ChatGPT-Limits verstehen: Plus vs. Pro vs. Business — und was Codex davon frisst

Die häufigste Verwirrung zuerst: ChatGPT hat nicht einen großen Zähler, sondern mehrere getrennte Kontingente. Die wichtigsten:

Kontingent	Was es begrenzt	Wo du es spürst
Nachrichten-Limits pro Modell	Wie viele Nachrichten beziehungsweise Modellaufrufe dein aktueller Plan zulässt; Werte und Zeitfenster können sich ändern	Im normalen Chat, besonders bei rechenintensiven Modellen
Work-/Codex-Kontingent	Work und Codex teilen sich laut OpenAI dieselben nutzungsabhängigen Credits beziehungsweise Grenzen	Bei langen Aufträgen, Massenverarbeitung und Recherchen
Spezialfunktionen	Einzelne Funktionen können eigene Verfügbarkeiten oder Grenzen haben	Wenn eine Funktion vorübergehend nicht verfügbar ist, obwohl normaler Chat noch funktioniert

Deshalb kann es passieren, dass du im Chat noch fröhlich schreiben kannst, während Codex dich gerade ausbremst — oder umgekehrt. Das ist kein Fehler, sondern zwei verschiedene Zähler.

Die genauen Zahlen ändert OpenAI regelmäßig, deshalb hier die Logik statt einer Zahlentabelle, die nächste Woche veraltet wäre:

• Plus ist der Einstieg für regelmäßige Einzelnutzung. Ob das enthaltene Work-/Codex-Kontingent für deinen Alltag reicht, hängt stark von Dateimenge, Modell und Auftragsdauer ab.
• Pro richtet sich an intensivere Einzelnutzung und bietet höhere Nutzungsspielräume.
• Business ergänzt die Nutzung um einen verwalteten Arbeitsbereich und geschäftliche Datenkontrollen. Ordne ihn nicht allein nach einer vermeintlichen Limit-Rangliste ein.

Preise, enthaltene Credits und Modellzugriffe ändern sich. Prüfe deshalb vor einem Wechsel immer die aktuelle OpenAI-Preisübersicht.

Die ehrliche Faustregel: Kauf das Upgrade nicht vorsorglich. Starte mit Plus, arbeite zwei Wochen ernsthaft — und upgrade erst, wenn du regelmäßig an dieselbe Wand läufst.

Das ist die Kernfrage aus dem Support — und die Antwort ist unbequem, aber logisch: Ein Auftrag ist keine Nachricht.

Wenn du im Chat eine Frage stellst, ist das ein Aufruf. Wenn du der Work App oder Codex sagst „Sortiere diese 80 Dateien, benenne sie um und erstelle eine Übersicht", passiert intern etwas ganz anderes: Der Agent plant, liest Dateien, entscheidet, schreibt, prüft sein eigenes Ergebnis, korrigiert nach. Jeder dieser Schritte ist ein eigener Modell-Aufruf. Ein einziger Auftrag kann so viel Kontingent verbrauchen wie Dutzende Chat-Nachrichten.

Deshalb gilt:

1. Vor dem Auftrag war noch Kontingent da.
2. Während des Auftrags hat der Agent es Schritt für Schritt aufgebraucht.
3. Mitten im Auftrag ist es weg — und der Auftrag bleibt halbfertig liegen.

Der zweite Verstärker: Kontext. Je mehr der Agent bei jedem Schritt mitlesen muss (riesige Dateien, ellenlange Vorgeschichte im selben Chat), desto teurer wird jeder einzelne Schritt. Ein aufgeräumter, kurzer Auftrag in einer frischen Session ist darum nicht nur übersichtlicher — er ist messbar sparsamer.

• Achte auf Limit- und Nutzungshinweise direkt in ChatGPT, Work und Codex. Die genaue Anzeige hängt von Oberfläche und Plan ab.
• Verlass dich nicht auf gefühlte Geschwindigkeit als Limit-Anzeige. Eine langsamere Antwort kann viele Ursachen haben.
• Sichere Zwischenstände als Dateien. Wenn ein Kontingent erreicht ist, kannst du nach der Freigabe sauber fortsetzen, statt den ganzen Auftrag neu zu starten.

1. Scope klein schneiden. Statt „verarbeite alle 200 PDFs" → erst 5 als Probelauf, prüfen, dann den Rest in Tranchen. Das spart Kontingent UND du fängst Fehler früh — bevor sie sich 200-mal wiederholen.
2. Kontext in Dateien statt in den Chat. Wenn deine Regeln in 00_kontext/ und der AGENTS.md stehen, musst du sie nicht in jedem Auftrag neu erklären. Files over Tools: Dein Wissen lebt in Dateien, die dir gehören — nicht im Chatverlauf.
3. Zwischenergebnisse speichern lassen. Lass den Agenten Teilergebnisse als Datei ablegen. Bricht der Auftrag am Limit ab, setzt der nächste dort auf, statt von vorn zu beginnen.
4. Frische Session für neue Aufträge. Ein Chat mit 50 Nachrichten Vorgeschichte macht jeden weiteren Schritt teurer. Neues Thema = neue Session, Kontext kommt aus dem Vault.

Nutze diesen Prompt am Anfang eines großen Auftrags, damit der Agent selbst limit-schonend arbeitet:

Bevor du startest: Dieser Auftrag soll möglichst wenig Kontingent verbrauchen.
Halte dich an diese Regeln:
1. Mach zuerst einen Probelauf mit maximal 3 Elementen und zeig mir das Ergebnis.
2. Erst nach meinem OK verarbeitest du den Rest — in Tranchen von je 20 Elementen.
3. Speichere nach jeder Tranche den Zwischenstand in einer Datei
   „zwischenstand.md" (was ist erledigt, was fehlt noch).
4. Wenn du merkst, dass etwas unklar ist: STOPP und frag mich, statt Varianten
   auszuprobieren.
Hier ist der Auftrag: [DEIN AUFTRAG]

Und wenn ein Auftrag am Limit abgebrochen ist, in der neuen Session:

Ein früherer Auftrag ist am Nutzungslimit abgebrochen. Lies zuerst die Datei
„zwischenstand.md" in diesem Projekt. Sag mir in 3 Sätzen: Was ist erledigt,
was fehlt, womit machst du weiter? Warte auf mein OK, bevor du fortsetzt.

Symptom	Ursache	Fix
„Limit erreicht" mitten im Auftrag	Agenten-Auftrag = viele Modell-Aufrufe, nicht einer	Probelauf + Tranchen + Zwischenstand-Datei (Prompt oben)
Chat geht noch, Codex nicht (oder umgekehrt)	Getrennte Kontingente	Normal — anderes Kontingent nutzen oder Reset abwarten
Limits „plötzlich" viel schneller leer als früher	Lange Chat-Historie oder riesige Dateien im Kontext	Frische Session, Kontext in schlanke Dateien auslagern
Upgrade auf Pro, trotzdem am Limit	Auftrag verschwenderisch formuliert (alles auf einmal, keine Tranchen)	Erst Arbeitsweise umstellen, dann über den Plan nachdenken
Unsicher, welcher Plan passt	Bedarf noch nie gemessen	Zwei Wochen mit Plus ernsthaft arbeiten, Engpässe notieren, dann entscheiden

Upgrade auf Pro, wenn du trotz sparsamer Arbeitsweise mehrmals pro Woche ausgebremst wirst — nicht, weil ein einzelner Massenjob einmal abgebrochen ist. Business lohnt sich, sobald mehrere Personen im Unternehmen arbeiten und ihr die Datenschutz- und Verwaltungsfunktionen braucht, unabhängig von den Limits. Und wenn du dauerhaft sehr große Volumen fährst, ist irgendwann die API mit eigener Abrechnung das ehrlichere Modell — das ist dann aber ein anderes Setup.

• OpenAI: Preise und Nutzung

• Welches KI-Abo lohnt sich? ChatGPT Plus, Claude Pro & Gemini Advanced im Vergleich — der Abo-Vergleich über alle Anbieter hinweg
• OpenAI Codex erklärt: Der KI-Coding-Agent von OpenAI im Überblick (2026) — was Codex ist und wie er arbeitet
• Bessere Prompts schreiben: Die 6 häufigsten Fehler und wie du sie vermeidest — präzisere Aufträge verbrauchen weniger Kontingent
• Die wichtigsten OpenAI-Ressourcen: ChatGPT, API, Codex und echte Anwendung — Überblick über das gesamte OpenAI-Ökosystem inkl. API