Claude Code oder Codex? Coding-Agenten für Trading-Code.

Claude Code und OpenAI Codex lösen für Trading-Entwickler dieselbe Aufgabe: Ein Agent arbeitet direkt im Repository, ändert Python- oder MQL5-Code, führt Tests aus und legt das Ergebnis als Diff vor. Welcher besser passt, entscheidet sich weniger an Benchmarks als an Plan, Kosten, Rechtemodell und Arbeitsumgebung. Stand Oktober 2026 ist Codex in allen ChatGPT-Plänen vorgesehen, in Free und Go schrittweise und nur in der Desktop-App; CLI, IDE-Erweiterung und Codex Cloud gibt es ab Plus; Claude Code beginnt beim Pro-Plan. Unterschiede zeigen sich bei den Standardrechten (Claude Code startet seit Version 2.1.283 im Auto-Modus), unter Windows (Codex bringt eine eigene Windows-Sandbox mit, Claude Code braucht dafür WSL2) und beim automatischen Code Review auf GitHub, das Anthropic nutzungsbasiert abrechnet. Dieser Vergleich ordnet die Fakten nüchtern ein und zeigt, wie Sie beide Agenten an einer eigenen Testaufgabe prüfen, statt sich auf Ranglisten zu verlassen.

Was haben Claude Code und Codex gemeinsam?

Beide Werkzeuge sind Coding-Agenten. Anders als ein Chat, in den Sie Code kopieren, lesen sie das Repository selbst, ändern Dateien, starten Befehle wie pytest und reagieren auf Fehlermeldungen. Am Ende steht ein Diff, also die Gegenüberstellung der geänderten Zeilen, oder ein Pull Request. Für Trading-Code ist das genau der Teil, der Zeit kostet: Backtest-Module umbauen, Tests nachziehen, Datenlader bereinigen, alte Expert Advisors lesbar machen.

Auch das Grundgerüst ist ähnlich. Beide lesen Projektregeln aus einer Markdown-Datei im Repository, beide kennen Freigabestufen für Befehle, beide haben eine Sandbox für Shell-Befehle und beide können Aufgaben in der Cloud weiterlaufen lassen, während Ihr Rechner zugeklappt ist. Beide bieten außerdem ein lokales Code Review per Befehl und eine Anbindung an GitHub-Pull-Requests.

Die Unterschiede liegen deshalb selten in der Frage, ob ein Agent eine Funktion „kann“. Sie liegen in den Details: Was kostet welche Nutzung, mit welchen Rechten startet eine Session, wie verhält sich der Agent unter Windows, und welche Funktion steckt in welchem Plan. Ein Qualitätsurteil aus öffentlichen Benchmarks lässt sich auf Ihr Repository kaum übertragen. Wie gut ein Agent mit Ihrem Backtest-Code zurechtkommt, hängt stark von Tests, Struktur und Regeln ab.

Einrichtung und Workflows der einzelnen Werkzeuge behandeln eigene Beiträge: OpenAI Codex für Trading-Code und Claude Code für Trader in Python. Hier geht es um den direkten Vergleich.

Was kosten Claude Code und Codex? Pläne und Funktionen im Vergleich.

Die folgende Übersicht stützt sich auf die Preis- und Dokumentationsseiten von OpenAI und Anthropic, abgerufen am 07.10.2026. Preise in US-Dollar pro Monat; in Deutschland kommen je nach Plan Umsatzsteuer und Abweichungen in App-Stores hinzu.

Für die Kostenplanung ist das geteilte Kontingent wichtiger als der Listenpreis. Wer tagsüber viel im Claude-Chat recherchiert, hat abends weniger für Claude Code übrig. Bei OpenAI teilen sich Codex und ChatGPT Work das Kontingent. Für einen fairen Vergleich sollten Sie deshalb in der Testphase beide Konten möglichst nur für die Testaufgabe nutzen.

Ein praktischer Punkt bei den Projektregeln: Weil Claude Code eine AGENTS.md liest, solange keine CLAUDE.md im Arbeitsordner oder darüber liegt, können beide Agenten mit derselben Regeldatei arbeiten. Alternativ bindet eine CLAUDE.md die AGENTS.md per Import ein. Für einen Vergleich ist eine gemeinsame Regeldatei ideal, weil sie eine Fehlerquelle ausschließt. Für beide gilt: Die Regeln sind Kontext für das Modell, keine technische Sperre. Anthropic schreibt das für CLAUDE.md ausdrücklich.

Ein Termin betrifft nur Codex: GPT-5.5 wird laut OpenAI am 14.10.2026 aus ChatGPT, ChatGPT Work und Codex auf allen Plänen entfernt. Die OpenAI-API ist laut OpenAI nicht betroffen. Wer Codex-Konfigurationen oder Skripte auf dieses Modell festgelegt hat, sollte sie jetzt umstellen und erst danach vergleichen.

Rechte und Sandbox: Auto-Modus, Windows, Internetzugang.

Beim Rechtemodell unterscheiden sich die Voreinstellungen deutlich. Claude Code startet ab Version 2.1.283 jede interaktive Session im Terminal und in VS Code im Auto-Modus. Dann prüft ein zweites Modell, ein Klassifikator, die Aktionen des Agenten anstelle eines Menschen. Nicht-interaktive Läufe mit claude -p starten in der Regel im Manual-Modus, der vor Änderungen fragt. Organisationen können den Auto-Modus über permissions.disableAutoMode mit dem Wert "disable" in den Managed Settings ganz abschalten. Mit Shift+Tab wechseln Sie während der Session in Manual, Accept Edits oder den Plan-Modus.

Codex arbeitet lokal standardmäßig im Sandbox-Modus workspace-write: Lesen und Schreiben im Projekt, Routinebefehle ohne Rückfrage, kein Netzwerkzugriff. Will der Agent die Grenze überschreiten, fragt er. Optional prüft ein automatischer Reviewer diese Freigabeanfragen (Konfiguration approvals_reviewer = "auto_review"). Laut OpenAI erweitert das keine Rechte, es ersetzt nur die Person, die über Grenzüberschreitungen entscheidet.

Die Sandbox selbst ist bei Claude Code standardmäßig aus und wird mit /sandbox oder sandbox.enabled eingeschaltet. Sie läuft auf macOS, Linux und WSL2 und umfasst nur Shell-Befehle; Dateiwerkzeuge, MCP-Server und Hooks laufen außerhalb. Unter nativem Windows führt Claude Code Befehle ohne Sandbox aus. Codex nutzt unter nativem Windows eine eigene Windows-Sandbox und unter WSL2 die Linux-Variante. Für alle, die MetaTrader 5 auf einem Windows-Rechner betreiben, ist das ein handfester Unterschied.

In der Cloud regeln beide den Internetzugang je Umgebung:

• Codex Cloud: Internetzugang für den Agenten wird je Umgebung eingeschaltet und lässt sich auf das Preset für Paketquellen oder auf eigene Domains begrenzen. Zugangsdaten können als Netzwerk-Secrets hinterlegt werden, die erst ein Proxy für freigegebene Ziele einsetzt.
• Claude-Code-Cloud-Sessions: Die Standard-Umgebung startet mit begrenztem Netzwerkzugriff („Trusted“), der sich abschalten lässt. Anthropic weist darauf hin, dass die Session auch ohne Netzwerk mit der Anthropic-API kommuniziert. Netzwerk-Secrets gibt es derzeit für Pro und Max, für Team und Enterprise noch nicht.

Für Trading-Repositories empfehle ich in beiden Werkzeugen denselben Start: Schreiben nur im Projektordner, Netzwerk nur für Paketquellen, Broker- und Datenanbieter-Domains gesperrt. Wer Claude Code im Auto-Modus laufen lässt, sollte wissen, was Anthropic selbst dazu schreibt: Der Auto-Modus reduziert Rückfragen, garantiert aber keine Sicherheit. Eine Sandbox oder ein Container bringt zusätzliche Absicherung.

Code Review: im Plan enthalten oder nutzungsbasiert?

Beim automatischen Review von GitHub-Pull-Requests unterscheiden sich die Abrechnungsmodelle am stärksten. Bei Codex sind GitHub-Reviews und automatische PR-Reviews in Plus, Pro, Business und Enterprise enthalten und zählen als Code-Review-Nutzung zum Plan-Kontingent. Mit reinem API-Key gibt es sie nicht. Lokale Reviews mit /review zählen zum allgemeinen Kontingent.

Bei Claude ist Code Review als GitHub-Dienst eine Research Preview, also eine frühe Vorabversion, und nur für Team und Enterprise verfügbar. Mehrere Agenten prüfen den Diff im Kontext der ganzen Codebasis, ein Verifikationsschritt filtert Fehlalarme. Abgerechnet wird nach Tokenverbrauch über Usage Credits, nicht über das Plan-Kontingent. Anthropic nennt im Schnitt 15–25 $ pro Review, ein monatliches Ausgabenlimit lässt sich setzen. Der Check endet immer neutral und blockiert keinen Merge. Prüfregeln stehen in einer eigenen REVIEW.md. Lokal steht /code-review in allen Plänen zur Verfügung.

Rechenbeispiel: Ein Repository mit 20 Pull Requests im Monat, Review nach jedem Push und durchschnittlich drei Pushes pro PR ergibt 60 Reviews. Bei 15–25 $ pro Review sind das rund 900 bis 1.500 $ im Monat, zusätzlich zu den Lizenzkosten je Nutzer. Mit dem Auslöser „einmal nach PR-Erstellung“ wären es 20 Reviews, also etwa 300 bis 500 $.

Für private Trader mit einem eigenen Repository ist das meist keine Frage: Claude-Code-Review gibt es in Pro und Max ohnehin nicht, das lokale /code-review reicht für Einzelprojekte in der Regel aus. Für Teams lohnt der Blick auf die Auslöser. Ein Review pro PR auf den Pfaden mit Signal-, Risiko- und Orderlogik bringt mehr als Reviews auf jedem Push quer durchs Repository.

Python-Backtests und MQL5: worauf es bei Trading-Code ankommt.

Für Python-Backtests sind beide Agenten technisch gleich aufgestellt: Sie lesen den Code, starten Tests und korrigieren, bis die Suite grün ist. Den Unterschied macht das Repository. Ein Agent arbeitet so gut, wie er prüfen kann, ob er fertig ist. Wenn ich Trading-Systeme entwickle, stehen deshalb vor der ersten Agenten-Aufgabe drei Dinge fest: eingefrorene Testdaten (Fixtures), ein Regressionsbacktest mit bekannten Kennzahlen und Tests für Kostenmodell und Positionsgrößen.

Eine gemeinsame Regeldatei für beide Agenten kann so aussehen. Typisches Beispiel:

# AGENTS.md
## Befehle
- Tests: pytest -q
- Regression: python -m backtest.run --config configs/regression.yaml
## Regeln
- Signale zum Zeitpunkt t nutzen nur Daten bis einschließlich t.
- Ausführung frühestens zum Open der nächsten Bar.
- Gebühren, Spread und Slippage nie entfernen.
- tests/golden/ nicht ändern, ohne zu fragen.
- Keine Broker-Anbindung, keine Zugangsdaten, keine Netzwerkaufrufe zu Broker-APIs.

Bei MQL5 kommt die Plattform ins Spiel. MetaEditor lässt sich per Kommandozeile zum Kompilieren aufrufen, beide Agenten können also eine Kompilier-Schleife fahren: kompilieren, Log lesen, korrigieren. MetaEditor und der Strategy Tester sind aber Windows-Programme. Unter nativem Windows läuft Claude Code dabei ohne Sandbox, Codex mit seiner Windows-Sandbox. Wer Claude Code für MQL5 nutzt, sollte deshalb eine eigene Windows-VM ohne Broker-Zugänge und ohne Live-Terminal verwenden. Das ist ohnehin die sauberere Lösung, auch bei Codex.

Seit Build 6060 vom 23.07.2026 lässt sich MetaTrader 5 per MCP, einem offenen Standard für die Anbindung von Agenten an Programme, mit externen Agenten wie Codex und Claude Code verbinden. Ob ein Agent dabei handeln darf, legen Sie im Terminal fest: erlauben, verbieten oder manuelle Bestätigung verlangen. Für die Entwicklung reicht ein Demokonto mit verbotenem KI-Handel. Den Strategy Tester und die Bewertung der Ergebnisse übernehmen weiterhin Sie.

Gemeinsame Grenzen: Look-ahead, Orderrechte, Datenabfluss.

Die wichtigsten Risiken sind bei beiden Agenten dieselben, denn sie entstehen aus der Aufgabe, nicht aus dem Werkzeug.

• Look-ahead-Fehler: Ein Agent, der einen Indikator „vektorisiert“, verschiebt leicht ein Fenster um eine Bar oder nutzt den Schlusskurs der laufenden Bar für ein Signal, das zum Open ausgeführt wird. Tests werden trotzdem grün, wenn sie nur Formate prüfen. Abhilfe ist ein Test, der Signale mit vollständigen und mit abgeschnittenen Daten vergleicht. Weichen die Signale bis zum Schnittpunkt ab, nutzt der Code Zukunftsdaten.
• Tests „reparieren“: Agenten neigen dazu, das Ziel zu erreichen, auch wenn dafür ein Testwert angepasst werden muss. Goldene Referenzwerte gehören deshalb in einen geschützten Ordner, Änderungen daran nur nach Rückfrage. Bei Claude Code lässt sich das zusätzlich mit Deny-Regeln (Verbote in den Einstellungen) oder einem Hook technisch durchsetzen, also einem Skript, das vor bestimmten Aktionen automatisch läuft.
• Keine Orderrechte: Weder Claude Code noch Codex braucht für die Entwicklung Zugriff auf ein Live-Konto. Live-Keys gehören nicht ins Repository, nicht in Umgebungsvariablen der Cloud-Umgebung und nicht in Logs. Auch Paper-Trading-Zugänge sollten getrennte Schlüssel mit minimalen Rechten haben.
• Datenabfluss: Ein Agent mit Internetzugang kann über präparierte Inhalte (Prompt Injection) dazu gebracht werden, Code oder Secrets an fremde Server zu schicken. OpenAI nennt dieses Risiko in der Doku zum Internetzugang ausdrücklich. Netzwerk eng begrenzen, Secrets nur über die vorgesehenen Mechanismen hinterlegen.
• Konten und Training: Bei privaten Konten können Inhalte für das Training genutzt werden: Anthropic trainiert mit Daten aus Free, Pro und Max, wenn die entsprechende Einstellung aktiv ist, und OpenAI schließt Training bei Plus und Pro nicht standardmäßig aus. Bei Business und Enterprise (OpenAI) sowie Team und Enterprise (Anthropic) wird laut den Anbietern standardmäßig nicht mit Ihren Daten trainiert. Für eigene Strategien lohnt der Blick in die Datenschutzeinstellungen vor der ersten Session.

Und schließlich: Ein Agent beschleunigt die Umsetzung, nicht die Erkenntnis. Ob eine Strategie überangepasst ist, ob die Kosten realistisch sind und ob sie live gehen soll, beantwortet kein Coding-Agent. Automatisierter Handel kann zu Verlusten bis zum Totalverlust führen, bei Hebelprodukten auch schnell.

So vergleichen Sie beide Agenten an einer eigenen Testaufgabe.

Statt nach Ranglisten zu entscheiden, geben Sie beiden Agenten zwei Wochen lang dieselbe, klar umrissene Aufgabe aus Ihrem eigenen Code. Gut geeignet ist ein Backtest-Refactoring mit bestehender Testsuite: etwa das Herauslösen des Kostenmodells in ein eigenes Modul, ohne dass sich die Regressionskennzahlen ändern.

1. Ausgangslage einfrieren: Ein Branch, eingefrorene Testdaten, eine Regressionsdatei mit Kennzahlen (Anzahl Trades, Netto-Ergebnis nach Kosten, maximaler Drawdown, also der größte zwischenzeitliche Rückgang).
2. Gleiche Regeln: Eine AGENTS.md für beide, keine zusätzliche CLAUDE.md. Gleiche Startrechte: Schreiben nur im Projekt, Netzwerk aus oder auf Paketquellen begrenzt, bei Claude Code bewusst Manual oder Auto wählen.
3. Modelle festhalten: Notieren Sie, welches Modell in welchem Lauf aktiv war. Bei Codex nicht mehr mit GPT-5.5 planen.
4. Messen statt schätzen: Laufzeit bis zur grünen Suite, Zahl Ihrer Eingriffe, Größe des Diffs, unerwünschte Änderungen an Tests oder Daten, Ergebnis des Look-ahead-Tests und den Verbrauch laut Nutzungsanzeige. Bei der Codex CLI zeigt /status die verbleibenden Limits.
5. Review getrennt bewerten: Lassen Sie den Diff des einen Agenten vom Review des anderen prüfen. So sehen Sie, welcher Reviewer echte Fehler findet und welcher vor allem Stilfragen kommentiert.

Nach zwei Wochen haben Sie eine Entscheidung, die auf Ihrem Code beruht. Gut möglich, dass dabei Plan, Betriebssystem und Review-Bedarf stärker ins Gewicht fallen als die Modellqualität. Wenn Sie diesen Vergleich nicht allein aufsetzen wollen oder eine Strategie sauber als Python-System oder Expert Advisor umsetzen lassen möchten, finden Sie den Rahmen unter Trading-Automatisierung, für private Trader ebenso wie für Unternehmen.

Häufige Fragen.

Was ist günstiger, Claude Code oder Codex?

Stand Oktober 2026 kosten die Einstiegspläne gleich viel: ChatGPT Plus und Claude Pro liegen bei 20 Dollar im Monat, Claude Pro bei jährlicher Zahlung bei 17 Dollar. Codex gibt es für kurze Aufgaben in der Desktop-App auch in Free und Go. Entscheidend ist, wie viel Kontingent Sie im Alltag verbrauchen, denn beide teilen es mit anderen Funktionen. Beim automatischen GitHub-Review ist Codex im Plan enthalten, bei Claude fallen für Team und Enterprise im Schnitt 15 bis 25 Dollar pro Review an.

Kann ich dieselbe AGENTS.md für Claude Code und Codex nutzen?

Ja. Codex liest Projektregeln aus AGENTS.md. Claude Code liest seit Version 2.1.277 ebenfalls eine AGENTS.md, solange im Arbeitsordner oder darüber keine CLAUDE.md liegt. Alternativ bindet eine CLAUDE.md die AGENTS.md per Import ein. Beachten Sie, dass solche Dateien Kontext für das Modell sind und keine technische Sperre. Verbote, die nie verletzt werden dürfen, gehören zusätzlich in Rechte, Sandbox oder Hooks.

Welcher Coding-Agent eignet sich besser für MQL5 unter Windows?

Beide können MQL5-Code lesen, überarbeiten und MetaEditor per Kommandozeile kompilieren lassen. Der Unterschied liegt in der Absicherung: Codex bringt eine eigene Sandbox für natives Windows mit, Claude Code führt Befehle unter nativem Windows ohne Sandbox aus und braucht für seine Sandbox WSL2. Für beide empfiehlt sich eine separate Windows-VM ohne Broker-Zugänge und ein Demokonto, auf dem KI-Handel im Terminal verboten ist.

Dürfen Claude Code oder Codex Orders an meinen Broker senden?

Technisch lassen sich beide über Schnittstellen wie MCP mit Handelsplattformen verbinden. Für die Entwicklung ist das aber weder nötig noch sinnvoll. Live-Zugangsdaten gehören nicht ins Repository und nicht in Cloud-Umgebungen, und Orderrechte bleiben beim Menschen. Für Tests reichen Demokonten mit eigenen Schlüsseln und minimalen Rechten. Der Agent schreibt und prüft Code, die Entscheidung über den Live-Betrieb treffen Sie.

Was ändert sich am 14.10.2026 bei Codex?

OpenAI entfernt GPT-5.5 an diesem Tag aus ChatGPT, ChatGPT Work und Codex auf allen Plänen. Die OpenAI-API ist laut OpenAI davon nicht betroffen. Wer in Codex-Konfigurationen, Skripten oder Teamvorgaben fest auf GPT-5.5 gesetzt hat, sollte auf ein aktuelles Modell umstellen und Ergebnisse danach neu prüfen, vor allem bei laufenden Vergleichen.

Quellen und Stand.

• Codex pricing — OpenAI
• Plans & Pricing — Anthropic
• Choose a permission mode — Anthropic (Claude Code Docs)
• Configure the sandboxed Bash tool — Anthropic (Claude Code Docs)
• Code Review — Anthropic (Claude Code Docs)
• How Claude remembers your project (CLAUDE.md und AGENTS.md) — Anthropic (Claude Code Docs)
• Agent approvals and security — OpenAI
• Cloud environments (Internetzugang und Netzwerk-Secrets) — OpenAI
• Codex Cloud (Legacy): internet access — OpenAI
• MetaTrader 5 Build 6060: MCP und KI-Assistent — MetaQuotes

Stand: 7. Oktober 2026. Produkte, Funktionen und Preise ändern sich schnell; maßgeblich sind die Angaben der Anbieter und Behörden.

Sie wollen Ihre Strategie mit sauberem Testrahmen als Python-System oder Expert Advisor umsetzen lassen? Unverbindlich anfragen — wir klären Regelwerk, Testumfang und die Rolle von Coding-Agenten in Ihrem Projekt. Mehr zu meinem Angebot: Trading-Systeme entwickeln lassen.