Die stille Token-Inflation.

Simon Willison weist in einer kurzen Notiz vom 20. April 2026 auf eine Tatsache hin, die die meisten Teams, die Claude in Produktion einsetzen, noch nicht gemessen haben: Der neue Tokenizer von Opus 4.7 zählt denselben Text anders. Messungen in der Hand, derselbe System-Prompt springt von fünftausend auf siebentausend Token. Bei gleichem Preis pro Token bedeutet das vierzig Prozent operative Mehrkosten, getarnt als Modell-Upgrade.

Die Fakten, in Kürze

Anthropic hat angekündigt, dass der neue Tokenizer einen Multiplikator zwischen 1.0 und 1.35 einführt, je nach Inhaltstyp. Willisons Überprüfungen, durchgeführt mit einem öffentlichen Tool, das Modelle auf demselben Input vergleicht, ergeben eine weniger beruhigende Beobachtung: auf einem realen System-Prompt betrug der Multiplikator 1.46. Textdichte PDFs verhalten sich besser, um 1.08. Hochauflösende Bilder explodieren, aber dort ist der zusätzliche Verbrauch durch grössere Analysekapazität gerechtfertigt. Die praktische Schlussfolgerung ist einfach und unangenehm: Ein Upgrade auf Opus 4.7 ohne Prompt-Recalibrierung bedeutet eine höhere Rechnung für dasselbe Ergebnis.

Ein arithmetisches Beispiel, um die Grössenordnung zu verstehen. Ein gut instrumentierter Inbound-Lead-Qualifikations-Agent läuft mit etwa 30.000 Aufrufen pro Monat, mit einem durchschnittlichen System-Prompt von 4.500 Token auf dem alten Tokenizer. Monatliche Input-Kosten auf Opus 4.7 zum aktuellen Listenpreis sind grob: 30.000 Aufrufe × 4.500 Token × Input-Preis pro Million Token. Mit Upgrade auf den neuen Tokenizer ist derselbe Prompt 6.300 Token wert (Multiplikator 1.4 Durchschnitt auf italienischem Text). Gleicher funktionaler Outcome, gleicher Listenpreis, aber monatliche Input-Kosten um vierzig Prozent gestiegen. Auf Jahresbasis: einige tausend Euro, die ohne Vertragsänderung aus der Marge verschwinden.

Warum es mehr zählt, als es scheint

Der Preis pro Million Token ist unverändert. Das ist das raffinierte Detail. Die öffentliche Narrative bleibt "gleicher Preis, besseres Modell", aber die realen Kosten pro Anfrage steigen, weil derselbe Satz mehr Token produziert. Wer einen Agenten in Produktion auf ernsthaften Volumen betreibt — Outreach, Klassifikation, Extraktion, Support — sieht seine Marge erodieren, ohne dass eine Preisliste sich ändert. Es ist stille Inflation: man sieht sie nicht im Angebot, man sieht sie zwei Zyklen später in der monatlichen Rechnung.

Die zweite Schicht des Problems ist weniger technisch und mehr organisatorisch. Die meisten Unternehmen, die in den letzten zwölf Monaten Claude eingeführt haben, haben keine interne Funktion, die Kosten pro Anfrage, durchschnittliche Token pro Aufruf oder die monatliche Drift dieser Kennzahlen überwacht. Wenn ein Anbieter den Tokenizer ändert, erfahren diese Unternehmen es vom Steuerberater, nicht aus den Logs. Es ist dieselbe Sorglosigkeit, mit der 2018 Cloud-Verträge unterzeichnet wurden, multipliziert mit der Geschwindigkeit, mit der Modelle heute aktualisiert werden.

Die drei am stärksten betroffenen Prompt-Typen

Nicht alle Prompts leiden gleich. Nachdem wir in den letzten Monaten Dutzende Stacks auditiert haben, sehen wir drei klare Kategorien von Prompts, die den Tokenizer-Wechsel am teuersten bezahlen.

1 · Lange, redundante System-Prompts. Typisch für kürzlich geschriebene oder geerbte Agenten: drei Absätze "du bist ein professioneller Assistent, der…", vier Few-Shot-Beispiele, die nicht mehr nötig sind, weil die Modelle leistungsfähiger sind, eine in drei verschiedenen Formen wiederholte Liste von Beschränkungen. Es sind die Prompts, die aus Trägheit anschwellen, nicht aus Notwendigkeit. Der Multiplikator ist hier am schlimmsten — um 1.4-1.5 — weil didaktischer Text viele gewöhnliche Wörter mit unterdurchschnittlicher Tokenisierungseffizienz enthält.

2 · Italienische Dokumente dicht an Branchenterminologie. Technische Handbücher, Verträge, klinische Dokumentation, Vorschriften. Branchenterminologie (lange lateinische Wurzeln, Akronyme, technische Eigennamen) segmentiert sich in mehr Token als gewöhnliche Wörter. Typischerweise Multiplikator 1.25-1.35.

3 · Lange Multi-Turn-Konversationen. Jede Runde fügt Kontext hinzu. Wenn der Tokenizer jede Nachricht leicht mehr zählt als die vorige, addiert sich der Effekt. Eine Konversation, die in Runde 1 X gekostet hat, kostet in Runde 12 1.4X nur durch Akkumulation, bevor die neue Antwort überhaupt generiert wird. Für Agenten, die erweiterten Konversationsspeicher führen, ist es der schlimmste Fall.

Sichere Prompts hingegen sind kurze, direkte auf textdichten PDFs, wo der Multiplikator nahe 1.05-1.08 bleibt. Oft sind das strukturierte Extraktionsaufgaben auf bereits effizient tokenisierten Dokumenten.

Anonymisierter realer Fall · vorher und nachher

Ein Outreach-Agent in Produktion bei einem unserer Kunden, seit sieben Monaten auf Opus 4.6 aktiv, generierte personalisierte E-Mails aus einem System-Prompt von 5.200 Token (Zielkundenbeschreibung, Stimme-Regeln, Few-Shot-Beispiele, rechtliche Beschränkungen, was der Agent versprechen darf). Auf einem Volumen von 18.000 E-Mails/Monat: monatliche Input-Kosten circa fünfhundertzweiunddreissig Euro.

Upgrade auf Opus 4.7 ohne Recalibrierung: gleicher Prompt, gleiches Volumen, monatliche Input-Kosten gestiegen auf siebenhundertfünfundvierzig Euro. Der Kunde sah es erst nach zwei Abrechnungszyklen, auf Wochengrafiken, die der Anbieter nie gezeigt hatte. Erweiterte Jahresdifferenz: über zweitausendfünfhundert Euro auf einem einzelnen Agenten, bei einem Kunden mittlerer Grösse.

Was wir in einer halben Tagesarbeit getan haben. Den System-Prompt Zeile für Zeile gelesen. Zwei Absätze redundanter didaktischer Anweisungen weggeschnitten (der Agent war nicht neu, brauchte keine "Erinnerung"). Drei von vier Few-Shot-Beispielen entfernt (Opus 4.7 verlangt sie nicht mehr für dieselbe Qualität). Die Stimme-Regeln von sechs Sätzen auf zwei verdichtet. Endgültiger Prompt: 2.900 Token gegenüber den ursprünglichen 5.200. Monatliche Kosten gesunken auf vierhundertachtzehn Euro, unter dem Baseline vor dem Upgrade. Gleiche Output-Qualität, gemessen an einer Stichprobe von hundert doppelblind verglichenen E-Mails.

Operative Moral: ein Modell-Upgrade ist der richtige Moment, den Prompt zu überprüfen, nicht ihn zu ignorieren. Die meisten Produktiv-Prompts sind aus historischen Gründen aufgebläht, die das neue Modell obsolet macht.

Unsichtbare Inflation ist nicht nur Anthropic

Es wäre tröstlich, wenn dies ein Problem eines einzelnen Anbieters wäre. Ist es nicht. Dasselbe Muster sehen wir bei historischen OpenAI-Übergängen (Tokenizer-Wechsel zwischen Major Versions) und Google (Modifikation des effektiven Kontextfensters auf Gemini 3). Jeder Anbieter, alle zwei-vier Releases, justiert etwas, das den Verbrauch bewegt, ohne die Preisliste zu bewegen. Die öffentliche Narrative bleibt immer "gleicher Preis, besseres Modell". Die realen Task-Kosten bewegen sich um einen Faktor ungleich null.

Wer ein Multi-Provider-System betreibt — das operative Muster Jigens — hat eine doppelte Konsequenz. Einerseits kann Token-Inflation jede Komponente treffen. Andererseits existiert immer eine Re-Routing-Option: inflationiert Opus um vierzig Prozent auf einem Task, und Sonnet 4.6 erledigt denselben Task zu Kosten, die selbst mit eigenem Multiplikator niedriger bleiben, verschiebt sich der Flow. Wer an einen einzelnen Anbieter gebunden ist, hat diesen Fluchtweg einfach nicht — er zahlt die Inflation, fertig.

Die Position von Jigen

Jedes Projekt, das in unsere einundzwanzig Tage eintritt, wird ab Woche eins mit drei obligatorischen Zahlen instrumentiert: durchschnittliche Token pro Anfrage, Kosten pro nützlichem Outcome, und Prozentsatz der Aufrufe, in denen der System-Prompt mehr wiegt als die Nutzernachricht. Es sind banale Kennzahlen, doch die meisten Stacks, die wir im Audit sehen, halten sie nicht. Man schaut auf das Ergebnis, nicht auf den Verbrauch. Es ist genau der Fehler, der AI-Agenten in Produktion fragil macht: sie funktionieren, bis du das Modell aktualisierst, dann hören sie auf, zu akzeptabler Marge zu funktionieren.

Das Opus-4.7-Upgrade ist eine gute Disziplinübung. Wer seine Prompts unter Versionskontrolle hält, mit Token-Logs pro Aufruf, kann auf die Erhöhung auf zwei Arten reagieren: den System-Prompt recalibrieren — oft aus Gewohnheit aufgebläht, nicht aus Notwendigkeit — oder das Modell auf dem Teil des Flows wechseln, der Opus nicht erfordert. Wer nichts unter Kontrolle hat, zahlt die vierzig Prozent und wartet auf das nächste Upgrade.

Wie man einen System-Prompt in 30 Minuten recalibriert

Ein praktisches Verfahren für diejenigen, die sofort auf ihren Stack einwirken wollen. Funktioniert unabhängig vom Anbieter — anwendbar auf OpenAI, Anthropic, Google gleichermassen.

Minuten 0-5 · messe den Baseline. Zähle die Token des aktuellen System-Prompts auf dem Tokenizer des aktuellen Modells. Die meisten Anbieter exponieren einen Endpoint oder ein öffentliches Tool. Notiere die Zahl. Das ist dein Ausgangspunkt.

Minuten 5-15 · schneide den Didaktismus weg. Suche diese drei Muster und lösche sie gnadenlos: (a) Sätze, die dem Modell erklären, was es ist ("du bist ein Assistent"), (b) Wiederholungen in unterschiedlichen Formen derselben Beschränkung, (c) Pre-2025-Few-Shot-Beispiele, die das aktuelle Modell für die gleiche Qualität nicht mehr verlangt. Typischerweise werden bei einem 5.000-Token-Prompt zwischen 1.500 und 2.500 Token ohne messbaren Qualitätsverlust geschnitten.

Minuten 15-22 · ersetze gewöhnliche Wörter durch dichte. Der Tokenizer zählt weniger Token bei gewöhnlichen Wörtern und Standard-technischen Wurzeln. "Bitte bewerten Sie sorgfältig" wird "bewerte". "Das System muss sicherstellen, dass" wird "stelle sicher, dass". Zehn oder fünfzehn Ersetzungen sind auf einem System-Prompt weitere 200-400 Token wert.

Minuten 22-28 · validiere den Output. Lass den verkürzten Prompt auf einer Stichprobe von dreissig bis fünfzig realen Inputs laufen. Vergleiche die Outputs mit denen des Original-Prompts. Ist die Qualität identisch (operative Definition: der menschliche Reviewer kann nicht unterscheiden, welcher welcher ist), geht der verkürzte Prompt in Produktion. Verschlechtert sie sich, restauriere die nötigen Stücke eins nach dem anderen.

Minuten 28-30 · committen, loggen, monitoren. Der neue Prompt wird im Repository versioniert, mit Commit-Message, die den Token-Delta deklariert. Ein internes Dashboard registriert Verbrauch pro Aufruf vor und nach. Die Ersparnis wird in der ersten Woche messbar.

Dreissig Minuten. Oft übersteigt die Ersparnis den Wert eines halben Arbeitstags innerhalb des ersten Monats.

Schneller Test · bist du vor Token-Inflation sicher?

Ein diagnostisches Raster für die Geschäftsführung eines Unternehmens, das wissen will, ob sein AI-Agent gut verwaltet wird. Fünf Fragen:

1. Weisst du heute, wie viele Token dein Agent durchschnittlich pro Anfrage verbraucht? Gesunde Antwort: eine präzise Zahl (z.B. "4.500 Token Durchschnitt Input, 350 Output"). Verdächtige Antwort: "wir wissen nicht, kommt drauf an".
2. Wenn der Anbieter das Modell aktualisiert, misst jemand den Verbrauch vor und nach? Gesund: ja, immer, mit schriftlichem Report. Verdächtig: "wir schauen, ob es noch funktioniert".
3. Ist der System-Prompt unter Versionskontrolle (Git oder Äquivalent)? Gesund: ja, jede Änderung hat einen Commit. Verdächtig: "er lebt in einem Konfigurationsfeld, das wir zur Laufzeit ändern".
4. Existiert ein wöchentliches Diagramm der Kosten pro Anfrage? Gesund: internes Dashboard oder Anbieter-Report. Verdächtig: "siehst du im Monatsabschluss".
5. Habt ihr den teuersten Flow eures Stacks identifiziert und wisst, warum? Gesund: ja, es ist X, kostet Y, weil Z. Verdächtig: "alle Flows sind ähnlich".

Drei Ja von fünf: du verwaltest gut. Zwei oder weniger: es gibt Inflation, die deine Marge erodiert, ohne dass du es weisst. Die erste Woche zum Messen, die zweite zum Recalibrieren, die dritte zum Stabilisieren. Drei Wochen — Zufall — des Jigen-Zyklus.

Die Implikation für die Führung

Für einen CEO oder Gründer, der AI in die Produktion integriert, lautet der Punkt nicht, zu verstehen, wie ein Tokenizer funktioniert. Es ist zu fordern, dass sein Operations-Team, intern oder extern, bis nächsten Montag drei Dinge zeigt: das Diagramm der Kosten pro Anfrage der letzten vier Wochen, die Liste der aktiven System-Prompts mit ihrem Token-Gewicht, und die Identifizierung des heute teuersten Flows. Wenn diese drei Outputs nicht existieren, ist das Problem nicht Anthropic. Das Problem ist, dass ein AI-Budget ohne Buchhaltung ausgegeben wird.

Der operative Rat ist spezifisch. Aktualisiert die Modelle in Produktion nicht ohne Vorher-Nachher-Messung. Geht nicht davon aus, dass der Preis pro Token mit dem Preis pro Anfrage zusammenfällt. Haltet ein Zähltool — Willisons öffentliches ist ein guter Ausgangspunkt — an den am stärksten frequentierten System-Prompt gehängt, und lasst es laufen, sobald ein Modell die Version wechselt. Es ist eine halbe Tagesinvestition, die in den nächsten zwölf Monaten Margen-Dezimale schützt.

Willisons Datum ist klein, aber bezeichnend. Enterprise-AI wird nicht mit derselben Logik wie traditionelle Software verwaltet, wo ein kleines Update per Definition kostenlos ist. Hier ist jede Anbieter-Release eine Kostenverhandlung. Wer es rechtzeitig versteht, zahlt, was er sieht. Die anderen entdecken die Rechnung beim Jahresabschluss.

Quelle: Simon Willison, "Claude Token Counter, now with model comparisons", simonwillison.net, 20. April 2026 — Original lesen ↗. Verlinktes Tool: claude-token-counter ↗. Jigen-Lesart: Willisons Beobachtung ist kein Einzelfall — sie ist das Signal einer Dynamik, die jeder AI-Anbieter alle zwei bis vier Releases wiederholt. Die operative Antwort ist nicht, einen Anbieter zu dämonisieren, sondern den Stack zu instrumentieren: durchschnittliche Token pro Aufruf, Kosten pro nützlichem Outcome, versionierte Prompt-Kontrolle, wöchentliches Dashboard. Wer es nicht tut, unterschreibt einen Blankoscheck für das nächste Update. Multi-Provider und Prompts unter Kontrolle sind die zwei Hebel, die die stille Inflation neutralisieren.