Claude Code Observability: Tracking von Tokens, Kosten und Nutzung pro Entwickler
.webp)
Auf Geschwindigkeit ausgelegt: ~ 10 ms Latenz, auch unter Last
Unglaublich schnelle Methode zum Erstellen, Verfolgen und Bereitstellen Ihrer Modelle!
- Verarbeitet mehr als 350 RPS auf nur 1 vCPU — kein Tuning erforderlich
- Produktionsbereit mit vollem Unternehmenssupport
Was Observability für einen Coding-Agenten bedeutet
Traditionelle Observability prüft, ob ein Dienst erreichbar ist. Ein Coding-Agent ist immer „erreichbar“ — er läuft auf einem Laptop und kommuniziert mit einem Modellanbieter. Die entscheidende Frage ist ökonomischer und verhaltensbezogener Natur: Welcher Entwickler hat wie viel für welches Modell ausgegeben, was hat er getan, und warum hat eine Sitzung zehnmal so viel gekostet wie eine andere? Das ist Token-Buchhaltung, keine Funktionsprüfung — und das ist der Blickwinkel dieses Leitfadens. Die Abrechnungsseite derselben Medaille finden Sie unter Claude Code Pricing Explained.
Die Auswirkungen sind konkret. Ein einzelner aktiver Entwickler verursacht etwa 13 $ pro aktivem Tag und 150–250 $ pro Monat, wobei etwa 90 % der Benutzer unter 30 $/Tag bleiben — die Ausreißer fallen also enorm ins Gewicht. Ohne eine Ansicht pro Entwickler können Sie die drei Personen in einem 30-köpfigen Team nicht identifizieren, die den Großteil der Rechnung verursachen, oder feststellen, ob sie komplexe Aufgaben bearbeiten oder Opus einfach als Standard belassen haben. Observability verwandelt eine überraschende Gesamtsumme in eine Liste behebbarer Ursachen.
Was Sie tatsächlich tracken sollten
Sieben Signale liefern nahezu den gesamten Mehrwert. Alles andere wird daraus abgeleitet.
Zwei dieser Faktoren — der Modell-Mix und die Cache-Ratio — sind zudem Ihre größten Kostenstellschrauben, weshalb sich deren Überwachung direkt auszahlt. Die Routing-Seite wird in Opus vs Sonnet vs Haiku: a cost-vs-capability routing guide behandelt, die Caching-Seite in Claude prompt caching: the real cost math.
Das Token ist keine einzelne Zahl — es sind vier
„Genutzte Tokens“ ist als Gesamtzahl unbrauchbar, da die vier Kategorien drastisch unterschiedlich bepreist werden. Bei Opus 5.5 ist der Unterschied eklatant: Output kostet das Fünffache von frischem Input, Cache Writes kosten mehr als frischer Input, und Cache Reads kosten nur einen Bruchteil davon. Das Zusammenfassen dieser Werte verbirgt genau die Informationen, die Sie zur Kostensenkung benötigen.
Eine hohe Cache-Read-Ratio ist das angestrebte Signal: Langlebiger Kontext wird wiederverwendet, anstatt erneut zum vollen Input-Preis abgerechnet zu werden. Bei einem Abonnement bleibt der Prompt-Cache etwa eine Stunde bestehen; bei der API oder einem Cloud-Anbieter sind es etwa fünf Minuten, weshalb die zu erwartende Ratio je nach Setup variiert. Wenn die Cache-Reads einbrechen und der frische Input steigt, wurde der Cache unterbrochen — was Sie nur bemerken, wenn die vier Zahlen separat nachverfolgt werden.
Die nativen Optionen und wo ihre Grenzen liegen
Claude Code wird mit integrierter Transparenz geliefert — diese ist jedoch auf das Individuum beschränkt.
/usagein der CLI zeigt die Tokens der aktuellen Sitzung und die geschätzten Kosten an, lokal berechnet zum Listenpreis. Dies ist akkurat für einen Entwickler auf einem Gerät und wird beim Leeren der Sitzung zurückgesetzt. Eine Aggregation für ein Team ist nicht möglich./insightsfasst die letzten Sitzungen auf dieser Maschine zusammen — nützlich für Entwickler zur Analyse eigener Muster, jedoch ebenfalls keine Gesamtansicht der Flotte.- Abonnement-Analytics (Teams und Enterprise) bieten einen Ausgabenbericht auf Organisationsebene pro Benutzer und Modell, der täglich aktualisiert wird — gut für die Finanzabteilung, aber keine Live-Ansicht pro Anfrage.
- Nutzungsdaten von Cloud-Anbietern sind in Anthropic-Dashboards unsichtbar. Wenn Sie Claude Code über Amazon Bedrock, Google Vertex oder Microsoft Foundry ausführen, erfassen die nativen Analytics diese Daten schlichtweg nicht, da die Tokens über Ihr Cloud-Konto abgerechnet werden.
Das Muster ist konsistent: Native Tools beantworten die Frage „Was habe ich gerade ausgegeben?“, nicht „Was macht die Flotte im Moment?“. Dafür müssen die Metriken das Gerät verlassen.
OpenTelemetry: Metriken vom Gerät übertragen
Der native Weg, diese Lücke zu schließen, ist OpenTelemetry. Claude Code kann Token- und Kostenmetriken pro Benutzer über OTLP an Ihren eigenen Observability-Stack exportieren. Dies funktioniert in jedem Setup — Abonnement, Console API oder beliebige Cloud-Anbieter. Damit ist es die einzige native Option, die herstellerunabhängig nahezu echtzeitnahe Zahlen pro Entwickler liefert.
Aktivierung
Der Export ist standardmäßig deaktiviert und wird vollständig über Umgebungsvariablen gesteuert, die im Shell-Profil oder einer verwalteten Konfigurationsdatei für alle Geräte hinterlegt werden. Ein minimales Setup für Metriken und Logs:
Metriken werden in Intervallen übertragen — der Standardwert beträgt 60000 ms für Metriken und 5000 ms für Logs —, sodass „nahezu echtzeitnah“ eine minutengenaue und keine anfragengenaue Auflösung bedeutet. Traces sind ein separates Beta-Signal, das über CLAUDE_CODE_ENHANCED_TELEMETRY_BETA=1 und OTEL_TRACES_EXPORTER=otlp aktiviert wird; nutzen Sie dieses nur mit einem Collector, der Spans empfangen kann.
Was die einzelnen Signale enthalten
OpenTelemetry sendet drei Arten von Signalen: Metriken (die Zähler für Dashboards), Logs (diskrete Ereignisse) und Traces (Beta-Spans für einzelne Interaktionen). Die Kostenhistorie spiegelt sich in den Metriken wider:
Die Zuordnung pro Benutzer erfolgt über die Attribute user.email und account-identifier, die standardmäßig enthalten sind. Beachten Sie, dass session.id die Kardinalität stark erhöht — eine Datenreihe pro Sitzung. Wenn Ihr Backend nach Datenreihen abrechnet, deaktivieren Sie dies für Flotten-Dashboards und ordnen Sie stattdessen nach Benutzern zu. Die Ereignis-Logs (claude_code.user_prompt, claude_code.tool_result, claude_code.api_request) bieten detaillierte Informationen, die Metriken nicht liefern, und können optional Prompt- oder Tool-Inhalte enthalten — eine Datenschutzentscheidung, die vor der Aktivierung getroffen werden sollte.
Der Kompromiss ist betrieblicher Natur: Sie müssen jedes Gerät instrumentieren, die Variablen bei Hardware-Wechseln und Neueinstellungen aufrechterhalten sowie den Collector und die Dashboards selbst betreiben. Metriken werden zuverlässig gestreamt, aber ein Metrik-Stream ist kein Audit-Trail auf Anfragenebene und setzt keine Budgetlimits durch — er meldet sie lediglich. Eine tiefere Betrachtung der Token-Buchhaltung selbst finden Sie unter Observability for Claude in production: token accounting and tracing.
Nativ vs. OpenTelemetry vs. Gateway
OpenTelemetry und ein Gateway schließen sich nicht gegenseitig aus — ein gutes Gateway ist OpenTelemetry-konform und kann denselben Stack speisen. Der Unterschied besteht darin, dass das Gateway direkt im Anfragenpfad liegt. Dadurch kann es Anfragen nicht nur zählen, sondern auch nachverfolgen (Tracing) und begrenzen. OTel ist die richtige Wahl, wenn Sie die Infrastruktur vollständig verwalten, jedem Gerät die Instrumentierung zutrauen und lediglich Berichte benötigen. Ein Gateway ist die beste Lösung, wenn Geräte wechseln, Datenverkehr über Cloud-Anbieter läuft und aus „Erfassen“ ein „Eingreifen“ werden soll.
Observability mit dem TrueFoundry AI Gateway
Laufen die Anfragen von Claude Code über das TrueFoundry AI Gateway, passiert jede Aufruferstellung einen zentralen Steuerungspunkt. Dadurch wird Observability von einer optionalen Konfiguration auf jedem einzelnen Laptop zu einer nativen Grundeinstellung:
- Request Traces — Jede Anfrage mit aufgelöster Benutzeridentität, genutztem Modell, Token-Anzahl und Latenz, um im Nachgang zu klären: „Wer hat das gesendet und was hat es gekostet?“.
- Metrics Dashboards, die die gesamte Flotte nach Benutzer, Team und Modell aggregieren — die Übersicht pro Entwickler, die in cost tracking for Claude Code detailliert beschrieben wird.
- Eine zentrale Ansicht über alle Werkzeuge hinweg — Claude Code, Cursor und Codex laufen an einem Ort zusammen, anstatt in drei getrennten Systemen, wie in centralising cost control for AI coding IDEs beschrieben.
- OpenTelemetry-konformer Export bei lediglich ca. 3–4 ms zusätzlichem Overhead, sodass dieselben Daten direkt in Grafana, Datadog oder Prometheus einfließen können.
Was ein einzelner Request Trace erfasst
Ein Gateway beantwortet Fragen, die OpenTelemetry-Metriken nicht abdecken können, da es jede Anfrage als diskreten Datensatz protokolliert und nicht als minutengenau aggregierten Zähler. Ein Trace erfasst die aufgelöste Identität, das genutzte Modell, die vierfache Token-Aufteilung, die Kosten zu Ihren Vertragskonditionen, die End-to-End-Latenz in Millisekunden, den Status und die Routing-Entscheidung. Da jede Zeile durchsuchbar ist und gespeichert wird, können Sie Kostenverläufe nachvollziehen: Filtern Sie nach einem Entwickler und einer Stunde, um die exakten Aufrufe zu analysieren — ein Detailgrad, den ein reiner Metrik-Stream auflöst.
Relevante Alerts und sinnvolle Dashboards
Das Erfassen von Signalen ist nutzlos, wenn die Daten erst bei Rechnungseingang geprüft werden. Ziel der zentralen Metrik-Erfassung ist es, frühzeitig zu handeln — durch gezielte Alerts und wesentliche Dashboards statt überladener Diagrammwände. Effektive Alerts lassen sich auf konkrete Ursachen zurückführen:
- Tägliche Ausgaben pro Entwickler überschreiten einen Schwellenwert — z. B. dauerhaft über den ~30 $/Tag, die bereits für ca. 90 % der Benutzer ausreichen. Dies deckt Ausreißer am selben Tag auf.
- Opus-Anteil an den Tokens übersteigt ein Limit — das klarste Anzeichen für eine schleichende Nutzung des teuersten Modells als Standardeinstellung.
- Cache-Read-Ratio fällt ab — ein plötzlicher Abfall deutet darauf hin, dass das Caching unterbrochen wurde und frischer Input wieder voll abgerechnet wird.
- Latenz p95/p99 in ms überschreitet Grenzen — macht Leistungseinbußen beim Anbieter und Timeout-Muster sichtbar, bevor Entwickler Verzögerungen melden.
- Anfragevolumen außerhalb der Arbeitszeiten — geplante Tasks und Hintergrundprozesse, die regelmäßig großen Kontext erneut senden, erzeugen Kosten ohne manuelle Interaktion.
Die wesentlichen Dashboards lassen sich übersichtlich zusammenfassen: Gesamtkosten der Flotte nach Entwickler (Top-N), Kosten nach Modell zur Analyse des Mixes aus Opus, Sonnet und Haiku, eine gestapelte Ansicht der vier Token-Typen zur Überwachung der Cache-Ratio, Kosten pro Repo oder Team für Verrechnungen, eine Latenzverteilung in Millisekunden sowie die Akzeptanzrate von Tool-Aufrufen. Bei einem Gateway sind diese vorkonfiguriert; bei OpenTelemetry erstellen Sie diese in Grafana oder Ihrem Backend auf Basis der oben genannten Metriken.
Ein Praxisbeispiel
Ein Plattform-Team betreut dreißig Entwickler, die Claude Code nutzen — teilweise über Abonnements, teilweise über Bedrock. Die monatliche Rechnung steigt kontinuierlich an. Das Team leitet alle Installationen über das Gateway um und analysiert am folgenden Tag das Dashboard: Drei Entwickler verursachen 60 % der Token-Ausgaben, da bei allen dreien Opus als Standardmodell hinterlegt ist. Zudem sendet ein automatisierter Task jede Stunde einen großen Kontext erneut. Das Team implementiert eine Modell-Richtlinie, die Standardänderungen an Sonnet leitet, und korrigiert den automatisierten Task. Die Kostenkurve flacht ab, ohne dass manuelle Eingriffe auf den Laptops der Entwickler erforderlich waren. Die reine Observability hat das Verhalten nicht geändert — erst die Transparenz ermöglichte das gezielte Handeln.
Die technische Grenze: Ein Gateway macht Ausgaben transparent und ermöglicht deren Begrenzung. Es schreibt keine Prompts um, sondern macht Effizienzverluste sichtbar und stellt die Steuerungsinstrumente zur Verfügung. Die Durchsetzungsseite wird in Claude Code governance with an AI gateway behandelt.
Wichtige Aspekte für die Praxis
- Der
/usageDollarwert ist eine Schätzung, die lokal zum Listenpreis berechnet wird. Wenn Ihre Organisation individuelle Vertragskonditionen hat, weicht dieser Wert von der Rechnung ab, sofern keine Anpassung durch einen Administrator erfolgt. /usagegilt pro Gerät. Arbeitet ein Entwickler auf einem Laptop und einem Desktop-PC, entstehen zwei getrennte Ansichten; erst eine externe Metrik (OTel oder Gateway) führt diese zusammen.- Dashboards von Cloud-Anbietern teilen die Daten auf. Bei Bedrock, Vertex oder Foundry liegen die Ausgaben in der Cloud-Billing-Konsole. Eine Zuordnung pro Benutzer erfordert zusätzlich OpenTelemetry oder ein Gateway.
- Inaktive Sitzungen können weiterhin Anfragen erzeugen. Geplante Tasks und Hintergrundprozesse senden den vollständigen Kontext in festen Intervallen erneut. Dadurch können auch bei inaktiven Entwicklern Kosten entstehen, die nur in Traces auf Anfragenebene sichtbar sind.
- Erfassen ist nicht Begrenzen. OpenTelemetry informiert im Nachgang über überschrittene Budgets; nur eine Komponente im Anfragenpfad kann eine Anfrage vor der Ausführung stoppen.
session.iderhöht die Kardinalität. Wird dies in Flotten-Dashboards aktiviert, entsteht eine Metrik-Datenreihe pro Sitzung. Dies kann die Kosten bei nach Nutzung bepreisten Observability-Backends stark erhöhen — ordnen Sie Daten stattdessen nach Benutzern zu.- Agenten-Teams vervielfachen das Token-Volumen. Multi-Agenten-Läufe verbrauchen etwa das 7-fache an Tokens im Vergleich zu einer einzelnen Sitzung. Der Einsatz solcher Systeme kann die Ausgaben drastisch erhöhen, ohne dass sich das individuelle Nutzungsverhalten geändert hat.
Weiterführende Artikel
- Observability for Claude in Production: Token Accounting and Tracing — Detaillierte Betrachtung der Token-Buchhaltung
- Cost Tracking Claude Code with the TrueFoundry AI Gateway — Zuordnung pro Entwickler in der Praxis
- Centralising Cost Control for AI Coding IDEs — Eine zentrale Ansicht für Claude Code, Cursor und Codex
- Claude Code Pricing Explained — So berechnen sich die Kosten der erfassten Tokens
- Claude Code Governance with an AI Gateway — Von der Observability zur aktiven Governance
Fazit
Observability für Claude Code ist im Kern Kosten-Observability mit hoher Detailtiefe: Tokens werden in vier Kategorien unterteilt und Entwicklern, Modellen sowie Aufgaben zugeordnet. Native Tools decken dies für eine Person auf einem Gerät ab; OpenTelemetry ermöglicht die Erfassung für die gesamte Flotte bei vollständiger Instrumentierung aller Geräte; ein Gateway bietet diese Abdeckung standardmäßig, da jede Anfrage den zentralen Punkt passiert.
Wählen Sie den Ansatz, der Ihren Anforderungen an die Gesamtsicht entspricht. Wenn das Ziel eine detaillierte Transparenz pro Entwickler über alle Modelle und Anbieter hinweg ist — kombiniert mit der Möglichkeit, auf Basis der Daten direkt einzugreifen —, ist die Integration im Anfragenpfad die adäquate Lösung.
TrueFoundry AI Gateway bietet eine Latenz von ~3—4 ms, verarbeitet mehr als 350 RPS auf einer vCPU, skaliert problemlos horizontal und ist produktionsbereit, während LiteLM unter einer hohen Latenz leidet, mit moderaten RPS zu kämpfen hat, keine integrierte Skalierung hat und sich am besten für leichte Workloads oder Prototyp-Workloads eignet.












.webp)
.webp)








