Bedrock Quotas für Claude: TPM, Burndown, Reserved

TL;DR

Bedrock Quotas für Claude sind Token pro Minute je Modell und Region. Aus Frankfurt gelten standardmäßig 30 Mio. TPM für Opus 5.5 und 6 Mio. für Sonnet 5, aber jedes Output-Token verbraucht 10 Kontingent-Token. Klassisches Provisioned Throughput gibt es für aktuelle Claude-Modelle nicht. Reserved-Kapazität deckt nur Haiku 4.5 ab.

Wie funktionieren Bedrock Quotas für Claude?

Bedrock begrenzt Claude über Token-Budgets pro Minute, getrennt nach Modell und AWS-Region, dazu kommt eine Tagesobergrenze je Konto. Auf dem Runtime-Endpunkt zählen Input und Output gemeinsam gegen ein einziges TPM-Kontingent. Manche Modelle haben zusätzlich ein Limit für Anfragen pro Minute (RPM). Ist eines davon erschöpft, drosselt Bedrock.

Die Quota-Seite für bedrock-runtime nennt vier Kontingenttypen:

Kontingent	Geltungsbereich	Was es begrenzt
Cross-Region InvokeModel tokens per minute	Je Modell, je Region	Input plus Output über ein Geo- oder globales Inferenzprofil
On-demand InvokeModel tokens per minute	Je Modell, je Region	Input plus Output bei Aufrufen in einer einzelnen Region
InvokeModel requests per minute	Je Modell, je Region	Anfragen; nur bei einigen Modellen aktiv
Cross-Model Max Tokens Per Day	Je Konto, je Region	Alle unterstützten Modelle zusammen

Für deutsche Teams zählen drei Details. Erstens teilen sich InvokeModel, Converse, Responses und Chat Completions dasselbe Kontingent. Ein API-Wechsel bringt keine neue Kapazität. Zweitens hat der Endpunkt bedrock-mantle eigene, getrennte Kontingente mit separatem Input- und Output-Limit. Planen Sie beide Endpunkte unabhängig. Drittens schreibt AWS, dass sich Standardwerte nach “regional factors, payment history” ändern können, und die Mantle-Seite warnt, dass neue Konten reduzierte Kontingente erhalten können. Maßgeblich ist Ihre Service-Quotas-Konsole, nicht eine Tabelle im Netz.

Fast jeder DSGVO-konforme Claude-Aufruf läuft über das EU-Geo-Profil. Das Kontingent, das Sie drosselt, ist also das Cross-Region-TPM. Welche Claude-Modelle ein EU-Profil haben und wie Sie Aufrufe darauf beschränken, steht in unserem Leitfaden Claude auf AWS Bedrock in Frankfurt.

Welche Standard-Kontingente gelten für Claude in EU-Regionen?

AWS veröffentlicht die Standardwerte in der Quota-Tabelle der General Reference mit dem Zusatz “Each supported Region”. Aus Frankfurt, Irland oder Paris gelten also dieselben Werte. Opus startet bei 30 Mio. TPM, Sonnet 5 bei 6 Mio., Haiku 4.5 bei 5 Mio. Alle TPM-Werte unten sind anpassbar.

Modell	EU-Geo-Profil	Cross-Region-TPM	Globales TPM	Output-Burndown	Service-Tiers
Claude Opus 5.5	eu.anthropic.claude-opus-5-5	30.000.000	30.000.000	10x	Standard
Claude Opus 5	eu.anthropic.claude-opus-5	30.000.000	30.000.000	10x	Standard, Batch
Claude Opus 4.8	eu.anthropic.claude-opus-4-8	30.000.000	30.000.000	15x	Standard
Claude Sonnet 5.5	eu.anthropic.claude-sonnet-5-5	noch nicht veröffentlicht	noch nicht veröffentlicht	noch nicht veröffentlicht	Standard
Claude Sonnet 5	eu.anthropic.claude-sonnet-5	6.000.000	6.000.000	10x	Standard
Claude Haiku 4.5	eu.anthropic.claude-haiku-4-5-20251001-v1:0	5.000.000 (10.000 RPM)	5.000.000 (10.000 RPM)	5x	Standard, Reserved

Quellen: Kontingente aus der General Reference, Burndown von der Seite zur Token-Zählung, Tiers aus den Modellkarten, alles abgerufen am 1. Oktober 2026. Sonnet 5.5 ist seit dem 28. September 2026 auf Bedrock und hatte zu diesem Zeitpunkt in keiner der beiden Tabellen einen Eintrag. Prüfen Sie Ihre Konsole, bevor Sie einen Launch darauf dimensionieren.

Zwei weitere Zahlen gehören in jede Kapazitätsplanung. Das Kontingent Cross-Model Max Tokens Per Day liegt bei 700 Mio. je Region und ist in Service Quotas als nicht anpassbar markiert. Der AWS-Support bietet die Erhöhung aber an, wenn Sie das Cross-Region-TPM anheben lassen. Und Opus 4.7 sowie Opus 4.8 haben gar kein RPM-Limit. Sie werden nur über Token gedrosselt.

Der Faktor 15 bei Opus 4.8 ist kein Tippfehler. AWS nennt 15x für “Anthropic Claude models version 4.8” und 10x für Opus 5.5, Sonnet 5, Opus 5 und Fable 5.1. Jedes Output-Token von Opus 4.8 verbraucht damit 50 % mehr Kontingent als dasselbe Token von Opus 5.5. Bei Output-lastigen Agenten ist das allein ein Argument für die Migration.

Wie wird das Kontingent berechnet? Ein Rechenbeispiel

Bedrock zieht beim Start einer Anfrage Input plus max_tokens ab. Am Ende wird mit dem tatsächlichen Output mal Burndown-Faktor neu gerechnet und die Differenz zurückgebucht. Cache-Reads zählen nie. Zwei Hebel entscheiden also, wie viele Anfragen in eine Minute passen: ein realistisches max_tokens und Prompt Caching.

Die Formeln von der Token-Seite:

Beim Start:     Input-Tokens + max_tokens
Am Ende:        InputTokenCount + CacheWriteInputTokenCount + (OutputTokenCount x Burndown)
Zählt nicht:    CacheReadInputTokenCount

Rechenbeispiel, unsere Zahlen, Claude Sonnet 5 im EU-Geo-Profil mit 6 Mio. TPM Standardkontingent:

1. Ein Support-Assistent schickt 20.000 Input-Tokens ohne Cache, max_tokens 16.000, und erhält 2.000 Output-Tokens.
2. Beim Start reserviert Bedrock 20.000 + 16.000 = 36.000 Kontingent-Token.
3. Am Ende kostet die Anfrage 20.000 + 2.000 x 10 = 40.000 Kontingent-Token.
4. Abgerechnet werden 22.000 Tokens: 20.000 x 2,20 USD plus 2.000 x 11,00 USD pro Million, also 0,066 USD zu EU-Geo-Preisen.
5. Kapazität: 6.000.000 / 40.000 = 150 solche Anfragen pro Minute.

Liegen 15.000 der Input-Tokens im Cache, sinkt die Belastung auf 5.000 + 2.000 x 10 = 25.000 Token. Dasselbe Kontingent trägt dann 240 Anfragen pro Minute. Prompt Caching spart also nicht nur Geld, es schafft Kapazität.

Die max_tokens-Falle ist der umgekehrte Fall. Wer “sicherheitshalber” 64.000 setzt, reserviert pro Anfrage 84.000 Token beim Start. Ein Burst paralleler Aufrufe stößt dann an die Grenze, lange bevor der echte Verbrauch das rechtfertigt. Das AWS-eigene Beispiel zeigt dasselbe Muster: 36.000 reserviert, 9.000 tatsächlich verbraucht. Messen Sie OutputTokenCount in CloudWatch und setzen Sie max_tokens knapp über Ihr reales p99.

Wie prüfen und erhöhen Sie Bedrock Quotas per AWS CLI?

Kontingente lesen und erhöhen Sie über die Service-Quotas-API, je Region. Für jedes Claude-Modell läuft die Erhöhung über ein einziges Kontingent: Cross-Region tokens per minute für dieses Modell. Der AWS-Support bietet dann an, On-Demand-TPM und Tagesgrenze mit anzuheben. Konten, die ihr Kontingent bereits nutzen, werden bevorzugt.

Die Befehle laufen gegen Frankfurt. Die Service-Quotas-Doku beschreibt den Ablauf: Dienste auflisten, Kontingente auflisten, mit dem Quota-Code beantragen. In der Konsole heißt das Modell zum Beispiel “Anthropic Claude Sonnet 5”. Filtern Sie deshalb nach dem Modellnamen statt Codes fest zu verdrahten.

# 1. Service-Quotas-Code von Amazon Bedrock ermitteln
aws service-quotas list-services --region eu-central-1 --query "Services[?contains(ServiceName, 'Bedrock')]" --output table

# 2. Angewandte Kontingente für Claude Sonnet 5 anzeigen (SERVICE_CODE aus Schritt 1)
aws service-quotas list-service-quotas --service-code SERVICE_CODE --region eu-central-1 --query "Quotas[?contains(QuotaName, 'Claude Sonnet 5')].[QuotaName,QuotaCode,Value,Adjustable]" --output table

# 3. 12 Mio. TPM auf dem Cross-Region-Kontingent beantragen (QuotaCode aus Schritt 2)
aws service-quotas request-service-quota-increase --service-code SERVICE_CODE --quota-code L-XXXXXXXX --desired-value 12000000 --region eu-central-1

# 4. Status verfolgen
aws service-quotas list-requested-service-quota-change-history-by-quota --service-code SERVICE_CODE --quota-code L-XXXXXXXX --region eu-central-1

Die CLI braucht ServiceQuotasFullAccess oder iam:CreateServiceLinkedRole, weil der Antrag einen Support-Fall in Ihrem Namen eröffnen kann. Laut Service-Quotas-Handbuch werden kleine Erhöhungen meist automatisch genehmigt, größere gehen an den Support, können teilweise genehmigt werden und erhalten keinen priorisierten Support.

Drei Regeln von der Runtime-Quota-Seite verändern die Planung:

1. Erst Traffic zeigen. AWS gibt wegen hoher Nachfrage Kunden Vorrang, deren Traffic das bestehende Kontingent ausschöpft. Ein Antrag aus einem ungenutzten Konto kann abgelehnt werden.
2. Keine Anträge für auslaufende Modelle. Für Modelle im Status Legacy oder Deprecated gibt es keine Erhöhung. Bei unserer Prüfung am 1. Oktober 2026 war Haiku 4.5 Active, mit “EOL no sooner than” 16. Oktober 2026 auf der Modellkarte. Prüfen Sie die Lifecycle-Seite, bevor Sie einen Launch auf diesem Kontingent planen.
3. Je Region beantragen. Kontingente gelten pro Region. Erhöhen Sie das Kontingent in der Quellregion, die Ihre Anwendung tatsächlich aufruft.

Wann rechnen sich Provisioned Throughput oder Reserved für Claude?

Für aktuelle Claude-Modelle auf Bedrock ist klassisches Provisioned Throughput keine Option. Die Liste unterstützter Modelle enthält nur Claude 2, Claude Instant, Claude 3 und Claude 3.5, und Inferenzprofile unterstützen Provisioned Throughput laut AWS nicht. Das einzige Reservierungsprodukt für ein aktuelles Claude-Modell in der EU ist der Reserved-Tier, und zwar nur für Haiku 4.5.

Die Modellliste für Provisioned Throughput nennt als EU-Einträge Claude 2.1 in Frankfurt sowie Claude 3 Haiku und Claude 3 Sonnet in Irland und Paris. Das Standardkontingent an Model Units ist dort 0, Preise gibt es nur über das AWS-Account-Team. Wer kein altes feinabgestimmtes Modell betreibt, kann das ignorieren.

Die Seite zu Service-Tiers beschreibt Reserved als Kapazität in Input- und Output-TPM für 1 oder 3 Monate, mindestens 100.000 Input-TPM und 10.000 Output-TPM, mit 99,5 % Verfügbarkeitsziel und automatischem Überlauf in Standard. Reserved liegt außerhalb des On-Demand-Kontingents. Priority und Flex teilen sich das On-Demand-Kontingent, und die Modellkarten nennen keines von beiden für ein aktuelles Claude-Modell.

Spannend ist die Preisrechnung. Haiku 4.5 Reserved im EU-Geo-Profil kostet 0,066 USD pro Stunde je 1.000 Input-TPM bei 1 Monat Laufzeit. Eine Stunde mit 1.000 TPM sind 60.000 Tokens, das ergibt 1,10 USD pro Million, exakt der On-Demand-Preis im EU-Geo-Profil. Die 3-Monats-Laufzeit mit 0,0594 USD liegt 10 % darunter. Die Mindestreservierung kostet 9,90 USD pro Stunde, rund 7.200 USD im Monat (unsere Rechnung). Reserved ist eine Kapazitätsgarantie zum Vollauslastungspreis, kein Rabatt.

Situation	Unsere Empfehlung	Wann die Alternative gewinnt
Sonnet oder Opus, stabile Last unter dem Standard-TPM	Standard on demand, EU-Geo-Profil	Reservierung lohnt nie
Launch, der das Standard-TPM übersteigt	Erhöhung 3 bis 4 Wochen vorher, mit Traffic-Historie	Reserved nur, wenn das Modell Haiku 4.5 ist
Haiku 4.5, Last rund um die Uhr nahe 100.000 Input-TPM	Reserved 3 Monate, wenn Drosselung Umsatz kostet	Standard, wenn die Last nachts oder am Wochenende einbricht
Opus-5-Jobs, die warten können	Batch zum halben On-Demand-Preis	Standard, wenn Ergebnisse in Sekunden nötig sind
Keine personenbezogenen Daten, Kosten zuerst	Globales Profil, laut AWS rund 10 % günstiger	EU-Geo, sobald die DSGVO Datenresidenz verlangt
Feinabgestimmtes Claude-3-Modell	Provisioned Throughput über das Account-Team	Migration auf ein aktuelles Modell on demand

Das globale Profil hat ein eigenes TPM-Kontingent mit denselben Standardwerten, routet aber weltweit. Für personenbezogene Daten bleiben wir beim EU-Geo-Profil und akzeptieren den Aufschlag von 10 %. Das vollständige Kostenbild steht in unserem Claude-API-Kostenvergleich für die EU.

Selbst betreiben oder auslagern?

Bedrock-Kontingente selbst zu steuern ist eine kleine, aber wiederkehrende Plattformaufgabe: Token-Metriken beobachten, max_tokens ehrlich halten, Erhöhungen vor Launches beantragen, Modell-Lebenszyklen verfolgen. Nach unserer Schätzung sind das einige Stunden im Monat für eine Plattform- oder FinOps-Rolle, plus eine Spitze vor jedem Launch. Auslagern lohnt sich nur, wenn Ihnen AWS-Kontoverantwortung ganz fehlt.

Die wiederkehrenden Aufgaben sind konkret:

1. Wöchentlich InputTokenCount, CacheWriteInputTokenCount und OutputTokenCount je Modell in CloudWatch prüfen, Output mal Burndown-Faktor.
2. Kontingentantrag drei bis vier Wochen vor jedem Launch oder jeder Migration (unsere Arbeitsannahme, AWS nennt keine Frist), mit echtem Traffic als Beleg.
3. Quartalsweise Lifecycle-Check: AWS verweigert Erhöhungen für Legacy-Modelle, eine Migration setzt also auch die Kapazitätsplanung neu auf.
4. Bei hoher Haiku-4.5-Last die Reserved-Verhandlung mit dem AWS-Account-Team.

Ein externer Managed-Service-Anbieter ist sinnvoll, wenn intern niemand die AWS-Organisation verantwortet oder wenn mehrere produktive Claude-Workloads eine Reaktion auf Drosselung rund um die Uhr brauchen. Für einen einzelnen internen Assistenten weit unter 6 Mio. TPM lohnt es sich nicht.

Wenn Sie auslagern, fordern Sie schriftlich: eine Reaktionszeit bei Drosselungsvorfällen und für Kontingentanträge in Ihrem Namen, einen AVV nach DSGVO und eine aktuelle Liste der Unterauftragsverarbeiter, ein Zugriffsmodell über eine Rolle in Ihrem AWS-Konto statt eines Kontos des Anbieters. Kontingenthistorie und Reserved-Verträge hängen am Konto. Eine Exit-Klausel muss beides bei Ihnen lassen. Wie das EU-Profil per SCP erzwungen wird, erklärt unser Artikel Amazon Bedrock erklärt.

FAQ

Welche Standard-Kontingente gelten für Claude Sonnet 5 auf Bedrock?

6.000.000 Token pro Minute für das Cross-Region-Kontingent und 6.000.000 für das globale Kontingent, jeweils pro Region. Jedes Output-Token zählt zehnfach. Der Wert in Ihrem Konto kann abweichen, prüfen Sie Service Quotas in Ihrer Quellregion.

Warum zählen Output-Tokens zehnfach gegen das Kontingent?

AWS wendet einen Burndown-Faktor an. Bei Opus 5.5, Sonnet 5, Opus 5 und Fable 5.1 verbraucht ein Output-Token 10 Kontingent-Token, bei Claude-4.8-Modellen 15, bei älteren Anthropic-Modellen 5. Abgerechnet werden nur die tatsächlichen Tokens.

Was kostet Reserved-Kapazität für Claude in der EU?

Unter den aktuellen Claude-Modellen bietet nur Haiku 4.5 Reserved an. Im EU-Geo-Profil kostet es 0,066 USD pro Stunde je 1.000 Input-TPM und 0,33 USD je 1.000 Output-TPM bei 1 Monat Laufzeit. Die Mindestreservierung liegt bei rund 9,90 USD pro Stunde.

Provisioned Throughput oder Kontingenterhöhung: Was brauchen Sie für Claude?

Eine Kontingenterhöhung. Provisioned Throughput nach Model Units listet AWS nur für Claude 2, Instant, Claude 3 und Claude 3.5, und Inferenzprofile unterstützen es nicht. Für Opus 5.5, Sonnet 5.5 oder Sonnet 5 erhöhen Sie das Cross-Region-TPM.

Zählen Cache-Reads gegen die Bedrock Quotas?

Nein. CacheReadInputTokenCount ist von der Kontingentberechnung ausgenommen. Cache-Writes zählen wie normaler Input. Starkes Caching erhöht deshalb die Zahl der Anfragen, die ein festes TPM-Kontingent trägt, in unserem Sonnet-5-Beispiel von 150 auf 240 pro Minute.

Bringt das globale Profil mehr Kontingent als das EU-Profil?

Es hat ein eigenes Kontingent mit denselben Standardwerten. EU-residente Kapazität kommt dadurch nicht hinzu, denn globales Routing kann Daten in jeder kommerziellen AWS-Region verarbeiten. Für personenbezogene Daten bleiben wir beim EU-Geo-Profil.

Quellen

1. AWS: Quotas for Amazon Bedrock (1. Oktober 2026)
2. AWS: How tokens are counted in Amazon Bedrock (1. Oktober 2026)
3. AWS: Quotas for the bedrock-runtime endpoint (1. Oktober 2026)
4. AWS: Quotas for the bedrock-mantle endpoint (1. Oktober 2026)
5. AWS General Reference: Amazon Bedrock endpoints and quotas (1. Oktober 2026)
6. AWS: Service tiers for optimizing performance and cost (1. Oktober 2026)
7. AWS: Supported Region and models for Provisioned Throughput (1. Oktober 2026)
8. AWS: Cross-Region inference (1. Oktober 2026)
9. AWS Service Quotas: Requesting a quota increase (1. Oktober 2026)
10. AWS: Claude Haiku 4.5 model card (1. Oktober 2026)
11. AWS: Claude Opus 5.5 model card (1. Oktober 2026)
12. Amazon Bedrock pricing (1. Oktober 2026)