Lokale Tools zur Überwachung deiner KI-Ausgaben – 100% privat und kostenlos

Viele Nutzer von KI-Assistenten wie Claude Code oder ChatGPT stehen vor einem seltsamen Paradox: Sie verbringen täglich Stunden in diesen Tools, doch konkrete Fragen nach ihrer Nutzung bleiben unbeantwortet. Wie viele Anfragen wurden letzten Monat gestellt? Welches Modell treibt die größten Kosten? Und wie viel hat die Prompt-Caching-Funktion tatsächlich eingespart? Die Antworten darauf fehlen – obwohl wir sonst jede Metrik in unseren Projekten tracken.

Die Ursache ist naheliegend: KI-Plattformen stellen zwar Rechnungen zur Verfügung, doch diese sind primär auf Abrechnung ausgelegt und bieten kaum Einblicke in die tatsächliche Nutzung. Genau hier setzt eine neue Generation von lokalen Analyse-Tools an. Vier Open-Source-Projekte ermöglichen es jetzt, die eigene KI-Nutzung transparent und vollständig privat zu überwachen – ohne externe Server, API-Schlüssel oder Telemetrie.

Warum Standard-KI-Tools ihre Kosten verschleiern

Die meisten KI-Dienste bieten zwar detaillierte Abrechnungsdashboards an, doch diese sind oft unübersichtlich oder auf die reine Kostenaufstellung beschränkt. Ein typisches Szenario: Nutzer versuchen, durch kürzere Prompts Geld zu sparen – doch ohne konkrete Daten bleibt unklar, ob diese Strategie tatsächlich wirkt. Eine tiefere Analyse der eigenen ~/.claude-Protokolldatei offenbart jedoch verblüffende Erkenntnisse:

• Cache-Operationen machen oft 72 % der Gesamtkosten aus.
• Prompt-Caching (cacheWrite) verursacht etwa 19 % der Ausgaben.
• Die reinen Eingabeanfragen (input) betragen lediglich 0,3 % der Kosten.

Diese Zahlen stammen aus einer Analyse des Autors und sind beispielhaft für dessen Nutzungsverhalten. Sie zeigen jedoch: Die meisten Optimierungstipps – wie das Komprimieren von Prompts – zielen auf den falschen Hebel. Stattdessen sollten Nutzer die Cache-Hygiene priorisieren, etwa durch regelmäßiges Komprimieren oder Zurücksetzen des Kontexts. Ein weiteres Beispiel: Die Wahl des richtigen Modell-Tiers zu Beginn einer Session kann die Kosten deutlich senken, während ein Wechsel während der Nutzung oft kontraproduktiv ist.

Wichtig: Die genannten Prozentsätze sind individuell und basieren auf einer konkreten Nutzungsanalyse. Ohne eigene Messung lassen sich keine fundierten Optimierungen ableiten. Genau hier setzen die folgenden Tools an.

Vier Tools für mehr Transparenz – alle lokal und quelloffen

Alle vorgestellten Lösungen sind unter MIT-Lizenzen verfügbar und erfordern weder Konten noch externe Verbindungen. Sie analysieren bestehende Protokolldateien oder öffentliche Daten und generieren nutzbare Berichte.

1. tokenops – Die Kostenaufschlüsselung für Claude Code

Das Tool tokenops ist das Herzstück der Analyse: Es liest die Protokolldateien von Claude Code (~/.claude) und zerlegt die Nutzung nach Komponenten und Modellen. Das Ergebnis ist eine datenbasierte Empfehlung, die nicht auf generischen Ratschlägen beruht, sondern auf den tatsächlichen Ausgaben des Nutzers.

npx @greymoth/tokenops demo  # Test mit synthetischen Daten
npm i -g @greymoth/tokenops   # Installation
tokenops report              # Kostenaufschlüsselung
tokenops advise              # Priorisierte Optimierungsvorschläge
tokenops card                # Erstellung einer "Vorher-Nachher"-Karte

Die Demo-Version ermöglicht es, das Tool ohne Risiko kennenzulernen. Erst wenn man mit den Ergebnissen zufrieden ist, wird die Analyse auf die eigenen Daten angewendet. Die Ausgabe kann als Teilbare Karte formatiert werden, um sie mit Kollegen oder in sozialen Medien zu teilen.

→ Quellcode: github.com/greymoth-jp/tokenops · npm: @greymoth/tokenops

2. ccwrapped – Die „Wrapped“-Karte für Claude Code

Während tokenops die detaillierte Kostenanalyse liefert, erzeugt ccwrapped eine visuelle Jahreszusammenfassung im Stil von GitHubs „Wrapped“-Karten. Die Ausgabe ist ein SVG-Bild, das sich einfach speichern und teilen lässt.

npm i -g @greymoth/ccwrapped
ccwrapped --wrapped           # Erstellt eine SVG-Datei
ccwrapped --wrapped --anon    # Versteckt Projektnamen für öffentliche Posts

Die Karte zeigt unter anderem:

• Gesamtzahl der verarbeiteten Nachrichten
• Geschätzte Einsparungen durch Prompt-Caching
• Häufig genutzte Modelle
• Top-Projekte nach Nutzung

Für einen Nutzer ergab die Analyse etwa 194.379 Nachrichten und sechsstellige Einsparungen durch Caching – ein Beispiel, das zeigt, wie überraschend die eigenen Daten sein können.

→ Quellcode: github.com/greymoth-jp/ccwrapped · npm: @greymoth/ccwrapped

3. inkdex – Browser-Erweiterung für ChatGPT und Claude Web

Nicht alle arbeiten ausschließlich in Terminals. Die Browser-Erweiterung `inkdex` (Manifest V3) trackt die Nutzung von ChatGPT und Claude Code im Web und erstellt ebenfalls eine visuelle Zusammenfassung. Alle Daten bleiben lokal im Browser gespeichert und werden nicht an externe Server gesendet.

→ Quellcode: github.com/greymoth-jp/inkdex

4. ghwrapped – GitHub-Profile für Jahresrückblicke

Dieses Tool ist eine Abweichung von den anderen: Es benötigt keine privaten Daten, da es ausschließlich öffentliche Informationen von GitHub-Profilen auswertet. Nutzer können damit etwa:

• Ein Jahresreview für ihr eigenes Profil erstellen.
• Die Aktivität anderer Entwickler analysieren, bevor sie ein Projekt nutzen.
• Eine visuelle Zusammenfassung für Readmes oder Präsentationen generieren.

→ Quellcode: github.com/greymoth-jp/ghwrapped

Der Beweis: Vertrauen durch Nachprüfbarkeit

Die Tools werben damit, 100 % lokal zu arbeiten – doch wie lässt sich das überprüfen? Der Entwickler gibt mehrere Wege vor:

• Größe der Pakete: Die Tools sind bewusst klein gehalten, um eine vollständige Code-Analyse zu ermöglichen. Beispielsweise können die bin/ Ordner von ccwrapped und tokenops in wenigen Minuten durchgelesen werden.
• Suche nach Netzwerkaufrufen: Ein einfacher Befehl wie grep -rEi 'fetch|http|net\.|request|axios' . in den geklonten Repositorys zeigt, ob externe Verbindungen hergestellt werden.
• Offline-Test: Durch das Trennen der Internetverbindung kann überprüft werden, ob die Tools auch dann noch funktionieren.

Diese Maßnahmen ersetzen blindes Vertrauen durch Nachprüfbarkeit – ein entscheidender Unterschied zu vielen kommerziellen Tools mit undurchsichtigen Datenflüssen.

Fazit: Nutze die Tools und teile deine Erkenntnisse

Die vier Tools bieten eine einfache, aber mächtige Lösung für alle, die ihre KI-Nutzung besser verstehen möchten. Der Prozess ist unkompliziert:

1. Tool installieren (z. B. npm i -g @greymoth/ccwrapped).
2. Analyse starten (z. B. ccwrapped --wrapped --anon).
3. Ergebnis als SVG speichern und teilen.

Die daraus gewonnenen Erkenntnisse können nicht nur Kosten senken, sondern auch die Effizienz steigern. Und der beste Teil: Jeder kann die Tools selbst überprüfen – oder sogar verbessern, da sie unter Open-Source-Lizenzen stehen.

Die Zukunft der KI-Nutzung wird transparenter sein – und diese Tools sind ein wichtiger Schritt dorthin.