum Vorschein kommt, wird wieder in die Fertigkeitsdefinition übernommen.

Hier erzielt das System zusammengesetzte Erträge. Wenn Sie zum ersten Mal eine Fertigkeit aufbauen, ist dies eine 30-minütige Investition mit geringfügigen Einsparungen. Wenn Sie es zum hundertsten Mal verwenden, sparen Sie zehn Minuten und 20.000 Token pro Aufruf und erhalten darüber hinaus eine bessere und konsistentere Ausgabe, als dies bei Ad-hoc-Anweisungen jemals der Fall war.

Real Talk: Was ich bei all dem falsch gemacht habe

Ich möchte bei etwas ehrlich sein. In den ersten sechs Monaten, in denen ich Claude ernsthaft genutzt habe, habe ich das alles als Buchhaltung behandelt. Kostenoptimierung. Geiz kneifen. Die langweilige Seite der Verwendung von AI-Werkzeugen.

Dieser Rahmen war falsch und hat mich echtes Geld und echte Ausgabequalität gekostet, bevor ich es herausgefunden habe.

Kontexthygiene ist keine Abrechnung. Es ist Qualitätskontrolle. Die gleichen Taktiken, die meine Kosten senkten – saubere Sitzungen, schlankes CLAUDE.md, aggressive /clear und /compact, Subagenten für schwere Arbeit – machten das Modell auch deutlich genauer. Denn die gleichen Bedingungen, die die Kosten in die Höhe treiben (langer Kontext, angehäuftes Durcheinander, wechselnde Themen), verringern die Genauigkeit.

Ich hatte es verkehrt herum im Kopf. Ich dachte, es gäbe einen Kompromiss: mehr ausgeben, bessere Ergebnisse erzielen. Die tatsächliche Beziehung ist meiner Erfahrung nach das Gegenteil. Sitzungen, die viel kosteten, waren fast immer Sitzungen, bei denen die Leistung schlechter wurde, und ich habe nur noch mehr Münzen für das Problem geschaufelt, um das zu kompensieren.

Jetzt behandle ich einen Kletterschein wie ein Arzt Fieber – als Symptom. Mit der Sitzung stimmt etwas nicht. Verdichten Sie es. Löschen Sie es. Geben Sie es ab. Die Rechnung sinkt und gleichzeitig steigt die Leistung.

Dabei gibt es Grenzen, die möchte ich benennen. Kontexthygiene wird Sie nicht retten, wenn Ihr Problem wirklich schwierig ist und eine Argumentation auf Opus-Ebene in einer großen Codebasis erfordert. Manche Sitzungen sind teuer, weil die Arbeit teuer ist. Das ist in Ordnung. Das Ziel besteht nicht darin, die Ausgaben zu minimieren – es geht darum, sicherzustellen, dass Sie, wenn Sie Ausgaben tätigen, für das Signal ausgeben und nicht für das erneute Lesen alter Gesprächsgeräusche.

Wie das in acht Wochen aussieht

Folgendes hat sich für mich konkret geändert, nachdem ich dieses System zwei Monate lang in vier Projekten ausgeführt habe.

Die durchschnittlichen täglichen Claude Code-Ausgaben sanken um etwa 60 %. An manchen Tagen mehr, an manchen weniger. Auch die Varianz ist gesunken – weniger überraschende 70-Dollar-Tage.

Die Sitzungsdauer einer einzelnen Konversation sank von „bis etwas kaputt geht“ auf „bis /context ~50 % anzeigt“. Das klingt nach einer Herabstufung. Das ist es nicht. Die neuen Sitzungen sind durchgehend schärfer. Die alten langen Sessions erlebten in der zweiten Hälfte, die ich gerade erst in mich aufnahm, einen starken Abbruch.

CLAUDE.md schrumpfte in meinen Projekten von durchschnittlich etwa 400 Zeilen auf unter 150. Es ging nichts Wichtiges verloren. Viele Dinge, die ich für wichtig hielt, entpuppten sich als Schwachsinn, für den ich bei jeder Gelegenheit Geld ausgegeben hatte.

Die Anzahl der MCP-Server, die ich standardmäßig verbunden halte, ist von sechs auf zwei gestiegen. Die anderen vier werden bei Bedarf für bestimmte Aufgaben verbunden und nach Beendigung der Aufgabe getrennt.

Und was ich wirklich nicht erwartet habe: Die Arbeit, die ich in Claude Code produziere, ist spürbar besser. Saubererer Code. Weniger Halluzinationen. Fokussiertere architektonische Entscheidungen. Nicht, weil das Modell besser geworden wäre – Sonnet 4.6 und Opus 4.7 sind die gleichen Modelle, die ich zuvor verwendet habe. Weil die Sitzungen besser wurden. Weniger context rot. Weniger Drift in der Mitte des Fensters. Mehr Signal, weniger Rauschen.

Das ist der Teil davon, den ich Ihnen überlassen möchte. Token-Limits sind kein Budget, unter dem Sie leben müssen. Sie sind ein Qualitätssignal, dem Sie zuhören sollten. Wenn die Rechnung steigt, sagt Ihnen das Modell etwas – dass die Sitzung ihre Nutzungsdauer überschritten hat, dass sich im Kontext mehr angesammelt hat, als er sauber verarbeiten kann, dass es Zeit für einen Hard-Reset ist.

Hören Sie es sich an. Kompakt. Klar. Weiterleiten. Fangen Sie neu an.

Die Kosten sinken. Die Leistung steigt. Und schließlich, nach genügend Zyklen, denken Sie überhaupt nicht mehr an die „Verwaltung von Token“. Sie denken einfach, dass es gut ist, mit Claude zu arbeiten.

Häufig gestellte Fragen

Warum liest Claude bei jeder Nachricht die gesamte Konversation erneut?

Transformer-basierte LLMs verarbeiten das vollständige Kontextfenster bei jedem Inferenzaufruf – es gibt keine interne Erinnerung an vorherige Runden, so wie Menschen sich an Gespräche erinnern. Jede neue Nachricht verarbeitet die Systemaufforderung, alle vorherigen Runden und alle geladenen Dateien als eine einzige Eingabe erneut. Dies ist eine architektonische Eigenschaft, keine Claude-spezifische Designauswahl. Die vollständige Token-Mathematik finden Sie oben unter „Die Mathematik, die Ihnen niemand zeigt“.

Was ist der Unterschied zwischen /clear und /compact in Claude Code?

/clear löscht den Konversationsverlauf vollständig und beginnt neu – verwenden Sie ihn zwischen nicht zusammenhängenden Aufgaben. /compact fasst den vorhandenen Verlauf in einer komprimierten Version zusammen und behält dabei wichtige Fakten bei – nutzen Sie ihn proaktiv bei etwa 50 % Kontextnutzung, um eine produktive Sitzung zu verlängern. Beide sind in der Claude Code-Befehlsreferenz dokumentiert.

Lohnt sich die Verwendung des 1M-Token-Kontextfensters für Claude Code?

Manchmal, aber selten standardmäßig. Untersuchungen zu context rot zeigen, dass die Genauigkeit deutlich vor der 1-Millionen-Grenze abnimmt – oft bei etwa 200.000 bis 300.000 Token, selbst bei Modellen, die den 1-Millionen-Kontext bewerben. Verwenden Sie das größere Fenster für wirklich große Eingaben (vollständige Codebasen, lange Dokumente), aber rechnen Sie damit, dass die Qualität mitten im Kontext abnimmt. Bei den meisten Arbeitssitzungen übertrifft ein sauberer 50.000-Kontext einen ausgedehnten 800.000-Kontext.

Sollte ich zum Codieren immer Opus 4.7 verwenden?

Nein. Laut BenchLM-Benchmarks 2026 liegt Sonnet 4.6 nur etwa 1,2 SWE-Benchmark-Punkte von Opus bei 60 % der Kosten. Verwenden Sie Sonnet als Standard und reservieren Sie Opus für wirklich schwierige Überlegungen – neuartige Probleme, mehrdeutige Spezifikationen, komplexes Debugging. Die meisten Codierungsaufgaben erfordern keine Tiefe auf Opus-Niveau.

Wie überprüfe ich, wie viele Token meine Claude Code-Sitzung verwendet?

Führen Sie /context in Claude Code aus. Es zeigt ein farbiges Raster der aktuellen Kontextnutzung an, aufgeschlüsselt nach Systemeingabeaufforderung, CLAUDE.md, MCP-Tool-Schemata und geladenen Dateien. Führen Sie es als Erstes in einer Sitzung aus – nicht nach einer Stunde Arbeit. Wenn Sie Ihren Anfangsaufwand kennen, ändert sich Ihre Arbeitsweise.

Lasst uns zusammenarbeiten

Möchten Sie AI-Systeme aufbauen, Arbeitsabläufe automatisieren oder Ihre technische Infrastruktur skalieren? Ich würde gerne helfen.

• Fiverr (benutzerdefinierte Builds und Integrationen): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (Unternehmenslösungen): ramlit.com
• ColorPark (Design & Branding): colorpark.io
• xCyberSecurity (Sicherheitsdienste): xcybersecurity.io