NCA Social Media
Aktualisiert:
Autor:
Roland Golla
Grüne Waage mit hohem Belegstapel und einzelnem Zettel, RTK Schild davor

RTK AI: Was der Rust Token Killer macht

RTK steht für Rust Token Killer und ist ein CLI Proxy, der die Ausgabe von Kommandozeilen Befehlen komprimiert, bevor ein KI Coding Agent sie liest. Aus elf Zeilen git status werden drei, aus 200 Zeilen Testausgabe werden die zwei fehlgeschlagenen Tests.
Das Tool ist ein einzelnes Rust Binary, Apache 2.0 lizenziert und ohne Abhängigkeiten. Es klinkt sich über einen PreToolUse Hook in den Agenten ein und schreibt passende Bash Aufrufe transparent um. Das Modell merkt davon nichts, es bekommt nur die kürzere Ausgabe.
Unterstützt werden über 100 Kommandos, darunter git, npm, cargo, pytest, docker, kubectl, ls, cat und grep. Die Einrichtung läuft für Claude Code, OpenCode, Cursor, Windsurf, Gemini CLI, Codex und Cline.
Das Versprechen im README lautet 60 bis 90 Prozent weniger Token. Eine 30 Minuten Session soll von rund 118.000 auf 24.000 Token fallen. Genau dieses Versprechen ist der spannende Teil, denn es hält einer sauberen Messung nicht stand.

Inhalt

RTK mit NCA einordnen: Schnelle Hilfe vom Experten

Never Code Alone arbeitet täglich mit KI Coding Agents, mit OpenCode und Open Weight Modellen über Ollama und Z.ai, und mit eigenen MCP Servern. Token Verbrauch ist für uns kein Randthema. Bei unserem eigenen Sulu CMS MCP Server haben wir den Verbrauch in typischen Content Workflows um rund 90 Prozent gesenkt und die Messung offengelegt. Wir wissen deshalb, wie schnell ein Tool Dashboard eine Ersparnis meldet, die auf der Rechnung nie ankommt.
Wir helfen Teams dabei, Token Kosten an der richtigen Stelle zu messen. Das beginnt beim Token Verbrauch in der Praxis senken und beim Context Window Management. Es geht weiter über die Optimierung von MCP Responses und die Auswahl der passenden Modelle im Vibe Coding Consulting. Für die Einordnung von Kostenversprechen ist unser KI Coding ROI der passende Einstieg, für die Modellseite der Kostenvergleich der KI Anbieter.

Token Kosten wirklich senken

Finde das passende Angebot für dein Projekt

Anfrage-Konfiguration

Starten Sie Ihre Anfrage

Projektart
Infos
Nachricht

Eliminierung technischer Schulden mit PHPStan, Rector PHP und PHPUnit. Über 20 Jahre Praxiserfahrung in skalierbaren Backends.

CORE EXPERTISE

Gesetzliche Konformität & Inklusion. Optimierung von Performance und Conversion durch radikal nutzerzentriertes, universelles Design.

BFSG COMPLIANT

Skalierbare KI-Systeme mit echtem Code Ownership. CI/CD, Backup-Strategien und Infrastruktur, die mit deinem Team wächst.

ENTERPRISE READY

Wie RTK technisch funktioniert

RTK sitzt zwischen Shell und Modell. Der Agent will einen Befehl ausführen, ein Hook fängt den Aufruf ab und schreibt ihn um. RTK führt das echte Kommando aus, filtert die Ausgabe und gibt nur die verdichtete Fassung zurück.
Code: 
          
# ohne rtk
git status
On branch master
Changes not staged for commit:
  (use "git add <file>..." to update what will be committed)
	modified:   a.txt
Untracked files:
	b.txt
no changes added to commit

# mit rtk
rtk git status
* master
 M a.txt
?? b.txt
Der gleiche Effekt greift bei Testläufen. Statt der kompletten pytest Ausgabe bekommt das Modell eine Zusammenfassung mit den Zahlen und dem Text der fehlgeschlagenen Tests. Die Filter sind handgeschrieben, pro Kommando, und in vielen Fällen tatsächlich sauber gemacht.
Wichtig für das Verständnis: Der Hook greift nur bei Bash Aufrufen. Eingebaute Werkzeuge wie Read, Grep oder Glob laufen komplett daran vorbei. Was diese Tools an Text in den Kontext holen, sieht RTK nie. Das steht auch so in der eigenen Dokumentation.

RTK installieren und einrichten

Die Installation ist ein Einzeiler. Danach registrierst du den Hook für deinen Agenten und startest ihn neu. Ab dann läuft die Umschreibung automatisch.
Code: 
          
# Installation
curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/refs/heads/master/install.sh | sh

# Version prüfen
rtk --version

# Hook global registrieren
rtk init -g                  # Claude Code, Copilot
rtk init -g --gemini         # Gemini CLI
rtk init -g --codex          # Codex
rtk init -g --agent cursor   # Cursor

# Ersparnis laut eigener Statistik anzeigen
rtk gain
Ein Hinweis aus der Praxis: Auf crates.io gibt es ein zweites Projekt namens rtk, das Rust Type Kit heisst und etwas völlig anderes macht. Wenn rtk gain nicht existiert, hast du das falsche Paket installiert.
Zweiter Hinweis: Das Binary braucht eine aktuelle glibc. In älteren Container Images kann der Start scheitern. Wer RTK in einer CI/CD Pipeline testet, sollte das vorher prüfen. Wer sich vorher mit den Grundlagen im Terminal vertraut machen will, findet in unserem curl Guide die passenden Flags.

Versprechen und Messung im Vergleich

Kennzahl Versprechen laut RTK Gemessen im JetBrains Benchmark
Token Ersparnis 60 bis 90 Prozent Keine Ersparnis nachweisbar
Kosten pro Aufgabe, niedriger Reasoning Effort Deutlich günstiger Median plus 7,6 Prozent teurer
Kosten pro Aufgabe, hoher Reasoning Effort Deutlich günstiger Median plus 0,1 Prozent, also unverändert
Ergebnisqualität Unverändert Unverändert, statistisch nicht unterscheidbar

Der Benchmark: Was RTK wirklich spart

JetBrains hat RTK im Juli 2026 sauber gegen einen Standard Agenten getestet. Aufbau: Claude Code in fester Version, Claude Sonnet 5, der Benchmark SkillsBench mit 86 Aufgaben, gepaarte Läufe, einmal bei niedrigem und einmal bei hohem Reasoning Effort. Insgesamt 425 abgerechnete Durchläufe.
Das Ergebnis: keine Ersparnis. Bei niedrigem Reasoning Effort war der Lauf mit RTK im Median 7,6 Prozent teurer, bei einem p Wert von 0,004. Dazu kamen 13,8 Prozent mehr Runden und 14,3 Prozent mehr Cache Reads. Bei hohem Effort verschwand der Aufschlag, blieb aber bei null. Gespart hat RTK an keiner Stelle.
Der Grund liegt in der Rechnung vorab. Nur rund ein Drittel der Bash Aufrufe geht überhaupt durch den Hook, und diese tragen knapp 20 Prozent der Zeichen aus Tool Ergebnissen. Tool Ergebnisse sind wiederum nur ein Teil dessen, was eine Session als Input abrechnet, weil derselbe Kontext in jeder Runde neu gelesen wird. Selbst wenn RTK seinen Anteil um 70 Prozent zusammenstreicht, liegt die Obergrenze bei rund drei Prozent der Input Token.
Die Qualität hat übrigens nicht gelitten. Über die vollen Läufe lagen die Ergebnisse bei 5 besser, 4 schlechter, 71 unentschieden. Die Filter schneiden also nichts weg, das der Agent gebraucht hätte. Das Problem ist nicht Pfusch, sondern eine falsche Bezugsgröße.

Warum das eigene Dashboard 96 Millionen Token meldet

Der spannendste Befund steckt im Vergleich zwischen Tool Statistik und Rechnung. Über den kompletten Lauf meldete rtk gain rund 96 Millionen gesparte Token, also 99,8 Prozent von allem, was es angefasst hat. Die tatsächliche Rechnung für dieselben Durchläufe stieg.
Drei Mechanismen erzeugen diese Lücke. Erstens rechnet RTK die komplette Rohausgabe als Vergleichsgröße. Ein cat auf eine 1,2 MB grosse CSV wurde mit 320.000 gesparten Token verbucht, obwohl der Agent solche Ausgaben ohnehin abschneidet und nie in voller Länge gesehen hätte.
Zweitens schätzt RTK Token als Zeichen geteilt durch vier, im Moment der Ausführung. Der grösste Teil der Input Kosten entsteht aber durch zwischengespeicherte Wiederholungen, die zu einem Bruchteil abgerechnet werden. Drittens sieht der Hook den Löwenanteil des Kontexts gar nicht.
Daraus folgt eine Regel, die weit über RTK hinausgeht: Die selbst gemeldete Ersparnis eines Tools ist eine Aussage über seine Vergleichsgröße, nicht über deine Rechnung. Wer ein Kompressionstool bewertet, misst die gepaarte Abrechnung, nicht das Diff des Tools.

Wann RTK sinnvoll ist und wann nicht

RTK ist sauber gebaute Software. Die Filter sind durchdacht, der Hook funktioniert wie beschrieben, die Qualität leidet nicht. Wer damit spielt, hat eine gute Zeit. Nur ist die Ersparnis eben keine.
Interessant bleibt es dort, wo der Kontext tatsächlich von Shell Ausgaben dominiert wird. Das sind Setups, in denen der Agent kaum eingebaute Lesewerkzeuge nutzt, sondern fast alles über die Bash Ebene abwickelt. Wer viel mit Docker Logs, kubectl Ausgaben oder langen Pipeline Protokollen arbeitet, kann den Effekt messen. Messen ist hier das entscheidende Wort.
Die grössere Wirkung liegt woanders. Kontext sauber schneiden statt Ausgaben nachträglich zusammenzupressen, Modelle passend zur Aufgabe wählen, MCP Responses schlank halten und klare Regeln in rules.md und AGENTS.md hinterlegen. Dazu kommen Quality Gates, damit der Agent nicht in Schleifen läuft, in denen er Runde um Runde Kontext verbrennt.
Für uns gilt: RTK ist ein Werkzeug, das wir kennen und einordnen. In unserem eigenen Stack läuft KI Coding über OpenCode mit Open Weight Modellen. Die Token Disziplin holen wir aus dem Workflow, nicht aus einem Proxy.

A tool's self-reported savings are a claim about its counterfactual, not about your bill.

Denis Shiryaev, JetBrains AI Blog – JetBrains Blog

Token Messung in NCA Projekten

Wir sehen in der Beratung immer wieder dasselbe Muster. Ein Team installiert ein Sparwerkzeug, das Dashboard meldet grosse Zahlen, die Rechnung bleibt gleich. Der Fehler liegt selten am Tool, sondern an der fehlenden Gegenprobe. Ohne gepaarte Messung weiss niemand, was ein Eingriff wirklich bewirkt.
Unser Vorgehen ist deshalb schlicht. Erst eine Basislinie über echte Aufgaben, dann eine Änderung, dann derselbe Satz Aufgaben noch einmal. Verglichen wird die Abrechnung, nicht die Schätzung eines Tools. Erst wenn ein Effekt mehrere Durchläufe überlebt, gilt er als Effekt.
Danach kommt der Teil, der wirklich Geld spart: sauberer Kontext, passende Modelle, schlanke Tool Antworten, klare Regeln für den Agenten. Wie das im Alltag aussieht, zeigen wir im Vibe Coding Training und im NCA Vibe Coding Consulting. Wer den Werkzeugkasten überblicken will, findet ihn in unserer Übersicht der Vibe Coding Tools und bei den Agent Skills.
Kosten dafür rechnen wir minutengenau ab. Kein Festpreis, keine Pakete, keine Mindestlaufzeit. Das Kennenlernen ist kostenlos, den Aufwand schätzen wir vorher gemeinsam.
CYPRESS.IO Ambassador und IT Consultant für QA Engenieering und Qualität in PHP Projekten.

NCA Vibe Coding Consulting

Roland Golla ist Entwickler aus Leidenschaft – seit über 20 Jahren. Er hat hunderte Projekte begleitet, von Legacy-Refactoring bis KI-Integration. Bei Vibe Coding verbindet er das Beste aus beiden Welten: Die Geschwindigkeit von KI-generiertem Code mit der Qualität professioneller Softwareentwicklung. Kein Bullshit, keine Agentur-Floskeln – direkte Hilfe von jemandem, der selbst täglich im Code steckt.

E-Mail Kontakt

Häufige Fragen zu RTK AI

Die wichtigsten Fragen zu RTK, zur Installation, zum Nutzen und zur richtigen Messung von Token Kosten.

Was ist RTK AI 2026?

RTK steht für Rust Token Killer und ist ein CLI Proxy in Rust. Er fängt Kommandozeilen Befehle eines KI Coding Agents ab, führt sie aus und gibt eine komprimierte Fassung der Ausgabe zurück. Aus langen git, Test und Docker Ausgaben werden kurze Zusammenfassungen. Das Projekt ist Open Source und läuft als einzelnes Binary ohne Abhängigkeiten.

Spart RTK 2026 wirklich 60 bis 90 Prozent Token?

In der Praxis nicht. Ein gepaarter A/B Benchmark von JetBrains über 86 Aufgaben zeigte keine Ersparnis, sondern im Median 7,6 Prozent höhere Kosten bei niedrigem Reasoning Effort und einen glatten Nulleffekt bei hohem Effort. Der Grund ist strukturell: Der Hook sieht nur einen Bruchteil dessen, was eine Session tatsächlich als Input abrechnet.

Welche Coding Agents unterstützt RTK 2026?

RTK richtet sich per Kommando für den jeweiligen Agenten ein. Unterstützt sind unter anderem Claude Code, GitHub Copilot, Cursor, Windsurf, Gemini CLI, Codex, Cline und Kilo Code. Die Einrichtung installiert einen PreToolUse Hook, der passende Bash Aufrufe automatisch umschreibt. Der Agent selbst merkt von der Umschreibung nichts.

Wie installiere ich RTK 2026?

Die Installation läuft über ein Shell Skript aus dem GitHub Repository oder über Homebrew. Danach registrierst du den Hook global mit rtk init -g und startest deinen Agenten neu. Mit rtk --version prüfst du die Installation, mit rtk gain siehst du die selbst gemeldete Statistik. Unter Windows gehört das Binary in den PATH.

Ist RTK 2026 kostenlos und Open Source?

Ja. RTK ist frei verfügbar und wird auf GitHub unter dem Namen rtk-ai/rtk entwickelt. Die Lizenz ist eine gängige Open Source Lizenz, das Repository nennt Apache 2.0. Es fallen keine Lizenzkosten an. Die Telemetrie sammelt anonyme Nutzungsdaten und lässt sich abschalten, was in einem DSGVO Kontext geprüft werden sollte.

Warum meldet rtk gain so hohe Ersparnisse?

Weil die Statistik gegen eine Vergleichsgröße rechnet, die es so nie gab. RTK verbucht die komplette Rohausgabe als eingespart, obwohl der Agent sehr lange Ausgaben ohnehin abschneidet. Dazu schätzt es Token als Zeichen geteilt durch vier und ignoriert, dass der grösste Teil der Input Kosten aus günstig abgerechneten Cache Wiederholungen stammt.

Verschlechtert RTK die Qualität der Ergebnisse?

Nein. Im Benchmark lagen die Ergebnisse mit und ohne RTK statistisch gleichauf, bei 5 besser, 4 schlechter und 71 unentschieden. Die befürchteten Ausfälle durch überfilterte Testausgaben blieben aus. Ein einzelner Rewrite Fehler bei zusammengesetzten find Ausdrücken trat auf, mehr nicht. Die Filter sind handwerklich solide gebaut.

Welche Kommandos komprimiert RTK?

Über 100 gängige Entwicklungsbefehle. Dazu gehören git status, git diff und git log, ls und tree, cat, grep und rg, Testläufe wie pytest, npm test, cargo test und go test, Linter wie ruff, dazu docker ps, docker logs, kubectl und Infrastruktur Werkzeuge wie pulumi. Für jedes Kommando gibt es einen eigenen Filter.

Warum greift der Hook nicht bei Read und Grep?

Weil der Hook nur bei Bash Aufrufen anspringt. Eingebaute Werkzeuge eines Agenten, etwa Read, Grep oder Glob, laufen an der Shell vorbei und damit auch an RTK. Genau diese Werkzeuge holen aber einen grossen Teil des Textes in den Kontext. Das begrenzt den möglichen Effekt von vornherein deutlich.

Was ist der Unterschied zu Rust Type Kit?

Auf crates.io existiert ein zweites Projekt mit dem Namen rtk, das Rust Type Kit heisst und Typen aus einer Rust Codebasis generiert. Es hat mit Token Optimierung nichts zu tun. Der Test ist einfach: Wenn der Befehl rtk gain nicht existiert, ist das falsche Paket installiert.

Wie messe ich Token Ersparnis richtig?

Mit einer gepaarten Messung über echte Aufgaben. Du legst eine Basislinie an, änderst genau eine Sache und lässt denselben Satz Aufgaben erneut laufen. Verglichen wird die tatsächliche Abrechnung, nicht die Schätzung eines Werkzeugs. Einzelne Durchläufe schwanken stark, deshalb braucht es mehrere Wiederholungen, bevor ein Effekt als Effekt gilt.

Was empfiehlt NCA statt RTK?

Wir setzen bei der Ursache an. Sauberer Kontext, kurze und klare Aufgaben, passende Modelle je nach Schwierigkeit, schlanke Antworten aus MCP Servern und feste Regeln in rules.md und AGENTS.md. Dazu Quality Gates, damit der Agent nicht in teuren Schleifen läuft. Das senkt Kosten messbar, ohne eine zusätzliche Schicht in den Workflow zu bauen.