Token
Auch: Tokenisierung, Tokenization
Ein Token ist die kleinste Texteinheit, mit der ein Sprachmodell rechnet: ein ganzes Wort, ein Wortstück oder ein Satzzeichen. In Tokens werden Eingaben, Antworten, Kontextfenster und API-Kosten gemessen.
Fester Bestandteil der Praxis mit stabiler Bedeutung.
Das Wort stammt aus Linguistik und Informatik, wo es seit Jahrzehnten eine Zeichenkette als Verarbeitungseinheit bezeichnet. Die heutige Bedeutung als Wortstück geht auf das Subword-Verfahren von Sennrich, Haddow und Birch (Universität Edinburgh) zurück, veröffentlicht im August 2015.
Ø der letzten 12 Monate, alle Schreibweisen. Veränderung: letzte 3 Monate zum Vorjahr. Stand 11/2026.
Eine technische Maßeinheit ohne Interpretationsspielraum. Lärm gibt es höchstens, wenn „Token-Optimierung“ als SEO-Maßnahme für Websites verkauft wird.
Tokens sind die Währung der KI-Nutzung: Nach ihnen richten sich API-Kosten und die Textmenge, die ein Modell auf einmal verarbeitet, für Ihre Platzierung in KI-Suchen sind sie dagegen kein Hebel.
- Rechnen Sie für einen geplanten KI-Einsatz, etwa automatische Produkttexte oder einen Support-Assistenten, die Token-Mengen pro Monat durch. Der Token-Rechner zeigt die Kosten für ChatGPT, Claude und Gemini nebeneinander.
- Planen Sie für deutsche Texte einen Aufschlag ein: Faustregeln der Anbieter gelten für Englisch, deutsche Texte brauchen pro Wort mehr Tokens.
- Streichen Sie „Token-Optimierung“ der Website von der Maßnahmenliste, falls eine Agentur sie anbietet. Es gibt keinen Beleg, dass KI-Suchen Seiten mit weniger Tokens bevorzugen.
Sprachmodelle lesen keine Buchstaben und keine ganzen Wörter, sondern Tokens: Wortstücke aus einem festen Vokabular. „Wärmepumpe“ ist für ein Modell nicht ein Wort, sondern eine Folge aus mehreren Teilen. Alles, was ein Large Language Model liest und schreibt, wird in dieser Einheit gezählt.
Für Unternehmen wird das Token an zwei Stellen konkret: bei den Kosten jeder KI-Anwendung über eine Schnittstelle und bei der Frage, wie viel Material ein Modell auf einmal verarbeiten kann. Was die einzelnen Modelle pro Token kosten, rechnet der Beitrag Token-Rechner: Was ChatGPT, Claude und Gemini über die API kosten durch. Hier geht es um den Begriff selbst und um das, was er für Ihre Planung bedeutet.
Warum Sprachmodelle in Wortstücken rechnen
Ein Modell braucht ein festes Vokabular, mit dem es rechnet. Ganze Wörter taugen dafür schlecht: Jede neue Wortschöpfung, jeder Produktname und jedes zusammengesetzte deutsche Substantiv wäre unbekannt. Einzelne Buchstaben wären dagegen zu kleinteilig. Die Lösung sind Wortstücke.
Das heute übliche Verfahren stellten Rico Sennrich, Barry Haddow und Alexandra Birch 2015 für die maschinelle Übersetzung vor. Es beginnt bei einzelnen Zeichen und fasst die häufigsten Zeichenfolgen schrittweise zu größeren Einheiten zusammen. Häufige Wörter werden so zu einem einzigen Token, seltene Wörter setzen sich aus mehreren zusammen. Das Leerzeichen vor einem Wort gehört meist zum Token dazu.
Wie das konkret aussieht, zeigt OpenAIs öffentlich verfügbarer Tokenizer o200k_base, der unter anderem für GPT-4o verwendet wird. Die Zerlegungen haben wir am 08.11.2026 selbst erzeugt:
| Eingabe | Zerlegung in Tokens | Anzahl |
|---|---|---|
| Wärmepumpe | W | ärm | ep | umpe | 4 |
| heat pump | heat | pump | 2 |
| Suchmaschinenoptimierung | Such | maschinen | optim | ierung | 4 |
| Haftpflichtversicherungsbedingungen | Ha | ft | pflicht | vers | icher | ungs | bedingungen | 7 |
Andere Modelle nutzen andere Tokenizer und zerlegen anders. Die Größenordnung ist aber vergleichbar: Google gibt für Gemini an, ein Token entspreche etwa vier Zeichen, 100 Tokens etwa 60 bis 80 englischen Wörtern (Gemini-API: Understand and count tokens).
Deutsch braucht mehr Tokens als Englisch
Die bekannten Faustregeln stammen aus dem Englischen. OpenAI nennt etwa vier Zeichen oder drei Viertel eines Wortes pro Token und schreibt ausdrücklich, dass die Zerlegung von der Sprache abhängt und andere Sprachen dadurch teurer sein können (OpenAI Help: What are tokens?).
Für Deutsch fällt der Unterschied mit modernen Tokenizern moderat aus, ist aber messbar. Der Satz „Wie hoch sind die Betriebskosten einer Wärmepumpe im Bürogebäude?“ ergibt 16 Tokens, seine englische Übersetzung 14. Für den Fließtext unseres Glossar-Eintrags zum Large Language Model ergab o200k_base 1.056 Tokens für 691 Wörter, also gut 1,5 Tokens pro Wort. Die englische Faustregel liegt bei rund 1,33.
Faustregel für die Planung: Rechnen Sie für deutsche Texte mit etwa 1,5 Tokens pro Wort. Eine Normseite mit 250 Wörtern entspricht damit rund 375 Tokens. Das ist eine Schätzung auf Basis eines Tokenizers; für verbindliche Zahlen zählen Sie mit dem Werkzeug des jeweiligen Anbieters.
Der Grund liegt in Wortlänge und Wortbildung. Deutsche Komposita wie „Bürogebäude“ oder „Betriebskosten“ kommen im Trainingsmaterial des Tokenizers seltener am Stück vor als „office“ und „costs“ und werden deshalb in Teile zerlegt.
Wo Tokens im Marketing-Alltag zählen
Im Chatfenster von ChatGPT oder Gemini sehen Sie keine Token-Zähler. Relevant wird die Einheit, sobald Sie KI in Abläufe einbauen oder an Grenzen stoßen:
| Situation | Was Tokens bestimmen |
|---|---|
| Automatisierte Texte über eine API, etwa Produktbeschreibungen | die Kosten: abgerechnet wird pro Million Eingabe- und Ausgabe-Tokens |
| Lange Dokumente analysieren, etwa Ausschreibungen oder Studien | ob das Material ins Kontextfenster passt oder aufgeteilt werden muss |
| Interne Wissensassistenten mit Retrieval Augmented Generation | wie viele abgerufene Textabschnitte pro Anfrage in die Eingabe passen |
| Längenvorgaben im Prompt | Modelle erzeugen Tokens, keine Wörter; Vorgaben wie „genau 150 Wörter“ treffen sie daher oft nur ungefähr |
Ein Rechenbeispiel
Ein Onlinehändler lässt 2.000 Produkttexte mit je 120 Wörtern erzeugen; jeder Prompt enthält 300 Wörter Vorgaben und Produktdaten. Mit 1,5 Tokens pro Wort sind das rund 450 Eingabe- und 180 Ausgabe-Tokens pro Text, zusammen etwa 900.000 Eingabe- und 360.000 Ausgabe-Tokens. Was das bei welchem Modell kostet, tragen Sie in den Token-Rechner ein. Das Beispiel ist fiktiv und dient nur der Größenordnung.
Kein Hebel für Ihre Sichtbarkeit
In GEO-Ratgebern taucht gelegentlich die Empfehlung auf, Website-Texte „token-effizient“ zu schreiben, weil KI-Suchen dann mehr davon verarbeiten. Belegt ist das nicht. Keine der großen Suchmaschinen dokumentiert eine Bevorzugung kurzer Seiten oder bestimmter Wortformen. Google schreibt in seinem Leitfaden für generative KI-Funktionen ausdrücklich, es gebe keine ideale Seitenlänge und Inhalte müssten nicht für KI-Systeme umgeschrieben werden.
Was zählt, ist dasselbe wie in der klassischen Suche: Inhalte, die eine Frage klar beantworten und auffindbar sind. Wie KI-Suchen Quellen auswählen, beschreibt der Beitrag GEO-Optimierung: In ChatGPT und Google AI Mode sichtbar.
Was ChatGPT, Perplexity und der Google KI-Modus zu „Token“ sagen
Wir haben allen drei KI-Suchen dieselbe Frage gestellt: „Was ist Token im Zusammenhang mit KI-Suche und Online-Marketing? Bitte kurz in 3 bis 5 Sätzen erklären.“ (Abfrage am 08.11.2026, Standort Deutschland) und die Antworten gegen die belegten Fakten in diesem Eintrag geprüft.
Definition und die beiden praktischen Folgen, Kosten und Kontextmenge, sind richtig. Die Aussage, KI-Systeme analysierten damit Suchanfragen und Website-Inhalte, ist allgemein gehalten, aber nicht falsch.
Auszug aus der Antwort
Ein Token kann ein ganzes Wort, ein Wortteil oder ein Satzzeichen sein.
Sachlich korrekt und mit der wichtigen Einordnung, dass Tokens kein Ranking-Faktor sind. Dass „prägnante“ Inhalte leichter zitierbar seien, ist eine plausible Einschätzung, kein dokumentierter Mechanismus.
Auszug aus der Antwort
Tokens sind kein direkter Google-Ranking-Faktor, aber klar strukturierte und prägnante Inhalte können für KI-Suchsysteme leichter verständlich und zitierbar sein.
Die Grundlagen stimmen. Die SEO-Folgerung ist aber nicht belegt: Kein Anbieter dokumentiert, dass KI-Suchen token-sparsame Texte bevorzugen, und Google schreibt, Inhalte müssten nicht für KI umgeschrieben werden. Der Mehrverbrauch deutscher Komposita ist real, aber für das Ranking ohne Bedeutung.
Auszug aus der Antwort
Für SEO bedeutet das auch, dass Inhalte oft effizient formuliert sein müssen, da komplexe oder stark zusammengesetzte deutsche Wörter mehr Token verbrauchen als einfache.
Unser Fazit: Bei der Definition sind sich alle drei einig und liegen richtig. Vorsicht bei abgeleiteten SEO-Tipps: Dass Tokens Kosten und Kontextmenge bestimmen, ist belegt, dass sie die Sichtbarkeit einer Website beeinflussen, nicht.
Die Antworten von KI-Suchen ändern sich laufend. Wir wiederholen den Faktencheck regelmäßig. Sie möchten wissen, welche Quellen die KI zu Ihren Themen zitiert? Testen Sie den kostenlosen KI-Quellen-Check.
Häufige Fragen zu Token
Wie viele Tokens hat ein deutsches Wort?
o200k_base zeigt. Kurze, häufige Wörter wie „die“ oder „und“ sind ein Token, lange Komposita wie „Haftpflichtversicherungsbedingungen“ können sieben oder mehr Tokens umfassen.Zählen alle KI-Modelle Tokens gleich?
Lohnt es sich, Website-Texte auf wenige Tokens zu trimmen?
Was ist der Unterschied zwischen Eingabe- und Ausgabe-Tokens?
Verwandte Begriffe im Radar
Zurück zum KI-Such-RadarZuletzt aktualisiert: 08.11.2026 · Autor: Stephan Zabel
