Ein Coding-Agent, zwei Geschäftsmodelle
Terminal-basierte KI-Agenten haben sich in der Softwareentwicklung schnell etabliert. Claude Code von Anthropic ist dabei das bekannteste Werkzeug: Der Agent schreibt Code, sucht Fehler, führt Befehle aus und arbeitet dabei weitgehend selbstständig. Für Unternehmen ist das attraktiv, weil sich damit Entwicklungsaufwand real reduzieren lässt.
Der Haken liegt im Preismodell. Claude Code ist nur im Abo verfügbar, die Kosten reichen bis 200 US-Dollar pro Monat und Kopf. Dazu kommen Nutzungslimits, die sich seit Sommer noch einmal verschärft haben. Genau an dieser Stelle setzt Goose an, ein quelloffener Agent des Finanzdienstleisters Block, der ohne Abo auskommt und auf Wunsch vollständig auf der eigenen Maschine läuft.
Was Claude Code kostet und wo die Grenzen liegen
Die kostenlose Stufe von Anthropic bietet keinen Zugang zu Claude Code. Wer den Agenten nutzen will, muss mindestens den Pro-Tarif buchen. Die Limits sind gestaffelt und beziehen sich auf Prompts pro Fünf-Stunden-Fenster sowie auf wöchentliche Nutzungskontingente.
| Tarif | Preis pro Monat | Prompts je 5 Stunden | Wöchentliches Kontingent |
|---|---|---|---|
| Pro | 17 US-Dollar (jährlich) bzw. 20 US-Dollar (monatlich) | 10 bis 40 | 40 bis 80 Stunden Sonnet 4 |
| Max | 100 US-Dollar | 50 bis 200 | keine Angabe im Detail |
| Max | 200 US-Dollar | 200 bis 800 | 240 bis 480 Stunden Sonnet 4, 24 bis 40 Stunden Opus 4 |
Die angegebenen Stunden sind keine echten Zeitfenster, sondern eine Umrechnung von Token-Kontingenten. Wie weit man damit kommt, hängt von der Größe der Codebasis, der Länge der Konversation und der Komplexität der Aufgabe ab. Unabhängige Auswertungen schätzen die effektiven Grenzen auf rund 44.000 Tokens pro Sitzung im Pro-Tarif und etwa 220.000 Tokens im 200-Dollar-Tarif.
"Es ist verwirrend und vage. Wenn sie sagen '24 bis 40 Stunden Opus 4', sagt einem das eigentlich nichts Nützliches darüber, was man tatsächlich bekommt." (sinngemäße Übersetzung einer Entwickleräußerung)
Anthropic verteidigt die im Juli eingeführten wöchentlichen Limits mit dem Argument, weniger als 5 Prozent der Nutzer seien betroffen. Ob sich diese Angabe auf alle Nutzer oder nur auf die zahlenden Max-Kunden bezieht, hat das Unternehmen bislang nicht klargestellt. Für die Kalkulation eines Entwicklerteams ist das ein erheblicher Unterschied.
Goose: quelloffen, modellunabhängig, lokal betreibbar
Goose stammt von Block, dem Zahlungsdienstleister, der früher als Square firmierte. Der Agent lässt sich als Kommandozeilen-Werkzeug oder als Desktop-Anwendung nutzen und ist bewusst modellunabhängig gebaut. Er kann also mit unterschiedlichen Sprachmodellen arbeiten, statt an einen Anbieter gekoppelt zu sein.
Praktisch heißt das: Wer will, hängt Goose an Claude, GPT-5 oder Gemini und zahlt dafür nach API-Verbrauch. Wer keine Daten nach außen geben will, betreibt den Agenten über Ollama mit lokalen Modellen wie Qwen 2.5, Llama, Gemma oder DeepSeek. In dieser Variante verlassen weder Prompts noch Quellcode den eigenen Rechner.
"Ihre Daten bleiben bei Ihnen, Punkt." (sinngemäße Übersetzung einer Aussage des Software-Ingenieurs Parth Sareen)
Funktional geht Goose über reine Code-Vorschläge hinaus. Der Agent legt Dateien an, führt Tests aus, arbeitet über mehrere Dateien hinweg und spricht externe Schnittstellen an. Möglich macht das sogenanntes Tool Calling, also die Fähigkeit eines Sprachmodells, konkrete Aktionen in externen Systemen anzustoßen statt nur Text zu erzeugen.
Für die Anbindung an Datenbanken, Dateisysteme und Fremd-APIs nutzt Goose das Model Context Protocol. Dieser Standard hat sich inzwischen als gemeinsame Schnittstelle zwischen KI-Agenten und Unternehmenssystemen durchgesetzt und wird laufend weiterentwickelt, zuletzt mit einem zustandslosen Protokollkern für den Enterprise-Betrieb.
Das Projekt ist kein Nebenprodukt
Die Entwicklungsdynamik spricht gegen den Verdacht, es handle sich um ein Hobbyprojekt. Das GitHub-Repository verzeichnet über 26.100 Sterne, 362 Mitwirkende und 102 Veröffentlichungen. Version 1.20.1 erschien am 19. Januar 2026.
Damit liegt der Takt auf dem Niveau kommerzieller Produkte. Für Unternehmen ist das ein relevanter Punkt, weil Open Source nur dann eine belastbare Alternative ist, wenn Wartung und Sicherheitspflege tatsächlich stattfinden.
Was der Verzicht auf das Abo kostet
Kostenlos ist Goose nur bei der Lizenz. Der lokale Betrieb leistungsfähiger Modelle verlangt Hardware. Die Dokumentation nennt 32 GB RAM als solide Basis, kleinere Modellvarianten laufen ab 16 GB, mit 8 GB kommt man in der Regel nicht weit.
Dazu kommen technische Abstriche. Cloud-Modelle wie Claude Sonnet 4.5 arbeiten mit Kontextfenstern von bis zu 1.000.000 Tokens, lokale Modelle liegen standardmäßig oft bei 4.096 bis 8.192 Tokens. Bei großen Codebasen ist das ein spürbarer Unterschied. Auch Geschwindigkeit und Ergebnisqualität bei komplexen Aufgaben sprechen weiterhin für die kommerziellen Spitzenmodelle.
"Wenn ich sage 'mach das modern', weiß Opus, was ich meine. Andere Modelle liefern mir Bootstrap von etwa 2015." (sinngemäße Übersetzung einer Entwickleräußerung)
Gleichzeitig gilt die Einschränkung nicht pauschal. Für viele Standardaufgaben reichen mittelgroße lokale Modelle aus, wie Parth Sareen betont: Man müsse nicht die größten Modelle betreiben, um sehr gute Ergebnisse zu erzielen. Wie schnell offene Modelle beim Tool Calling und bei der Qualität zu Claude Opus aufschließen, lässt sich derzeit nicht seriös vorhersagen.
| Kriterium | Claude Code (Abo) | Goose mit lokalem Modell |
|---|---|---|
| Laufende Kosten | 17 bis 200 US-Dollar pro Monat und Nutzer | keine Lizenzkosten, nur Strom und Hardware |
| Nutzungslimits | Prompt- und Wochenkontingente | keine |
| Datenabfluss | Verarbeitung auf Anbieter-Servern | Daten bleiben lokal |
| Kontextfenster | bis zu 1.000.000 Tokens | oft 4.096 bis 8.192 Tokens |
| Einstiegshürde | Abo abschließen | Einrichtung und Hardware ab 32 GB RAM |
| Offline-Betrieb | nein | ja |
Einordnung für Unternehmen im DACH-Raum
Der Fall zeigt das typische Muster bei KI-Software im Abo. Die Preise sind pro Kopf kalkuliert, die Nutzungsgrenzen können sich einseitig ändern, und die Abrechnungslogik ist für Kunden kaum nachvollziehbar. Bei zehn Entwicklern im 200-Dollar-Tarif ergibt das rund 24.000 US-Dollar im Jahr, ohne dass planbar wäre, wie viel Arbeit damit tatsächlich möglich ist.
Preisbewegungen gehen dabei nicht nur nach oben. Die jüngsten API-Preissenkungen bei OpenAI zeigen, wie schnell sich die Kalkulationsgrundlage verschieben kann. Genau das ist das Problem: Wer die Kostenbasis nicht kontrolliert, plant auf fremdem Grund.
Für den DACH-Raum kommt der Datenschutz hinzu. Quellcode ist in vielen Unternehmen ein Kernwert, in regulierten Branchen zusätzlich ein Compliance-Thema. Ein lokal betriebener Agent löst die Frage nach der Auftragsverarbeitung, weil schlicht keine Daten das Haus verlassen. Dass der Umgang von KI-Agenten mit Zugriffsrechten kein theoretisches Risiko ist, hat zuletzt der Fall Claude-Modelle in Fremdsystemen gezeigt.
Eine belastbare Gesamtkostenrechnung zwischen Abo und Eigenbetrieb gibt es bislang nicht, dafür sind Arbeitsweisen und Projektgrößen zu unterschiedlich. Sinnvoll ist deshalb der pragmatische Weg: Goose als modellunabhängige Basis einsetzen, Routineaufgaben lokal abarbeiten und nur bei wirklich komplexen Aufgaben ein starkes Cloud-Modell über die API zuschalten. Damit sinkt die Abhängigkeit von einem einzelnen Anbieter, und die Kosten bleiben an tatsächlichen Verbrauch gekoppelt statt an eine Monatspauschale.