Glossareintrag
Wir denken. KI tippt mit.
Ein Nutzungslimit (englisch „Rate Limit“ oder „Usage Limit“) legt bei KI-Diensten fest, wie viel ein Konto innerhalb eines bestimmten Zeitraums nutzen darf. Im Chat-Abo von ChatGPT, Claude oder Gemini ist das ein Kontingent an Nachrichten oder Rechenleistung je Zeitfenster, bei den großen Anbietern inzwischen meist ein Fünf-Stunden-Fenster plus ein Wochenlimit. Bei der Programmierschnittstelle (API) zählt der Anbieter Anfragen und Token pro Minute oder Tag. Wer die Grenze erreicht, sieht im Chat eine Meldung wie „Limit erreicht“ und muss warten, auf ein kleineres Modell ausweichen oder Zusatznutzung kaufen. Eine angebundene Software erhält vom Server den HTTP-Statuscode 429 „Too Many Requests“ und einen Hinweis, wann sie es erneut versuchen darf. Die Anbieter begründen die Limits mit der begrenzten Rechenkapazität ihrer Grafikprozessoren, dem Schutz vor Missbrauch und einer fairen Verteilung unter allen Nutzern. Vom Kontextfenster, das die Textmenge einer einzelnen Unterhaltung begrenzt, ist das Nutzungslimit unabhängig.
Chat-Abos arbeiten mit zwei Uhren. Bei Claude setzt sich ein Sitzungslimit alle fünf Stunden zurück. Darüber liegt ein Wochenlimit, das für alle Modelle zusammen gilt und sich einmal pro Woche zu einem Zeitpunkt erneuert, der dem Konto fest zugewiesen ist. Wie viele Nachrichten in ein Fenster passen, nennt Anthropic nicht, weil der Verbrauch von der Länge der Nachrichten, den angehängten Dateien, der Länge des bisherigen Gesprächsverlaufs und dem gewählten Modell abhängt. Der Pro-Tarif bietet laut Anthropics Beschreibung des Pro-Plans zu Stoßzeiten mindestens die fünffache Nutzung des Gratis-Kontos je Sitzung, die beiden Max-Tarife das Fünf- oder Zwanzigfache von Pro. Alle Oberflächen, also die Website claude.ai, die Desktop-App und das Programmierwerkzeug Claude Code, schöpfen aus demselben Kontingent. Den eigenen Stand zeigt ein Fortschrittsbalken unter Einstellungen > Nutzung.
Google hat die Gemini-App am 17. Mai 2026 auf dasselbe Muster umgestellt. Statt einer festen Zahl von Prompts pro Tag gilt seither ein rechenleistungsbasiertes Limit, das sich laut Google-Hilfeseite zu den Gemini-Nutzungslimits alle fünf Stunden auffrischt, bis das Wochenlimit erreicht ist. Das Abo AI Plus bietet das Doppelte der Standardlimits, AI Pro das Vierfache, AI Ultra je nach Stufe das Fünf- oder Zwanzigfache von Pro. Medienerzeugung und Deep Research verbrauchen mehr vom Kontingent als eine Textfrage. Ist das Limit beim großen Modell ausgeschöpft, schaltet Google zahlende Nutzer auf das kleinere Modell Flash-Lite um, statt die Unterhaltung zu beenden. Bei ChatGPT laufen die Fenster anders. Plus- und Go-Nutzer dürfen laut OpenAI-Hilfeseite zu GPT-5.5 in ChatGPT bis zu 160 Nachrichten mit GPT-5.5 innerhalb von drei Stunden senden, Gratis-Nutzer zehn Nachrichten in fünf Stunden. Danach wechselt der Chat bis zum Zurücksetzen automatisch auf die Mini-Version des Modells. Die beiden Pro-Stufen für 100 und 200 US-Dollar heben das Kontingent auf das Fünf- und Zwanzigfache von Plus. Für Spezialfunktionen wie Deep Research gelten getrennte Zähler, die sich laut OpenAI 30 Tage nach der ersten Nutzung zurücksetzen. Das neue GPT-6 Astra hat eigene, deutlich engere Fenster, in der Pro-Stufe für 200 US-Dollar sind es 200 Nachrichten pro Woche, in der Stufe darunter 50. In ChatGPT Work und Codex zählt OpenAI dagegen Token statt Nachrichten und schreibt ausdrücklich, eine feste Nachrichtenzahl sei dort kein verlässliches Maß für das verbleibende Kontingent. Microsoft rechnet bei Copilot für Privatkunden in KI‑Credits. Ein Microsoft‑365‑Abo für Einzelpersonen oder Familien enthält laut Microsofts Übersicht zu KI-Credits und Limits 60 Credits im Monat (alle Angaben Stand August 2026).
Der Verbrauch steigt mit der Länge des Gesprächs, weil das Modell bei jeder neuen Nachricht den gesamten bisherigen Verlauf erneut verarbeitet. Eine kurze Frage am Ende eines langen Chats mit drei hochgeladenen PDFs kostet deshalb ein Vielfaches derselben Frage in einer frischen Unterhaltung. Rechenintensive Funktionen wie Bild- und Videoerzeugung, Recherche-Agenten und Reasoning-Modelle mit hoher Denkstufe schlagen ebenfalls stärker zu Buche. Anthropic weist in der Hilfe zu Nutzungs- und Längenlimits darauf hin, dass auch Websuche und andere zugeschaltete Werkzeuge Kontingent verbrauchen, und empfiehlt, bei langen Gesprächen eine neue Unterhaltung zu beginnen. Google reagierte nach der Umstellung auf Nutzerbeschwerden und deckelt laut 9to5Google seit Ende Mai 2026 den Verbrauch eines einzelnen Prompts. Fehlgeschlagene Anfragen zählen nicht mehr.
Die Höhe der Limits ändert sich mehrmals im Jahr, Anthropic begründet das mit starker Nachfrage bei knapper Rechenkapazität. Das Unternehmen führte die wöchentlichen Limits Ende August 2025 ein und begründete das laut TechCrunch-Bericht zu den neuen Claude-Limits mit Nutzern, die Claude Code rund um die Uhr im Hintergrund laufen ließen, sowie mit geteilten und weiterverkauften Konten; betroffen seien weniger als 5 Prozent der Abonnenten. Am 6. Mai 2026 verdoppelte Anthropic die Fünf-Stunden-Limits für Claude Code und strich dort die Drosselung zu Stoßzeiten, nachdem es sich laut Anthropic-Ankündigung zu den höheren Limits die gesamte Kapazität des SpaceX-Rechenzentrums Colossus 1 mit mehr als 220.000 NVIDIA-Grafikprozessoren gesichert hatte. Eine am 13. Mai 2026 gestartete Erhöhung der Claude-Code-Wochenlimits um 50 Prozent verlängerte Anthropic seither mehrfach nur für wenige Wochen, zuletzt bis zum 31. August 2026, verbunden mit einer Warnung vor knapper Kapazität (Details im Artikel 33 % weniger Wochenlimit bei Claude Code).
Über die API gelten andere Maßeinheiten. OpenAI zählt laut OpenAI-Entwicklerdokumentation zu Rate Limits Anfragen pro Minute (RPM), Anfragen pro Tag (RPD), Token pro Minute (TPM), Token pro Tag (TPD) und Bilder pro Minute, und es greift immer die Grenze, die zuerst erreicht ist. Wer 20 Anfragen mit je 100 Token sendet, stößt bei einem Limit von 20 RPM an, obwohl das Token-Kontingent kaum angetastet ist. Anthropic trennt Eingabe- und Ausgabe-Token (ITPM und OTPM) und führt die Limits je Modell getrennt. Die Höhe hängt von der Nutzungsstufe ab, die mit den bisherigen Ausgaben automatisch wächst. Bei OpenAI beginnt Stufe 1 nach 5 US-Dollar eingezahltem Guthaben mit einem Monatsbudget von 100 US-Dollar, Stufe 5 setzt 1.000 US-Dollar voraus und erlaubt 200.000 US-Dollar im Monat. Anthropic nennt seine Stufen Start, Build und Scale. Für Claude Sonnet 5 sind das laut Anthropic-Dokumentation zu Rate Limits in der Start-Stufe 1.000 Anfragen und 2 Millionen Eingabe-Token pro Minute, in der Scale-Stufe 10.000 Anfragen und 10 Millionen Token. Google stuft Gemini-API-Projekte laut Gemini-API-Dokumentation zu Rate Limits ab 100 US-Dollar-Ausgaben und drei Tagen Zahlungshistorie in Stufe 2 ein, ab 1.000 US-Dollar und 30 Tagen in Stufe 3.
Anthropic setzt für die API das Token-Bucket-Verfahren ein, bei dem sich das Kontingent kontinuierlich auffüllt, statt zu festen Zeitpunkten auf null zurückzuspringen. Ein Limit von 60 Anfragen pro Minute kann deshalb laut Dokumentation als eine Anfrage pro Sekunde durchgesetzt werden, und ein Schwung von 30 Anfragen innerhalb weniger Sekunden kann scheitern, obwohl die Minute rechnerisch noch Luft hätte. Überschreitet eine Anwendung ein Limit, antwortet der Server mit dem Statuscode 429, den die Internet-Standardisierung in RFC 6585 im April 2012 für genau diesen Fall definierte. Die Antwort enthält üblicherweise einen Retry-After-Header mit der Wartezeit in Sekunden sowie Kopfzeilen, die das verbleibende Kontingent und den Zeitpunkt der Auffüllung melden (bei OpenAI x-ratelimit-remaining-requests, bei Anthropic anthropic-ratelimit-requests-remaining). Einen einheitlichen Standard für diese Kopfzeilen gibt es bisher nicht, ein entsprechender IETF-Entwurf liegt seit Mai 2026 in der elften Fassung vor. Die offiziellen Programmbibliotheken von OpenAI und Anthropic wiederholen abgewiesene Anfragen automatisch mit wachsenden Wartezeiten.
Mehrere verwandte Grenzen werden im Alltag mit dem Nutzungslimit verwechselt:
Ein Betrieb im Chat-Abo erreicht das Limit eher durch lange Gespräche als durch viele, denn jede neue Nachricht trägt den gesamten Verlauf mit. Wer morgens ein 40-seitiges Leistungsverzeichnis hochlädt und dann den ganzen Vormittag im selben Chat Angebotstexte, Nachfragen und Mails daraus ableitet, zahlt bei jeder Nachricht das ganze Dokument mit. Dagegen helfen die Maßnahmen, die Anthropic in seinen Empfehlungen zum Umgang mit dem Nutzungslimit nennt. Unterlagen gehören in ein Projekt, dort werden sie zwischengespeichert, und bei jeder weiteren Nachricht zählen nur die neuen, noch nicht gespeicherten Anteile (siehe Prompt-Caching). Für jede neue Aufgabe beginnt ein neuer Chat, und mehrere Fragen zu einem Dokument wandern gebündelt in eine Nachricht. Ein frischer Chat beugt zugleich dem Kontext-Verfall vor, dem Qualitätsabfall bei sehr langen Verläufen. Einfache Aufgaben wie das Umformulieren einer Mail erledigt das kleinere Modell, das bei Gemini und ChatGPT ohnehin einspringt, sobald das große Modell gesperrt ist.
Ob ein teurerer Tarif nötig ist, zeigt der Nutzungsbalken in den Einstellungen. Wer das Wochenlimit bei Claude Pro (ab 15 Euro im Monat) regelmäßig schon am Donnerstag erreicht, bekommt mit Max 5x (ab 90 Euro) das Fünffache. Für gelegentliche Spitzen, etwa die Woche vor einer Messe, bietet Anthropic stattdessen Zusatznutzung zu API-Preisen an. Ein vorab gekauftes Paket von 50 US-Dollar kostet laut Anthropics Übersicht zu Nutzungspaketen 45 US-Dollar und greift erst, wenn das Abo-Kontingent erschöpft ist. Teilen sich mehrere Mitarbeiter ein einzelnes Konto, zählen alle ihre Nachrichten in dasselbe Kontingent, und ein einziger Vielnutzer sperrt den anderen den Nachmittag.
Wer KI per API in die eigene Website oder eine Automatisierung einbaut, muss mit dem Fehler 429 rechnen, bevor er auftritt. Ein Kontaktformular, das jede Anfrage über Make oder Zapier an ein Sprachmodell schickt, läuft im Normalbetrieb weit unter jedem Limit. Wird eine Anzeige geschaltet und kommen 50 Anfragen in zwei Minuten, schlägt das Token-Bucket-Verfahren an, und ohne Fehlerbehandlung landen die letzten Anfragen im Nichts. Die Gegenmittel stehen in der OpenAI-Anleitung zum Umgang mit Rate Limits. Die Anfrage wird nach der im Retry-After-Header genannten Zeit wiederholt, bei weiteren Fehlversuchen mit wachsendem Abstand und einer kleinen Zufallskomponente, damit nicht alle wartenden Anfragen gleichzeitig erneut anklopfen. In Make erledigt das ein Fehler-Handler, der den fehlgeschlagenen Durchlauf als unvollständige Ausführung speichert und später wiederholt. Nicht zeitkritische Arbeiten wie 300 Produktbeschreibungen für den Onlineshop laufen über die Batch-Schnittstelle, die bei OpenAI, Anthropic und Google zum halben Preis arbeitet, Ergebnisse in der Regel innerhalb von 24 Stunden liefert und ein eigenes Kontingent hat, das die Echtzeit-Limits nicht berührt.
Vor einer Kampagne lohnt ein Blick auf die eigene Nutzungsstufe. Ein frisch angelegtes API-Konto startet in der niedrigsten Stufe und steigt erst mit den Ausgaben auf. Bei Google dauert der Aufstieg in Stufe 2 mindestens drei Tage. Wer Anfang des Monats eine Aktion mit tausend erwarteten Anfragen plant, richtet das Konto deshalb einige Wochen vorher ein und lässt es im Normalbetrieb Umsatz sammeln. Ein selbst gesetztes Ausgabenlimit schützt umgekehrt vor bösen Überraschungen, wenn ein Fehler in der Automatisierung dieselbe Anfrage in Endlosschleife sendet.
