---
title: Prompt-Caching
url: https://platform.claude.com/docs/de/build-with-claude/prompt-caching
description: Cache Prompt-Präfixe mit `cache_control`, um Kosten und Latenz zu senken – mit automatischem Caching oder expliziten Breakpoints mit 5-Minuten- oder 1-Stunden-TTLs.
featureMetadata:
  zdr:
    eligibility: eligible
    note: Excludes [Covered Models](https://platform.claude.com/docs/en/manage-claude/api-and-data-retention#model-specific-data-retention-requirements). Deine Prompts und die Ausgaben von Claude werden nicht gespeichert. KV-Cache-Repräsentationen und kryptografische Hashes werden für die Cache-TTL im Arbeitsspeicher gehalten und nach Ablauf umgehend gelöscht.
  supportedModels:
    - claude-fable-5-2
    - claude-mythos-5-2
    - claude-fable-5-1
    - claude-mythos-5-1
    - claude-fable-5
    - claude-mythos-5
    - claude-mythos-preview
    - claude-opus-5-5
    - claude-opus-5
    - claude-sonnet-5-5
    - claude-sonnet-5
    - claude-haiku-5-5
    - claude-haiku-4-5-20251001
    - claude-opus-4-8
    - claude-opus-4-7
    - claude-opus-4-6
    - claude-sonnet-4-6
    - claude-opus-4-5-20251101
    - claude-sonnet-4-5-20250929
  supportedPlatforms:
    Claude API: stable
    Amazon Bedrock: stable
    Amazon Bedrock (bedrock-runtime): stable
    Claude Platform on AWS: stable
    Claude Models on Google Cloud (Anthropic managed): stable
    Claude Models on Google Cloud (Google managed): stable
    Microsoft Foundry: stable
---

**API-Unterstützung**: Nutzung unterscheidet sich je nach Produkt.

* **Messages API**: Aktiviere es mit `cache_control`, auf oberster Ebene oder für einzelne Blöcke.
* **Managed Agents**: Immer aktiv. Cache-Einträge haben standardmäßig eine Lebensdauer von 5 Minuten, und Cache-Lese- und -Schreibvorgänge erscheinen in der Nutzung der Sitzung.

„Prompt caching“ (Prompt-Caching) optimiert deine API-Nutzung, indem es der API die Wiederaufnahme ab bestimmten Präfixen in deinen Prompts ermöglicht. Dies reduziert die Verarbeitungszeit und die Kosten für sich wiederholende Aufgaben oder Prompts mit gleichbleibenden Elementen erheblich.

Es gibt zwei Möglichkeiten, Prompt-Caching zu aktivieren:

* **[Automatisches Caching](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#automatic-caching):** Füge ein einzelnes `cache_control`-Feld auf der obersten Ebene deiner Anfrage hinzu. Das System wendet den Cache-Breakpoint automatisch auf den letzten cachebaren Block an und verschiebt ihn nach vorne, während Gespräche wachsen. Am besten geeignet für Gespräche mit mehreren Runden, bei denen der wachsende Nachrichtenverlauf automatisch gecacht werden soll.
* **[Explizite Cache-Breakpoints](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#explicit-cache-breakpoints):** Platziere `cache_control` direkt auf einzelnen Content-Blöcken, um genau steuern zu können, was gecacht wird.

Eine Möglichkeit für den Einstieg ist das automatische Caching:

<CodeGroup>
  ```bash cURL
  curl https://api.anthropic.com/v1/messages \
    -H "content-type: application/json" \
    -H "x-api-key: $ANTHROPIC_API_KEY" \
    -H "anthropic-version: 2026-10-21" \
    -d '{
      "model": "claude-opus-5-5",
      "max_tokens": 1024,
      "cache_control": {"type": "ephemeral"},
      "system": "You are an AI assistant tasked with analyzing literary works. Your goal is to provide insightful commentary on themes, characters, and writing style.",
      "messages": [
        {
          "role": "user",
          "content": "Analyze the major themes in Pride and Prejudice."
        }
      ]
    }'
  ```

  ```bash CLI
  ant messages create <<'YAML'
  model: claude-opus-5-5
  max_tokens: 1024
  cache_control:
    type: ephemeral
  system: >-
    You are an AI assistant tasked with analyzing literary works. Your goal is
    to provide insightful commentary on themes, characters, and writing style.
  messages:
    - role: user
      content: Analyze the major themes in Pride and Prejudice.
  YAML
  ```

  ```python Python
  client = anthropic.Anthropic()

  response = client.messages.create(
      model="claude-opus-5-5",
      max_tokens=1024,
      cache_control={"type": "ephemeral"},
      system="You are an AI assistant tasked with analyzing literary works. Your goal is to provide insightful commentary on themes, characters, and writing style.",
      messages=[
          {
              "role": "user",
              "content": "Analyze the major themes in 'Pride and Prejudice'.",
          }
      ],
  )
  print(response.usage.model_dump_json())
  ```

  ```typescript TypeScript
  const client = new Anthropic();

  const response = await client.messages.create({
    model: "claude-opus-5-5",
    max_tokens: 1024,
    cache_control: { type: "ephemeral" },
    system:
      "You are an AI assistant tasked with analyzing literary works. Your goal is to provide insightful commentary on themes, characters, and writing style.",
    messages: [
      {
        role: "user",
        content: "Analyze the major themes in 'Pride and Prejudice'."
      }
    ]
  });
  console.log(response.usage);
  ```

  ```csharp C#
  AnthropicClient client = new();

  var parameters = new MessageCreateParams
  {
      Model = Model.ClaudeOpus5_5,
      MaxTokens = 1024,
      CacheControl = new CacheControlEphemeral(),
      System = "You are an AI assistant tasked with analyzing literary works. Your goal is to provide insightful commentary on themes, characters, and writing style.",
      Messages =
      [
          new UserMessageParam { Content = "Analyze the major themes in 'Pride and Prejudice'." }
      ]
  };

  var message = await client.Messages.Create(parameters);
  Console.WriteLine(message.Usage);
  ```

  ```go Go
  client := anthropic.NewClient()

  response, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
  	Model:        anthropic.ModelClaudeOpus5_5,
  	MaxTokens:    1024,
  	CacheControl: anthropic.NewCacheControlEphemeralParam(),
  	System: []anthropic.TextBlockParam{
  		{Text: "You are an AI assistant tasked with analyzing literary works. Your goal is to provide insightful commentary on themes, characters, and writing style."},
  	},
  	Messages: []anthropic.MessageParam{
  		anthropic.NewUserMessage(anthropic.NewTextBlock("Analyze the major themes in 'Pride and Prejudice'.")),
  	},
  })
  if err != nil {
  	log.Fatal(err)
  }
  fmt.Println(response.Usage.RawJSON())
  ```

  ```java Java
  import com.anthropic.models.messages.CacheControlEphemeral;
  // ...
  void main() {
      AnthropicClient client = AnthropicOkHttpClient.fromEnv();

      MessageCreateParams params = MessageCreateParams.builder()
          .model(Model.CLAUDE_OPUS_5_5)
          .maxTokens(1024)
          .cacheControl(CacheControlEphemeral.builder().build())
          .system("You are an AI assistant tasked with analyzing literary works. Your goal is to provide insightful commentary on themes, characters, and writing style.")
          .addUserMessage("Analyze the major themes in 'Pride and Prejudice'.")
          .build();

      Message message = client.messages().create(params);
      IO.println(message.usage());
  }
  ```

  ```php PHP
  use Anthropic\Messages\CacheControlEphemeral;
  use Anthropic\Messages\Model;
  // ...
  $client = new Client();

  $response = $client->messages->create(
      maxTokens: 1024,
      messages: [
          ['role' => 'user', 'content' => "Analyze the major themes in 'Pride and Prejudice'."]
      ],
      model: Model::CLAUDE_OPUS_5_5,
      cacheControl: CacheControlEphemeral::with(),
      system: 'You are an AI assistant tasked with analyzing literary works. Your goal is to provide insightful commentary on themes, characters, and writing style.',
  );
  echo json_encode($response->usage);
  ```

  ```ruby Ruby
  client = Anthropic::Client.new

  response = client.messages.create(
    model: Anthropic::Model::CLAUDE_OPUS_5_5,
    max_tokens: 1024,
    cache_control: {type: "ephemeral"},
    system_: "You are an AI assistant tasked with analyzing literary works. Your goal is to provide insightful commentary on themes, characters, and writing style.",
    messages: [
      {
        role: "user",
        content: "Analyze the major themes in 'Pride and Prejudice'."
      }
    ]
  )
  puts response.usage
  ```
</CodeGroup>

Beim automatischen Caching cacht das System alle Inhalte bis einschließlich des letzten cachebaren Blocks. Bei nachfolgenden Anfragen mit demselben Präfix werden gecachte Inhalte automatisch wiederverwendet.

***

## Wie Prompt-Caching funktioniert

Wenn du eine Anfrage mit aktiviertem Prompt-Caching sendest:

1. Prüft das System, ob ein Prompt-Präfix bis zu einem angegebenen Cache-Breakpoint bereits aus einer kürzlichen Abfrage gecacht ist.
2. Falls gefunden, verwendet es die gecachte Version, was Verarbeitungszeit und Kosten reduziert.
3. Andernfalls verarbeitet es den vollständigen Prompt und cacht das Präfix, sobald die Antwort beginnt.

Dies ist besonders nützlich für:

* Prompts mit vielen Beispielen
* Große Mengen an Kontext oder Hintergrundinformationen
* Sich wiederholende Aufgaben mit gleichbleibenden Anweisungen
* Lange Gespräche mit mehreren Runden

Standardmäßig hat der Cache eine Lebensdauer von 5 Minuten. Der Cache wird bei jeder Verwendung der gecachten Inhalte ohne zusätzliche Kosten aufgefrischt.

Die Lebensdauer wird ab dem Start der Anfrage gemessen, die den Cache-Eintrag schreibt oder liest, nicht ab dem Ende ihrer Antwort. Die Zeit, die für das Generieren einer Antwort benötigt wird, zählt zur Lebensdauer: Wenn das Streaming einer Antwort 4 Minuten dauert, muss eine Folgeanfrage, die dasselbe gecachte Präfix wiederverwendet, innerhalb von etwa 1 Minute nach Abschluss dieser Antwort starten.

Wenn dir 5 Minuten zu kurz sind, kannst du gegen Aufpreis eine [1-Stunden-Cache-Dauer](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#1-hour-cache-duration) verwenden (siehe [Preise](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#pricing)).

Prompt-Caching umfasst das vollständige Präfix: `tools`, `system` und `messages` (in dieser Reihenfolge), bis einschließlich des mit `cache_control` gekennzeichneten Blocks.

***

## Preise

Prompt-Caching hat eine eigene Preisstruktur. Die folgende Tabelle zeigt den Preis pro Million Token für jedes unterstützte Modell:

| Model                                                                                                                                                                  | Base input tokens | 5m cache writes | 1h cache writes | Cache hits and refreshes | Output tokens |
| :--------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :---------------- | :-------------- | :-------------- | :----------------------- | :------------ |
| Claude Fable 5.2                                                                                                                                                       | $8 / MTok         | $10 / MTok      | $16 / MTok      | $0.20 / MTok<sup>1</sup> | $40 / MTok    |
| Claude Mythos 5.2 ([limited availability](https://support.claude.com/en/articles/14604842))                                                                            | $8 / MTok         | $10 / MTok      | $16 / MTok      | $0.20 / MTok<sup>1</sup> | $40 / MTok    |
| Claude Fable 5.1                                                                                                                                                       | $10 / MTok        | $12.50 / MTok   | $20 / MTok      | $0.25 / MTok<sup>1</sup> | $50 / MTok    |
| Claude Mythos 5.1 ([limited availability](https://support.claude.com/en/articles/14604842))                                                                            | $10 / MTok        | $12.50 / MTok   | $20 / MTok      | $0.25 / MTok<sup>1</sup> | $50 / MTok    |
| Claude Fable 5                                                                                                                                                         | $10 / MTok        | $12.50 / MTok   | $20 / MTok      | $1 / MTok                | $50 / MTok    |
| Claude Mythos 5 ([limited availability](https://support.claude.com/en/articles/14604842))                                                                              | $10 / MTok        | $12.50 / MTok   | $20 / MTok      | $1 / MTok                | $50 / MTok    |
| Claude Opus 5.5                                                                                                                                                        | $4 / MTok         | $5 / MTok       | $8 / MTok       | $0.20 / MTok<sup>2</sup> | $20 / MTok    |
| Claude Opus 5                                                                                                                                                          | $5 / MTok         | $6.25 / MTok    | $10 / MTok      | $0.50 / MTok             | $25 / MTok    |
| Claude Opus 4.8                                                                                                                                                        | $5 / MTok         | $6.25 / MTok    | $10 / MTok      | $0.50 / MTok             | $25 / MTok    |
| Claude Opus 4.7                                                                                                                                                        | $5 / MTok         | $6.25 / MTok    | $10 / MTok      | $0.50 / MTok             | $25 / MTok    |
| Claude Opus 4.6                                                                                                                                                        | $5 / MTok         | $6.25 / MTok    | $10 / MTok      | $0.50 / MTok             | $25 / MTok    |
| Claude Opus 4.5                                                                                                                                                        | $5 / MTok         | $6.25 / MTok    | $10 / MTok      | $0.50 / MTok             | $25 / MTok    |
| Claude Opus 4.1 ([retired, except on Claude Models on Google Cloud (Google managed) and Bedrock](https://platform.claude.com/docs/de/about-claude/model-deprecations)) | $15 / MTok        | $18.75 / MTok   | $30 / MTok      | $1.50 / MTok             | $75 / MTok    |
| Claude Opus 4 ([retired, except on Claude Models on Google Cloud (Google managed)](https://platform.claude.com/docs/de/about-claude/model-deprecations))               | $15 / MTok        | $18.75 / MTok   | $30 / MTok      | $1.50 / MTok             | $75 / MTok    |
| Claude Sonnet 5.5                                                                                                                                                      | $2 / MTok         | $2.50 / MTok    | $4 / MTok       | $0.10 / MTok<sup>2</sup> | $10 / MTok    |
| Claude Sonnet 5                                                                                                                                                        | $2 / MTok         | $2.50 / MTok    | $4 / MTok       | $0.20 / MTok             | $10 / MTok    |
| Claude Sonnet 4.6                                                                                                                                                      | $3 / MTok         | $3.75 / MTok    | $6 / MTok       | $0.30 / MTok             | $15 / MTok    |
| Claude Sonnet 4.5                                                                                                                                                      | $3 / MTok         | $3.75 / MTok    | $6 / MTok       | $0.30 / MTok             | $15 / MTok    |
| Claude Sonnet 4 ([retired, except on Claude Models on Google Cloud (Google managed) and Bedrock](https://platform.claude.com/docs/de/about-claude/model-deprecations)) | $3 / MTok         | $3.75 / MTok    | $6 / MTok       | $0.30 / MTok             | $15 / MTok    |
| Claude Haiku 5.5 (for prompts up to 100,000 tokens)                                                                                                                    | $0.10 / MTok      | $0.125 / MTok   | $0.20 / MTok    | $0.01 / MTok             | $0.50 / MTok  |
| Claude Haiku 5.5 (for prompts over 100,000 tokens)                                                                                                                     | $0.50 / MTok      | $0.625 / MTok   | $1 / MTok       | $0.05 / MTok             | $2.50 / MTok  |
| Claude Haiku 4.5                                                                                                                                                       | $1 / MTok         | $1.25 / MTok    | $2 / MTok       | $0.10 / MTok             | $5 / MTok     |

*<sup>1 Cache hits and refreshes on Claude Fable 5.2, Claude Mythos 5.2, Claude Fable 5.1, and Claude Mythos 5.1 are priced at 0.025x the base input price.</sup>*

*<sup>2 Cache hits and refreshes on Claude Opus 5.5 and Claude Sonnet 5.5 are priced at 0.05x the base input price.</sup>*

*<sup>All other models use the standard 0.1x multiplier.</sup>*

<Note>
  Die vorherige Tabelle spiegelt die folgenden Preismultiplikatoren für Prompt-Caching wider:

  * Cache-Write-Token mit einer 5-Minuten-TTL kosten das 1,25-Fache des Basispreises für Input-Token.
  * Cache-Write-Token mit einer 1-Stunden-TTL kosten das 2-Fache des Basispreises für Input-Token.
  * Cache-Read-Token kosten das 0,1-Fache des Basispreises für Input-Token (siehe die Fußnote der Tabelle für modellspezifische Ausnahmen).

  Diese Multiplikatoren werden mit anderen Preismodifikatoren kombiniert, wie dem Batch-API-Rabatt, der [Preisgestaltung für langen Kontext](https://platform.claude.com/docs/de/about-claude/pricing#long-context-pricing) und der Datenresidenz. Bei einem Modell, dessen Preis sich nach der Prompt-Länge richtet, zählen Cache-Reads und Cache-Writes zur Prompt-Länge einer Anfrage. Alle Details findest du unter [Preise](https://platform.claude.com/docs/de/about-claude/pricing).
</Note>

***

## Unterstützte Modelle

Prompt-Caching (sowohl automatisch als auch explizit) wird auf allen [aktiven Claude-Modellen](https://platform.claude.com/docs/de/models/overview) unterstützt.

***

## Automatisches Caching

Automatisches Caching aktiviert Prompt-Caching mit einem einzigen Feld. Anstatt `cache_control` auf einzelnen Content-Blöcken zu platzieren, fügst du ein einzelnes `cache_control`-Feld auf der obersten Ebene deines Request-Bodys hinzu. Das System wendet den Cache-Breakpoint automatisch auf den letzten cachebaren Block an.

<CodeGroup>
  ```bash cURL
  curl https://api.anthropic.com/v1/messages \
    -H "content-type: application/json" \
    -H "x-api-key: $ANTHROPIC_API_KEY" \
    -H "anthropic-version: 2026-10-21" \
    -d '{
      "model": "claude-opus-5-5",
      "max_tokens": 1024,
      "cache_control": {"type": "ephemeral"},
      "system": "You are a helpful assistant that remembers our conversation.",
      "messages": [
        {"role": "user", "content": "My name is Alex. I work on machine learning."},
        {"role": "assistant", "content": "Nice to meet you, Alex! How can I help with your ML work today?"},
        {"role": "user", "content": "What did I say I work on?"}
      ]
    }'
  ```

  ```bash CLI
  ant messages create <<'YAML'
  model: claude-opus-5-5
  max_tokens: 1024
  cache_control:
    type: ephemeral
  system: You are a helpful assistant that remembers our conversation.
  messages:
    - role: user
      content: My name is Alex. I work on machine learning.
    - role: assistant
      content: Nice to meet you, Alex! How can I help with your ML work today?
    - role: user
      content: What did I say I work on?
  YAML
  ```

  ```python Python
  client = anthropic.Anthropic()

  response = client.messages.create(
      model="claude-opus-5-5",
      max_tokens=1024,
      cache_control={"type": "ephemeral"},
      system="You are a helpful assistant that remembers our conversation.",
      messages=[
          {"role": "user", "content": "My name is Alex. I work on machine learning."},
          {
              "role": "assistant",
              "content": "Nice to meet you, Alex! How can I help with your ML work today?",
          },
          {"role": "user", "content": "What did I say I work on?"},
      ],
  )
  print(response.usage.model_dump_json())
  ```

  ```typescript TypeScript
  const client = new Anthropic();

  const response = await client.messages.create({
    model: "claude-opus-5-5",
    max_tokens: 1024,
    cache_control: { type: "ephemeral" },
    system: "You are a helpful assistant that remembers our conversation.",
    messages: [
      { role: "user", content: "My name is Alex. I work on machine learning." },
      {
        role: "assistant",
        content: "Nice to meet you, Alex! How can I help with your ML work today?"
      },
      { role: "user", content: "What did I say I work on?" }
    ]
  });
  console.log(response.usage);
  ```

  ```csharp C#
  AnthropicClient client = new();

  var parameters = new MessageCreateParams
  {
      Model = Model.ClaudeOpus5_5,
      MaxTokens = 1024,
      CacheControl = new CacheControlEphemeral(),
      System = "You are a helpful assistant that remembers our conversation.",
      Messages =
      [
          new UserMessageParam { Content = "My name is Alex. I work on machine learning." },
          new AssistantMessageParam
          {
              Content = "Nice to meet you, Alex! How can I help with your ML work today?"
          },
          new UserMessageParam { Content = "What did I say I work on?" }
      ]
  };

  var message = await client.Messages.Create(parameters);
  Console.WriteLine(message.Usage);
  ```

  ```go Go
  client := anthropic.NewClient()

  response, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
  	Model:        anthropic.ModelClaudeOpus5_5,
  	MaxTokens:    1024,
  	CacheControl: anthropic.NewCacheControlEphemeralParam(),
  	System: []anthropic.TextBlockParam{
  		{Text: "You are a helpful assistant that remembers our conversation."},
  	},
  	Messages: []anthropic.MessageParam{
  		anthropic.NewUserMessage(anthropic.NewTextBlock("My name is Alex. I work on machine learning.")),
  		anthropic.NewAssistantMessage(anthropic.NewTextBlock("Nice to meet you, Alex! How can I help with your ML work today?")),
  		anthropic.NewUserMessage(anthropic.NewTextBlock("What did I say I work on?")),
  	},
  })
  if err != nil {
  	log.Fatal(err)
  }
  fmt.Println(response.Usage.RawJSON())
  ```

  ```java Java
  import com.anthropic.models.messages.CacheControlEphemeral;
  // ...
  void main() {
      AnthropicClient client = AnthropicOkHttpClient.fromEnv();

      MessageCreateParams params = MessageCreateParams.builder()
          .model(Model.CLAUDE_OPUS_5_5)
          .maxTokens(1024)
          .cacheControl(CacheControlEphemeral.builder().build())
          .system("You are a helpful assistant that remembers our conversation.")
          .addUserMessage("My name is Alex. I work on machine learning.")
          .addAssistantMessage("Nice to meet you, Alex! How can I help with your ML work today?")
          .addUserMessage("What did I say I work on?")
          .build();

      Message message = client.messages().create(params);
      IO.println(message.usage());
  }
  ```

  ```php PHP
  use Anthropic\Messages\CacheControlEphemeral;
  use Anthropic\Messages\Model;
  // ...
  $client = new Client();

  $response = $client->messages->create(
      maxTokens: 1024,
      messages: [
          ['role' => 'user', 'content' => 'My name is Alex. I work on machine learning.'],
          ['role' => 'assistant', 'content' => 'Nice to meet you, Alex! How can I help with your ML work today?'],
          ['role' => 'user', 'content' => 'What did I say I work on?'],
      ],
      model: Model::CLAUDE_OPUS_5_5,
      cacheControl: CacheControlEphemeral::with(),
      system: 'You are a helpful assistant that remembers our conversation.',
  );
  echo json_encode($response->usage);
  ```

  ```ruby Ruby
  client = Anthropic::Client.new

  response = client.messages.create(
    model: Anthropic::Model::CLAUDE_OPUS_5_5,
    max_tokens: 1024,
    cache_control: {type: "ephemeral"},
    system_: "You are a helpful assistant that remembers our conversation.",
    messages: [
      {role: "user", content: "My name is Alex. I work on machine learning."},
      {role: "assistant", content: "Nice to meet you, Alex! How can I help with your ML work today?"},
      {role: "user", content: "What did I say I work on?"}
    ]
  )
  puts response.usage
  ```
</CodeGroup>

### Wie automatisches Caching in Gesprächen mit mehreren Runden funktioniert

Beim automatischen Caching wandert der Cache-Punkt automatisch nach vorne, während Gespräche wachsen. Jede neue Anfrage cacht alles bis zum letzten cachebaren Block, und vorherige Inhalte werden aus dem Cache gelesen.

| Anfrage   | Inhalt                                                                                                       | Cache-Verhalten                                                                           |
| --------- | ------------------------------------------------------------------------------------------------------------ | ----------------------------------------------------------------------------------------- |
| Anfrage 1 | System<br />+ User(1) + Asst(1)<br />+ **User(2)** ◀ Cache                                                   | Alles wird in den Cache geschrieben                                                       |
| Anfrage 2 | System<br />+ User(1) + Asst(1)<br />+ User(2) + Asst(2)<br />+ **User(3)** ◀ Cache                          | System bis User(2) aus dem Cache gelesen;<br />Asst(2) + User(3) in den Cache geschrieben |
| Anfrage 3 | System<br />+ User(1) + Asst(1)<br />+ User(2) + Asst(2)<br />+ User(3) + Asst(3)<br />+ **User(4)** ◀ Cache | System bis User(3) aus dem Cache gelesen;<br />Asst(3) + User(4) in den Cache geschrieben |

Der Cache-Breakpoint wandert in jeder Anfrage automatisch zum letzten cachebaren Block, sodass du keine `cache_control`-Markierungen aktualisieren musst, während das Gespräch wächst.

### TTL-Unterstützung

Standardmäßig verwendet automatisches Caching eine 5-Minuten-TTL. Du kannst eine 1-Stunden-TTL zum 2-Fachen des Basispreises für Input-Token angeben:

```json
{ "cache_control": { "type": "ephemeral", "ttl": "1h" } }
```

### Kombination mit Caching auf Blockebene

Automatisches Caching ist mit [expliziten Cache-Breakpoints](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#explicit-cache-breakpoints) kompatibel. Bei gemeinsamer Verwendung belegt der automatische Cache-Breakpoint einen der 4 verfügbaren Breakpoint-Slots.

So kannst du beide Ansätze kombinieren. Verwende zum Beispiel einen expliziten Breakpoint, um deinen System-Prompt zu cachen, während das automatische Caching das Gespräch übernimmt:

```json
{
  "model": "claude-opus-5-5",
  "max_tokens": 1024,
  "cache_control": { "type": "ephemeral" },
  "system": [
    {
      "type": "text",
      "text": "You are a helpful assistant.",
      "cache_control": { "type": "ephemeral" }
    }
  ],
  "messages": [{ "role": "user", "content": "What are the key terms?" }]
}
```

### Was gleich bleibt

Automatisches Caching nutzt dieselbe zugrunde liegende Caching-Infrastruktur. Preise, Mindest-Token-Schwellenwerte, Anforderungen an die Kontextreihenfolge und das 20-Block-Lookback-Fenster gelten genauso wie bei expliziten Breakpoints.

### Sonderfälle

* Wenn der letzte Block bereits ein explizites `cache_control` mit derselben TTL hat, bewirkt das automatische Caching nichts.
* Wenn der letzte Block ein explizites `cache_control` mit einer anderen TTL hat, gibt die API einen 400-Fehler zurück.
* Wenn bereits 4 explizite Breakpoints auf Blockebene existieren, gibt die API einen 400-Fehler zurück (keine Slots mehr für automatisches Caching frei).
* Wenn der letzte Block nicht als Ziel für einen automatischen Cache-Breakpoint geeignet ist, geht das System stillschweigend rückwärts, um den nächstgelegenen geeigneten Block zu finden. Wird keiner gefunden, wird das Caching übersprungen.

<Note>
  Automatisches Caching ist auf jeder Plattform verfügbar, mit Ausnahme von [Amazon Bedrock (`bedrock-runtime`)](https://platform.claude.com/docs/de/build-with-claude/claude-on-amazon-bedrock-legacy). Dort gibt die API für ein `cache_control`-Feld auf oberster Ebene einen 400-Fehler zurück, verwende daher stattdessen [explizite Cache-Breakpoints](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#explicit-cache-breakpoints).
</Note>

***

## Explizite Cache-Breakpoints

Für mehr Kontrolle über das Caching kannst du `cache_control` direkt auf einzelnen Content-Blöcken platzieren. Das ist nützlich, wenn du verschiedene Abschnitte cachen musst, die sich unterschiedlich häufig ändern, oder wenn du genau steuern möchtest, was gecacht wird.

### Strukturierung deines Prompts

Platziere statische Inhalte (Tool-Definitionen, Systemanweisungen, Kontext, Beispiele) am Anfang deines Prompts. Markiere das Ende des wiederverwendbaren Inhalts für das Caching mit dem Parameter `cache_control`.

Cache-Präfixe werden in folgender Reihenfolge erstellt: `tools`, `system`, dann `messages`. Diese Reihenfolge bildet eine Hierarchie, in der jede Ebene auf den vorherigen aufbaut.

#### Wie die automatische Präfixprüfung funktioniert

Es reicht, einen einzigen Cache-Breakpoint am Ende deiner statischen Inhalte zu verwenden, und das System findet automatisch das längste Präfix, das eine vorherige Anfrage bereits in den Cache geschrieben hat. Wenn du verstehst, wie das funktioniert, kannst du deine Caching-Strategie optimieren.

**Drei Grundprinzipien:**

1. **Cache-Writes erfolgen nur an deinem Breakpoint.** Das Markieren eines Blocks mit `cache_control` schreibt genau einen Cache-Eintrag: einen Hash des Präfixes, das an diesem Block endet. Das System schreibt keine Einträge für frühere Positionen. Da der Hash kumulativ ist und alles bis einschließlich des Breakpoints abdeckt, erzeugt jede Änderung an einem Block am oder vor dem Breakpoint bei der nächsten Anfrage einen anderen Hash.

2. **Cache-Lesevorgänge suchen rückwärts nach Einträgen, die vorherige Anfragen geschrieben haben.** Bei jeder Anfrage berechnet das System den Präfix-Hash an deinem Breakpoint und prüft, ob ein passender Cache-Eintrag existiert. Wenn keiner existiert, geht es Block für Block rückwärts und prüft, ob der Präfix-Hash an jeder früheren Position mit etwas übereinstimmt, das sich bereits im Cache befindet. Es sucht nach vorherigen Schreibvorgängen, nicht nach stabilen Inhalten.

3. **Das Lookback-Fenster umfasst 20 Blöcke.** Das System prüft für jeden Breakpoint höchstens 20 Positionen, wobei der Breakpoint selbst als erste zählt. Findet das System in diesem Fenster keinen passenden Eintrag, endet die Prüfung (oder wird am nächsten expliziten Breakpoint fortgesetzt, falls vorhanden). In der Claude API zählt eine Folge aufeinanderfolgender `tool_use`-Blöcke als eine Position, ebenso eine Folge aufeinanderfolgender `tool_result`-Blöcke, sodass eine Runde mit vielen parallelen Tool-Aufrufen den Eintrag der vorherigen Anfrage nicht allein aus dem Fenster verdrängt.

**Beispiel: Lookback in einem wachsenden Gespräch**

Du hängst in jeder Runde neue Blöcke an und setzt `cache_control` auf den letzten Block jeder Anfrage:

* **Runde 1:** 10 Blöcke, Breakpoint auf Block 10. Es existieren keine vorherigen Cache-Einträge. Das System schreibt einen Eintrag bei Block 10.
* **Runde 2:** 15 Blöcke, Breakpoint auf Block 15. Block 15 hat keinen Eintrag, also geht das System zurück zu Block 10 und findet den Eintrag aus Runde 1. Cache-Treffer bei Block 10. Das System verarbeitet nur die Blöcke 11 bis 15 neu und schreibt einen neuen Eintrag bei Block 15.
* **Runde 3:** 35 Blöcke, Breakpoint auf Block 35. Das System prüft 20 Positionen (Blöcke 35 bis 16) und findet nichts. Der Eintrag aus Runde 2 bei Block 15 liegt eine Position außerhalb des Fensters, daher gibt es keinen Cache-Treffer. Ein zweiter Breakpoint bei Block 15 startet dort ein zweites Lookback-Fenster, das den Eintrag aus Runde 2 findet.

**Häufiger Fehler: Breakpoint auf Inhalten, die sich bei jeder Anfrage ändern**

Dein Prompt hat einen großen statischen Systemkontext (Blöcke 1 bis 5), gefolgt von einem anfragespezifischen Block mit einem Zeitstempel und der Benutzernachricht (Block 6). Du setzt `cache_control` auf Block 6:

* **Anfrage 1:** Cache-Write bei Block 6. Der Hash enthält den Zeitstempel.
* **Anfrage 2:** Der Zeitstempel ist ein anderer, daher unterscheidet sich der Präfix-Hash bei Block 6. Der Lookback durchläuft die Blöcke 5, 4, 3, 2 und 1, aber das System hat an keiner dieser Positionen je einen Eintrag geschrieben. Kein Cache-Treffer. Du zahlst bei jeder Anfrage für einen neuen Cache-Schreibvorgang und erhältst nie einen Lesevorgang.

Der Lookback findet keine stabilen Inhalte hinter deinem Breakpoint und cacht sie. Er findet Einträge, die vorherige Anfragen bereits geschrieben haben, und Schreibvorgänge erfolgen nur an Breakpoints. Verschiebe `cache_control` auf Block 5, den letzten Block, der über Anfragen hinweg gleich bleibt, und jede nachfolgende Anfrage liest das gecachte Präfix. [Automatisches Caching](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#automatic-caching) hat dasselbe Problem: Es setzt den Breakpoint auf den letzten cachebaren Block, der in dieser Struktur derjenige ist, der sich bei jeder Anfrage ändert. Verwende daher stattdessen einen expliziten Breakpoint auf Block 5.

**Wichtigste Erkenntnis:** Platziere `cache_control` auf dem letzten Block, dessen Präfix über die Anfragen hinweg identisch ist, die sich einen Cache teilen sollen. In einem wachsenden Gespräch funktioniert der letzte Block, solange jede Runde weniger als 20 Blöcke hinzufügt: Frühere Inhalte ändern sich nie, sodass der Lookback der nächsten Anfrage den vorherigen Schreibvorgang findet. Bei einem Prompt mit variierendem Suffix (Zeitstempel, anfragespezifischer Kontext, die eingehende Nachricht) platzierst du den Breakpoint am Ende des statischen Präfixes, nicht auf dem variierenden Block.

#### Wann mehrere Breakpoints sinnvoll sind

Du kannst bis zu 4 Cache-Breakpoints definieren, wenn du:

* Verschiedene Abschnitte cachen möchtest, die sich unterschiedlich häufig ändern (zum Beispiel ändern sich Tools selten, aber der Kontext wird täglich aktualisiert)
* Mehr Kontrolle darüber haben möchtest, was genau gecacht wird
* Einen Cache-Treffer sicherstellen möchtest, wenn ein wachsendes Gespräch deinen Breakpoint 20 oder mehr Blöcke über den letzten Cache-Write hinausschiebt

<Note>
  **Wichtige Einschränkung:** Der Lookback kann nur Einträge finden, die frühere Anfragen bereits geschrieben haben. Wenn ein wachsendes Gespräch deinen Breakpoint 20 oder mehr Blöcke über den letzten Schreibvorgang hinausschiebt, verfehlt das Lookback-Fenster ihn. Füge von Anfang an einen zweiten Breakpoint näher an dieser Position hinzu, damit sich dort ein Schreibvorgang ansammelt, bevor du ihn brauchst.
</Note>

### Kosten von Cache-Breakpoints verstehen

**Cache-Breakpoints selbst verursachen keine Kosten.** In Rechnung gestellt werden dir nur:

* **Cache-Writes:** Wenn neue Inhalte in den Cache geschrieben werden (25 Prozent mehr als Basis-Input-Token bei 5-Minuten-TTL)
* **Cache-Reads:** Wenn gecachte Inhalte verwendet werden (10 Prozent des Basispreises für Input-Token, mit [modellspezifischen Ausnahmen](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#pricing))
* **Reguläre Input-Token:** Für alle nicht gecachten Inhalte

Das Hinzufügen weiterer `cache_control`-Breakpoints erhöht deine Kosten nicht; du zahlst weiterhin denselben Betrag, basierend darauf, welche Inhalte tatsächlich gecacht und gelesen werden. Die Breakpoints geben dir Kontrolle darüber, welche Abschnitte unabhängig voneinander gecacht werden können.

***

## Caching-Strategien und Überlegungen

### Cache-Einschränkungen

In der Claude API, auf [Claude Platform on AWS](https://platform.claude.com/docs/de/build-with-claude/claude-platform-on-aws), [Claude Models on Google Cloud (Google managed)](https://platform.claude.com/docs/de/build-with-claude/claude-models-on-google-cloud/google-managed) und [Microsoft Foundry](https://platform.claude.com/docs/de/build-with-claude/claude-in-microsoft-foundry) beträgt die minimale cachebare Prompt-Länge:

* 512 Token für Claude Fable 5.2, [Claude Mythos 5.2](https://platform.claude.com/docs/de/models/mythos-5-2/overview), Claude Fable 5.1, [Claude Mythos 5.1](https://platform.claude.com/docs/de/models/mythos-5-1/overview), Claude Opus 5.5, Claude Opus 5, Claude Sonnet 5.5, Claude Fable 5, [Claude Mythos 5](https://platform.claude.com/docs/de/models/mythos-5/overview) und Claude Haiku 5.5
* 2.048 Token für [Claude Mythos Preview](https://anthropic.com/glasswing) und Claude Opus 4.7
* 4.096 Token für Claude Opus 4.6 und Claude Opus 4.5
* 1.024 Token für Claude Opus 4.8, Claude Sonnet 5, Claude Sonnet 4.6, Claude Sonnet 4.5 ([abgekündigt](https://platform.claude.com/docs/de/about-claude/model-deprecations)), Claude Opus 4.1 ([eingestellt, außer auf Claude Models on Google Cloud (Google managed) und Bedrock](https://platform.claude.com/docs/de/about-claude/model-deprecations)), Claude Opus 4 ([eingestellt, außer auf Claude Models on Google Cloud (Google managed)](https://platform.claude.com/docs/de/about-claude/model-deprecations)) und Claude Sonnet 4 ([eingestellt, außer auf Claude Models on Google Cloud (Google managed) und Bedrock](https://platform.claude.com/docs/de/about-claude/model-deprecations))
* 4.096 Token für Claude Haiku 4.5

Diese Mindestwerte gelten auf jeder dieser Plattformen, auf der das Modell verfügbar ist.

Kürzere Prompts können nicht gecacht werden, selbst wenn sie mit `cache_control` markiert sind. Alle Anfragen, weniger als diese Anzahl an Token zu cachen, werden ohne Caching verarbeitet, und es wird kein Fehler zurückgegeben. Um zu prüfen, ob ein Prompt gecacht wurde, sieh dir die [Usage-Felder der Antwort](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#tracking-cache-performance) an: Wenn sowohl `cache_creation_input_tokens` als auch `cache_read_input_tokens` 0 sind, wurde der Prompt nicht gecacht (wahrscheinlich, weil er die Mindestlänge nicht erreicht hat).

Wenn dein Prompt knapp unter dem Mindestwert für dein Modell und deine Plattform liegt, lohnt es sich oft, den gecachten Inhalt zu erweitern, um den Schwellenwert zu erreichen. Cache-Reads kosten deutlich weniger als nicht gecachte Input-Token, sodass das Erreichen des Mindestwerts die Kosten für häufig wiederverwendete Prompts senken kann.

<Note>
  [Amazon Bedrock (`bedrock-mantle`)](https://platform.claude.com/docs/de/build-with-claude/claude-in-amazon-bedrock) ist eine von AWS betriebene Plattform. Für Amazon Bedrock findest du in der [Bedrock-Dokumentation zum Prompt-Caching](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-caching.html) die jeweils geltenden modellspezifischen Mindestwerte, das Fehlerverhalten und die Namen der Usage-Felder.
</Note>

Beachte bei gleichzeitigen Anfragen, dass ein Cache-Eintrag erst verfügbar wird, nachdem die erste Antwort beginnt. Wenn du Cache-Treffer für parallele Anfragen benötigst, warte auf die erste Antwort, bevor du nachfolgende Anfragen sendest.

`ephemeral` ist der einzige unterstützte Cache-Typ, der standardmäßig eine Lebensdauer von 5 Minuten hat.

### Was gecacht werden kann

Die meisten Blöcke in der Anfrage können gecacht werden. Dazu gehören:

* Tools: Tool-Definitionen im `tools`-Array
* Systemnachrichten: Content-Blöcke im `system`-Array
* Textnachrichten: Content-Blöcke im `messages.content`-Array, sowohl für Benutzer- als auch für Assistenten-Runden
* Bilder und Dokumente: Content-Blöcke im `messages.content`-Array, in Benutzer-Runden
* Tool-Nutzung und Tool-Ergebnisse: Content-Blöcke im `messages.content`-Array, sowohl in Benutzer- als auch in Assistenten-Runden

Jedes dieser Elemente kann gecacht werden, entweder automatisch oder indem du es mit `cache_control` markierst.

### Was nicht gecacht werden kann

Obwohl die meisten Request-Blöcke gecacht werden können, gibt es einige Ausnahmen:

* Thinking-Blöcke können nicht direkt mit `cache_control` gecacht werden. Thinking-Blöcke KÖNNEN jedoch zusammen mit anderen Inhalten gecacht werden, wenn sie in vorherigen Assistenten-Runden erscheinen. Wenn sie auf diese Weise gecacht werden, ZÄHLEN sie beim Lesen aus dem Cache als Input-Token.

* Untergeordnete Content-Blöcke (wie [Zitate](https://platform.claude.com/docs/de/build-with-claude/citations)) selbst können nicht direkt gecacht werden. Cache stattdessen den Block der obersten Ebene.

  Im Fall von Zitaten können die Dokument-Content-Blöcke der obersten Ebene, die als Quellmaterial für Zitate dienen, gecacht werden. So kannst du Prompt-Caching mit Zitaten effektiv nutzen, indem du die Dokumente cachst, auf die die Zitate verweisen.

* Leere Textblöcke können nicht gecacht werden.

### Was den Cache ungültig macht

Änderungen an gecachten Inhalten können den Cache teilweise oder vollständig ungültig machen.

Wie unter [Strukturierung deines Prompts](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#structuring-your-prompt) beschrieben, folgt der Cache der Hierarchie: `tools` → `system` → `messages`. Änderungen auf jeder Ebene machen diese Ebene und alle nachfolgenden Ebenen ungültig.

Die folgende Tabelle zeigt, welche Teile des Caches durch verschiedene Arten von Änderungen ungültig werden. ✘ bedeutet, dass der Cache ungültig wird, während ✓ bedeutet, dass der Cache gültig bleibt.

| Was sich ändert                                      | Tools-Cache      | System-Cache     | Messages-Cache   | Auswirkung                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 |
| ---------------------------------------------------- | ---------------- | ---------------- | ---------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Tool-Definitionen**                                | ✘                | ✘                | ✘                | Das Ändern von Tool-Definitionen (Namen, Beschreibungen, Parameter) macht den gesamten Cache ungültig                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      |
| **Websuche-Umschalter**                              | ✓                | ✘                | ✘                | Das Aktivieren/Deaktivieren der Websuche ändert den System-Prompt                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          |
| **Zitate-Umschalter**                                | ✓                | ✘                | ✘                | Das Aktivieren/Deaktivieren von Zitaten ändert den System-Prompt                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                           |
| **Geschwindigkeitseinstellung**                      | ✓                | ✘                | ✘                | Der Wechsel zwischen [`speed: "fast"` und Standardgeschwindigkeit](https://platform.claude.com/docs/de/build-with-claude/fast-mode) macht System- und Messages-Caches ungültig                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             |
| **Tool-Auswahl**                                     | ✓                | ✓                | ✘                | Änderungen am Parameter `tool_choice` betreffen nur Nachrichtenblöcke                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      |
| **Bilder**                                           | ✓                | ✓                | ✘                | Das Hinzufügen/Entfernen von Bildern an beliebiger Stelle im Prompt betrifft Nachrichtenblöcke                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             |
| **Thinking-Parameter**                               | Modellspezifisch | Modellspezifisch | ✘                | Die Thinking-Konfiguration (Modus und `budget_tokens` im erweiterten Modus) wird in den Prompt eingefügt, daher macht eine Änderung immer Nachrichtenblöcke ungültig; Tool- und System-Caches werden ebenfalls ungültig bei Modellen, die die Konfiguration vor ihnen einfügen. Siehe [Nachdenken und Prompt-Caching](https://platform.claude.com/docs/de/build-with-claude/thinking#thinking-and-prompt-caching).                                                                                                                                                                                                                                                                                                                                         |
| **Effort-Einstellung**                               | Modellspezifisch | Modellspezifisch | ✘                | Das Ändern des Werts von [`output_config.effort`](https://platform.claude.com/docs/de/build-with-claude/effort) kann Nachrichtenblöcke ungültig machen und bei einigen Modellen auch Tool- und System-Caches (siehe [Nachdenken und Prompt-Caching](https://platform.claude.com/docs/de/build-with-claude/thinking#thinking-and-prompt-caching)). Effort explizit auf den Standardwert des Modells zu setzen, ist gleichbedeutend mit dem Weglassen und macht nichts ungültig. Bei Modellen, die [Effort pro Nachricht](https://platform.claude.com/docs/de/build-with-claude/effort-per-message) unterstützen, lässt eine Effort-Änderung, die in einer `role: "system"`-Nachricht innerhalb von `messages` übermittelt wird, das gecachte Präfix intakt. |
| **Nicht-Tool-Ergebnisse in Anfragen mit Nachdenken** | ✓                | ✓                | Modellspezifisch | Bei Claude Opus 4.5 und späteren Opus-Modellen, Claude Sonnet 4.6 und späteren Sonnet-Modellen, Claude Haiku 5.5 sowie jedem Modell von Claude Fable und Claude Mythos werden Thinking-Blöcke standardmäßig beibehalten, sodass der Cache gültig bleibt (✓). Bei anderen Modellen werden alle zuvor gecachten Thinking-Blöcke aus dem Kontext entfernt, und alle Nachrichten, die auf diese Thinking-Blöcke folgen, werden aus dem Cache entfernt (✘). Weitere Details findest du unter [Caching mit Thinking-Blöcken](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#caching-with-thinking-blocks).                                                                                                                                 |
| **Weggelassene Thinking-Blöcke**                     | ✓                | ✓                | ✘                | Wenn die API einen Thinking-Block weglässt, der in dieser Anfrage nicht [bewahrt](https://platform.claude.com/docs/de/build-with-claude/thinking#preserved-thinking) wird, ändert sich das gecachte Präfix in dieser Anfrage ab der Position dieses Blocks. Blöcke, die das empfangende Modell lesen kann und die unverändert zurückgegeben werden, lassen den Cache intakt.                                                                                                                                                                                                                                                                                                                                                                               |

Bei Modellen, die [Tool-Änderungen mitten im Gespräch](https://platform.claude.com/docs/de/build-with-claude/mid-conversation-system-messages#mid-conversation-tool-changes) unterstützen, kannst du mit dem Beta-Header `inline-tools-2026-09-15` mitten in einem Gespräch ein Tool hinzufügen oder die Definition eines Tools ändern, ohne `tools` zu bearbeiten. Sende die Definition in einem `tool_addition`-Block in einer Systemnachricht mitten im Gespräch und lass `tools` genau so, wie du es ursprünglich gesendet hast. Das gecachte Präfix stimmt weiterhin überein, sodass nur die angehängte Nachricht als neue Eingabe verarbeitet wird. Die einzige Ausnahme ist ein `tools`-Array ohne nicht zurückgestelltes Tool; dort kostet das erste auf diese Weise definierte Tool in dieser Anfrage einen vollständigen Cache-Miss. Siehe [Tools in einer Nachricht definieren](https://platform.claude.com/docs/de/build-with-claude/mid-conversation-system-messages#define-tools-in-a-message-beta).

<Note>
  Bei Claude Fable 5.2, [Claude Mythos 5.2](https://platform.claude.com/docs/de/models/mythos-5-2/overview), Claude Fable 5.1, [Claude Mythos 5.1](https://platform.claude.com/docs/de/models/mythos-5-1/overview), Claude Fable 5, [Claude Mythos 5](https://platform.claude.com/docs/de/models/mythos-5/overview), Claude Opus 5.5, Claude Opus 5, Claude Opus 4.8, Claude Sonnet 5.5 und Claude Haiku 5.5 kannst du mitten in einem Gespräch eine neue Systemanweisung hinzufügen, ohne die System- oder Messages-Caches ungültig zu machen. Hänge eine `{"role": "system"}`-Nachricht an `messages` an, anstatt das `system`-Feld der obersten Ebene zu bearbeiten, damit das gecachte Präfix unverändert bleibt. Diese Funktion ist auf Claude Sonnet 5 nicht verfügbar. Verwende dort stattdessen das `system`-Feld der obersten Ebene. Siehe [System-Nachrichten und Tool-Änderungen mitten im Gespräch](https://platform.claude.com/docs/de/build-with-claude/mid-conversation-system-messages).
</Note>

### Cache-Performance überwachen

Überwache die Cache-Performance mit diesen API-Antwortfeldern innerhalb von `usage` in der Antwort (oder im `message_start`-Event beim [Streaming](https://platform.claude.com/docs/de/build-with-claude/streaming)):

* `cache_creation_input_tokens`: Anzahl der Token, die beim Erstellen eines neuen Eintrags in den Cache geschrieben wurden
* `cache_read_input_tokens`: Anzahl der Token, die für diese Anfrage aus dem Cache abgerufen wurden
* `input_tokens`: Anzahl der Input-Token, die weder aus einem Cache gelesen noch zum Erstellen eines Caches verwendet wurden (also Token nach dem letzten Cache-Breakpoint)

<Note>
  **Die Token-Aufschlüsselung verstehen**

  Das Feld `input_tokens` repräsentiert nur die Token, die **nach dem letzten Cache-Breakpoint** in deiner Anfrage kommen, nicht alle Input-Token, die du gesendet hast.

  So berechnest du die gesamten Input-Token:

  ```text wrap
  total_input_tokens = cache_read_input_tokens + cache_creation_input_tokens + input_tokens
  ```

  **Räumliche Erklärung:**

  * `cache_read_input_tokens` = Token vor dem Breakpoint, die bereits gecacht sind (Lesevorgänge)
  * `cache_creation_input_tokens` = Token vor dem Breakpoint, die jetzt gecacht werden (Schreibvorgänge)
  * `input_tokens` = Token nach deinem letzten Breakpoint (nicht für den Cache geeignet)

  **Beispiel:** Wenn du eine Anfrage mit 100.000 Token gecachtem Inhalt (aus dem Cache gelesen), 0 Token neuem Inhalt, der gecacht wird, und 50 Token in deiner Benutzernachricht (nach dem Cache-Breakpoint) hast:

  * `cache_read_input_tokens`: 100.000
  * `cache_creation_input_tokens`: 0
  * `input_tokens`: 50
  * **Insgesamt verarbeitete Input-Token:** 100.050 Token

  Dies ist wichtig, um sowohl Kosten als auch Ratenlimits zu verstehen, da `input_tokens` bei effektiver Nutzung des Cachings typischerweise viel kleiner ist als deine gesamte Eingabe.
</Note>

### Caching mit Thinking-Blöcken

Wenn du [Nachdenken](https://platform.claude.com/docs/de/build-with-claude/thinking) mit Prompt-Caching verwendest, verhalten sich Thinking-Blöcke besonders:

**Automatisches Caching zusammen mit anderen Inhalten:** Obwohl Thinking-Blöcke nicht explizit mit `cache_control` markiert werden können, werden sie als Teil des Request-Inhalts gecacht, wenn du nachfolgende API-Aufrufe mit Tool-Ergebnissen machst. Dies geschieht häufig während der Tool-Nutzung, wenn du Thinking-Blöcke zurückgibst, um das Gespräch fortzusetzen.

**Zählung der Input-Token:** Wenn Thinking-Blöcke aus dem Cache gelesen werden, zählen sie in deinen Nutzungsmetriken als Input-Token. Dies ist wichtig für die Kostenberechnung und die Token-Budgetierung.

**Muster der Cache-Invalidierung:**

* Der Cache bleibt gültig, wenn nur Tool-Ergebnisse als Benutzernachrichten bereitgestellt werden.
* Bei Claude Opus 4.5 und späteren Opus-Modellen, Claude Sonnet 4.6 und späteren Sonnet-Modellen, Claude Haiku 5.5 sowie jedem Modell von Claude Fable und Claude Mythos werden Thinking-Blöcke standardmäßig beibehalten, selbst wenn Benutzerinhalte hinzugefügt werden, die keine Tool-Ergebnisse sind, sodass der Cache gültig bleibt.
* Bei anderen Modellen macht das Hinzufügen von Benutzerinhalten, die keine Tool-Ergebnisse sind, den Cache ungültig und entfernt alle vorherigen Thinking-Blöcke aus dem Kontext.
* Dieses Caching-Verhalten tritt auch ohne explizite `cache_control`-Markierungen auf.

Weitere Details zur Cache-Invalidierung findest du unter [Was den Cache ungültig macht](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#what-invalidates-the-cache).

**Beispiel mit Tool-Nutzung:**

```text wrap
Request 1: User: "What's the weather in Paris?"
Response: [thinking_block_1] + [tool_use block 1]

Request 2:
User: ["What's the weather in Paris?"],
Assistant: [thinking_block_1] + [tool_use block 1],
User: [tool_result_1, cache=True]
Response: [thinking_block_2] + [text block 2]
# Request 2 caches its request content (not the response)
# The cache includes: user message, thinking_block_1, tool_use block 1, and tool_result_1

Request 3:
User: ["What's the weather in Paris?"],
Assistant: [thinking_block_1] + [tool_use block 1],
User: [tool_result_1, cache=True],
Assistant: [thinking_block_2] + [text block 2],
User: [Text response, cache=True]
# Depending on the model, this non-tool-result user block either keeps prior thinking blocks or strips them (see the next paragraph)
```

Bei den [Modellen, die früheres Nachdenken beibehalten](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#caching-with-thinking-blocks), bleiben vorherige Thinking-Blöcke standardmäßig im Kontext und sind weiterhin Teil des gecachten Präfixes. Bei anderen Modellen werden an diesem Punkt alle vorherigen Thinking-Blöcke aus dem Kontext entfernt.

Ausführlichere Informationen findest du unter [Nachdenken und Prompt-Caching](https://platform.claude.com/docs/de/build-with-claude/thinking#thinking-and-prompt-caching).

### Cache-Speicherung und -Freigabe

Für Prompt-Caching gelten diese Regeln:

* **Isolation nach Organisation:** Verschiedene Organisationen teilen niemals Caches, selbst wenn sie identische Prompts verwenden.

* **Isolation nach Workspace:** In der Claude API, auf Claude Platform on AWS und Microsoft Foundry sind Caches zusätzlich zwischen [Workspaces](https://platform.claude.com/docs/de/manage-claude/workspaces) isoliert. Auf diesen Plattformen baut jeder Workspace seinen eigenen Cache auf. Auf Claude Models on Google Cloud (Google managed) und Amazon Bedrock sind Caches nur nach Organisation isoliert.

* **Exakte Übereinstimmung:** Cache-Treffer erfordern 100 % identische Prompt-Segmente, einschließlich aller Texte und Bilder bis einschließlich des mit Cache-Steuerung markierten Blocks.

* **Generierung von Output-Token:** Prompt-Caching hat keinen Einfluss auf die Generierung von Output-Token. Die Antwort, die du erhältst, ist identisch mit der, die du ohne Prompt-Caching erhalten würdest.

### Best Practices für effektives Caching

So optimierst du die Performance des Prompt-Cachings:

* Beginne bei Gesprächen mit mehreren Runden mit [automatischem Caching](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#automatic-caching). Es übernimmt die Verwaltung der Breakpoints automatisch.
* Verwende [explizite Breakpoints auf Blockebene](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#explicit-cache-breakpoints), wenn du verschiedene Abschnitte mit unterschiedlicher Änderungshäufigkeit cachen musst.
* Cache stabile, wiederverwendbare Inhalte wie Systemanweisungen, Hintergrundinformationen, große Kontexte oder häufig verwendete Tool-Definitionen.
* Platziere gecachte Inhalte am Anfang des Prompts, um die beste Performance zu erzielen.
* Setze Cache-Breakpoints strategisch ein, um verschiedene cachebare Präfix-Abschnitte voneinander zu trennen.
* Platziere den Breakpoint auf dem letzten Block, der über Anfragen hinweg identisch bleibt. Bei einem Prompt mit statischem Präfix und variierendem Suffix (Zeitstempel, anfragespezifischer Kontext, die eingehende Nachricht) ist das das Ende des Präfixes, nicht der variierende Block.
* Analysiere regelmäßig die Cache-Trefferquoten und passe deine Strategie bei Bedarf an.

### Optimierung für verschiedene Anwendungsfälle

Passe deine Prompt-Caching-Strategie an dein Szenario an:

* Konversationelle Agenten: Reduziere Kosten und Latenz bei langen Gesprächen, insbesondere bei solchen mit langen Anweisungen oder hochgeladenen Dokumenten.
* Coding-Assistenten: Verbessere Autovervollständigung und Fragen und Antworten zur Codebasis, indem du relevante Abschnitte oder eine zusammengefasste Version der Codebasis im Prompt hältst.
* Verarbeitung großer Dokumente: Binde vollständiges, umfangreiches Material einschließlich Bildern in deinen Prompt ein, ohne die Antwortlatenz zu erhöhen.
* Detaillierte Anweisungssätze: Teile umfangreiche Listen von Anweisungen, Verfahren und Beispielen, um die Antworten von Claude feinabzustimmen. Entwickler fügen oft ein oder zwei Beispiele in den Prompt ein, aber mit Prompt-Caching kannst du eine noch bessere Performance erzielen, indem du mehr als 20 vielfältige Beispiele hochwertiger Antworten einfügst.
* Agentische Tool-Nutzung: Verbessere die Performance in Szenarien mit mehreren Tool-Aufrufen und iterativen Codeänderungen, bei denen jeder Schritt typischerweise einen neuen API-Aufruf erfordert.
* Bücher, Fachartikel, Dokumentationen, Podcast-Transkripte und andere umfangreiche Inhalte: Mache jede Wissensdatenbank interaktiv, indem du das gesamte Dokument bzw. die gesamten Dokumente in den Prompt einbettest und Benutzer Fragen dazu stellen lässt.

### Behebung häufiger Probleme

Wenn du unerwartetes Verhalten feststellst:

<Tip>
  Mit [Cache-Diagnose](https://platform.claude.com/docs/de/build-with-claude/cache-diagnostics) vergleicht die API aufeinanderfolgende Anfragen und meldet, wo das Prompt-Präfix abgewichen ist, wodurch viele der Schritte in dieser Liste automatisch erledigt werden.
</Tip>

* Stelle sicher, dass gecachte Abschnitte über Aufrufe hinweg identisch sind. Prüfe bei expliziten Breakpoints, ob sich die `cache_control`-Markierungen an denselben Stellen befinden.
* Prüfe, ob die Aufrufe innerhalb der Cache-Lebensdauer (standardmäßig 5 Minuten) erfolgen.
* Prüfe, ob `tool_choice`, die Verwendung von Bildern, die Thinking-Konfiguration und `output_config.effort` zwischen den Aufrufen konsistent bleiben.
* Stelle sicher, dass du mindestens die Mindestanzahl an Token für dein Modell und deine Plattform cachst (siehe [Cache-Einschränkungen](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#cache-limitations)).
* Vergewissere dich, dass dein Breakpoint auf einem Block liegt, der über Anfragen hinweg identisch bleibt. Cache-Writes erfolgen nur am Breakpoint, und wenn sich dieser Block ändert (Zeitstempel, anfragespezifischer Kontext, die eingehende Nachricht), stimmt der Präfix-Hash nie überein. Der Lookback findet keine stabilen Inhalte hinter dem Breakpoint; er findet nur Einträge, die frühere Anfragen an ihren eigenen Breakpoints geschrieben haben.
* Prüfe, ob die Schlüssel in deinen `tool_use`-Content-Blöcken eine stabile Reihenfolge haben, da einige Sprachen (zum Beispiel Swift, Go) die Schlüsselreihenfolge bei der JSON-Konvertierung zufällig anordnen und dadurch Caches zerstören.
* Verwende die [Cache-Diagnose](https://platform.claude.com/docs/de/build-with-claude/cache-diagnostics), damit die API aufeinanderfolgende Anfragen vergleicht und meldet, welcher Teil des Prompts abgewichen ist.

<Note>
  Änderungen an `tool_choice` oder das Vorhandensein/Fehlen von Bildern an beliebiger Stelle im Prompt machen den Cache ungültig, sodass ein neuer Cache-Eintrag erstellt werden muss. Weitere Details zur Cache-Invalidierung findest du unter [Was den Cache ungültig macht](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#what-invalidates-the-cache).
</Note>

***

## 1-Stunden-Cache-Dauer

Wenn dir 5 Minuten zu kurz sind, bietet Anthropic auch eine Cache-Dauer von 1 Stunde gegen Aufpreis an (siehe [Preise](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#pricing)). Die 1-Stunden-Dauer ist auf [jeder Plattform verfügbar, die Prompt-Caching unterstützt](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#feature-availability).

Um den erweiterten Cache zu verwenden, füge `ttl` wie folgt in die `cache_control`-Definition ein:

```json
"cache_control": {
  "type": "ephemeral",
  "ttl": "1h"
}
```

Die Antwort enthält detaillierte Cache-Informationen wie die folgenden:

```json Output
{
  "usage": {
    "input_tokens": 2048,
    "cache_read_input_tokens": 1800,
    "cache_creation_input_tokens": 248,
    "output_tokens": 503,

    "cache_creation": {
      "ephemeral_5m_input_tokens": 148,
      "ephemeral_1h_input_tokens": 100
    }
  }
}
```

Das Feld `cache_creation_input_tokens` entspricht der Summe der Werte im `cache_creation`-Objekt.

Wenn du bei der Verwendung von Server-Tools wie der Websuche `ephemeral_5m_input_tokens`-Schreibvorgänge siehst, die du nicht angefordert hast, siehe [Server-Tool-Ergebnisse werden automatisch gecacht](https://platform.claude.com/docs/de/agents-and-tools/tool-use/tool-use-with-prompt-caching#server-tool-results-are-cached-automatically).

### Wann der 1-Stunden-Cache sinnvoll ist

Wenn du einen Prompt in regelmäßigem Rhythmus verwendest (zum Beispiel einen System-Prompt, den du häufiger als alle 5 Minuten sendest), verwende weiterhin den 5-Minuten-Cache, da dieser weiterhin ohne zusätzliche Kosten aufgefrischt wird.

Der 1-Stunden-Cache eignet sich am besten für die folgenden Szenarien:

* Wenn du Prompts hast, die voraussichtlich seltener als alle 5 Minuten, aber häufiger als jede Stunde verwendet werden. Zum Beispiel, wenn ein agentischer Neben-Agent länger als 5 Minuten braucht, oder wenn du ein langes Chat-Gespräch mit einem Benutzer speicherst und generell damit rechnest, dass dieser Benutzer in den nächsten 5 Minuten möglicherweise nicht antwortet.
* Wenn Latenz wichtig ist und deine Folge-Prompts möglicherweise erst nach mehr als 5 Minuten gesendet werden.
* Wenn du die Auslastung deines Ratenlimits verbessern möchtest, da Cache-Treffer nicht auf dein Ratenlimit angerechnet werden.

<Note>
  Der 5-Minuten- und der 1-Stunden-Cache verhalten sich hinsichtlich der Latenz gleich. Bei langen Dokumenten siehst du in der Regel eine verbesserte Time-to-First-Token.
</Note>

### Verschiedene TTLs mischen

Du kannst 1-Stunden- und 5-Minuten-Cache-Controls in derselben Anfrage verwenden, allerdings mit einer wichtigen Einschränkung: Cache-Einträge mit längerer TTL müssen vor kürzeren TTLs erscheinen (das heißt, ein 1-Stunden-Cache-Eintrag muss vor allen 5-Minuten-Cache-Einträgen erscheinen).

Beim Mischen von TTLs bestimmt die Claude API drei Abrechnungspositionen in deinem Prompt:

1. Position `A`: Die Token-Anzahl beim letzten Cache-Treffer in deinem Prompt (oder 0, wenn es keine Treffer gibt).

   * Ein Treffer auf einen mit einer 5-Minuten-TTL gecachten Eintrag wird nicht als Treffer gewertet, wenn ein `cache_control`-Block mit 1-Stunden-TTL, der im Prompt nach diesem Eintrag steht, ein Cache-Miss ist.
   * Eine Anfrage, die einen mit einer 5-Minuten-TTL gecachten Eintrag liest, startet die 5-Minuten-Lebensdauer des Eintrags neu, auch wenn die Anfrage jetzt `"ttl": "1h"` setzt.

2. Position `B`: Die Token-Anzahl beim letzten 1-Stunden-`cache_control`-Block nach `A` (oder gleich `A`, wenn keiner existiert).

3. Position `C`: Die Token-Anzahl beim letzten `cache_control`-Block.

<Note>
  Wenn `B` oder `C` größer als `A` ist, handelt es sich zwangsläufig um einen Cache-Miss.
</Note>

Dir wird Folgendes berechnet:

1. Cache-Lese-Token für `A`.
2. 1-Stunden-Cache-Schreib-Token für `(B - A)`.
3. 5-Minuten-Cache-Schreib-Token für `(C - B)`.

Hier sind drei Beispielanfragen, jede mit unterschiedlichen Cache-Treffern und Cache-Misses. Jede hat einen unterschiedlich berechneten Preis, der in den Kästen angezeigt wird.

<Frame>
  ![Drei Anfragen mit unterschiedlichen Cache-Treffern und -Misses: A, B und C markieren, wo Lesevorgänge, 1-Stunden-Schreibvorgänge und 5-Minuten-Schreibvorgänge enden](https://platform.claude.com/docs/de/images/prompt-cache-mixed-ttl.svg)
</Frame>

***

## Vorwärmen des Caches

„Cache pre-warming“ (Vorwärmen des Caches) ermöglicht es dir, deinen System-Prompt oder deine Tool-Definitionen in den Prompt-Cache zu laden, bevor ein Benutzer eine echte Anfrage auslöst. Dadurch kann sich die Latenzeinbuße durch einen Cache-Miss bei der ersten Benutzerinteraktion verringern, was die „time-to-first-token“ (Zeit bis zum ersten Token), oder TTFT, für latenzempfindliche Anwendungen senkt.

### Funktionsweise

Setze `max_tokens: 0` in deiner Anfrage. Die API liest deinen Prompt in das Modell ein und schreibt den Cache an jedem `cache_control`-Breakpoint, kehrt dann sofort zurück, ohne eine Ausgabe zu generieren. Die Antwort enthält ein leeres `content`-Array, `stop_reason: "max_tokens"` und einen vollständig befüllten `usage`-Block.

Platziere den `cache_control`-Breakpoint auf dem letzten Block, der mit der Folgeanfrage geteilt wird (typischerweise dein System-Prompt oder deine Tool-Definitionen), nicht auf der Platzhalter-Benutzernachricht. Andernfalls ist der Cache-Eintrag an den Platzhalter gebunden, und die Folgeanfrage trifft ihn nicht. Verwende außerdem dieselbe Nachdenken-Konfiguration und denselben `output_config.effort` wie in deinen Folgeanfragen: Diese Werte werden in den Prompt gerendert (siehe [Was den Cache ungültig macht](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#what-invalidates-the-cache)), sodass ein Vorwärmen mit einer anderen Konfiguration einen Eintrag schreiben kann, den dein echter Traffic nie trifft. Das bedeutet, dass du einen [expliziten Cache-Breakpoint](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#explicit-cache-breakpoints) statt [automatischem Caching](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#automatic-caching) verwenden solltest, da automatisches Caching den Breakpoint auf den letzten Block setzt, der hier der Platzhalter ist. Die Platzhalter-Benutzernachricht kann eine beliebige Zeichenkette mit Inhalt ohne reine Leerzeichen sein (die Beispiele hier verwenden `"warmup"`); ihr Inhalt wird in das Modell eingelesen, aber nie beantwortet.

<Note>
  Eine Vorwärm-Anfrage verursacht eine Gebühr für einen **Cache-Schreibvorgang**, wenn das Präfix noch nicht im Cache ist, genau wie jede andere Anfrage. Prüfe `usage.cache_creation_input_tokens` in der Antwort, um zu bestätigen, dass ein Schreibvorgang stattgefunden hat. Es werden null Ausgabe-Token in Rechnung gestellt.
</Note>

<CodeGroup>
  ```bash cURL
  curl https://api.anthropic.com/v1/messages \
    -H "content-type: application/json" \
    -H "x-api-key: $ANTHROPIC_API_KEY" \
    -H "anthropic-version: 2026-10-21" \
    -d '{
      "model": "claude-opus-5-5",
      "max_tokens": 0,
      "system": [
        {
          "type": "text",
          "text": "You are an expert software engineer with deep knowledge of distributed systems...",
          "cache_control": {"type": "ephemeral"}
        }
      ],
      "messages": [{"role": "user", "content": "warmup"}]
    }'
  ```

  ```bash CLI
  ant messages create <<'YAML'
  model: claude-opus-5-5
  max_tokens: 0
  system:
    - type: text
      text: >-
        You are an expert software engineer with deep knowledge of
        distributed systems...
      cache_control:
        type: ephemeral
  messages:
    - role: user
      content: warmup
  YAML
  ```

  ```python Python
  client = anthropic.Anthropic()

  # Löse dies aus, bevor Nutzer kommen, um den gemeinsamen System-Prompt-Cache vorzuwärmen.
  prewarm = client.messages.create(
      model="claude-opus-5-5",
      max_tokens=0,
      system=[
          {
              "type": "text",
              "text": "You are an expert software engineer with deep knowledge of distributed systems...",
              "cache_control": {"type": "ephemeral"},
          }
      ],
      messages=[{"role": "user", "content": "warmup"}],
  )
  print(prewarm.stop_reason)  # "max_tokens"
  print(prewarm.content)  # []
  print(prewarm.usage)
  ```

  ```typescript TypeScript
  const client = new Anthropic();

  // Löse dies aus, bevor Nutzer eintreffen, um den gemeinsamen System-Prompt-Cache vorzuwärmen.
  const prewarm = await client.messages.create({
    model: "claude-opus-5-5",
    max_tokens: 0,
    system: [
      {
        type: "text",
        text: "You are an expert software engineer with deep knowledge of distributed systems...",
        cache_control: { type: "ephemeral" }
      }
    ],
    messages: [{ role: "user", content: "warmup" }]
  });
  console.log(prewarm.stop_reason); // "max_tokens"
  console.log(prewarm.content); // []
  console.log(prewarm.usage);
  ```

  ```csharp C#
  AnthropicClient client = new();

  var prewarm = await client.Messages.Create(
      new()
      {
          Model = Model.ClaudeOpus5_5,
          MaxTokens = 0,
          System = new(
              [
                  new TextBlockParam
                  {
                      Text = "You are an expert software engineer with deep knowledge of distributed systems...",
                      CacheControl = new(),
                  },
              ]
          ),
          Messages = [new UserMessageParam { Content = "warmup" }],
      }
  );

  Console.WriteLine(prewarm.StopReason?.Raw()); // "max_tokens"
  Console.WriteLine(prewarm.Content.Count); // 0
  Console.WriteLine(prewarm.Usage);
  ```

  ```go Go
  client := anthropic.NewClient()

  prewarm, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
  	Model:     anthropic.ModelClaudeOpus5_5,
  	MaxTokens: 0,
  	System: []anthropic.TextBlockParam{
  		{
  			Text:         "You are an expert software engineer with deep knowledge of distributed systems...",
  			CacheControl: anthropic.NewCacheControlEphemeralParam(),
  		},
  	},
  	Messages: []anthropic.MessageParam{
  		anthropic.NewUserMessage(anthropic.NewTextBlock("warmup")),
  	},
  })
  if err != nil {
  	panic(err)
  }

  fmt.Println(prewarm.StopReason) // "max_tokens"
  fmt.Println(prewarm.Content)    // []
  fmt.Println(prewarm.Usage.RawJSON())
  ```

  ```java Java
  AnthropicClient client = AnthropicOkHttpClient.fromEnv();

  Message prewarm = client.messages().create(MessageCreateParams.builder()
      .model(Model.CLAUDE_OPUS_5_5)
      .maxTokens(0)
      .systemOfTextBlockParams(List.of(TextBlockParam.builder()
          .text("You are an expert software engineer with deep knowledge of distributed systems...")
          .cacheControl(CacheControlEphemeral.builder().build())
          .build()))
      .addUserMessage("warmup")
      .build());

  IO.println(prewarm.stopReason()); // Optional[max_tokens]
  IO.println(prewarm.content());    // []
  IO.println(prewarm.usage());
  ```

  ```php PHP
  $client = new Client();

  $prewarm = $client->messages->create(
      model: Model::CLAUDE_OPUS_5_5,
      maxTokens: 0,
      system: [
          [
              'type' => 'text',
              'text' => 'You are an expert software engineer with deep knowledge of distributed systems...',
              'cache_control' => ['type' => 'ephemeral'],
          ],
      ],
      messages: [['role' => 'user', 'content' => 'warmup']],
  );

  echo $prewarm->stopReason, PHP_EOL; // "max_tokens"
  echo json_encode($prewarm->content), PHP_EOL; // []
  echo json_encode($prewarm->usage), PHP_EOL;
  ```

  ```ruby Ruby
  client = Anthropic::Client.new

  prewarm = client.messages.create(
    model: Anthropic::Model::CLAUDE_OPUS_5_5,
    max_tokens: 0,
    system_: [
      {
        type: "text",
        text: "You are an expert software engineer with deep knowledge of distributed systems...",
        cache_control: {type: "ephemeral"}
      }
    ],
    messages: [{role: "user", content: "warmup"}]
  )

  puts prewarm.stop_reason # :max_tokens
  puts prewarm.content # []
  puts prewarm.usage
  ```
</CodeGroup>

Die API gibt ein leeres `content`-Array zurück:

```json Output
{
  "id": "msg_01XFDUDYJgAACzvnptvVoYEL",
  "type": "message",
  "role": "assistant",
  "content": [],
  "model": "claude-opus-5-5",
  "stop_reason": "max_tokens",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 8,
    "cache_creation_input_tokens": 5120,
    "cache_read_input_tokens": 0,
    "cache_creation": {
      "ephemeral_5m_input_tokens": 5120,
      "ephemeral_1h_input_tokens": 0
    },
    "iterations": [
      {
        "input_tokens": 8,
        "output_tokens": 0,
        "cache_read_input_tokens": 0,
        "cache_creation_input_tokens": 5120,
        "cache_creation": {
          "ephemeral_5m_input_tokens": 5120,
          "ephemeral_1h_input_tokens": 0
        },
        "type": "message"
      }
    ],
    "output_tokens": 0,
    "service_tier": "standard",
    "inference_geo": "global"
  }
}
```

### Typisches Nutzungsmuster

Sende eine Vorwärm-Anfrage, wenn deine Anwendung startet (oder in einem geplanten Intervall), und sende dann echte Benutzeranfragen, nachdem das Vorwärmen abgeschlossen ist:

<CodeGroup>
  ```bash cURL
  # Wärme den Cache beim Start der Anwendung oder in geplanten Intervallen vor.
  curl https://api.anthropic.com/v1/messages \
    -H "content-type: application/json" \
    -H "x-api-key: $ANTHROPIC_API_KEY" \
    -H "anthropic-version: 2026-10-21" \
    -d '{
      "model": "claude-opus-5-5",
      "max_tokens": 0,
      "system": [
        {
          "type": "text",
          "text": "You are an expert software engineer with deep knowledge of distributed systems...",
          "cache_control": {"type": "ephemeral"}
        }
      ],
      "messages": [{"role": "user", "content": "warmup"}]
    }'

  # Wenn der Nutzer später eine Nachricht sendet, ist das System-Prompt-Präfix bereits im Cache.
  curl https://api.anthropic.com/v1/messages \
    -H "content-type: application/json" \
    -H "x-api-key: $ANTHROPIC_API_KEY" \
    -H "anthropic-version: 2026-10-21" \
    -d '{
      "model": "claude-opus-5-5",
      "max_tokens": 1024,
      "system": [
        {
          "type": "text",
          "text": "You are an expert software engineer with deep knowledge of distributed systems...",
          "cache_control": {"type": "ephemeral"}
        }
      ],
      "messages": [{"role": "user", "content": "How do I implement a binary search tree?"}]
    }'
  ```

  ```bash CLI
  # Wärme den Cache beim Anwendungsstart oder in einem geplanten Intervall vor.
  ant messages create <<'YAML'
  model: claude-opus-5-5
  max_tokens: 0
  system:
    - type: text
      text: >-
        You are an expert software engineer with deep knowledge of
        distributed systems...
      cache_control:
        type: ephemeral
  messages:
    - role: user
      content: warmup
  YAML

  # Wenn der Nutzer später eine Nachricht sendet, ist das System-Prompt-Präfix bereits gecacht.
  ant messages create <<'YAML'
  model: claude-opus-5-5
  max_tokens: 1024
  system:
    - type: text
      text: >-
        You are an expert software engineer with deep knowledge of
        distributed systems...
      cache_control:
        type: ephemeral
  messages:
    - role: user
      content: How do I implement a binary search tree?
  YAML
  ```

  ```python Python
  client = anthropic.Anthropic()

  SYSTEM_PROMPT = [
      {
          "type": "text",
          "text": "You are an expert software engineer with deep knowledge of distributed systems...",
          "cache_control": {"type": "ephemeral"},
      }
  ]


  def prewarm_cache() -> None:
      """Call this at application startup or on a scheduled interval."""
      client.messages.create(
          model="claude-opus-5-5",
          max_tokens=0,
          system=SYSTEM_PROMPT,
          messages=[{"role": "user", "content": "warmup"}],
      )


  def respond(user_message: str) -> anthropic.types.Message:
      """The real user request; benefits from a warm cache."""
      return client.messages.create(
          model="claude-opus-5-5",
          max_tokens=1024,
          system=SYSTEM_PROMPT,
          messages=[{"role": "user", "content": user_message}],
      )


  # Wärme den Cache auf, bevor Nutzer-Traffic eintrifft.
  prewarm_cache()

  # Wenn der Nutzer später eine Nachricht sendet, ist das System-Prompt-Präfix bereits gecacht.
  response = respond("How do I implement a binary search tree?")
  for block in response.content:
      if block.type == "text":
          print(block.text)
  ```

  ```typescript TypeScript
  const client = new Anthropic();

  const SYSTEM_PROMPT: Anthropic.TextBlockParam[] = [
    {
      type: "text",
      text: "You are an expert software engineer with deep knowledge of distributed systems...",
      cache_control: { type: "ephemeral" }
    }
  ];

  // Rufe dies beim Start der Anwendung oder in regelmäßigen Abständen auf.
  async function prewarmCache(): Promise<void> {
    await client.messages.create({
      model: "claude-opus-5-5",
      max_tokens: 0,
      system: SYSTEM_PROMPT,
      messages: [{ role: "user", content: "warmup" }]
    });
  }

  // Die eigentliche Benutzeranfrage; profitiert von einem vorgewärmten Cache.
  async function respond(userMessage: string): Promise<Anthropic.Message> {
    return client.messages.create({
      model: "claude-opus-5-5",
      max_tokens: 1024,
      system: SYSTEM_PROMPT,
      messages: [{ role: "user", content: userMessage }]
    });
  }

  // Wärme den Cache vor, bevor Benutzer-Traffic eintrifft.
  await prewarmCache();

  // Wenn der Benutzer später eine Nachricht sendet, ist das System-Prompt-Präfix bereits gecacht.
  const response = await respond("How do I implement a binary search tree?");
  const textBlock = response.content.find((block) => block.type === "text");
  console.log(textBlock?.text);
  ```

  ```csharp C#
  AnthropicClient client = new();

  List<TextBlockParam> systemPrompt =
  [
      new TextBlockParam
      {
          Text = "You are an expert software engineer with deep knowledge of distributed systems...",
          CacheControl = new(),
      },
  ];

  // Rufe dies beim Anwendungsstart oder in einem festen Intervall auf.
  async Task PrewarmCache() =>
      await client.Messages.Create(
          new()
          {
              Model = Model.ClaudeOpus5_5,
              MaxTokens = 0,
              System = new(systemPrompt),
              Messages = [new UserMessageParam { Content = "warmup" }],
          }
      );

  // Die echte Benutzeranfrage; profitiert von einem vorgewärmten Cache.
  async Task<Message> Respond(string userMessage) =>
      await client.Messages.Create(
          new()
          {
              Model = Model.ClaudeOpus5_5,
              MaxTokens = 1024,
              System = new(systemPrompt),
              Messages = [new UserMessageParam { Content = userMessage }],
          }
      );

  // Wärme den Cache vor, bevor Benutzer-Traffic eintrifft.
  await PrewarmCache();

  // Wenn der Benutzer später eine Nachricht sendet, ist das System-Prompt-Präfix bereits gecacht.
  var response = await Respond("How do I implement a binary search tree?");
  foreach (var block in response.Content)
  {
      if (block.TryPickText(out var textBlock))
      {
          Console.WriteLine(textBlock.Text);
      }
  }
  ```

  ```go Go
  var client = anthropic.NewClient()

  var systemPrompt = []anthropic.TextBlockParam{
  	{
  		Text:         "You are an expert software engineer with deep knowledge of distributed systems...",
  		CacheControl: anthropic.NewCacheControlEphemeralParam(),
  	},
  }

  // Rufe dies beim Start der Anwendung oder in einem geplanten Intervall auf.
  func prewarmCache() error {
  	_, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
  		Model:     anthropic.ModelClaudeOpus5_5,
  		MaxTokens: 0,
  		System:    systemPrompt,
  		Messages: []anthropic.MessageParam{
  			anthropic.NewUserMessage(anthropic.NewTextBlock("warmup")),
  		},
  	})
  	return err
  }

  // Die eigentliche Nutzeranfrage; profitiert von einem vorgewärmten Cache.
  func respond(userMessage string) (*anthropic.Message, error) {
  	return client.Messages.New(context.TODO(), anthropic.MessageNewParams{
  		Model:     anthropic.ModelClaudeOpus5_5,
  		MaxTokens: 1024,
  		System:    systemPrompt,
  		Messages: []anthropic.MessageParam{
  			anthropic.NewUserMessage(anthropic.NewTextBlock(userMessage)),
  		},
  	})
  }

  func main() {
  	// Wärme den Cache vor, bevor Nutzer-Traffic eintrifft.
  	if err := prewarmCache(); err != nil {
  		log.Fatal(err)
  	}

  	// Wenn der Nutzer später eine Nachricht sendet, ist das System-Prompt-Präfix bereits im Cache.
  	response, err := respond("How do I implement a binary search tree?")
  	if err != nil {
  		log.Fatal(err)
  	}
  	for _, block := range response.Content {
  		if textBlock, ok := block.AsAny().(anthropic.TextBlock); ok {
  			fmt.Println(textBlock.Text)
  		}
  	}
  }
  ```

  ```java Java
  AnthropicClient client = AnthropicOkHttpClient.fromEnv();

  List<TextBlockParam> systemPrompt = List.of(TextBlockParam.builder()
      .text("You are an expert software engineer with deep knowledge of distributed systems...")
      .cacheControl(CacheControlEphemeral.builder().build())
      .build());

  // Rufe dies beim Anwendungsstart oder in einem festen Intervall auf.
  void prewarmCache() {
      client.messages().create(MessageCreateParams.builder()
          .model(Model.CLAUDE_OPUS_5_5)
          .maxTokens(0)
          .systemOfTextBlockParams(systemPrompt)
          .addUserMessage("warmup")
          .build());
  }

  // Die eigentliche Nutzeranfrage; profitiert von einem vorgewärmten Cache.
  Message respond(String userMessage) {
      return client.messages().create(MessageCreateParams.builder()
          .model(Model.CLAUDE_OPUS_5_5)
          .maxTokens(1024)
          .systemOfTextBlockParams(systemPrompt)
          .addUserMessage(userMessage)
          .build());
  }

  void main() {
      // Wärme den Cache vor, bevor Nutzer-Traffic eintrifft.
      prewarmCache();

      // Wenn der Nutzer später eine Nachricht sendet, ist das System-Prompt-Präfix bereits gecacht.
      Message response = respond("How do I implement a binary search tree?");
      response.content().stream()
          .flatMap(block -> block.text().stream())
          .forEach(textBlock -> IO.println(textBlock.text()));
  }
  ```

  ```php PHP
  $client = new Client();

  $systemPrompt = [
      [
          'type' => 'text',
          'text' => 'You are an expert software engineer with deep knowledge of distributed systems...',
          'cache_control' => ['type' => 'ephemeral'],
      ],
  ];

  // Rufe dies beim Anwendungsstart oder in einem geplanten Intervall auf.
  $prewarmCache = fn () => $client->messages->create(
      model: Model::CLAUDE_OPUS_5_5,
      maxTokens: 0,
      system: $systemPrompt,
      messages: [['role' => 'user', 'content' => 'warmup']],
  );

  // Die eigentliche Benutzeranfrage; profitiert von einem vorgewärmten Cache.
  $respond = fn (string $userMessage) => $client->messages->create(
      model: Model::CLAUDE_OPUS_5_5,
      maxTokens: 1024,
      system: $systemPrompt,
      messages: [['role' => 'user', 'content' => $userMessage]],
  );

  // Wärme den Cache vor, bevor Benutzer-Traffic eintrifft.
  $prewarmCache();

  // Wenn der Benutzer später eine Nachricht sendet, ist das System-Prompt-Präfix bereits gecacht.
  $response = $respond('How do I implement a binary search tree?');
  foreach ($response->content as $block) {
      if ($block instanceof \Anthropic\Messages\TextBlock) {
          echo $block->text, PHP_EOL;
      }
  }
  ```

  ```ruby Ruby
  client = Anthropic::Client.new

  SYSTEM_PROMPT = [
    {
      type: "text",
      text: "You are an expert software engineer with deep knowledge of distributed systems...",
      cache_control: {type: "ephemeral"}
    }
  ]

  # Rufe dies beim Start der Anwendung oder in einem geplanten Intervall auf.
  def prewarm_cache(client)
    client.messages.create(
      model: Anthropic::Model::CLAUDE_OPUS_5_5,
      max_tokens: 0,
      system_: SYSTEM_PROMPT,
      messages: [{role: "user", content: "warmup"}]
    )
  end

  # Die eigentliche Nutzeranfrage; profitiert von einem vorgewärmten Cache.
  def respond(client, user_message)
    client.messages.create(
      model: Anthropic::Model::CLAUDE_OPUS_5_5,
      max_tokens: 1024,
      system_: SYSTEM_PROMPT,
      messages: [{role: "user", content: user_message}]
    )
  end

  # Wärme den Cache vor, bevor Nutzer-Traffic eintrifft.
  prewarm_cache(client)

  # Wenn der Nutzer später eine Nachricht sendet, ist das System-Prompt-Präfix bereits gecacht.
  response = respond(client, "How do I implement a binary search tree?")
  response.content.each do |block|
    puts block.text if block.is_a?(Anthropic::Models::TextBlock)
  end
  ```
</CodeGroup>

Beachte, dass die Cache-TTL weiterhin gilt. Für den standardmäßigen 5-Minuten-Cache solltest du mindestens alle 5 Minuten eine neue Vorwärm-Anfrage senden, um den Cache warm zu halten. Für längere Pausen zwischen Benutzeranfragen verwende stattdessen die [1-Stunden-Cache-Dauer](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#1-hour-cache-duration).

### Einschränkungen

Eine `max_tokens: 0`-Anfrage wird mit einem `invalid_request_error` abgelehnt, wenn eine der folgenden Optionen gesetzt ist, da jede davon eine Ausgabe voraussetzt, die ein Budget von null Token nicht erzeugen kann:

* `stream: true`
* [Erweitertes Nachdenken](https://platform.claude.com/docs/de/build-with-claude/extended-thinking) (`thinking.type: "enabled"`)
* [Strukturierte Ausgaben](https://platform.claude.com/docs/de/build-with-claude/structured-outputs) (`output_config.format`)
* `tool_choice` mit `{"type": "tool", ...}` oder `{"type": "any"}`

`max_tokens: 0` wird auch innerhalb einer [Message Batches](https://platform.claude.com/docs/de/build-with-claude/batch-processing)-Anfrage abgelehnt. Das Vorwärmen zielt auf die Zeit bis zum ersten Token ab, die bei der Batch-Verarbeitung keine Rolle spielt, und ein während der Batch-Verarbeitung geschriebener Cache-Eintrag würde wahrscheinlich ablaufen, bevor die Folgeanfrage ausgeführt wird.

### Ersetzen des `max_tokens=1`-Workarounds

Einige Anwendungen senden Anfragen mit `max_tokens: 1`, um den Cache vorzuwärmen. Bevorzuge `max_tokens: 0`, wo die Anfrage es zulässt: Es wird keine Ausgabe erzeugt, sodass es keine Ein-Token-Antwort zu verwerfen gibt, keine Ausgabe-Token in Rechnung gestellt werden und die Absicht der Anfrage eindeutig ist.

***

## Beispiele für Prompt-Caching

Um dir den Einstieg in das Prompt-Caching zu erleichtern, bietet das [Prompt-Caching-Rezept](https://platform.claude.com/cookbook/misc-prompt-caching) im Claude Cookbook ausführliche Beispiele und Best Practices.

Die folgenden Code-Snippets zeigen verschiedene Prompt-Caching-Muster. Diese Beispiele demonstrieren, wie Caching in verschiedenen Szenarien implementiert wird, und helfen dir, die praktischen Anwendungen dieser Funktion zu verstehen:

<AccordionGroup>
  <Accordion title="Beispiel für das Caching großer Kontexte">
    <CodeGroup>
      ```bash cURL
      curl https://api.anthropic.com/v1/messages \
        -H "x-api-key: $ANTHROPIC_API_KEY" \
        -H "anthropic-version: 2026-10-21" \
        -H "content-type: application/json" \
        -d '{
          "model": "claude-opus-5-5",
          "max_tokens": 1024,
          "system": [
            {
              "type": "text",
              "text": "You are an AI assistant tasked with analyzing legal documents."
            },
            {
              "type": "text",
              "text": "Here is the full text of a complex legal agreement: [Insert full text of a 50-page legal agreement here]",
              "cache_control": {"type": "ephemeral"}
            }
          ],
          "messages": [
            {
              "role": "user",
              "content": "What are the key terms and conditions in this agreement?"
            }
          ]
        }'
      ```

      ```bash CLI
      ant messages create <<'YAML'
      model: claude-opus-5-5
      max_tokens: 1024
      system:
        - type: text
          text: You are an AI assistant tasked with analyzing legal documents.
        - type: text
          text: >-
            Here is the full text of a complex legal agreement:
            [Insert full text of a 50-page legal agreement here]
          cache_control:
            type: ephemeral
      messages:
        - role: user
          content: What are the key terms and conditions in this agreement?
      YAML
      ```

      ```python Python
      client = anthropic.Anthropic()

      response = client.messages.create(
          model="claude-opus-5-5",
          max_tokens=1024,
          system=[
              {
                  "type": "text",
                  "text": "You are an AI assistant tasked with analyzing legal documents.",
              },
              {
                  "type": "text",
                  "text": "Here is the full text of a complex legal agreement: [Insert full text of a 50-page legal agreement here]",
                  "cache_control": {"type": "ephemeral"},
              },
          ],
          messages=[
              {
                  "role": "user",
                  "content": "What are the key terms and conditions in this agreement?",
              }
          ],
      )
      print(response.usage.model_dump_json())
      ```

      ```typescript TypeScript
      const client = new Anthropic();

      const response = await client.messages.create({
        model: "claude-opus-5-5",
        max_tokens: 1024,
        system: [
          {
            type: "text",
            text: "You are an AI assistant tasked with analyzing legal documents."
          },
          {
            type: "text",
            text: "Here is the full text of a complex legal agreement: [Insert full text of a 50-page legal agreement here]",
            cache_control: { type: "ephemeral" }
          }
        ],
        messages: [
          {
            role: "user",
            content: "What are the key terms and conditions in this agreement?"
          }
        ]
      });
      console.log(response.usage);
      ```

      ```csharp C#
      AnthropicClient client = new()
      {
          ApiKey = Environment.GetEnvironmentVariable("ANTHROPIC_API_KEY")
      };

      var parameters = new MessageCreateParams
      {
          Model = Model.ClaudeOpus5_5,
          MaxTokens = 1024,
          System = new MessageCreateParamsSystem(new List<TextBlockParam>
          {
              new TextBlockParam()
              {
                  Text = "You are an AI assistant tasked with analyzing legal documents.",
              },
              new TextBlockParam()
              {
                  Text = "Here is the full text of a complex legal agreement: [Insert full text of a 50-page legal agreement here]",
                  CacheControl = new CacheControlEphemeral(),
              },
          }),
          Messages =
          [
              new UserMessageParam
              {
                  Content = "What are the key terms and conditions in this agreement?"
              }
          ]
      };

      var message = await client.Messages.Create(parameters);
      Console.WriteLine(message.Usage);
      ```

      ```go Go
      client := anthropic.NewClient()

      response, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
      	Model:     anthropic.ModelClaudeOpus5_5,
      	MaxTokens: 1024,
      	System: []anthropic.TextBlockParam{
      		{
      			Text: "You are an AI assistant tasked with analyzing legal documents.",
      		},
      		{
      			Text:         "Here is the full text of a complex legal agreement: [Insert full text of a 50-page legal agreement here]",
      			CacheControl: anthropic.NewCacheControlEphemeralParam(),
      		},
      	},
      	Messages: []anthropic.MessageParam{
      		anthropic.NewUserMessage(anthropic.NewTextBlock("What are the key terms and conditions in this agreement?")),
      	},
      })
      if err != nil {
      	log.Fatal(err)
      }
      fmt.Println(response.Usage.RawJSON())
      ```

      ```java Java
      import com.anthropic.models.messages.CacheControlEphemeral;
      // ...
      void main() {
          AnthropicClient client = AnthropicOkHttpClient.fromEnv();

          MessageCreateParams params = MessageCreateParams.builder()
              .model(Model.CLAUDE_OPUS_5_5)
              .maxTokens(1024)
              .systemOfTextBlockParams(
                  List.of(
                      TextBlockParam.builder()
                          .text("You are an AI assistant tasked with analyzing legal documents.")
                          .build(),
                      TextBlockParam.builder()
                          .text(
                              "Here is the full text of a complex legal agreement: [Insert full text of a 50-page legal agreement here]"
                          )
                          .cacheControl(CacheControlEphemeral.builder().build())
                          .build()
                  )
              )
              .addUserMessage("What are the key terms and conditions in this agreement?")
              .build();

          Message message = client.messages().create(params);
          IO.println(message.usage());
      }
      ```

      ```php PHP
      $client = new Client();

      $message = $client->messages->create(
          maxTokens: 1024,
          messages: [
              [
                  'role' => 'user',
                  'content' => 'What are the key terms and conditions in this agreement?'
              ]
          ],
          model: Model::CLAUDE_OPUS_5_5,
          system: [
              [
                  'type' => 'text',
                  'text' => 'You are an AI assistant tasked with analyzing legal documents.'
              ],
              [
                  'type' => 'text',
                  'text' => 'Here is the full text of a complex legal agreement: [Insert full text of a 50-page legal agreement here]',
                  'cache_control' => ['type' => 'ephemeral']
              ]
          ],
      );

      echo json_encode($message->usage), PHP_EOL;
      ```

      ```ruby Ruby
      client = Anthropic::Client.new

      message = client.messages.create(
        model: Anthropic::Model::CLAUDE_OPUS_5_5,
        max_tokens: 1024,
        system_: [
          {
            type: "text",
            text: "You are an AI assistant tasked with analyzing legal documents."
          },
          {
            type: "text",
            text: "Here is the full text of a complex legal agreement: [Insert full text of a 50-page legal agreement here]",
            cache_control: { type: "ephemeral" }
          }
        ],
        messages: [
          {
            role: "user",
            content: "What are the key terms and conditions in this agreement?"
          }
        ]
      )
      puts message.usage
      ```
    </CodeGroup>

    Dieses Beispiel demonstriert die grundlegende Nutzung von Prompt-Caching, wobei der vollständige Text der Rechtsvereinbarung als Präfix gecacht wird, während die Benutzeranweisung ungecacht bleibt.

    Für die erste Anfrage:

    * `input_tokens`: Anzahl der Token nur in der Benutzernachricht
    * `cache_creation_input_tokens`: Anzahl der Token in der gesamten Systemnachricht, einschließlich des Rechtsdokuments
    * `cache_read_input_tokens`: 0 (kein Cache-Treffer bei der ersten Anfrage)

    Für nachfolgende Anfragen innerhalb der Cache-Lebensdauer:

    * `input_tokens`: Anzahl der Token nur in der Benutzernachricht
    * `cache_creation_input_tokens`: 0 (keine neue Cache-Erstellung)
    * `cache_read_input_tokens`: Anzahl der Token in der gesamten gecachten Systemnachricht
  </Accordion>

  <Accordion title="Caching von Tool-Definitionen">
    Tool-Definitionen können gecacht werden, indem du `cache_control` auf das letzte Tool in deinem `tools`-Array setzt. Alle Tools, die vor diesem Tool definiert sind, einschließlich dieses Tools selbst, werden als ein einziges Präfix gecacht.

    ```json
    {
      "model": "claude-opus-5-5",
      "max_tokens": 1024,
      "tools": [
        {
          "name": "get_weather",
          "description": "Get the current weather in a given location",
          "input_schema": {
            "type": "object",
            "properties": { "location": { "type": "string" } },
            "required": ["location"]
          }
        },
        {
          "name": "get_time",
          "description": "Get the current time in a given time zone",
          "input_schema": {
            "type": "object",
            "properties": { "timezone": { "type": "string" } },
            "required": ["timezone"]
          },
          "cache_control": { "type": "ephemeral" }
        }
      ],
      "messages": [{ "role": "user", "content": "What is the weather and time in New York?" }]
    }
    ```

    Bei der ersten Anfrage spiegelt `cache_creation_input_tokens` die Token-Anzahl aller Tool-Definitionen wider. Bei nachfolgenden Anfragen innerhalb der Cache-Lebensdauer erscheinen diese Token stattdessen unter `cache_read_input_tokens`.

    Für Details zum Zusammenspiel von Tool-Definitionen, `defer_loading` und Cache-Invalidierung siehe [Tool-Nutzung mit Prompt-Caching](https://platform.claude.com/docs/de/agents-and-tools/tool-use/tool-use-with-prompt-caching).
  </Accordion>

  <Accordion title="Fortsetzen einer mehrstufigen Konversation">
    <CodeGroup>
      ```bash cURL
      curl https://api.anthropic.com/v1/messages \
        -H "x-api-key: $ANTHROPIC_API_KEY" \
        -H "anthropic-version: 2026-10-21" \
        -H "content-type: application/json" \
        -d '{
          "model": "claude-opus-5-5",
          "max_tokens": 1024,
          "system": [
            {
              "type": "text",
              "text": "...long system prompt",
              "cache_control": {"type": "ephemeral"}
            }
          ],
          "messages": [
            {
              "role": "user",
              "content": [
                {
                  "type": "text",
                  "text": "Hello, can you tell me more about the solar system?"
                }
              ]
            },
            {
              "role": "assistant",
              "content": "Certainly! The solar system is the collection of celestial bodies that orbit our Sun. It consists of eight planets, numerous moons, asteroids, comets, and other objects. The planets, in order from closest to farthest from the Sun, are: Mercury, Venus, Earth, Mars, Jupiter, Saturn, Uranus, and Neptune. Each planet has its own unique characteristics and features. Is there a specific aspect of the solar system you would like to know more about?"
            },
            {
              "role": "user",
              "content": [
                {
                  "type": "text",
                  "text": "Good to know."
                },
                {
                  "type": "text",
                  "text": "Tell me more about Mars.",
                  "cache_control": {"type": "ephemeral"}
                }
              ]
            }
          ]
        }'
      ```

      ```bash CLI
      ant messages create <<'YAML'
      model: claude-opus-5-5
      max_tokens: 1024
      system:
        - type: text
          text: "...long system prompt"
          cache_control:
            type: ephemeral
      messages:
        - role: user
          content:
            - type: text
              text: Hello, can you tell me more about the solar system?
        - role: assistant
          content: >-
            Certainly! The solar system is the collection of celestial bodies that
            orbit our Sun. It consists of eight planets, numerous moons, asteroids,
            comets, and other objects. The planets, in order from closest to farthest
            from the Sun, are: Mercury, Venus, Earth, Mars, Jupiter, Saturn, Uranus,
            and Neptune. Each planet has its own unique characteristics and features.
            Is there a specific aspect of the solar system you would like to know
            more about?
        - role: user
          content:
            - type: text
              text: Good to know.
            - type: text
              text: Tell me more about Mars.
              cache_control:
                type: ephemeral
      YAML
      ```

      ```python Python
      client = anthropic.Anthropic()

      response = client.messages.create(
          model="claude-opus-5-5",
          max_tokens=1024,
          system=[
              {
                  "type": "text",
                  "text": "...long system prompt",
                  "cache_control": {"type": "ephemeral"},
              }
          ],
          messages=[
              # ...bisherige lange Konversation
              {
                  "role": "user",
                  "content": [
                      {
                          "type": "text",
                          "text": "Hello, can you tell me more about the solar system?",
                      }
                  ],
              },
              {
                  "role": "assistant",
                  "content": "Certainly! The solar system is the collection of celestial bodies that orbit our Sun. It consists of eight planets, numerous moons, asteroids, comets, and other objects. The planets, in order from closest to farthest from the Sun, are: Mercury, Venus, Earth, Mars, Jupiter, Saturn, Uranus, and Neptune. Each planet has its own unique characteristics and features. Is there a specific aspect of the solar system you'd like to know more about?",
              },
              {
                  "role": "user",
                  "content": [
                      {"type": "text", "text": "Good to know."},
                      {
                          "type": "text",
                          "text": "Tell me more about Mars.",
                          "cache_control": {"type": "ephemeral"},
                      },
                  ],
              },
          ],
      )
      print(response.usage.model_dump_json())
      ```

      ```typescript TypeScript
      const client = new Anthropic();

      const response = await client.messages.create({
        model: "claude-opus-5-5",
        max_tokens: 1024,
        system: [
          {
            type: "text",
            text: "...long system prompt",
            cache_control: { type: "ephemeral" }
          }
        ],
        messages: [
          // ...bisherige lange Konversation
          {
            role: "user",
            content: [
              {
                type: "text",
                text: "Hello, can you tell me more about the solar system?"
              }
            ]
          },
          {
            role: "assistant",
            content:
              "Certainly! The solar system is the collection of celestial bodies that orbit our Sun. It consists of eight planets, numerous moons, asteroids, comets, and other objects. The planets, in order from closest to farthest from the Sun, are: Mercury, Venus, Earth, Mars, Jupiter, Saturn, Uranus, and Neptune. Each planet has its own unique characteristics and features. Is there a specific aspect of the solar system you'd like to know more about?"
          },
          {
            role: "user",
            content: [
              {
                type: "text",
                text: "Good to know."
              },
              {
                type: "text",
                text: "Tell me more about Mars.",
                cache_control: { type: "ephemeral" }
              }
            ]
          }
        ]
      });
      console.log(response.usage);
      ```

      ```csharp C#
      AnthropicClient client = new();

      var parameters = new MessageCreateParams
      {
          Model = Model.ClaudeOpus5_5,
          MaxTokens = 1024,
          System = new MessageCreateParamsSystem(new List<TextBlockParam>
          {
              new TextBlockParam()
              {
                  Text = "...long system prompt",
                  CacheControl = new CacheControlEphemeral(),
              },
          }),
          Messages =
          [
              new UserMessageParam
              {
                  Content = new List<ContentBlockParam>
                  {
                      new ContentBlockParam(new TextBlockParam("Hello, can you tell me more about the solar system?")),
                  },
              },
              new AssistantMessageParam
              {
                  Content = "Certainly! The solar system is the collection of celestial bodies that orbit our Sun. It consists of eight planets, numerous moons, asteroids, comets, and other objects. The planets, in order from closest to farthest from the Sun, are: Mercury, Venus, Earth, Mars, Jupiter, Saturn, Uranus, and Neptune. Each planet has its own unique characteristics and features. Is there a specific aspect of the solar system you would like to know more about?"
              },
              new UserMessageParam
              {
                  Content = new List<ContentBlockParam>
                  {
                      new ContentBlockParam(new TextBlockParam("Good to know.")),
                      new ContentBlockParam(new TextBlockParam()
                      {
                          Text = "Tell me more about Mars.",
                          CacheControl = new CacheControlEphemeral(),
                      }),
                  }
              }
          ]
      };

      var message = await client.Messages.Create(parameters);
      Console.WriteLine(message.Usage);
      ```

      ```go Go
      client := anthropic.NewClient()

      response, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
      	Model:     anthropic.ModelClaudeOpus5_5,
      	MaxTokens: 1024,
      	System: []anthropic.TextBlockParam{
      		{
      			Text:         "...long system prompt",
      			CacheControl: anthropic.NewCacheControlEphemeralParam(),
      		},
      	},
      	Messages: []anthropic.MessageParam{
      		anthropic.NewUserMessage(anthropic.NewTextBlock("Hello, can you tell me more about the solar system?")),
      		anthropic.NewAssistantMessage(anthropic.NewTextBlock("Certainly! The solar system is the collection of celestial bodies that orbit our Sun. It consists of eight planets, numerous moons, asteroids, comets, and other objects. The planets, in order from closest to farthest from the Sun, are: Mercury, Venus, Earth, Mars, Jupiter, Saturn, Uranus, and Neptune. Each planet has its own unique characteristics and features. Is there a specific aspect of the solar system you would like to know more about?")),
      		anthropic.NewUserMessage(
      			anthropic.NewTextBlock("Good to know."),
      			anthropic.ContentBlockParamUnion{OfText: &anthropic.TextBlockParam{
      				Text:         "Tell me more about Mars.",
      				CacheControl: anthropic.NewCacheControlEphemeralParam(),
      			}},
      		),
      	},
      })
      if err != nil {
      	log.Fatal(err)
      }
      fmt.Println(response.Usage.RawJSON())
      ```

      ```java Java
      import com.anthropic.models.messages.CacheControlEphemeral;
      // ...
      void main() {
          AnthropicClient client = AnthropicOkHttpClient.fromEnv();

          // Erstelle einen kurzlebigen System-Prompt
          TextBlockParam systemPrompt = TextBlockParam.builder()
              .text("...long system prompt")
              .cacheControl(CacheControlEphemeral.builder().build())
              .build();

          // Erstelle die Message-Parameter
          MessageCreateParams params = MessageCreateParams.builder()
              .model(Model.CLAUDE_OPUS_5_5)
              .maxTokens(1024)
              .systemOfTextBlockParams(List.of(systemPrompt))
              // Erste Benutzernachricht (ohne Cache-Control)
              .addUserMessage("Hello, can you tell me more about the solar system?")
              // Antwort des Assistenten
              .addAssistantMessage(
                  "Certainly! The solar system is the collection of celestial bodies that orbit our Sun. It consists of eight planets, numerous moons, asteroids, comets, and other objects. The planets, in order from closest to farthest from the Sun, are: Mercury, Venus, Earth, Mars, Jupiter, Saturn, Uranus, and Neptune. Each planet has its own unique characteristics and features. Is there a specific aspect of the solar system you would like to know more about?"
              )
              // Zweite Benutzernachricht (mit Cache-Control)
              .addUserMessageOfContentBlockParams(
                  List.of(
                      ContentBlockParam.ofText(TextBlockParam.builder()
                          .text("Good to know.")
                          .build()),
                      ContentBlockParam.ofText(
                          TextBlockParam.builder()
                              .text("Tell me more about Mars.")
                              .cacheControl(CacheControlEphemeral.builder().build())
                              .build()
                      )
                  )
              )
              .build();

          Message message = client.messages().create(params);
          IO.println(message.usage());
      }
      ```

      ```php PHP
      $client = new Client();

      $message = $client->messages->create(
          maxTokens: 1024,
          messages: [
              [
                  'role' => 'user',
                  'content' => [
                      [
                          'type' => 'text',
                          'text' => 'Hello, can you tell me more about the solar system?'
                      ]
                  ]
              ],
              [
                  'role' => 'assistant',
                  'content' => 'Certainly! The solar system is the collection of celestial bodies that orbit our Sun. It consists of eight planets, numerous moons, asteroids, comets, and other objects. The planets, in order from closest to farthest from the Sun, are: Mercury, Venus, Earth, Mars, Jupiter, Saturn, Uranus, and Neptune. Each planet has its own unique characteristics and features. Is there a specific aspect of the solar system you would like to know more about?'
              ],
              [
                  'role' => 'user',
                  'content' => [
                      ['type' => 'text', 'text' => 'Good to know.'],
                      [
                          'type' => 'text',
                          'text' => 'Tell me more about Mars.',
                          'cache_control' => ['type' => 'ephemeral']
                      ]
                  ]
              ]
          ],
          model: Model::CLAUDE_OPUS_5_5,
          system: [
              [
                  'type' => 'text',
                  'text' => '...long system prompt',
                  'cache_control' => ['type' => 'ephemeral']
              ]
          ],
      );

      echo json_encode($message->usage), PHP_EOL;
      ```

      ```ruby Ruby
      client = Anthropic::Client.new

      message = client.messages.create(
        model: Anthropic::Model::CLAUDE_OPUS_5_5,
        max_tokens: 1024,
        system_: [
          {
            type: "text",
            text: "...long system prompt",
            cache_control: { type: "ephemeral" }
          }
        ],
        messages: [
          {
            role: "user",
            content: [
              {
                type: "text",
                text: "Hello, can you tell me more about the solar system?"
              }
            ]
          },
          {
            role: "assistant",
            content: "Certainly! The solar system is the collection of celestial bodies that orbit our Sun. It consists of eight planets, numerous moons, asteroids, comets, and other objects. The planets, in order from closest to farthest from the Sun, are: Mercury, Venus, Earth, Mars, Jupiter, Saturn, Uranus, and Neptune. Each planet has its own unique characteristics and features. Is there a specific aspect of the solar system you would like to know more about?"
          },
          {
            role: "user",
            content: [
              { type: "text", text: "Good to know." },
              {
                type: "text",
                text: "Tell me more about Mars.",
                cache_control: { type: "ephemeral" }
              }
            ]
          }
        ]
      )
      puts message.usage
      ```
    </CodeGroup>

    Dieses Beispiel demonstriert, wie Prompt-Caching in einer mehrstufigen Konversation verwendet wird.

    In jedem Durchgang wird der letzte Block der letzten Nachricht mit `cache_control` markiert, damit die Konversation inkrementell gecacht werden kann. Das System sucht automatisch die längste zuvor gecachte Sequenz von Blöcken für Folgenachrichten und verwendet sie. Blöcke, die in einem früheren Durchgang mit `cache_control` markiert wurden, werden nicht erneut markiert, aber eine Anfrage innerhalb von 5 Minuten liest sie trotzdem aus dem Cache und frischt ihre Lebensdauer auf.

    Der `cache_control`-Parameter ist außerdem auf der Systemnachricht platziert. Wenn die Systemnachricht nach mehr als 5 Minuten ohne Verwendung aus dem Cache verdrängt wird, nimmt die nächste Anfrage sie wieder in den Cache auf.

    Dieser Ansatz ist nützlich, um den Kontext in laufenden Konversationen beizubehalten, ohne dieselben Informationen wiederholt zu verarbeiten.

    Wenn dies korrekt eingerichtet ist, solltest du in der Usage-Antwort jeder Anfrage Folgendes sehen:

    * `input_tokens`: Anzahl der Token in der neuen Benutzernachricht (minimal)
    * `cache_creation_input_tokens`: Anzahl der Token in den neuen Assistenten- und Benutzerdurchgängen
    * `cache_read_input_tokens`: Anzahl der Token in der Konversation bis zum vorherigen Durchgang
  </Accordion>

  <Accordion title="Alles zusammen: Mehrere Cache-Breakpoints">
    <CodeGroup>
      ```bash cURL
      curl https://api.anthropic.com/v1/messages \
        -H "x-api-key: $ANTHROPIC_API_KEY" \
        -H "anthropic-version: 2026-10-21" \
        -H "content-type: application/json" \
        -d '{
          "model": "claude-opus-5-5",
          "max_tokens": 1024,
          "tools": [
            {
              "name": "search_documents",
              "description": "Search through the knowledge base",
              "input_schema": {
                "type": "object",
                "properties": {
                  "query": {
                    "type": "string",
                    "description": "Search query"
                  }
                },
                "required": ["query"]
              }
            },
            {
              "name": "get_document",
              "description": "Retrieve a specific document by ID",
              "input_schema": {
                "type": "object",
                "properties": {
                  "doc_id": {
                    "type": "string",
                    "description": "Document ID"
                  }
                },
                "required": ["doc_id"]
              },
              "cache_control": {"type": "ephemeral"}
            }
          ],
          "system": [
            {
              "type": "text",
              "text": "You are a helpful research assistant with access to a document knowledge base.\n\n# Instructions\n- Always search for relevant documents before answering\n- Provide citations for your sources\n- Be objective and accurate in your responses\n- If multiple documents contain relevant information, synthesize them\n- Acknowledge when information is not available in the knowledge base",
              "cache_control": {"type": "ephemeral"}
            },
            {
              "type": "text",
              "text": "# Knowledge Base Context\n\nHere are the relevant documents for this conversation:\n\n## Document 1: Solar System Overview\nThe solar system consists of the Sun and all objects that orbit it...\n\n## Document 2: Planetary Characteristics\nEach planet has unique features. Mercury is the smallest planet...\n\n## Document 3: Mars Exploration\nMars has been a target of exploration for decades...\n\n[Additional documents...]",
              "cache_control": {"type": "ephemeral"}
            }
          ],
          "messages": [
            {
              "role": "user",
              "content": "Can you search for information about Mars rovers?"
            },
            {
              "role": "assistant",
              "content": [
                {
                  "type": "tool_use",
                  "id": "tool_1",
                  "name": "search_documents",
                  "input": {"query": "Mars rovers"}
                }
              ]
            },
            {
              "role": "user",
              "content": [
                {
                  "type": "tool_result",
                  "tool_use_id": "tool_1",
                  "content": "Found 3 relevant documents: Document 3 (Mars Exploration), Document 7 (Rover Technology), Document 9 (Mission History)"
                }
              ]
            },
            {
              "role": "assistant",
              "content": [
                {
                  "type": "text",
                  "text": "I found 3 relevant documents about Mars rovers. Let me get more details from the Mars Exploration document."
                }
              ]
            },
            {
              "role": "user",
              "content": [
                {
                  "type": "text",
                  "text": "Yes, please tell me about the Perseverance rover specifically.",
                  "cache_control": {"type": "ephemeral"}
                }
              ]
            }
          ]
        }'
      ```

      ```bash CLI
      ant messages create <<'YAML'
      model: claude-opus-5-5
      max_tokens: 1024
      tools:
        - name: search_documents
          description: Search through the knowledge base
          input_schema:
            type: object
            properties:
              query:
                type: string
                description: Search query
            required: [query]
        - name: get_document
          description: Retrieve a specific document by ID
          input_schema:
            type: object
            properties:
              doc_id:
                type: string
                description: Document ID
            required: [doc_id]
          cache_control:
            type: ephemeral
      system:
        - type: text
          text: |-
            You are a helpful research assistant with access to a document knowledge base.

            # Instructions
            - Always search for relevant documents before answering
            - Provide citations for your sources
            - Be objective and accurate in your responses
            - If multiple documents contain relevant information, synthesize them
            - Acknowledge when information is not available in the knowledge base
          cache_control:
            type: ephemeral
        - type: text
          text: |-
            # Knowledge Base Context

            Here are the relevant documents for this conversation:

            ## Document 1: Solar System Overview
            The solar system consists of the Sun and all objects that orbit it...

            ## Document 2: Planetary Characteristics
            Each planet has unique features. Mercury is the smallest planet...

            ## Document 3: Mars Exploration
            Mars has been a target of exploration for decades...

            [Additional documents...]
          cache_control:
            type: ephemeral
      messages:
        - role: user
          content: Can you search for information about Mars rovers?
        - role: assistant
          content:
            - type: tool_use
              id: tool_1
              name: search_documents
              input:
                query: Mars rovers
        - role: user
          content:
            - type: tool_result
              tool_use_id: tool_1
              content: >-
                Found 3 relevant documents: Document 3 (Mars Exploration),
                Document 7 (Rover Technology), Document 9 (Mission History)
        - role: assistant
          content:
            - type: text
              text: >-
                I found 3 relevant documents about Mars rovers. Let me get more
                details from the Mars Exploration document.
        - role: user
          content:
            - type: text
              text: Yes, please tell me about the Perseverance rover specifically.
              cache_control:
                type: ephemeral
      YAML
      ```

      ```python Python
      client = anthropic.Anthropic()

      response = client.messages.create(
          model="claude-opus-5-5",
          max_tokens=1024,
          tools=[
              {
                  "name": "search_documents",
                  "description": "Search through the knowledge base",
                  "input_schema": {
                      "type": "object",
                      "properties": {
                          "query": {"type": "string", "description": "Search query"}
                      },
                      "required": ["query"],
                  },
              },
              {
                  "name": "get_document",
                  "description": "Retrieve a specific document by ID",
                  "input_schema": {
                      "type": "object",
                      "properties": {
                          "doc_id": {"type": "string", "description": "Document ID"}
                      },
                      "required": ["doc_id"],
                  },
                  "cache_control": {"type": "ephemeral"},
              },
          ],
          system=[
              {
                  "type": "text",
                  "text": """You are a helpful research assistant with access to a document knowledge base.

      # Instructions
      - Always search for relevant documents before answering
      - Provide citations for your sources
      - Be objective and accurate in your responses
      - If multiple documents contain relevant information, synthesize them
      - Acknowledge when information is not available in the knowledge base""",
                  "cache_control": {"type": "ephemeral"},
              },
              {
                  "type": "text",
                  "text": """# Knowledge Base Context

      Here are the relevant documents for this conversation:

      ## Document 1: Solar System Overview
      The solar system consists of the Sun and all objects that orbit it...

      ## Document 2: Planetary Characteristics
      Each planet has unique features. Mercury is the smallest planet...

      ## Document 3: Mars Exploration
      Mars has been a target of exploration for decades...

      [Additional documents...]""",
                  "cache_control": {"type": "ephemeral"},
              },
          ],
          messages=[
              {
                  "role": "user",
                  "content": "Can you search for information about Mars rovers?",
              },
              {
                  "role": "assistant",
                  "content": [
                      {
                          "type": "tool_use",
                          "id": "tool_1",
                          "name": "search_documents",
                          "input": {"query": "Mars rovers"},
                      }
                  ],
              },
              {
                  "role": "user",
                  "content": [
                      {
                          "type": "tool_result",
                          "tool_use_id": "tool_1",
                          "content": "Found 3 relevant documents: Document 3 (Mars Exploration), Document 7 (Rover Technology), Document 9 (Mission History)",
                      }
                  ],
              },
              {
                  "role": "assistant",
                  "content": [
                      {
                          "type": "text",
                          "text": "I found 3 relevant documents about Mars rovers. Let me get more details from the Mars Exploration document.",
                      }
                  ],
              },
              {
                  "role": "user",
                  "content": [
                      {
                          "type": "text",
                          "text": "Yes, please tell me about the Perseverance rover specifically.",
                          "cache_control": {"type": "ephemeral"},
                      }
                  ],
              },
          ],
      )
      print(response.usage.model_dump_json())
      ```

      ```typescript TypeScript
      const client = new Anthropic();

      const response = await client.messages.create({
        model: "claude-opus-5-5",
        max_tokens: 1024,
        tools: [
          {
            name: "search_documents",
            description: "Search through the knowledge base",
            input_schema: {
              type: "object",
              properties: {
                query: {
                  type: "string",
                  description: "Search query"
                }
              },
              required: ["query"]
            }
          },
          {
            name: "get_document",
            description: "Retrieve a specific document by ID",
            input_schema: {
              type: "object",
              properties: {
                doc_id: {
                  type: "string",
                  description: "Document ID"
                }
              },
              required: ["doc_id"]
            },
            cache_control: { type: "ephemeral" }
          }
        ],
        system: [
          {
            type: "text",
            text: `You are a helpful research assistant with access to a document knowledge base.

      # Instructions
      - Always search for relevant documents before answering
      - Provide citations for your sources
      - Be objective and accurate in your responses
      - If multiple documents contain relevant information, synthesize them
      - Acknowledge when information is not available in the knowledge base`,
            cache_control: { type: "ephemeral" }
          },
          {
            type: "text",
            text: `# Knowledge Base Context

      Here are the relevant documents for this conversation:

      ## Document 1: Solar System Overview
      The solar system consists of the Sun and all objects that orbit it...

      ## Document 2: Planetary Characteristics
      Each planet has unique features. Mercury is the smallest planet...

      ## Document 3: Mars Exploration
      Mars has been a target of exploration for decades...

      [Additional documents...]`,
            cache_control: { type: "ephemeral" }
          }
        ],
        messages: [
          {
            role: "user",
            content: "Can you search for information about Mars rovers?"
          },
          {
            role: "assistant",
            content: [
              {
                type: "tool_use",
                id: "tool_1",
                name: "search_documents",
                input: { query: "Mars rovers" }
              }
            ]
          },
          {
            role: "user",
            content: [
              {
                type: "tool_result",
                tool_use_id: "tool_1",
                content:
                  "Found 3 relevant documents: Document 3 (Mars Exploration), Document 7 (Rover Technology), Document 9 (Mission History)"
              }
            ]
          },
          {
            role: "assistant",
            content: [
              {
                type: "text",
                text: "I found 3 relevant documents about Mars rovers. Let me get more details from the Mars Exploration document."
              }
            ]
          },
          {
            role: "user",
            content: [
              {
                type: "text",
                text: "Yes, please tell me about the Perseverance rover specifically.",
                cache_control: { type: "ephemeral" }
              }
            ]
          }
        ]
      });
      console.log(response.usage);
      ```

      ```csharp C#
      AnthropicClient client = new()
      {
          ApiKey = Environment.GetEnvironmentVariable("ANTHROPIC_API_KEY")
      };

      var parameters = new MessageCreateParams
      {
          Model = Model.ClaudeOpus5_5,
          MaxTokens = 1024,
          Tools =
          [
              new ToolUnion(new Tool()
              {
                  Name = "search_documents",
                  Description = "Search through the knowledge base",
                  InputSchema = new InputSchema()
                  {
                      Properties = new Dictionary<string, JsonElement>
                      {
                          ["query"] = JsonSerializer.SerializeToElement(new { type = "string", description = "Search query" }),
                      },
                      Required = ["query"],
                  },
              }),
              new ToolUnion(new Tool()
              {
                  Name = "get_document",
                  Description = "Retrieve a specific document by ID",
                  InputSchema = new InputSchema()
                  {
                      Properties = new Dictionary<string, JsonElement>
                      {
                          ["doc_id"] = JsonSerializer.SerializeToElement(new { type = "string", description = "Document ID" }),
                      },
                      Required = ["doc_id"],
                  },
                  CacheControl = new CacheControlEphemeral(),
              }),
          ],
          System = new MessageCreateParamsSystem(new List<TextBlockParam>
          {
              new TextBlockParam()
              {
                  Text = """
                      You are a helpful research assistant with access to a document knowledge base.

                      # Instructions
                      - Always search for relevant documents before answering
                      - Provide citations for your sources
                      - Be objective and accurate in your responses
                      - If multiple documents contain relevant information, synthesize them
                      - Acknowledge when information is not available in the knowledge base
                      """,
                  CacheControl = new CacheControlEphemeral(),
              },
              new TextBlockParam()
              {
                  Text = """
                      # Knowledge Base Context

                      Here are the relevant documents for this conversation:

                      ## Document 1: Solar System Overview
                      The solar system consists of the Sun and all objects that orbit it...

                      ## Document 2: Planetary Characteristics
                      Each planet has unique features. Mercury is the smallest planet...

                      ## Document 3: Mars Exploration
                      Mars has been a target of exploration for decades...

                      [Additional documents...]
                      """,
                  CacheControl = new CacheControlEphemeral(),
              },
          }),
          Messages =
          [
              new UserMessageParam { Content = "Can you search for information about Mars rovers?" },
              new AssistantMessageParam
              {
                  Content = new List<ContentBlockParam>
                  {
                      new ContentBlockParam(new ToolUseBlockParam()
                      {
                          ID = "tool_1",
                          Name = "search_documents",
                          Input = new Dictionary<string, JsonElement>
                          {
                              ["query"] = JsonSerializer.SerializeToElement("Mars rovers"),
                          },
                      }),
                  },
              },
              new UserMessageParam
              {
                  Content = new List<ContentBlockParam>
                  {
                      new ContentBlockParam(new ToolResultBlockParam()
                      {
                          ToolUseID = "tool_1",
                          Content = "Found 3 relevant documents: Document 3 (Mars Exploration), Document 7 (Rover Technology), Document 9 (Mission History)",
                      }),
                  },
              },
              new AssistantMessageParam
              {
                  Content = "I found 3 relevant documents about Mars rovers. Let me get more details from the Mars Exploration document.",
              },
              new UserMessageParam
              {
                  Content = new List<ContentBlockParam>
                  {
                      new ContentBlockParam(new TextBlockParam()
                      {
                          Text = "Yes, please tell me about the Perseverance rover specifically.",
                          CacheControl = new CacheControlEphemeral(),
                      }),
                  },
              },
          ]
      };

      var message = await client.Messages.Create(parameters);
      Console.WriteLine(message.Usage);
      ```

      ```go Go
      	client := anthropic.NewClient()

      	response, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
      		Model:     anthropic.ModelClaudeOpus5_5,
      		MaxTokens: 1024,
      		Tools: []anthropic.ToolUnionParam{
      			{OfTool: &anthropic.ToolParam{
      				Name:        "search_documents",
      				Description: anthropic.String("Search through the knowledge base"),
      				InputSchema: anthropic.ToolInputSchemaParam{
      					Properties: map[string]any{
      						"query": map[string]any{
      							"type":        "string",
      							"description": "Search query",
      						},
      					},
      					Required: []string{"query"},
      				},
      			}},
      			{OfTool: &anthropic.ToolParam{
      				Name:        "get_document",
      				Description: anthropic.String("Retrieve a specific document by ID"),
      				InputSchema: anthropic.ToolInputSchemaParam{
      					Properties: map[string]any{
      						"doc_id": map[string]any{
      							"type":        "string",
      							"description": "Document ID",
      						},
      					},
      					Required: []string{"doc_id"},
      				},
      				CacheControl: anthropic.NewCacheControlEphemeralParam(),
      			}},
      		},
      		System: []anthropic.TextBlockParam{
      			{
      				Text: `You are a helpful research assistant with access to a document knowledge base.

      # Instructions
      - Always search for relevant documents before answering
      - Provide citations for your sources
      - Be objective and accurate in your responses
      - If multiple documents contain relevant information, synthesize them
      - Acknowledge when information is not available in the knowledge base`,
      				CacheControl: anthropic.NewCacheControlEphemeralParam(),
      			},
      			{
      				Text: `# Knowledge Base Context

      Here are the relevant documents for this conversation:

      ## Document 1: Solar System Overview
      The solar system consists of the Sun and all objects that orbit it...

      ## Document 2: Planetary Characteristics
      Each planet has unique features. Mercury is the smallest planet...

      ## Document 3: Mars Exploration
      Mars has been a target of exploration for decades...

      [Additional documents...]`,
      				CacheControl: anthropic.NewCacheControlEphemeralParam(),
      			},
      		},
      		Messages: []anthropic.MessageParam{
      			anthropic.NewUserMessage(anthropic.NewTextBlock("Can you search for information about Mars rovers?")),
      			anthropic.NewAssistantMessage(anthropic.NewToolUseBlock(
      				"tool_1",
      				map[string]any{"query": "Mars rovers"},
      				"search_documents",
      			)),
      			anthropic.NewUserMessage(anthropic.NewToolResultBlock(
      				"tool_1",
      				"Found 3 relevant documents: Document 3 (Mars Exploration), Document 7 (Rover Technology), Document 9 (Mission History)",
      				false,
      			)),
      			anthropic.NewAssistantMessage(anthropic.NewTextBlock("I found 3 relevant documents about Mars rovers. Let me get more details from the Mars Exploration document.")),
      			anthropic.NewUserMessage(anthropic.ContentBlockParamUnion{OfText: &anthropic.TextBlockParam{
      				Text:         "Yes, please tell me about the Perseverance rover specifically.",
      				CacheControl: anthropic.NewCacheControlEphemeralParam(),
      			}}),
      		},
      	})
      	if err != nil {
      		log.Fatal(err)
      	}
      	fmt.Println(response.Usage.RawJSON())
      ```

      ```java Java
      import com.anthropic.models.messages.CacheControlEphemeral;
      // ...
      void main() {
          AnthropicClient client = AnthropicOkHttpClient.fromEnv();

          // Schema des Such-Tools
          InputSchema searchSchema = InputSchema.builder()
              .properties(
                  JsonValue.from(
                      Map.of("query", Map.of("type", "string", "description", "Search query"))
                  )
              )
              .putAdditionalProperty("required", JsonValue.from(List.of("query")))
              .build();

          // Schema des Tools zum Abrufen von Dokumenten
          InputSchema getDocSchema = InputSchema.builder()
              .properties(
                  JsonValue.from(
                      Map.of("doc_id", Map.of("type", "string", "description", "Document ID"))
                  )
              )
              .putAdditionalProperty("required", JsonValue.from(List.of("doc_id")))
              .build();

          MessageCreateParams params = MessageCreateParams.builder()
              .model(Model.CLAUDE_OPUS_5_5)
              .maxTokens(1024)
              // Tools mit Cache-Control auf dem letzten Tool
              .addTool(
                  Tool.builder()
                      .name("search_documents")
                      .description("Search through the knowledge base")
                      .inputSchema(searchSchema)
                      .build()
              )
              .addTool(
                  Tool.builder()
                      .name("get_document")
                      .description("Retrieve a specific document by ID")
                      .inputSchema(getDocSchema)
                      .cacheControl(CacheControlEphemeral.builder().build())
                      .build()
              )
              // System-Prompts mit Cache-Control separat auf Anweisungen und Kontext
              .systemOfTextBlockParams(
                  List.of(
                      TextBlockParam.builder()
                          .text(
                              """
                              You are a helpful research assistant with access to a document knowledge base.

                              # Instructions
                              - Always search for relevant documents before answering
                              - Provide citations for your sources
                              - Be objective and accurate in your responses
                              - If multiple documents contain relevant information, synthesize them
                              - Acknowledge when information is not available in the knowledge base"""
                          )
                          .cacheControl(CacheControlEphemeral.builder().build())
                          .build(),
                      TextBlockParam.builder()
                          .text(
                              """
                              # Knowledge Base Context

                              Here are the relevant documents for this conversation:

                              ## Document 1: Solar System Overview
                              The solar system consists of the Sun and all objects that orbit it...

                              ## Document 2: Planetary Characteristics
                              Each planet has unique features. Mercury is the smallest planet...

                              ## Document 3: Mars Exploration
                              Mars has been a target of exploration for decades...

                              [Additional documents...]"""
                          )
                          .cacheControl(CacheControlEphemeral.builder().build())
                          .build()
                  )
              )
              // Konversationsverlauf
              .addUserMessage("Can you search for information about Mars rovers?")
              .addAssistantMessageOfContentBlockParams(
                  List.of(
                      ContentBlockParam.ofToolUse(
                          ToolUseBlockParam.builder()
                              .id("tool_1")
                              .name("search_documents")
                              .input(JsonValue.from(Map.of("query", "Mars rovers")))
                              .build()
                      )
                  )
              )
              .addUserMessageOfContentBlockParams(
                  List.of(
                      ContentBlockParam.ofToolResult(
                          ToolResultBlockParam.builder()
                              .toolUseId("tool_1")
                              .content(
                                  "Found 3 relevant documents: Document 3 (Mars Exploration), Document 7 (Rover Technology), Document 9 (Mission History)"
                              )
                              .build()
                      )
                  )
              )
              .addAssistantMessageOfContentBlockParams(
                  List.of(
                      ContentBlockParam.ofText(
                          TextBlockParam.builder()
                              .text(
                                  "I found 3 relevant documents about Mars rovers. Let me get more details from the Mars Exploration document."
                              )
                              .build()
                      )
                  )
              )
              .addUserMessageOfContentBlockParams(
                  List.of(
                      ContentBlockParam.ofText(
                          TextBlockParam.builder()
                              .text("Yes, please tell me about the Perseverance rover specifically.")
                              .cacheControl(CacheControlEphemeral.builder().build())
                              .build()
                      )
                  )
              )
              .build();

          Message message = client.messages().create(params);
          IO.println(message.usage());
      }
      ```

      ```php PHP
      $client = new Client();

      $message = $client->messages->create(
          maxTokens: 1024,
          messages: [
              [
                  'role' => 'user',
                  'content' => 'Can you search for information about Mars rovers?'
              ],
              [
                  'role' => 'assistant',
                  'content' => [
                      [
                          'type' => 'tool_use',
                          'id' => 'tool_1',
                          'name' => 'search_documents',
                          'input' => ['query' => 'Mars rovers']
                      ]
                  ]
              ],
              [
                  'role' => 'user',
                  'content' => [
                      [
                          'type' => 'tool_result',
                          'tool_use_id' => 'tool_1',
                          'content' => 'Found 3 relevant documents: Document 3 (Mars Exploration), Document 7 (Rover Technology), Document 9 (Mission History)'
                      ]
                  ]
              ],
              [
                  'role' => 'assistant',
                  'content' => [
                      [
                          'type' => 'text',
                          'text' => 'I found 3 relevant documents about Mars rovers. Let me get more details from the Mars Exploration document.'
                      ]
                  ]
              ],
              [
                  'role' => 'user',
                  'content' => [
                      [
                          'type' => 'text',
                          'text' => 'Yes, please tell me about the Perseverance rover specifically.',
                          'cache_control' => ['type' => 'ephemeral']
                      ]
                  ]
              ]
          ],
          model: Model::CLAUDE_OPUS_5_5,
          system: [
              [
                  'type' => 'text',
                  'text' => <<<'TEXT'
                      You are a helpful research assistant with access to a document knowledge base.

                      # Instructions
                      - Always search for relevant documents before answering
                      - Provide citations for your sources
                      - Be objective and accurate in your responses
                      - If multiple documents contain relevant information, synthesize them
                      - Acknowledge when information is not available in the knowledge base
                      TEXT,
                  'cache_control' => ['type' => 'ephemeral']
              ],
              [
                  'type' => 'text',
                  'text' => <<<'TEXT'
                      # Knowledge Base Context

                      Here are the relevant documents for this conversation:

                      ## Document 1: Solar System Overview
                      The solar system consists of the Sun and all objects that orbit it...

                      ## Document 2: Planetary Characteristics
                      Each planet has unique features. Mercury is the smallest planet...

                      ## Document 3: Mars Exploration
                      Mars has been a target of exploration for decades...

                      [Additional documents...]
                      TEXT,
                  'cache_control' => ['type' => 'ephemeral']
              ]
          ],
          tools: [
              [
                  'name' => 'search_documents',
                  'description' => 'Search through the knowledge base',
                  'input_schema' => [
                      'type' => 'object',
                      'properties' => [
                          'query' => [
                              'type' => 'string',
                              'description' => 'Search query'
                          ]
                      ],
                      'required' => ['query']
                  ]
              ],
              [
                  'name' => 'get_document',
                  'description' => 'Retrieve a specific document by ID',
                  'input_schema' => [
                      'type' => 'object',
                      'properties' => [
                          'doc_id' => [
                              'type' => 'string',
                              'description' => 'Document ID'
                          ]
                      ],
                      'required' => ['doc_id']
                  ],
                  'cache_control' => ['type' => 'ephemeral']
              ]
          ],
      );

      echo json_encode($message->usage), PHP_EOL;
      ```

      ```ruby Ruby
      client = Anthropic::Client.new

      message = client.messages.create(
        model: Anthropic::Model::CLAUDE_OPUS_5_5,
        max_tokens: 1024,
        tools: [
          {
            name: "search_documents",
            description: "Search through the knowledge base",
            input_schema: {
              type: "object",
              properties: {
                query: {
                  type: "string",
                  description: "Search query"
                }
              },
              required: ["query"]
            }
          },
          {
            name: "get_document",
            description: "Retrieve a specific document by ID",
            input_schema: {
              type: "object",
              properties: {
                doc_id: {
                  type: "string",
                  description: "Document ID"
                }
              },
              required: ["doc_id"]
            },
            cache_control: { type: "ephemeral" }
          }
        ],
        system_: [
          {
            type: "text",
            text: <<~TEXT.chomp,
              You are a helpful research assistant with access to a document knowledge base.

              # Instructions
              - Always search for relevant documents before answering
              - Provide citations for your sources
              - Be objective and accurate in your responses
              - If multiple documents contain relevant information, synthesize them
              - Acknowledge when information is not available in the knowledge base
            TEXT
            cache_control: { type: "ephemeral" }
          },
          {
            type: "text",
            text: <<~TEXT.chomp,
              # Knowledge Base Context

              Here are the relevant documents for this conversation:

              ## Document 1: Solar System Overview
              The solar system consists of the Sun and all objects that orbit it...

              ## Document 2: Planetary Characteristics
              Each planet has unique features. Mercury is the smallest planet...

              ## Document 3: Mars Exploration
              Mars has been a target of exploration for decades...

              [Additional documents...]
            TEXT
            cache_control: { type: "ephemeral" }
          }
        ],
        messages: [
          {
            role: "user",
            content: "Can you search for information about Mars rovers?"
          },
          {
            role: "assistant",
            content: [
              {
                type: "tool_use",
                id: "tool_1",
                name: "search_documents",
                input: { query: "Mars rovers" }
              }
            ]
          },
          {
            role: "user",
            content: [
              {
                type: "tool_result",
                tool_use_id: "tool_1",
                content: "Found 3 relevant documents: Document 3 (Mars Exploration), Document 7 (Rover Technology), Document 9 (Mission History)"
              }
            ]
          },
          {
            role: "assistant",
            content: [
              {
                type: "text",
                text: "I found 3 relevant documents about Mars rovers. Let me get more details from the Mars Exploration document."
              }
            ]
          },
          {
            role: "user",
            content: [
              {
                type: "text",
                text: "Yes, please tell me about the Perseverance rover specifically.",
                cache_control: { type: "ephemeral" }
              }
            ]
          }
        ]
      )
      puts message.usage
      ```
    </CodeGroup>

    Dieses umfassende Beispiel demonstriert, wie alle 4 verfügbaren Cache-Breakpoints verwendet werden, um verschiedene Teile deines Prompts zu optimieren:

    1. **Tools-Cache** (Cache-Breakpoint 1): Der `cache_control`-Parameter auf der letzten Tool-Definition cacht alle Tool-Definitionen.

    2. **Cache für wiederverwendbare Anweisungen** (Cache-Breakpoint 2): Die statischen Anweisungen im System-Prompt werden separat gecacht. Diese Anweisungen ändern sich zwischen Anfragen selten.

    3. **RAG-Kontext-Cache** (Cache-Breakpoint 3): Die Dokumente der Wissensdatenbank werden unabhängig gecacht, sodass du die RAG-Dokumente aktualisieren kannst, ohne den Cache für Tools oder Anweisungen ungültig zu machen.

    4. **Cache für den Konversationsverlauf** (Cache-Breakpoint 4): Die letzte Benutzernachricht wird mit `cache_control` markiert, um das inkrementelle Caching der Konversation während ihres Verlaufs zu ermöglichen.

    Dieser Ansatz bietet maximale Flexibilität:

    * Wenn du einen neuen Durchgang an die Konversation anhängst, ohne früheren Inhalt zu ändern, werden alle vier Cache-Segmente wiederverwendet.
    * Wenn du die RAG-Dokumente aktualisierst, aber dieselben Tools und Anweisungen beibehältst, werden die ersten beiden Cache-Segmente wiederverwendet.
    * Wenn du die Konversation änderst, aber dieselben Tools, Anweisungen und Dokumente beibehältst, werden die ersten drei Segmente wiederverwendet.
    * Änderungen an einem beliebigen Breakpoint machen dieses Segment und alles danach ungültig, während frühere gecachte Segmente gültig bleiben.

    Für die erste Anfrage:

    * `input_tokens`: Minimal (Token nach dem letzten Cache-Breakpoint, in diesem Beispiel nahe 0)
    * `cache_creation_input_tokens`: Token in allen gecachten Segmenten (Tools + Anweisungen + RAG-Dokumente + Konversationsverlauf)
    * `cache_read_input_tokens`: 0 (keine Cache-Treffer)

    Für nachfolgende Anfragen mit nur einer neuen Benutzernachricht (und dem vierten Breakpoint, der wie im Beispiel auf diese neue letzte Nachricht verschoben wurde):

    * `input_tokens`: Minimal (Token nach dem letzten Cache-Breakpoint, in diesem Beispiel nahe 0)
    * `cache_creation_input_tokens`: Token in der neuen Benutzernachricht und dem vorherigen Assistentendurchgang (das neue Konversationssegment, das gecacht wird)
    * `cache_read_input_tokens`: Alle zuvor gecachten Token (Tools + Anweisungen + RAG-Dokumente + vorherige Konversation)

    Dieses Muster ist besonders leistungsstark für:

    * RAG-Anwendungen mit großen Dokumentkontexten
    * Agentensysteme, die mehrere Tools verwenden
    * Lang laufende Konversationen, die den Kontext beibehalten müssen
    * Anwendungen, die verschiedene Teile des Prompts unabhängig voneinander optimieren müssen
  </Accordion>
</AccordionGroup>

## Datenaufbewahrung

Prompt-Caching (sowohl automatisch als auch explizit) ist ZDR-berechtigt. Anthropic speichert nicht den Rohtext deiner Prompts oder der Antworten von Claude.

KV-Cache-Repräsentationen (Key-Value) und kryptografische Hashes von gecachtem Inhalt werden nur im Arbeitsspeicher gehalten und nicht im Ruhezustand gespeichert. Gecachte Einträge haben eine Mindestlebensdauer von 5 Minuten (Standard) oder 1 Stunde (erweitert), nach der sie zeitnah, aber nicht sofort gelöscht werden.

Cache-Einträge sind zwischen Organisationen isoliert und auf [einigen Plattformen](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#cache-storage-and-sharing) auch zwischen Workspaces innerhalb einer Organisation.

***

## FAQ

<AccordionGroup>
  <Accordion title="Brauche ich mehrere Cache-Breakpoints oder reicht einer am Ende aus?">
    **In den meisten Fällen reicht ein einzelner Cache-Breakpoint am Ende deines statischen Inhalts aus.** Cache-Schreibvorgänge erfolgen nur an dem Block, den du markierst. Platziere ihn auf dem letzten Block, der über Anfragen hinweg identisch bleibt, und jede nachfolgende Anfrage liest denselben Eintrag. Wenn ein späterer Block mit jeder Anfrage variiert (ein Zeitstempel, die eingehende Nachricht), setze den Breakpoint davor, auf den letzten stabilen Block.

    Du brauchst mehrere Breakpoints nur, wenn:

    * Eine wachsende Konversation deinen Breakpoint 20 oder mehr Blöcke über den letzten Cache-Schreibvorgang hinaus verschiebt, wodurch der vorherige Eintrag außerhalb des Lookback-Fensters liegt
    * Du Abschnitte, die sich in unterschiedlicher Häufigkeit ändern, unabhängig voneinander cachen möchtest
    * Du zur Kostenoptimierung explizite Kontrolle darüber benötigst, was gecacht wird

    Beispiel: Wenn du Systemanweisungen (ändern sich selten) und RAG-Kontext (ändert sich täglich) hast, könntest du zwei Breakpoints verwenden, um sie separat zu cachen.
  </Accordion>

  <Accordion title="Verursachen Cache-Breakpoints zusätzliche Kosten?">
    Nein, Cache-Breakpoints selbst sind kostenlos. Du zahlst nur für:

    * Das Schreiben von Inhalten in den Cache (25 Prozent mehr als Basis-Eingabe-Token bei 5-Minuten-TTL)
    * Das Lesen aus dem Cache ([ein Bruchteil des Basispreises für Eingabe-Token](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#pricing))
    * Reguläre Eingabe-Token für nicht gecachten Inhalt

    Die Anzahl der Breakpoints beeinflusst die Preisgestaltung nicht; nur die Menge des gecachten und gelesenen Inhalts zählt.
  </Accordion>

  <Accordion title="Wie berechne ich die gesamten Eingabe-Token aus den Usage-Feldern?">
    Die Usage-Antwort enthält drei separate Felder für Eingabe-Token, die zusammen deine gesamte Eingabe darstellen:

    ```text wrap
    total_input_tokens = cache_read_input_tokens + cache_creation_input_tokens + input_tokens
    ```

    * `cache_read_input_tokens`: Aus dem Cache abgerufene Token (alles vor Cache-Breakpoints, das gecacht war)
    * `cache_creation_input_tokens`: Neue Token, die in den Cache geschrieben werden (an Cache-Breakpoints)
    * `input_tokens`: Token **nach dem letzten Cache-Breakpoint**, die nicht gecacht sind

    **Wichtig:** `input_tokens` repräsentiert NICHT alle Eingabe-Token, sondern nur den Teil nach deinem letzten Cache-Breakpoint. Wenn du gecachten Inhalt hast, ist `input_tokens` typischerweise viel kleiner als deine gesamte Eingabe.

    **Beispiel:** Mit einem gecachten Dokument von 200k Token und einer Benutzerfrage mit 50 Token:

    * `cache_read_input_tokens`: 200.000
    * `cache_creation_input_tokens`: 0
    * `input_tokens`: 50
    * **Gesamt:** 200.050 Token

    Diese Aufschlüsselung ist entscheidend, um sowohl deine Kosten als auch deine Ratenlimit-Nutzung zu verstehen. Siehe [Cache-Performance überwachen](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#tracking-cache-performance) für weitere Details.
  </Accordion>

  <Accordion title="Wie lang ist die Cache-Lebensdauer?">
    Die standardmäßige Mindestlebensdauer (TTL) des Caches beträgt 5 Minuten. Diese Lebensdauer wird jedes Mal aufgefrischt, wenn der gecachte Inhalt verwendet wird.

    Wenn dir 5 Minuten zu kurz sind, bietet Anthropic auch eine [1-Stunden-Cache-TTL](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#1-hour-cache-duration) an.
  </Accordion>

  <Accordion title="Wann beginnt die Cache-Lebensdauer?">
    Die Lebensdauer wird ab dem Beginn der Anfrage gemessen, die den Cache-Eintrag schreibt oder liest, nicht ab dem Ende ihrer Antwort. Die Zeit, die für die Generierung einer Antwort aufgewendet wird, zählt zur Lebensdauer, sodass das Zeitfenster, in dem eine Folgeanfrage den Cache wiederverwenden kann, die Lebensdauer abzüglich der Generierungszeit ist.

    Wenn deine Anfragen lange Antworten erzeugen und die nächste Anfrage möglicherweise erst nach Ablauf der Lebensdauer beginnt, verwende die [1-Stunden-Cache-TTL](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#1-hour-cache-duration).
  </Accordion>

  <Accordion title="Wie viele Cache-Breakpoints kann ich verwenden?">
    Du kannst bis zu 4 Cache-Breakpoints (mithilfe von `cache_control`-Parametern) in deinem Prompt definieren.
  </Accordion>

  <Accordion title="Ist Prompt-Caching für alle Modelle verfügbar?">
    Prompt-Caching wird auf allen [aktiven Claude-Modellen](https://platform.claude.com/docs/de/models/overview) unterstützt.
  </Accordion>

  <Accordion title="Wie funktioniert Prompt-Caching mit Nachdenken?">
    Das Ändern von Nachdenken-Parametern (Wechseln des Modus oder Ändern des Budgets im erweiterten Modus) macht gecachte Nachrichtenpräfixe ungültig und kann auch gecachte System-Prompts und Tools ungültig machen, da die Nachdenken-Konfiguration in den Prompt gerendert wird. Das Ändern des Werts [`output_config.effort`](https://platform.claude.com/docs/de/build-with-claude/effort) kann dasselbe bewirken.

    Weitere Details zur Cache-Invalidierung findest du unter [Was den Cache ungültig macht](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#what-invalidates-the-cache).

    Mehr zum Nachdenken, einschließlich seines Zusammenspiels mit Tool-Nutzung und Prompt-Caching, findest du unter [Nachdenken und Prompt-Caching](https://platform.claude.com/docs/de/build-with-claude/thinking#thinking-and-prompt-caching).
  </Accordion>

  <Accordion title="Wie aktiviere ich Prompt-Caching?">
    Am einfachsten fügst du `"cache_control": {"type": "ephemeral"}` auf der obersten Ebene deines Request-Bodys hinzu ([automatisches Caching](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#automatic-caching)). Alternativ fügst du mindestens einen `cache_control`-Breakpoint auf einzelnen Inhaltsblöcken ein ([explizite Cache-Breakpoints](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#explicit-cache-breakpoints)).
  </Accordion>

  <Accordion title="Kann ich Prompt-Caching mit anderen API-Funktionen verwenden?">
    Ja, Prompt-Caching kann zusammen mit anderen API-Funktionen wie Tool-Nutzung und Vision-Fähigkeiten verwendet werden. Allerdings bricht das Ändern, ob Bilder in einem Prompt enthalten sind, oder das Modifizieren von Einstellungen zur Tool-Nutzung den Cache.

    Weitere Details zur Cache-Invalidierung findest du unter [Was den Cache ungültig macht](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#what-invalidates-the-cache).
  </Accordion>

  <Accordion title="Wie wirkt sich Prompt-Caching auf die Preisgestaltung aus?">
    Prompt-Caching hat eine eigene Preisstruktur: 5-Minuten-Cache-Schreibvorgänge kosten 25 Prozent mehr als Basis-Eingabe-Token, 1-Stunden-Cache-Schreibvorgänge kosten das 2-Fache der Basis-Eingabe-Token und Cache-Treffer kosten [einen Bruchteil des Basispreises für Eingabe-Token](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#pricing), mit einem Multiplikator pro Modell.
  </Accordion>

  <Accordion title="Kann ich den Cache manuell leeren?">
    Es gibt keine Möglichkeit, den Cache manuell zu leeren. Gecachte Präfixe laufen automatisch nach mindestens 5 Minuten Inaktivität ab.
  </Accordion>

  <Accordion title="Wie kann ich die Effektivität meiner Caching-Strategie verfolgen?">
    Du kannst die Cache-Leistung mithilfe der Felder `cache_creation_input_tokens` und `cache_read_input_tokens` in der API-Antwort überwachen.
  </Accordion>

  <Accordion title="Was kann den Cache brechen?">
    Siehe [Was den Cache ungültig macht](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#what-invalidates-the-cache) für weitere Details zur Cache-Invalidierung, einschließlich einer Liste von Änderungen, die das Erstellen eines neuen Cache-Eintrags erfordern.
  </Accordion>

  <Accordion title="Wie handhabt Prompt-Caching Datenschutz und Datentrennung?">
    Prompt-Caching ist mit strengen Maßnahmen für Datenschutz und Datentrennung konzipiert:

    1. Cache-Schlüssel werden mithilfe eines kryptografischen Hashes der Prompts bis zum Cache-Control-Punkt generiert. Das bedeutet, dass nur Anfragen mit identischen Prompts auf einen bestimmten Cache zugreifen können.

    2. Caches werden niemals zwischen Organisationen geteilt, selbst bei identischen Prompts. Auf [einigen Plattformen](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#cache-storage-and-sharing) sind sie zusätzlich nach Workspace innerhalb einer Organisation isoliert.

    3. Der Caching-Mechanismus ist darauf ausgelegt, die Integrität und Privatsphäre jeder einzelnen Konversation oder jedes einzelnen Kontexts zu wahren.

    4. Es ist sicher, `cache_control` an beliebiger Stelle in deinen Prompts zu verwenden. Damit Caching Lesevorgänge erzeugt, platziere den Breakpoint am Ende eines stabilen Präfixes: Wenn du ihn auf einen Block setzt, der sich bei jeder Anfrage ändert (etwa einen Zeitstempel oder die beliebige Eingabe des Benutzers), wird jedes Mal ein neuer Eintrag geschrieben, der nie getroffen wird.

    Diese Maßnahmen stellen sicher, dass Prompt-Caching Datenschutz und Sicherheit gewährleistet und gleichzeitig Leistungsvorteile bietet.
  </Accordion>

  <Accordion title="Kann ich Prompt-Caching mit der Message Batches API verwenden?">
    Ja, du kannst Prompt-Caching mit deinen [Message Batches API](https://platform.claude.com/docs/de/build-with-claude/batch-processing)-Anfragen verwenden. Da asynchrone Batch-Anfragen jedoch gleichzeitig und in beliebiger Reihenfolge verarbeitet werden können, werden Cache-Treffer nach dem Best-Effort-Prinzip bereitgestellt.

    Der [1-Stunden-Cache](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#1-hour-cache-duration) kann helfen, deine Cache-Treffer zu verbessern. Die kosteneffektivste Art, ihn zu nutzen, ist folgende:

    * Sammle eine Gruppe von Nachrichtenanfragen, die ein gemeinsames Präfix haben.
    * Sende eine Batch-Anfrage mit einer einzigen Anfrage, die dieses gemeinsame Präfix und einen 1-Stunden-Cache-Block enthält. Dadurch wird das Präfix in den 1-Stunden-Cache geschrieben.
    * Sobald dies abgeschlossen ist, reiche die restlichen Anfragen ein. Du musst den Job überwachen, um zu wissen, wann er abgeschlossen ist.

    Dies ist typischerweise besser als die Verwendung des 5-Minuten-Caches, da Batch-Anfragen häufig zwischen 5 Minuten und 1 Stunde bis zum Abschluss benötigen.
  </Accordion>

  <Accordion title="Warum sehe ich in Python den Fehler `AttributeError: 'Beta' object has no attribute 'prompt_caching'`?">
    Dieser Fehler tritt typischerweise auf, wenn du dein SDK aktualisiert hast oder veraltete Codebeispiele verwendest. Prompt-Caching ist über `client.messages` verfügbar, ohne das Beta-Präfix. Statt:

    <CodeGroup exclude="shell:cURL, shell:CLI, typescript, csharp, go, java, php, ruby">
      ```python Python
      client.beta.prompt_caching.messages.create(**params)
      ```
    </CodeGroup>

    Verwende:

    <CodeGroup exclude="shell:cURL, shell:CLI, typescript, csharp, go, java, php, ruby">
      ```python Python
      client.messages.create(**params)
      ```
    </CodeGroup>
  </Accordion>

  <Accordion title="Warum sehe ich ‘TypeError: Cannot read properties of undefined (reading ‘messages’)’?">
    Dieser Fehler tritt typischerweise auf, wenn du dein SDK aktualisiert hast oder veraltete Codebeispiele verwendest. Prompt-Caching ist über `client.messages` verfügbar, ohne das Beta-Präfix. Statt:

    ```typescript TypeScript
    client.beta.promptCaching.messages.create(/* ... */);
    ```

    Verwende:

    ```typescript
    client.messages.create(/* ... */);
    ```
  </Accordion>
</AccordionGroup>

## Verfügbarkeit

Prompt-Caching ist je nach API verfügbar oder in der Beta und für Zero Data Retention und HIPAA-Bereitschaft berechtigt.

### API-Unterstützung

#### [Messages API](https://platform.claude.com/docs/de/build-with-claude/working-with-messages)

* Verfügbarkeit: Verfügbar
* Nutzung: Aktiviere es mit `cache_control`, auf oberster Ebene oder für einzelne Blöcke.

| Status    | Cloud-Plattformen              | Modelle                                                             |
| --------- | ------------------------------ | ------------------------------------------------------------------- |
| Verfügbar | Alle unterstützten Plattformen | [Alle Modelle](https://platform.claude.com/docs/de/models/overview) |

#### [Managed Agents](https://platform.claude.com/docs/de/managed-agents/overview)

* Verfügbarkeit: Immer aktiv
* Nutzung: Cache-Einträge haben standardmäßig eine Lebensdauer von 5 Minuten, und Cache-Lese- und -Schreibvorgänge erscheinen in der Nutzung der Sitzung.

| Status | Cloud-Plattformen              | Modelle                                                             |
| ------ | ------------------------------ | ------------------------------------------------------------------- |
| Beta   | Alle unterstützten Plattformen | [Alle Modelle](https://platform.claude.com/docs/de/models/overview) |

### Datenverarbeitung

[Übersicht über die Datenverarbeitung](https://platform.claude.com/docs/de/manage-claude/api-and-data-retention#feature-eligibility)

| Element | Zero Data Retention                                                                                                                                                                                                                                                                                                   | HIPAA      |
| ------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------- |
| Status  | Berechtigt (ausgenommen: [Abgedeckte Modelle](https://platform.claude.com/docs/de/manage-claude/api-and-data-retention#model-specific-data-retention-requirements))                                                                                                                                                   | Berechtigt |
| Details | Deine Prompts und die Ausgaben von Claude werden nicht gespeichert. KV-Cache-Repräsentationen und kryptografische Hashes werden für die Cache-TTL im Arbeitsspeicher gehalten und nach Ablauf umgehend gelöscht. [Mehr erfahren](https://platform.claude.com/docs/de/build-with-claude/prompt-caching#data-retention) | —          |

Zutreffende Endpunkte:

* `/v1/messages`
