Claude Code, Cursor, GitHub Copilot und Codex im Vergleich für Engineering-Teams

Die kurze Antwort

Wählen Sie zuerst nach Ihren Rahmenbedingungen, dann nach Funktionen. Liegt Ihr Code auf GitHub und wollen Sie eine Rechnung und zentrale Richtlinien, beginnen Sie mit GitHub Copilot. Wollen Ihre Engineers einen KI-zentrierten Editor mit Modellen mehrerer Anbieter, sehen Sie sich Cursor an. Wollen Sie den Agenten von Anthropic oder OpenAI selbst in Terminal, Editor und CI, vergleichen Sie Claude Code und Codex. Testen Sie dann die zwei stärksten Kandidaten an Änderungen, die Ihre Teams bereits gemergt haben, bevor jemand standardisiert.

Die vier Tools nebeneinander

Claude Code

Anthropic nimmt Claude Code in jeden Platz des Team-Plans auf. Ein Standard-Platz kostet 20 USD pro Person und Monat bei jährlicher Abrechnung oder 25 USD monatlich, ein Premium-Platz mit fünfmal so viel Nutzung 100 oder 125 USD. Über das Kontingent hinaus greifen Mitglieder, wenn Admins Nutzungsguthaben aktivieren, auf vorab gekaufte Guthaben zu, die Admins pro Organisation, Gruppe oder Person begrenzen können. Im Enterprise-Plan deckt der Platz nur den Zugang ab, und die gesamte Nutzung wird zu API-Preisen abgerechnet.

Claude Code läuft im Terminal, in VS Code und JetBrains-IDEs, in einer Desktop-App, in der Cloud sowie in GitHub Actions und GitLab CI. Es liest CLAUDE.md-Dateien und ab Version 2.1.277 auch AGENTS.md, die es standardmäßig nur nutzt, wenn es keine CLAUDE.md gibt. Unternehmen können es über Amazon Bedrock, Google Cloud oder Microsoft Foundry betreiben und pro Token über die eigene Cloud-Rechnung bezahlen. Anthropic erklärt, dass es Code und Prompts, die unter kommerziellen Bedingungen an Claude Code gehen, nicht zum Training von Modellen nutzt.

Es passt zu Teams, die auf die Modelle von Anthropic standardisieren wollen und einen großen Teil ihrer Arbeit im Terminal oder in der CI erledigen. Anthropic dokumentiert es nur mit den eigenen Claude-Modellen.

Cursor

Cursor ist ein Editor, der um KI herum gebaut ist. Seine Team-Plätze kosten 30, 100 oder 200 USD pro Person und Monat, und jede Stufe bringt ein größeres wöchentliches Kontingent für das, was Cursor als Cursor-Modelle bezeichnet: Grok von xAI und Composer von Cursor selbst. Modelle von Anthropic, OpenAI und Google werden ab der ersten Anfrage aus einem vorausbezahlten Teamguthaben bezahlt, zum Listenpreis plus einer Cursor Token Rate von 0,25 USD pro Million Tokens für geeignete Modelle bei Teams und Enterprise. Plätze, die vor dieser Struktur angelegt wurden, bleiben bei den alten Preisen von 40 und 120 USD.

Projektregeln liegen in .cursor/rules als .mdc-Dateien, und Cursor liest auch AGENTS.md. Cloud Agents laufen in isolierten virtuellen Maschinen und öffnen Pull Requests; die Ausführung von Tools kann auf Ihre eigenen Maschinen wandern, die Agentenschleife bleibt aber in der Cloud von Cursor. Der Privacy Mode, in dem Code nicht für Training genutzt wird, ist für Teams standardmäßig aktiv.

Es passt zu Teams, die einen Editor mit Modellen mehrerer Anbieter wollen und akzeptieren, dass Anfragen über die Server von Cursor laufen. Eigene API-Schlüssel funktionieren nur für Chat-Modelle.

GitHub Copilot

Seit dem 1. Juni 2026 rechnet Copilot in AI Credits zu je 0,01 USD statt in Premium Requests ab. Copilot Business kostet 19 USD pro Person und Monat, Copilot Enterprise 39 USD, und jeder Platz bringt Credits im selben Wert mit, gepoolt über die Organisation. Code-Vervollständigungen bleiben unbegrenzt. Owner können Budgets pro Person, Organisation, Kostenstelle oder Enterprise setzen, und Code-Reviews verbrauchen neben Credits auch Actions-Minuten.

Copilot liest .github/copilot-instructions.md und pfadspezifische Anweisungsdateien, sein Cloud-Agent und die CLI lesen außerdem AGENTS.md oder CLAUDE.md. Es bietet Modelle von OpenAI, Anthropic, Google, xAI, Microsoft und Moonshot AI. Datenhaltung in der EU oder den USA gibt es für 10 % mehr Credit-Verbrauch. Die Änderung von GitHub aus dem Jahr 2026, mit Interaktionsdaten aus Free, Pro und Pro+ zu trainieren, gilt seit dem 24. April und betrifft Business und Enterprise nicht.

Es passt zu Organisationen, deren Code bereits auf GitHub liegt und die einen Anbieter, zentrale Richtlinien und eine Rechnung wollen. Copilot Enterprise setzt GitHub Enterprise Cloud voraus, und für GitHub Enterprise Server ist Copilot nicht verfügbar.

OpenAI Codex

Codex ist in ChatGPT Business enthalten, zu 20 USD pro Person und Monat bei jährlicher Abrechnung oder 25 USD monatlich, mit mindestens zwei Plätzen. Seit April 2026 wird Nutzung über die enthaltenen Limits hinaus in tokenbasierten Workspace-Credits abgerechnet, die Owner kaufen und pro Gruppe begrenzen. Enterprise-Preise sind individuell. Das Hilfecenter von OpenAI nennt zusätzlich Premium-Plätze für Business zu 100 oder 125 USD mit fünfmal so viel Nutzung, doch diese Seite änderte sich am Tag unserer Prüfung, also bestätigen Sie den Preis.

Codex läuft in der ChatGPT-Desktop-App, einer CLI, einer IDE-Erweiterung und in der Cloud und prüft Pull Requests auf GitHub. Es liest AGENTS.md-Dateien. Die lokalen Werkzeuge können OpenAI-Modelle über Amazon Bedrock nutzen, Cloud-Aufgaben sowie Admin- und Analysefunktionen gibt es auf diesem Weg aber nicht. OpenAI erklärt, standardmäßig nicht mit Geschäftsdaten zu trainieren.

Es passt zu Teams, die bereits ChatGPT Business oder Enterprise nutzen und die Modelle von OpenAI für Chat und Programmierung in einem Workspace wollen.

Was wichtiger ist als das Tool

Das Setup um einen Agenten entscheidet mehr als das Logo darauf: die Anweisungsdateien, die Tests, die ein Agent ausführen kann, die Rechte, die er bekommt, und die Review-Regeln für seine Änderungen. Das meiste davon lässt sich zwischen Tools übertragen, weil alle vier AGENTS.md lesen können. Zwei Tools zu betreiben ist eine legitime Wahl, etwa Vervollständigungen und Reviews im einen und längere Agentenaufgaben im anderen. Bauen Sie das Setup so, dass ein späteres Hinzufügen oder Wechseln eines Tools wenig kostet.

Wie Sie entscheiden

1. 1

   Rahmenbedingungen aufschreiben

   Wo Ihr Code liegt, welche Cloud Sie nutzen müssen, wo Daten verarbeitet werden dürfen und wer das Budget verantwortet.

2. 2

   Zwei Tools in die engere Wahl nehmen

   Behalten Sie die zwei, die alle Rahmenbedingungen erfüllen, und streichen Sie den Rest, bevor jemand eine Demo zeigt.

3. 3

   An derselben Arbeit vergleichen

   Spielen Sie Änderungen erneut durch, die Ihre Teams bereits gemergt haben, und messen Sie Annahmequote, Review-Aufwand und Kosten pro gemergter Änderung.

4. 4

   Regeln festlegen, bevor weitere Teams dazukommen

   Anweisungsdateien, Rechte und Budgets kommen in die Versionskontrolle und die Admin-Konsole, bevor die Einführung breiter wird.

Einen fairen Pilot für Coding-Agenten planenWas eine Einführung für 50 Engineers kostet