Deutsch braucht in GPT 1,26× so viele Tokens wie Englisch

Jonhisking · 2026-10-01

Ich habe denselben Kundenservice-Prompt in 34 Sprachen übersetzt und die Tokens mit o200k_base gezählt, dem aktuellen Tokenizer von OpenAI (GPT-4o und neuer). Englisch braucht 34 Tokens, Deutsch 43 – also 1,26× so viele, Platz 7 von 34 (1 = am günstigsten).

Die deutsche Fassung:

Fasse die folgende Kunden-E-Mail in drei Stichpunkten zusammen und schlage eine höfliche Antwort vor. Der Kunde sagt, dass die Bestellung zwei Tage zu spät ankam und ein Artikel im Paket fehlte.

Ergebnisse

Warum

Der Tokenizer lernt vor allem aus englischem Text: Wörter wie „ polite“ oder „ customer“ sind ein einziger Token, deutsche Wörter – besonders Komposita – werden dagegen zerlegt:

• Kunden-E-Mail → Kunden | -E | -Mail · 3
• Stichpunkten → Stich | punk | ten · 3
• höfliche → höf | liche · 2

Im Vergleich zum alten Tokenizer

Mit dem Tokenizer aus der GPT-4-Zeit (cl100k) brauchte derselbe Prompt 1,50×, heute 1,26×.

In Geld

Bei einem Modell mit 2 $ pro 1 Mio. Input-Tokens kostet es 68 $ auf Englisch und 86 $ auf Deutsch, diesen Prompt eine Million Mal zu senden. Antwortet das Modell auch auf Deutsch, gilt derselbe Faktor für die Output-Tokens, die meist 4–5× teurer sind.

So sparst du

• System-Prompt und feste Anweisungen auf Englisch schreiben; nur die Eingaben der Nutzer bleiben auf Deutsch.
• Zwischenschritte (Klassifizierung, Extraktion, Tool-Aufrufe) auf Englisch oder als JSON ausgeben lassen, nur die finale Antwort auf Deutsch.
• Prompt Caching für den festen Teil des Prompts nutzen.

Einschränkungen

• Gemessen wurde ein einziger Prompt; bei anderen Texten kann der Faktor um ±0,1–0,2 abweichen.
• Claude und Gemini haben andere Tokenizer – die Zahlen gelten nur für OpenAI-Modelle.
• Die Übersetzung basiert auf einer geprüften maschinellen Übersetzung.

Alle Ergebnisse für 34 Sprachen (auf Englisch): Vergleich von 34 Sprachen