Drei Zeilen git status, zwei npm test-Läufe, ein ls -la. Mehr hab ich an einem x-beliebigen Vormittag nicht gemacht, und mein Kontextfenster in Claude Code war trotzdem schon zu einem Drittel voll. Tokens sind in dieser Phase der KI-Entwicklung das, was Rechenzeit in den Neunzigern war: die Ressource, um die sich alles dreht, auch wenn kaum wer offen darüber spricht. Meine These: Wer produktiv mit Claude Code arbeitet, verschwendet einen erheblichen Teil seines Kontexts an Command-Output, den kein Modell in voller Länge braucht. In diesem Artikel zeig ich dir, wie ich mit dem Open-Source-Tool RTK genau dieses Problem gelöst hab, von der Installation bis zu den Zahlen, die bei mir nach den ersten Wochen tatsächlich übrig geblieben sind. Was ein Token in der Praxis kostet, bevor er überhaupt verbraucht wird, ist der richtige Einstieg dafür.
Token und Kontextfenster kurz erklärt
Ein Token ist die kleinste Texteinheit, mit der ein Sprachmodell rechnet, oft ein Wortteil, manchmal ein ganzes Wort. Jede Eingabe und jede Ausgabe wird in Tokens zerlegt und danach abgerechnet. Das Kontextfenster ist der Speicher, den ein Modell während einer Konversation zur Verfügung hat: alles, was du eingibst, was das Modell zurückgibt, und was Tools wie Claude Code an Output produzieren, landet dort und bleibt bis zum Ende der Session präsent. Ist das Fenster voll, muss gekürzt oder zusammengefasst werden, und genau das kostet dich Präzision.
Was kostet ein Token wirklich?
Ich beobachte das regelmäßig in meiner Beratungsarbeit mit EPU und KMU in der DACH-Region: Wer mit Claude Code arbeitet, denkt an die Abo-Kosten, nicht an den tatsächlichen Verbrauch. Dabei ist genau der Verbrauch die Stellschraube mit der größten Wirkung. Anthropic hat für Opus 4.8 klar kommuniziert, was Tokens kosten, wie ich im Praxis-Check zu Effort Control und Ehrlichkeit bei Opus 4.8 aufgeschlüsselt hab: 5 Dollar pro Million Input-Tokens, 25 Dollar pro Million Output-Tokens. Das klingt nach Kleingeld, bis du siehst, wie viele Tokens allein an Command-Output draufgehen. Ein npm test-Lauf mit ordentlich Output frisst locker ein paar Tausend Tokens, ein git diff in einem größeren Repo nochmal so viel. Kontext ist eh schon das teuerste, was du in einer Session hast, multipliziert über hundert Tool-Calls wird aus Kleingeld eine Rechnung, die man ernst nehmen sollte.
Dahinter steckt eine strukturelle Entwicklung, die größer ist als ein einzelnes Tool: Die Anbieter selbst kämpfen mit den Kosten für Rechenleistung, wie ich in meiner Analyse zu den Finanzzahlen von OpenAI, Anthropic, xAI und Mistral gezeigt hab. Wenn die Infrastruktur teuer bleibt, bleiben es auch die Preise pro Token, zumindest mittelfristig. Für dich als Anwender heißt das: Wer heute lernt, mit Tokens sparsam umzugehen, zahlt nicht nur weniger, sondern bekommt in der gleichen Kontextgröße auch mehr eigentliche Arbeit unter.
Wie bin ich auf RTK gestoßen?
Ich muss ehrlich sein: gesucht hab ich nicht danach. Ich bin beim Scrollen durch die GitHub-Trending-Liste über den Namen gestolpert, RTK, Untertitel „Rust Token Killer“. Der erste Gedanke war Skepsis, weil ich in den letzten zwei Jahren genug Tools gesehen hab, die große Versprechen machen und am Ende ein hübsches Interface um ein simples Problem bauen. Ich hab mir das Repository trotzdem angeschaut, und die Zahlen in der README haben mich stutzig gemacht: 60 bis 90 Prozent weniger Tokens auf gängigen Dev-Befehlen, ein einzelnes Rust-Binary ohne Abhängigkeiten, unter zehn Millisekunden Overhead. Das ist keine Marketing-Behauptung, das ist eine überprüfbare technische Zahl. Also hab ich’s installiert und in einem echten Projekt getestet, nicht in einer Sandbox. Nach den ersten paar Sessions hat sich gezeigt: das macht Sinn.
Was macht RTK eigentlich?
RTK ist ein CLI-Proxy, geschrieben in Rust, quelloffen unter Apache-2.0-Lizenz, mit aktuell rund 71.000 Stars auf GitHub. Kern-Idee: Bevor der Output eines Terminal-Befehls in deinen Claude-Code-Kontext wandert, filtert und komprimiert RTK ihn. Vier Strategien kommen dabei zum Einsatz. Smart Filtering entfernt Rauschen wie Kommentare, Leerzeilen und Boilerplate. Grouping fasst ähnliche Einträge zusammen, etwa Dateien nach Verzeichnis oder Fehler nach Typ. Truncation behält den relevanten Teil und kappt Redundanz. Deduplication kollabiert wiederholte Logzeilen zu einer Zeile mit Zähler.
Praktisch heißt das: git status liefert normalerweise ein paar Tausend Tokens, mit RTK sind es ein paar Hundert. Ein npm test-Lauf mit vielen grünen Tests wird auf die relevanten Informationen reduziert, nämlich die Fehler, nicht die hundert erfolgreichen Zeilen davor. Über 100 Befehle werden laut Projekt unterstützt, von Git über Test-Runner wie Jest, Pytest und Cargo Test bis zu Docker, Kubernetes und AWS-CLI. Das Ganze funktioniert nicht nur mit Claude Code, sondern mit 15 verschiedenen KI-Coding-Tools, darunter GitHub Copilot, Cursor, Gemini CLI und Windsurf, ein Detail, das für alle relevant ist, die zwischen mehreren Agenten wechseln.
Wie installierst du RTK?
Alle Details findest du im offiziellen RTK-Repository auf GitHub, ich beschreib dir hier den Weg, der bei mir funktioniert hat.
- Homebrew (empfohlen, so hab ich’s gemacht):
brew install rtkinstalliert das Binary direkt aus der offiziellen Formula. - Quick-Install-Skript für Linux und macOS:
curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/refs/heads/master/install.sh | shinstalliert nach~/.local/bin. Falls der Pfad noch nicht in deiner PATH-Variable steht:echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.zshrc. - Über Cargo, wenn du ohnehin eine Rust-Toolchain hast:
cargo install --git https://github.com/rtk-ai/rtk. Achtung dabei: Auf crates.io gibt’s ein zweites, komplett anderes Projekt, das ebenfalls „rtk“ heißt (Rust Type Kit). Nur die Git-Installation garantiert dir das richtige Tool. - Fertige Binaries für macOS, Linux und Windows liegen im Release-Bereich des Repositories bereit, falls du weder Homebrew noch Cargo verwenden willst.
Nach der Installation prüfst du mit rtk --version und rtk gain, ob alles funktioniert. rtk gain zeigt dir sofort Statistik-Ausgaben, auch wenn die noch bei null stehen.
Wie richtest du RTK für Claude Code ein?
Installiert ist RTK an diesem Punkt, aktiv ist es noch nicht. Dafür brauchst du den Hook, der Bash-Befehle automatisch umschreibt, bevor Claude Code sie ausführt.
- Im Terminal
rtk init -gausführen. Das installiert den Hook global und legt eine RTK.md an, die Claude Code erklärt, wie das Tool zu verwenden ist. - Claude Code neu starten, damit der Hook geladen wird.
- Testen, ob es funktioniert: einfach
git statuseingeben. Im Hintergrund wird der Befehl automatisch zurtk git statusumgeschrieben, du merkst davon nichts außer dem kürzeren Output. - Mit
rtk init --showkannst du jederzeit verifizieren, dass die Installation aktiv ist.
Ein Punkt, den ich beim ersten Test übersehen hab und der wichtig ist: Der Hook greift nur bei Bash-Tool-Calls. Claude Codes eingebaute Tools wie Read, Grep und Glob laufen daran vorbei und werden nicht automatisch komprimiert. Willst du auch dort sparen, musst du entweder auf Shell-Befehle wie cat, rg oder find ausweichen, oder RTK direkt aufrufen, also rtk read, rtk grep oder rtk find. Keine große Hürde, aber ein Detail, das in der Kurzbeschreibung leicht untergeht.
Was bringt dir RTK konkret?
Nach den ersten Wochen im Alltag komm ich bei einer typischen Claude-Code-Session auf ungefähr 75 Prozent weniger Tokens für Terminal-Output. Das deckt sich ziemlich genau mit dem, was das Projekt selbst für eine 30-minütige Session vorrechnet: rund 118.000 Tokens ohne RTK gegen etwa 23.900 Tokens mit RTK, vor allem bei Befehlen wie cat, grep, git diff und Test-Läufen. Bei git add, commit und push sind es sogar über 90 Prozent, weil RTK aus den üblichen zehn bis fünfzehn Zeilen Git-Ausgabe schlicht ein „ok“ mit Commit-Hash macht.
Was bedeutet das für dich in der Praxis? Erstens: längere Sessions, ohne dass das Kontextfenster vorzeitig vollläuft. Zweitens: niedrigere Kosten, wenn du über die API arbeitest oder ein Nutzungslimit im Blick behalten musst. Drittens, und das unterschätz ich fast am meisten: bessere Antworten, weil Claude nicht mehr durch hundert Zeilen erfolgreicher Testausgaben scrollen muss, um die eine Fehlermeldung zu finden, die zählt. Weniger Rauschen im Kontext heißt mehr Präzision in der Antwort, nicht nur weniger Kosten.
Das passt zu einem Muster, das ich in meiner Beratungsarbeit immer wieder seh: Die kleinen Effizienz-Gewinne summieren sich. Genau das hab ich zuletzt auch beschrieben, in meinem Artikel über das Energie-Dashboard, das aus einem einfach gefundenen API-Key entstanden ist: Nicht das große Projekt macht am Ende den Unterschied, sondern die Summe der kleinen, sauber gelösten Probleme.
Mit rtk gain --graph bekommst du sogar eine ASCII-Grafik deiner Einsparungen der letzten 30 Tage direkt im Terminal, und rtk discover zeigt dir, wo du noch Sparpotenzial liegen lässt, weil bestimmte Befehle bisher am Hook vorbeilaufen. Für Datenschutz-Bewusste: Telemetrie ist standardmäßig deaktiviert und muss aktiv zugestimmt werden, erfasst werden dabei nur anonymisierte Kennzahlen, nie Quellcode, Pfade oder Befehlsargumente.
Wie fügt sich RTK in deinen Claude Code Workflow ein?
Wenn du schon mit Agent Loops arbeitest, wie ich sie im Artikel zu Claude Code /loop beschrieben hab, wird der Effekt von RTK noch deutlicher. Ein /loop-Task, der alle paar Minuten git status oder Log-Dateien prüft, summiert Tokens über Stunden hinweg. Genau bei diesen wiederkehrenden, unbeaufsichtigten Checks macht sich die Kompression am stärksten bemerkbar, weil sich der Effekt mit jedem Durchlauf multipliziert statt nur einmal pro Session aufzutreten.
Fragen zu RTK
Was mich an RTK überzeugt, ist nicht die einzelne Zahl auf der README, sondern dass sich das Prinzip dahinter auf so ziemlich jeden Agenten-Workflow übertragen lässt: Kontext ist endlich, und was du nicht sinnvoll nutzt, kostet dich woanders. Ich bin mir nicht hundertprozentig sicher, ob 75 Prozent bei jedem Setup realistisch sind, das hängt stark davon ab, wie viel du überhaupt über die Bash-Tools laufen lässt. Aber selbst die konservativere Zahl aus der eigenen Statistik des Projekts, 60 Prozent, ist ein Wert, den kaum ein anderes Tool in dieser Kategorie liefert, für zehn Minuten Installationsaufwand. Installier’s, lass rtk init -g einmal laufen, und schau dir nach ein paar Tagen selbst an, was rtk gain dir anzeigt. Der Unterschied ist schneller sichtbar, als du denkst.
