KI-Rate-Limits erklärt: Was sie sind und warum sie zuschlagen

Wenn ChatGPT dir schon mal mitten im Flow gesagt hat, du sollst langsamer machen, dann kennst du AI Rate Limits. Sie gehören zu den häufigsten — und am wenigsten erklärten — Gründen, warum ein Workflow plötzlich stockt. Uns ist das selbst passiert, als wir eine Reihe von Prompts getestet haben, und es hat uns einen ganzen Nachmittag voller Wiederholungsversuche gekostet. Dieser Beitrag erklärt AI Rate Limits für Einsteiger und liefert dir eine praktische Übung, um sie live zu erleben.

1. Was sind AI Rate Limits eigentlich?

Ein Rate Limit ist eine Obergrenze dafür, wie viele Anfragen du innerhalb eines bestimmten Zeitfensters senden darfst. Die meisten AI-Tools nutzen das, um ihre Server vor Überlastung zu schützen. Stell es dir wie einen Türsteher vor einem Club vor, nicht wie ein Hausverbot — du kommst wieder rein, nur eben nicht sofort.

Eine API erlaubt zum Beispiel 60 Anfragen pro Minute. Überschreitest du das, bekommst du eine Fehlermeldung statt einer Antwort. Das Tückische daran: Das Limit ist oft nicht sichtbar, bis du es erreichst.

2. Warum es Rate Limits gibt

Bei Rate Limits geht es nicht nur um Traffic. Manchmal geht es auch um Verhalten. Laut unserem Radar hat Claude) kürzlich Einschränkungen eingeführt, die Versuche blockieren, Videospiele zu klonen oder per Reverse Engineering nachzubauen — ein inhaltsbasiertes Limit zusätzlich zu den üblichen Anfrage-Obergrenzen.

Limits können also technischer Natur sein, wie Durchsatzbegrenzungen, oder policy-basiert, wie das Blockieren bestimmter Anwendungsfälle. Beide zeigen sich dir gegenüber als dieselbe frustrierende "request denied"-Meldung.

3. Der Haken: Geteilte Kontingente können dich überraschen

Hier wird es knifflig. OpenAI hat kürzlich die Nutzungslimits von ChatGPT) und Codex zu einem gemeinsamen Kontingent zusammengelegt. Das bedeutet, dass intensive Coding-Sessions in Codex denselben Pool anzapfen, den du auch für normale Chats nutzt.

Wenn du das nicht weißt, gibst du beim Anstoßen an die Grenze vielleicht dem falschen Tool die Schuld. Prüfe immer, ob dein Rate Limit pro Produkt gilt oder über das ganze Konto geteilt wird, denn das ändert, wie du deine Arbeit planst.

4. Praktische Übung: Erreiche dein eigenes Rate Limit

Probier Folgendes: Wähle einen kurzen, wiederholbaren Prompt und sende ihn 10–15 Mal hintereinander, Schlag auf Schlag, ohne Pause, an ein beliebiges AI-Chat-Tool. Achte darauf, wann die Antworten langsamer werden oder ein Fehler auftaucht.

Notiere dir anschließend, wie lange du warten musst, bis es sich zurücksetzt. Dieser kleine Test lehrt dich mehr über AI Rate Limits als jeder Artikel, weil du die Verzögerung selbst spürst. Er ist außerdem eine gute Erinnerung daran, dass auch Automatisierungstools wie Zapier) oder n8n) an dieselbe Grenze stoßen können, wenn du bei der Loop-Geschwindigkeit nicht aufpasst.

5. Rate Limiting vs. Throttling

Oft werden diese Begriffe synonym verwendet, sind aber nicht ganz dasselbe. Rate Limiting blockiert Anfragen komplett, sobald du einen Schwellenwert überschreitest. Throttling verlangsamt sie stattdessen, indem es Anfragen zeitlich streckt, statt sie abzulehnen.

Dieser Unterschied ist wichtig, wenn du einen hängenden Workflow debuggst. Scheitern Anfragen komplett, ist das wahrscheinlich ein Rate Limit. Werden sie nur zäh, ist das vermutlich Throttling.

6. Autonome Agenten und das Rate-Limit-Problem

Neue Tools machen das relevanter denn je. Mika zum Beispiel läuft als autonomer Agent auf einem Android-Gerät und bedient Apps und das Web, um Aufgaben für dich zu erledigen. Solche Agenten senden deutlich mehr Anfragen, als ein Mensch manuell eintippen würde, und stoßen deshalb schneller an AI Rate Limits — oft ohne den Nutzer zu warnen.

Wenn du mit autonomen Agenten experimentierst, baue Pausen ein. Sonst verbringst du mehr Zeit damit, abgelehnte Anfragen zu debuggen, als tatsächlich Aufgaben zu erledigen.

7. Wo du das Thema lernen und verfolgen kannst

Wenn du gerne verfolgst, wie sich Limits und Richtlinien bei verschiedenen Tools ändern, ist unsere Sponge-Path)-Karte genau für dieses fortlaufende Lernen gemacht. Sie ist ein leichtgewichtiger Weg, Konzepte wie Rate Limits aufzunehmen, ohne eine komplette technische Spezifikation lesen zu müssen.

Für mehr Kontext zu Tool-Änderungen verfolgt unser Changelog) genau solche Updates zu Kontingenten und Richtlinien, sobald sie passieren. Dort tauchte auch der Eintrag zur ChatGPT-Codex-Kontingent-Zusammenlegung zuerst auf unserem Radar auf.

8. Ein kurzer Lese-Abstecher

Nicht direkt mit Rate Limits verwandt, aber erwähnenswert: Mit HackerBooks kannst du jetzt Bücher entdecken und durchstöbern, die in Hacker-News-Threads erwähnt und diskutiert wurden. Wenn du tiefer in Systemdesign und APIs einsteigen willst — also genau das, worauf Rate Limits aufbauen — ist das ein guter Ausgangspunkt zum Stöbern.

Fazit

AI Rate Limits sind kein Bug, sondern eine eingebaute Grenze. Sie zu verstehen — egal ob durchsatzbasiert oder policy-basiert wie Claudes neue Einschränkungen — spart dir Zeit und Verwirrung. Mach die obige praktische Übung einmal, und du wirst nie wieder von einer "slow down"-Meldung überrascht.