Letzte Woche hat GitHub stillschweigend die Annahme neuer Copilot-Abonnements eingestellt.
Es handelt sich weder um Systemwartung noch um eine vorübergehende Störung. Die offizielle Erklärung von GitHub ist direkt: Agentische Workflows – langlaufende, parallele KI-Aufgaben – verbrauchen Rechenressourcen, die weit über das hinausgehen, was das ursprüngliche Abonnementmodell unterstützen kann.
Betroffen sind die drei Pläne Pro, Pro+ und Student für Einzelnutzer, die alle keine neuen Registrierungen mehr annehmen.
Was sich genau geändert hat
Laut der offiziellen Ankündigung von GitHub vom 20. April (aktualisiert am 21. April) sind die Anpassungen wie folgt:
Ausgesetzte Neuabonnements:
- Copilot Pro
- Copilot Pro+
- Copilot Student
Funktionsänderungen:
- Das Opus 4.7-Modell wurde aus dem Pro-Plan entfernt und ist nur noch in Pro+ enthalten
- Zwei neue Begrenzungsmechanismen wurden eingeführt: Sitzungslimit + rollierendes 7-Tage-Token-Limit
- Das Limit von Pro+ ist mehr als 5-mal höher als das von Pro
- Bestehende Abonnenten können bis zum 20. Mai kündigen und eine Rückerstattung beantragen
Die Aussage des GitHub VP of Product:
Langlaufende, parallelisierte Sitzungen verbrauchen heute regelmäßig weit mehr Ressourcen, als die ursprüngliche Planstruktur ausgelegt war zu unterstützen.
Kurz gesagt: Das Preismodell wurde für die Codevervollständigung entwickelt, aber jetzt führen die Nutzer Agentenaufgaben aus, die eine völlig andere Größenordnung an Verbrauch darstellen. Die Kluft zwischen Preis und tatsächlichen Kosten wird immer größer und ist nicht mehr tragbar.
Wie es zu diesem Problem kam
Das frühe Geschäftsmodell von KI-Programmiertools sah so aus: 0-20 $ pro Monat pro Nutzer für Codevervollständigung, Codeerklärung und Frage-Antwort-Funktionen. Die Rechenkosten dieses Modells waren relativ vorhersagbar – jede Nutzeranfrage verbrauchte nicht viele Token, die Antwortzeiten waren kurz und die Parallelität war begrenzt.
Aber agentische Workflows haben diese Annahme vollständig durchbrochen. Eine typische Agentenaufgabe kann:
- Mehrere Minuten bis zu mehreren zehn Minuten ununterbrochen laufen
- Mehrere Unteraufgaben parallel ausführen (ein Modul umstrukturieren, gleichzeitig Tests generieren, mehrere Dateien ändern)
- Bei jedem Schritt große Mengen an Kontextfenstern verbrauchen
Nachdem Claude Code, Cursor und andere Tools nacheinander Hintergrund-Agentenfunktionen eingeführt hatten, begannen die Nutzer, schwere Aufgaben wie Code-Umstrukturierung, dateiübergreifende Änderungen und die Generierung von Testsuiten an die KI zu delegieren. Die Rechenleistung, die man früher für 0 $ im Monat kaufen konnte, kann jetzt an einem einzigen Nachmittag in einer Agentensitzung aufgebraucht sein.
Für die Plattform ist das Ergebnis einfach: Die tatsächlichen Rechenkosten übersteigen die Erwartungen bei der ursprünglichen Preisgestaltung bei weitem.
Warum Opus aus dem Pro-Plan entfernt wurde
Dieses Detail zeigt das Problem am deutlichsten.
Claude Opus 4.7 ist eines der leistungsstärksten Programmier- und Reasoning-Modelle, aber auch das teuerste im Aufruf. Bei hochintensiven Agentenaufgaben liegt der Token-Verbrauch von Opus um eine Größenordnung höher als bei Modellen der Sonnet- oder Haiku-Klasse.
Die Entfernung von Opus aus dem Pro-Plan für 0 $/Monat bedeutet klar: Bei der aktuellen Nutzungstiefe können 0 $ die tatsächlichen Aufrufkosten von Opus nicht decken.
Dies ist nicht nur ein Problem von GitHub, sondern eine Hürde, auf die alle KI-Tools mit monatlicher Abrechnung und leistungsstarken Modellen stoßen werden. Die monatliche Preisgestaltung wurde auf der Grundlage der Nutzungshäufigkeit des Tools konzipiert, aber Agentenaufgaben beanspruchen kontinuierlich Rechenressourcen – zwei völlig unterschiedliche Modelle.
Das größere Problem
Diese Anpassung hat einen grundlegenden Widerspruch in der Branche der KI-Programmiertools offengelegt:
- Nutzer wollen möglichst niedrige Abonnementgebühren
- KI-Unternehmen bewerben stärkere Agentenfähigkeiten als Verkaufsargument
- Aber stärkere Agentenfähigkeiten = höhere Rechenkosten pro Nutzung
Alle drei Ziele können nicht gleichzeitig erfüllt werden. Die monatliche Preisgestaltung muss entweder die Rechenkosten deckeln oder bei den Fähigkeiten Kompromisse eingehen.
GitHub hat sich dafür entschieden, zuerst die Rechenkosten zu sichern – selbst um den Preis, neue Abonnements auszusetzen. Das zeigt, dass monatliche Abrechnung in Kombination mit unbegrenzten Agentenaufgaben mathematisch nicht aufgeht.
Die weiteren Wege sind begrenzt: Erhöhung der monatlichen Gebühr, Abrechnung nach Nutzung, separate Gebühren für Agentenfunktionen oder die Verwendung verschiedener Modelle für Aufgaben unterschiedlicher Intensität. Der Schritt von GitHub ist ein temporärer Patch – schwere Nutzer werden zu Pro+ gedrängt und die teuersten Modelle aus günstigen Plänen entfernt.
Aber das bekämpft nur die Symptome, nicht die Ursache. Da Agentenaufgaben in der täglichen Entwicklung immer häufiger werden, muss diese Preispolitik neu gestaltet werden.
Für alle Unternehmen, die KI-Programmiertools entwickeln, wird dieses Problem früher oder später auftauchen. GitHub ist nur das erste, das von der Realität gezwungen wurde, die Karten offen auf den Tisch zu legen.
Bemerkenswert ist: Ob später ein neues Preissystem speziell für agentische Workflows entstehen wird – basierend auf Aufgabenzeit, Token-Verbrauch oder Aufgabenkomplexität. Jeder dieser Ansätze hat seine eigenen Probleme, aber sie sind zumindest logisch sinnvoller als das derzeitige All-you-can-eat-Modell.
Quellenangabe: Changes to GitHub Copilot Individual Plans (GitHub Blog, CocoLoop, 20. April 2026)