---
title: "Prompt-Tokens reduzieren: vorher und nachher gemessen"
description: "Gemessene Token-Ersparnis durch kürzere System-Prompts, Few-Shot-Beispiele, Tool-Schemas, Datenformate, Chat-Verlauf und arabische Diakritika, mit echten Tokenizern."
url: https://broadrouter.com/de/blog/reduce-prompt-tokens/
lang: de
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/blog/reduce-prompt-tokens/) (aktualisiert am 2026-11-16).

# Prompt-Tokens reduzieren: gemessene Effekte bei Prompts, Tools, Daten

Vom Team von BroadNet Inference · 7 Min. Lesezeit · Veröffentlicht 2026-11-15 · Aktualisiert 2026-11-16

Messen Sie zuerst: Loggen Sie prompt\_tokens pro Aufruf, finden Sie den größten Teil und vergleichen Sie vorher und nachher mit dem Tokenizer des Modells. Über fünf Tokenizer hinweg sparte ein gekürzter, wortreicher System-Prompt 68 bis 71 %, und CSV brauchte 31 bis 41 % weniger Tokens als minifiziertes JSON. Bei drei Modellen verkürzte ein gekürzter System-Prompt mit 3 kurzen statt 10 ausführlichen Tools die vollständig gerenderte Anfrage um etwa 65 bis 71 %.

## Das Wichtigste in Kürze

-   Zählen Sie mit dem echten Tokenizer und bestätigen Sie mit usage.prompt\_tokens. Das Chat-Template fügt eigene Tokens hinzu und serialisiert Tool-Schemas neu.
-   Tools waren der größte Fixkostenblock, den wir gemessen haben: 10 ausführliche Tool-Schemas fügten jedem gerenderten Prompt 1.200 bis 1.400 Tokens hinzu. Senden Sie nur die Tools, die der Schritt nutzen kann.
-   Tabellarische Daten: Von formatiertem JSON zu CSV sparte 57 bis 61 %; von minifiziertem JSON zu CSV immer noch 31 bis 41 %. Die Tokenizer von Qwen und Gemma zerlegen Zahlen in einzelne Ziffern, zahlenlastige Daten kosten dort also mehr.
-   Das Ersetzen von 16 alten Runden durch eine dreizeilige Zusammenfassung verkürzte einen Qwen-Prompt von 2.700 auf 1.100 Tokens. Zusammenfassungen verlieren Details, behalten Sie also die letzten Runden wörtlich.
-   Vollständig vokalisiertes Arabisch brauchte das 2,4- bis 3,5-Fache an Tokens desselben Texts ohne Diakritika. Entfernen Sie sie, sofern die Aufgabe sie nicht braucht.

**Auf dieser Seite**

1.  Wie haben wir gemessen?
2.  Welche Kürzungen sparen die meisten Tokens?
3.  Wie sieht eine vollständige Anfrage aus?
4.  Wie kürzen Sie einen System-Prompt, ohne ihn kaputtzumachen?
5.  Wie viele Few-Shot-Beispiele brauchen Sie?
6.  Sollten Sie Tools, Daten und Verlauf anders senden?
7.  Wo passt Caching hinein?
8.  Wie messen Sie Ihren eigenen Prompt?
9.  Wo BroadNet Inference hineinpasst

Kürzere Prompts kosten weniger, lassen mehr vom [Kontextfenster](https://broadrouter.com/de/glossary/context-window/) für die eigentliche Arbeit übrig und liefern das erste Token meist früher. Aber „machen Sie den Prompt kürzer“ ist ein vager Rat. Dieser Beitrag misst gängige Kürzungen an einem realistischen Prompt für einen Support-Bot, mit den echten Tokenizern von vier offenen Modellen und `o200k_base` von OpenAI, damit Sie sehen, welche Änderungen sich lohnen.

Betreiben Sie einen Coding-Agenten, behandelt [das Token-Budget für Agenten](https://broadrouter.com/de/blog/agent-token-budget/) diese Schleife. In diesem Beitrag geht es um Anwendungs-Prompts: Chatbots, Klassifikatoren und Extraktionsjobs.

## Wie haben wir gemessen?

Alle folgenden Zählungen stammen von uns, erstellt am 15. November 2026:

-   **Tokenizer.** Die offiziellen `tokenizer.json`\-Dateien von DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B und Gemma 4 26B A4B von Google, jeweils in einer festgelegten Hugging-Face-Revision (siehe Quellen), geladen mit Hugging Face `tokenizers` 0.23.3. Dazu `o200k_base` aus `tiktoken` 0.14.0, zum Vergleich mit GPT-Modellen. Spezial-Tokens wurden nicht hinzugefügt.
-   **Gerenderte Prompts.** Für DeepSeek, GLM und Qwen haben wir außerdem vollständige Anfragen durch das veröffentlichte `chat_template.jinja` jedes Modells gerendert (Jinja2-Sandbox), mit System-Prompt, Tools, Verlauf und Frage, und das Ergebnis gezählt. Das kommt dem nahe, was ein Server tokenisiert, aber ein Anbieter kann ein anderes Template verwenden; maßgeblich bleibt also `usage.prompt_tokens` der API.
-   **Text.** Ein synthetischer Support-Bot für ein fiktives Telekommunikationsunternehmen: ein System-Prompt mit 261 Wörtern, 10 Tools, 8 Few-Shot-Beispiele, 40 Bestellzeilen, ein Verlauf mit 20 Runden und ein arabischer Absatz mit 31 Wörtern. Ein Prompt ist ein Datenpunkt. Ihre Ersparnis wird abweichen; die Methode lässt sich übertragen.

Gemma 4 VL 26B von BroadNet basiert auf dem Modell von Google, seine Zählung ist also eine Schätzung. Die anderen nutzen die eigenen Dateien der Modelle.

## Welche Kürzungen sparen die meisten Tokens?

Rohtext, vorher → nachher, mit dem eingesparten Anteil:

| Änderung | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B | Gemma 4 | GPT o200k |
| --- | --- | --- | --- | --- | --- |
| System-Prompt: 261 Wörter → 66 Wörter | 295 → 88 (70 %) | 294 → 89 (70 %) | 297 → 95 (68 %) | 297 → 96 (68 %) | 293 → 86 (71 %) |
| Few-Shot: 8 Beispiele → 3 | 157 → 69 (56 %) | 157 → 69 (56 %) | 156 → 71 (54 %) | 156 → 71 (54 %) | 152 → 69 (55 %) |
| 40 Zeilen: eingerücktes JSON → minifiziertes JSON | 2.446 → 1.606 (34 %) | 2.460 → 1.581 (36 %) | 3.180 → 1.980 (38 %) | 3.210 → 2.010 (37 %) | 2.446 → 1.567 (36 %) |
| 40 Zeilen: minifiziertes JSON → CSV | 1.606 → 948 (41 %) | 1.581 → 960 (39 %) | 1.980 → 1.359 (31 %) | 2.010 → 1.382 (31 %) | 1.567 → 946 (40 %) |
| 10 Tools: ausführliche → kurze Beschreibungen | 1.224 → 806 (34 %) | 1.214 → 797 (34 %) | 1.225 → 806 (34 %) | 1.252 → 827 (34 %) | 1.202 → 796 (34 %) |
| 10 ausführliche Tools → 3 kurze | 1.224 → 258 (79 %) | 1.214 → 257 (79 %) | 1.225 → 266 (78 %) | 1.252 → 276 (78 %) | 1.202 → 255 (79 %) |
| Arabischer Absatz: vollständig vokalisiert → ohne Vokalzeichen | 193 → 74 (62 %) | 267 → 78 (71 %) | 151 → 62 (59 %) | 180 → 64 (64 %) | 218 → 62 (72 %) |

Bei englischer Prosa sind die Prozentwerte über die Tokenizer hinweg ähnlich; eine Kürzung, die bei einem Modell hilft, hilft also auch bei den anderen. Zwei Zeilen durchbrechen dieses Muster. Die Bestelldaten kosteten Qwen und Gemma in jedem Format 23 bis 46 % mehr Tokens als DeepSeek und GLM, weil deren Tokenizer Zahlen in einzelne Ziffern zerlegen: `100200` sind bei Qwen 6 Tokens, bei DeepSeek 2. Und arabische Diakritika treffen manche Tokenizer weit härter als andere.

## Wie sieht eine vollständige Anfrage aus?

Rohtext lässt das Chat-Template außen vor. Gerendert durch das eigene Template jedes Modells, mit derselben Kundenfrage, ergab die Messung des vollständigen Prompts:

| Anfrage | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B |
| --- | --- | --- | --- |
| A. Ausführlicher System-Prompt + 10 ausführliche Tools | 1.677 | 1.535 | 1.797 |
| B. Gekürzter System-Prompt + 10 kurze Tools | 1.052 | 913 | 1.176 |
| C. Gekürzter System-Prompt + 3 kurze Tools | 574 | 443 | 636 |
| D. Gekürzter System-Prompt, keine Tools | 136 | 121 | 174 |
| C + 20 frühere Runden vollständig | 2.374 | 2.243 | 2.693 |
| C + dreizeilige Zusammenfassung + letzte 4 Runden | 979 | 849 | 1.103 |

Der Schritt von A zu C sparte etwa 65 bis 71 % jeder Anfrage (64,6 % bei Qwen, 71,1 % bei GLM). Das meiste davon kam von den Tools. Mit dem ausführlichen System-Prompt gerendert, fügten die 10 ausführlichen Tools bei DeepSeek 1.334 Tokens hinzu, bei GLM 1.209 und bei Qwen 1.421; die 3 kurzen Tools in C fügten gegenüber D 322 bis 462 hinzu. Schemas für [Tool Calling](https://broadrouter.com/de/glossary/tool-calling/) fahren bei jeder Anfrage mit, ob das Modell sie nutzt oder nicht.

Bei Volumen summiert sich das. Bei [Qwen3.8 27B](https://broadrouter.com/de/models/qwen3.8-27b/) spart der Schritt von A zu C 1.161 Tokens pro Anfrage. Bei 100.000 Anfragen im Monat sind das etwa 116 Millionen Input-Tokens, also 116 × $0.175 im Monat zum Standard-Input-Preis.

## Wie kürzen Sie einen System-Prompt, ohne ihn kaputtzumachen?

Unser Prompt mit 261 Wörtern und der mit 66 Wörtern enthalten dieselben sieben Regeln. Die Kürzungen waren alle von derselben Art:

1.  **Höflichkeiten gegenüber dem Modell streichen.** Aus „It is very important that you always remain polite and courteous at all times“ (Übersetzung: „Es ist sehr wichtig, dass Sie jederzeit höflich und zuvorkommend bleiben“) wurde nichts: Die Rollenzeile impliziert es bereits.
2.  **Eine Regel pro Zeile.** Aufzählungspunkte ersetzen Sätze wie „Please make sure that you always…“ (Übersetzung: „Bitte stellen Sie sicher, dass Sie immer …“).
3.  **Doppeltes zusammenführen.** Drei Sätze über die Sprache wurden zu „Reply in the customer’s language (Arabic or English), briefly.“ (Übersetzung: „Antworte kurz in der Sprache des Kunden (Arabisch oder Englisch).“)
4.  **Wiederholte Standardvorgaben löschen.** „Remember to always be helpful!“ (Übersetzung: „Denk daran, immer hilfsbereit zu sein!“) ändert nichts.

Dann testen. Ein kürzerer Prompt, der eine Regel verliert, kostet mehr, als er spart. Lassen Sie beide Versionen über dieselben 50 bis 100 echten Eingaben laufen und vergleichen Sie, wie in [ein LLM vor dem Wechsel evaluieren](https://broadrouter.com/de/blog/evaluate-llm-before-switching/) beschrieben.

## Wie viele Few-Shot-Beispiele brauchen Sie?

Weniger, als die meisten Prompts enthalten. Jedes [Few-Shot](https://broadrouter.com/de/glossary/few-shot-prompting/)\-Beispiel wird bei jedem Aufruf bezahlt. Behalten Sie die, die einen Fehler beheben, den das Modell ohne sie macht, etwa ein Dialektbeispiel für einen arabischen Klassifikator, und streichen Sie die, die es ohnehin richtig macht. Unsere Kürzung von 8 auf 3 sparte 54 bis 56 % des Beispielblocks. Ob 3 für Ihre Aufgabe genügen, ist eine Frage der Genauigkeit, nicht der Tokens; prüfen Sie es also mit Ihrem Testset.

## Sollten Sie Tools, Daten und Verlauf anders senden?

**Tools.** Senden Sie nur die Tools, die der aktuelle Schritt nutzen kann. Eine Rechnungsfrage braucht `get_account`, `get_bill` und `create_ticket`, nicht `order_esim`. Kürzen Sie Beschreibungen auf das, was das Modell braucht, um das Tool auszuwählen und zu befüllen. Die Einrückung spielt hier keine Rolle: Die Templates, die wir gerendert haben, serialisieren das `tools`\-Array alle mit `tojson` neu, ein formatiertes tools-Array kostet also so viel wie ein minifiziertes.

**Daten in Nachrichten.** Daten, die Sie in eine Nachricht einfügen, werden so gesendet, wie sie geschrieben sind. Minifizieren Sie JSON mindestens. Bei flachen Datensätzen lässt CSV oder TSV die wiederholten Schlüssel weg: In unserem Test 31 bis 41 % weniger Tokens als minifiziertes JSON. Verschachtelte Daten bleiben JSON. Prüfen Sie, ob das Modell die Spalten weiterhin richtig liest.

**Verlauf.** Jede vergangene Runde wird erneut gesendet. Das Ersetzen von 16 alten Runden durch eine dreizeilige Zusammenfassung, wobei die letzten vier Runden wörtlich erhalten blieben, verkürzte den Qwen-Prompt von 2.693 auf 1.103 Tokens. Eine Zusammenfassung verliert Details, auf die der Nutzer sich später beziehen könnte, und ihr Umschreiben ändert das Präfix, was das Caching bricht. [Kontextmanagement bei lang laufenden Agenten](https://broadrouter.com/de/blog/long-running-agent-context-management/) behandelt, wann man verdichten sollte.

**Arabische Diakritika.** Das meiste Arabisch wird ohne kurze Vokale geschrieben. Ist Ihr Input vollständig vokalisiert, etwa aus einem Wörterbuch, Lehrbuch oder einer religiösen Quelle, verkürzte das Entfernen der Zeichen (U+064B bis U+0652) unseren Absatz um 59 bis 72 %. Behalten Sie sie, wenn die Aufgabe davon abhängt, etwa Unterricht oder Lyrik. [Normalisierung arabischer Texte](https://broadrouter.com/de/blog/arabic-text-normalization-search/) behandelt die anderen Zeichen, deren Normalisierung sich lohnt, und [Tokens pro Wort auf Arabisch](https://broadrouter.com/de/blog/tokens-per-word-arabic-english/) den größeren Abstand zum Englischen.

## Wo passt Caching hinein?

Caching verkleinert den Prompt nicht. Es macht den wiederholten Teil günstiger. Der Caching-Leitfaden von OpenAI sagt, dass „the entire rendered prefix“ (Übersetzung: „das gesamte gerenderte Präfix“) übereinstimmen muss, und rät, stabile Anweisungen an den Anfang zu stellen. Die [Preisseite](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-reduce-prompt-tokens&utm_content=body) von BroadNet beschreibt gecachten Input als „usually the repeated start of recent requests, such as a long system prompt“ (Übersetzung: „meist der wiederholte Anfang kürzlicher Anfragen, etwa ein langer System-Prompt“), ohne dass etwas einzurichten ist, und die Dokumentation meldet Treffer in `usage.prompt_tokens_details.cached_tokens`.

Die Reihenfolge lautet also: zuerst kürzen, dann das gekürzte Präfix stabil halten. System-Prompt und Tools zuerst, bei jedem Aufruf byte-identisch; danach der Verlauf, nur ergänzt; die neue Nachricht zuletzt. Bei Qwen3.8 27B kostet gecachter Input $0.0435 pro 1 Mio. gegenüber $0.175. [Prompt-Struktur für Caching](https://broadrouter.com/de/blog/prompt-structure-for-caching/) zeigt den Aufbau und einen Test, der belegt, dass das Präfix wiederverwendet wird. Gecachte Tokens zählen weiterhin zum Kontextfenster.

## Wie messen Sie Ihren eigenen Prompt?

Beginnen Sie bei der Rechnung. Loggen Sie einen Tag lang `usage.prompt_tokens` pro Aufrufstelle und finden Sie die größte. Vergleichen Sie dann Versionen lokal mit diesem Skript, das die Zählungen vorher und nachher für zwei Dateien ausgibt:

```python
# pip install tokenizers tiktoken huggingface_hub
import json, sys
import tiktoken
from huggingface_hub import hf_hub_download
from tokenizers import Tokenizer

def hf(repo, rev):
    return Tokenizer.from_file(hf_hub_download(repo, "tokenizer.json", revision=rev))

COUNTERS = {
    "Qwen3.8 27B": hf("Qwen/Qwen3.8-27B", "37561816e66b5b9153b1b64c10968c18c1e6f4a0").encode,
    "GPT o200k": tiktoken.get_encoding("o200k_base").encode,
}

def n(enc, text):
    out = enc(text)
    return len(out.ids if hasattr(out, "ids") else out)

def diff(before, after):
    for name, enc in COUNTERS.items():
        a, b = n(enc, before), n(enc, after)
        print(f"{name:12} {a:6} -> {b:6}  saved {a - b} ({100 * (a - b) / a:.0f}%)")

if __name__ == "__main__":
    diff(open(sys.argv[1], encoding="utf-8").read(), open(sys.argv[2], encoding="utf-8").read())
```

Auf unsere beiden System-Prompts angewandt, gab es aus:

```text
Qwen3.8 27B     297 ->     95  saved 202 (68%)
GPT o200k       293 ->     86  saved 207 (71%)
```

Ergänzen Sie die Repositories der anderen Modelle aus den Quellen, um alle vier zu vergleichen. Für eine schnelle Prüfung im Browser vergleicht der [Prompt-Token-Diff](https://broadrouter.com/tools/prompt-token-diff/) zwei Versionen nebeneinander, und der [Token-Zähler](https://broadrouter.com/tools/token-counter/) zählt eine. Bestätigen Sie die Ersparnis nach dem Deployment in `usage.prompt_tokens`, das das Template mitzählt.

## Wo BroadNet Inference hineinpasst

BroadRouter ist die Website von BroadNet. BroadNet Inference berechnet Prompt-Tokens zum Input-Preis des jeweiligen Modells und liest wiederholte Präfixe zum Cache-Preis aus dem Cache, wo das Modell einen hat; sowohl kürzere Prompts als auch stabile Präfixe senken also die Rechnung. [Gemma 4 VL 26B](https://broadrouter.com/de/models/gemma-4-vl-26b/) hat einen Kontext von 32.768 Tokens, wo Kürzen nicht nur für die Kosten, sondern auch dafür zählt, ob alles hineinpasst. In den Plänen für DeepSeek V4.1 Flash gibt es keinen Token-Zähler, der Kontext von 1.048.576 Tokens gilt aber weiterhin, und ein kürzerer Prompt liefert trotzdem schneller eine Antwort. Prompts werden nach jeder Anfrage nicht gespeichert.

Kostenlose Tools zum Thema (auf Englisch)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Kostenlose Tools (auf Englisch)](https://broadrouter.com/tools/)

## Begriffe in diesem Artikel

[Token](https://broadrouter.com/de/glossary/token/)

Ein Token ist die Texteinheit, die ein Sprachmodell liest und schreibt: ein Wort, ein Wortteil, ein Satzzeichen oder eine Bytefolge, die der Tokenizer des Modells erzeugt. LLM-APIs zählen, begrenzen und berechnen die Nutzung meist in Tokens.

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

[System-Prompt](https://broadrouter.com/de/glossary/system-prompt/)

Ein System-Prompt ist der Anweisungstext, den eine Anwendung einem Sprachmodell vor dem Gespräch sendet, meist als Nachricht mit der Rolle system oder developer. Er legt Rolle, Regeln, Ton und Ausgabeformat des Modells fest, und das Modell soll ihm auch bei widersprechenden Nutzernachrichten folgen.

[Tokenizer](https://broadrouter.com/de/glossary/tokenizer/)

Ein Tokenizer ist die Komponente, die Text in die Folge ganzzahliger Token-IDs umwandelt, die ein Sprachmodell liest, und erzeugte IDs wieder in Text zurückverwandelt. Jedes Modell bringt seinen eigenen Tokenizer mit, daher kann derselbe Text bei verschiedenen Modellen unterschiedlich viele Tokens ergeben.

[Arabische Diakritika (Tashkeel)](https://broadrouter.com/de/glossary/arabic-diacritics/)

Arabische Diakritika, auch Tashkeel genannt, sind kleine Zeichen über oder unter den Buchstaben, die kurze Vokale, verdoppelte Konsonanten und das Fehlen eines Vokals anzeigen. Sie sind optional: Die meisten arabischen Texte, auch Nachrichten, lassen sie weg, und Leser wie Software erschließen die Vokale aus dem Kontext.

[Gecachte Input-Tokens (Cached Input Tokens)](https://broadrouter.com/de/glossary/cached-input-tokens/)

Gecachte Input-Tokens sind Prompt-Tokens, die ein LLM-Anbieter kürzlich verarbeitet hat und aus einem Cache wiederverwenden kann, statt sie neu zu berechnen, meist ein wiederholtes Präfix wie ein System-Prompt oder ein Dokument. Anbieter berechnen sie günstiger als neue Input-Tokens.

[Input- und Output-Tokens](https://broadrouter.com/de/glossary/input-and-output-tokens/)

Input-Tokens sind die Tokens, die ein Sprachmodell in einer Anfrage liest, einschließlich System-Prompt, Gesprächsverlauf, Tool-Definitionen und Bildern. Output-Tokens sind die Tokens, die es als Antwort erzeugt, einschließlich Reasoning. LLM-APIs berechnen beide meist getrennt, und Output ist in der Regel teurer.

[Kontextfenster (Context Window)](https://broadrouter.com/de/glossary/context-window/)

Das Kontextfenster ist die maximale Anzahl an Tokens, mit der ein Sprachmodell in einer einzelnen Anfrage arbeiten kann. Es umfasst Prompt, Gesprächsverlauf, Tool-Definitionen, Bilder und den erzeugten Output einschließlich Reasoning-Tokens. Was nicht hineinpasst, muss gekürzt, zusammengefasst oder auf mehrere Anfragen verteilt werden.

## Häufige Fragen

### Wie reduziere ich die Anzahl der Tokens in meinem Prompt?

Messen Sie zuerst: Loggen Sie usage.prompt\_tokens und finden Sie den größten Teil. Dann, geordnet nach der gemessenen Ersparnis: Senden Sie nur die Tools, die ein Schritt braucht, kürzen Sie die Formulierungen in Tools und System-Prompt, senden Sie Tabellen als CSV statt JSON, beschränken Sie Few-Shot-Beispiele auf die, die Ergebnisse verändern, und fassen Sie alte Chat-Runden zusammen.

### Braucht formatiertes JSON mehr Tokens?

Ja. In unserem Test sparte das Minifizieren von 40 Zeilen eingerücktem JSON je nach Tokenizer 34 bis 38 % der Tokens, das Senden als CSV 57 bis 61 %. Umgekehrt formuliert: Eingerücktes JSON brauchte 52 bis 61 % mehr Tokens als minifiziertes JSON und 132 bis 159 % mehr als CSV. Tool-Schemas sind eine Ausnahme: Chat-Templates serialisieren sie neu, die Einrückung in Ihrem tools-Array erreicht das Modell also nicht.

### Wie viele Tokens verbrauchen Tool-Definitionen?

Das hängt von der Formulierung und dem Template des Modells ab. Unsere 10 Tools mit ausführlichen Beschreibungen fügten einem gerenderten Prompt bei DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B etwa 1.200 bis 1.400 Tokens hinzu. Drei Tools mit kurzen Beschreibungen fügten etwa 320 bis 460 hinzu.

### Erhöhen arabische Diakritika die Token-Anzahl?

Deutlich. Ein MSA-Absatz mit 31 Wörtern brauchte über fünf Tokenizer hinweg 62 bis 78 Tokens ohne Diakritika und 151 bis 267 Tokens vollständig vokalisiert. Der meiste arabische Text wird ohne sie geschrieben; entfernen Sie sie also aus dem Input, sofern die Aufgabe, etwa Lyrik oder Unterricht, sie nicht braucht.

### Ist Prompt Caching besser, als den Prompt zu kürzen?

Beides wirkt zusammen. Caching macht ein wiederholtes Präfix günstiger, es zählt aber weiterhin zum Kontextfenster und hat weiterhin einen Preis. Kürzen Sie zuerst und halten Sie das gekürzte Präfix dann am Anfang jeder Anfrage byte-identisch, damit es aus dem Cache gelesen werden kann.

### Warum weicht meine Token-Zählung von prompt\_tokens der API ab?

Die API zählt den gerenderten Prompt: Ihre Nachrichten, eingebettet in das Chat-Template, plus Tool-Schemas im Format des Templates. Ein Tokenizer über Ihren Rohtext erfasst das nicht. Nutzen Sie den Tokenizer, um Versionen zu vergleichen, und usage.prompt\_tokens für die Rechnung.

## Weiterlesen

-   [Agenten-Token-Budget: wohin die Tokens einer Agenten-Schleife gehen](https://broadrouter.com/de/blog/agent-token-budget/)
-   [Tokens zählen, bevor Sie eine LLM-Anfrage senden](https://broadrouter.com/de/blog/count-tokens-before-sending/)
-   [Prompts so strukturieren, dass das Präfix gecacht wird](https://broadrouter.com/de/blog/prompt-structure-for-caching/)
-   [Gecachte Input-Tokens: So senken Sie die Rechnung Ihrer LLM-API](https://broadrouter.com/de/blog/cached-input-tokens-explained/)
-   [Tokens pro Wort, Arabisch vs. Englisch: Warum Arabisch mehr kostet](https://broadrouter.com/de/blog/tokens-per-word-arabic-english/)
-   [Kontextmanagement für lang laufende Agenten mit 1M-Kontextfenster](https://broadrouter.com/de/blog/long-running-agent-context-management/)
-   [Coding-Agent-Kosten senken: 10 Wege mit geschätzter Ersparnis](https://broadrouter.com/de/blog/cut-coding-agent-llm-costs/)
-   [LLM-Antworten cachen, Kosten senken: ein Exact-Match-Cache in Python](https://broadrouter.com/de/blog/cache-llm-responses-cut-cost/)
-   [GPU-Hardware und Serving von BroadNet, wie BroadNet sie beschreibt](https://broadrouter.com/de/blog/broadnet-gpu-fleet-and-serving/)
-   [Menschliche Prüfung als festen Teil Ihres Dokumenten-KI-Workflows](https://broadrouter.com/de/blog/document-review-queues/)
-   [Anleitung: OpenAI Python SDK mit BroadNet Inference nutzen](https://broadrouter.com/de/guides/openai-python-sdk/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-reduce-prompt-tokens&utm_content=page-cta) ·

**Quellen**

-   [Qwen/Qwen3.8-27B auf Hugging Face: tokenizer.json und chat\_template.jinja in Revision 37561816 (heruntergeladen am 2026-11-15)](https://huggingface.co/Qwen/Qwen3.8-27B)
-   [zai-org/GLM-5.3 auf Hugging Face: tokenizer.json und chat\_template.jinja in Revision ba32f8c1 (heruntergeladen am 2026-11-15)](https://huggingface.co/zai-org/GLM-5.3)
-   [deepseek-ai/DeepSeek-V4.1-Flash auf Hugging Face: tokenizer.json und chat\_template.jinja in Revision 314113f8 (heruntergeladen am 2026-11-15)](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash)
-   [google/gemma-4-26B-A4B-it auf Hugging Face: tokenizer.json in Revision 4d7ae498, die Basis von BroadNet Gemma 4 VL 26B (geprüft am 2026-11-15)](https://huggingface.co/google/gemma-4-26B-A4B-it)
-   [OpenAI tiktoken auf GitHub: Encoding o200k\_base, verwendete Version 0.14.0 (geprüft am 2026-11-15)](https://github.com/openai/tiktoken)
-   [Leitfaden zu Prompt Caching von OpenAI: stabile Inhalte zuerst, das gesamte gerenderte Präfix muss übereinstimmen, Tools gehören zum gecachten Kontext (geprüft am 2026-11-15)](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [Preisseite von BroadNet Inference: gecachter Input ist der wiederholte Anfang kürzlicher Anfragen, günstiger abgerechnet, keine Einrichtung nötig (geprüft am 2026-11-15) (auf Englisch)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-reduce-prompt-tokens&utm_content=sources)
-   [API-Referenz von BroadNet Inference: gecachte Tokens im usage-Block, Modellfähigkeiten (geprüft am 2026-11-15) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-reduce-prompt-tokens&utm_content=sources)
