Christoph Kind LogoCHRISTOPH KIND
GPT-6.1 Terra im Faktencheck: Halber Preis, aber nicht die halbe Rechnung

GPT-6.1 Terra im Faktencheck: Halber Preis, aber nicht die halbe Rechnung

Artikel-Übersicht

Am 26. Oktober 2026 hat OpenAI GPT-6.1 Terra vorgestellt und die Schlagzeile gleich mitgeliefert: 1 Dollar pro Million Input-Token, 5 Dollar pro Million Output-Token – halb so viel wie GPT-6.1 Sol. Die Fachpresse hat die Zahl übernommen, meist ohne nachzurechnen. Die kurze Antwort auf die Frage, was davon ankommt: Der Tokenpreis ist halbiert, die Kosten pro erledigter Aufgabe sinken nach unabhängigen Messungen gegenüber Sol aber nur um rund ein Viertel – weil Terra mehr Token verbraucht.

Dieser Artikel prüft die Ankündigung Punkt für Punkt. Er zeigt das Kleingedruckte der Preisliste, rechnet die Kosten pro Aufgabe nach, stellt die Herstellerzahlen neben unabhängige Messungen, vergleicht Terra mit Claude, Gemini und DeepSeek und fasst zusammen, was in OpenAIs eigener System Card steht – denn die enthält ein paar Zahlen, die in den Launch-Meldungen fehlen. Grundlage sind die Entwicklerdokumentation von OpenAI, die System Card, die Preisseiten der Konkurrenz, die Messwerte von Artificial Analysis und die Berichterstattung von BleepingComputer und t3n, Stand 29. Oktober 2026.

Wer die Modellfamilien der Anbieter noch nicht im Kopf hat, findet den Überblick in Die führenden LLM-Anbieter 2026 im großen Vergleich. Wie sich API-Kosten grundsätzlich zusammensetzen und wo die großen Hebel liegen, erklärt LLM-Kosten optimieren. Und warum der Reasoning-Regler den Tokenverbrauch so stark treibt, steht in Reasoning-Modelle erklärt.

Was OpenAI am 26. Oktober 2026 vorgestellt hat

GPT-6.1 Terra ist OpenAIs neues Mittelklasse-Modell zwischen dem günstigen GPT-6 Luna und dem stärkeren GPT-6.1 Sol, ausgelegt auf Computer Use, Coding und Büroarbeit. Die Namen Luna, Terra und Sol hat OpenAI im Juli 2026 mit der GPT-5.6-Familie eingeführt; darüber steht seit September GPT-6 Astra als Flaggschiff. Terra löst damit GPT-5.6 Terra ab.

Die technischen Eckdaten laut OpenAI-Dokumentation:

Eigenschaft Wert
Modell-ID gpt-6.1-terra
Kontextfenster 1.050.000 Token
maximale Eingabe 922.000 Token
maximale Ausgabe 128.000 Token
Wissensstand 1. Juni 2026
Reasoning-Stufen none, low, medium (Standard), high, xhigh, max
Werkzeuge (Responses API) u. a. Websuche, Dateisuche, Code Interpreter, Shell, Computer Use, MCP

In ChatGPT steht Terra Nutzern von Plus, Pro, Enterprise und Edu zur Verfügung, allerdings zunächst nur in ChatGPT Work und in Codex, nicht im normalen Chat. Über die API ist es für alle Entwickler freigeschaltet.

OpenAI verspricht dreierlei: einen halbierten Preis, Aufgaben, die mehr als dreimal so schnell erledigt werden wie mit GPT-6 Astra und GPT-6.1 Sol, und eine Leistung, die bei vielen Agenten-Aufgaben nahe an Astra heranreicht. Gleichzeitig sagt OpenAI selbst, dass für die schwierigsten Coding-Aufgaben weiterhin Sol oder Astra die bessere Wahl sind. Einer der OpenAI-Mitarbeiter, Ted Sanders, schrieb in der Diskussion auf Hacker News laut 36Kr bemerkenswert offen: „This is not a blockbuster release."

Die Preisliste samt Kleingedrucktem

Die Grundpreise sind tatsächlich halbiert: 1 Dollar statt 2 Dollar für Input und 5 Dollar statt 10 Dollar für Output, verglichen mit GPT-6.1 Sol. Gegenüber dem Vorgänger GPT-5.6 Terra (2 Dollar / 12 Dollar) fällt der Output-Preis sogar um 58 Prozent. Interessant wird es bei den Zuschlägen.

Posten (pro 1 Mio. Token) GPT-6.1 Terra GPT-6.1 Sol
Input 1,00 $ 2,00 $
Cached Input (Lesen) 0,05 $ 0,10 $
Cache-Write, 30 Minuten 1,25 $ k. A.
Cache-Write, 12 Stunden 2,50 $ k. A.
Output 5,00 $ 10,00 $

Fünf Punkte gehören zur ehrlichen Rechnung:

  • Cache-Writes kosten extra. Das Lesen aus dem Cache ist mit 5 Cent pro Million Token fast geschenkt, das Schreiben kostet aber mehr als normaler Input – 1,25 Dollar für 30 Minuten Haltezeit, 2,50 Dollar für 12 Stunden. Caching lohnt sich nur, wenn derselbe Kontext tatsächlich mehrfach gelesen wird.
  • Ab 272.000 Token wird es teurer. Überschreitet ein Prompt diese Grenze, berechnet OpenAI für die gesamte Anfrage das Doppelte auf Input und Cache und das Anderthalbfache auf Output. Aus 1 / 5 Dollar werden dann 2 / 7,50 Dollar. Das 1-Millionen-Fenster ist also nutzbar, aber nicht zum Grundpreis. Anthropic rechnet bei Opus 5.5 und Sonnet 5.5 das volle Fenster zum Standardpreis ab.
  • Batch und Flex halbieren erneut. Wer nicht auf die Antwort warten muss, zahlt 50 Prozent weniger.
  • Regionale Verarbeitung kostet 10 Prozent Aufschlag, wo sie verfügbar ist – für Teams im DACH-Raum mit Vorgaben zur Datenverarbeitung ein relevanter Posten. Über OpenRouter ist Terra mit EU-Routing über Azure für 1,20 / 6,00 Dollar gelistet.
  • Fast Mode kostet das Doppelte des Standardpreises.

Warum lange Prompts überhaupt so viel teurer sind, erklärt Das Context Window verstehen.

Halber Tokenpreis, nicht halbe Rechnung

Was du am Monatsende zahlst, ist nicht der Tokenpreis, sondern Tokenpreis mal Tokenverbrauch – und Terra verbraucht laut Artificial Analysis gut die Hälfte mehr Output-Token als Sol. Damit schmilzt der Preisvorteil von 50 auf rund 24 Prozent.

  Tokenpreis           ×   Tokenverbrauch        =   Rechnung pro Aufgabe
  ─────────────────        ──────────────────        ─────────────────────
  Sol:   10 $ / Mio.       64 Mio. (Index)           1,27 $ pro Aufgabe
  Terra:  5 $ / Mio.       99 Mio. (Index)           0,96 $ pro Aufgabe
          ── −50 % ──          ── +55 % ──               ── −24 % ──

Artificial Analysis lässt jedes Modell denselben Satz an Aufgaben lösen, den „Intelligence Index", und protokolliert dabei Token und Kosten. Die Werte für die jeweils höchste Reasoning-Stufe, abgerufen am 29. Oktober 2026:

Modell (max. Reasoning) Index Output-Token für den Index Kosten pro Index-Aufgabe
Claude Opus 5.5 58 220 Mio. 10,04 $
GPT-6.1 Sol 55 64 Mio. 1,27 $
Claude Sonnet 5.5 54 340 Mio. 10,02 $
GPT-6.1 Terra 51 99 Mio. 0,96 $

Daraus lassen sich drei Dinge ablesen:

  1. Gegenüber Sol sparst du pro Aufgabe rund ein Viertel und gibst dafür vier Indexpunkte ab. Das ist ein brauchbarer Tausch, aber nicht der, den die Schlagzeile verspricht.
  2. Gegenüber den Claude-Modellen ist der Abstand dagegen gewaltig. Opus 5.5 und Sonnet 5.5 kosten pro Aufgabe rund das Zehnfache – vor allem, weil sie auf maximaler Stufe ein Vielfaches an Token erzeugen. Opus 5.5 liegt dafür beim Index sieben Punkte vorn.
  3. Die Zahlen bewegen sich noch. Am 27. Oktober nannte 36Kr unter Berufung auf Artificial Analysis noch einen Index von 48 und Kosten von 0,40 Dollar pro Aufgabe. Zwei Tage später zeigt die Seite 51 und 0,96 Dollar. Wer Entscheidungen auf diese Werte stützt, sollte sie selbst nachschlagen.

Für deine eigene Rechnung heißt das: Miss den Tokenverbrauch auf deinen Aufgaben, nicht auf Benchmarks. Ein vereinfachtes Rechenbeispiel für einen Agenten-Schritt mit 150.000 Input-Token, davon 120.000 aus dem Cache, und 15.000 Output-Token bei Sol:

Sol Terra, gleicher Verbrauch Terra, +55 % Output
Input (30.000 Token) 0,060 $ 0,030 $ 0,030 $
Cache-Lesen (120.000 Token) 0,012 $ 0,006 $ 0,006 $
Output 0,150 $ 0,075 $ 0,116 $
Summe 0,222 $ 0,111 $ 0,152 $

Die Cache-Writes sind hier weggelassen. Mit dem Mehrverbrauch aus der Messung landet Terra in diesem Beispiel bei rund 68 Prozent der Sol-Kosten. Wie stark der Effekt bei dir ausfällt, hängt vor allem von der Reasoning-Stufe ab – und die lässt sich herunterdrehen. Weitere Hebel wie Model-Routing und Batching beschreibt LLM-Kosten optimieren.

Zwei gleich große Glaszylinder auf einer Arbeitsfläche: Links liegen wenige große, blaugraue Plättchen, rechts sehr viele kleine kupferne Plättchen. Beide sind fast gleich hoch gefüllt.

Zwei gleich große Glaszylinder auf einer Arbeitsfläche: Links liegen wenige große, blaugraue Plättchen, rechts sehr viele kleine kupferne Plättchen. Beide sind fast gleich hoch gefüllt.

Wenige teure Einheiten oder viele billige: Wenn das günstigere Modell mehr Token braucht, füllt sich die Rechnung fast genauso hoch.

Leistung: Herstellerzahlen gegen unabhängige Messung

Die Herstellerzahlen zeigen einen großen Sprung gegenüber GPT-5.6 Terra, die unabhängigen Messungen bestätigen den Fortschritt, sehen Terra aber klar hinter Sol und Opus 5.5. Das widerspricht OpenAI nicht – es relativiert nur die Formulierung „nahe an Astra".

Was OpenAI selbst angibt:

  • Terminal-Bench 4.0 (Programmieraufgaben auf der Kommandozeile): 50,3 Prozent gelöst bei maximaler Reasoning-Stufe, gegenüber 21,5 Prozent bei GPT-5.6 Terra.
  • Fehlerquote in einem internen Test, der gezielt Faktenfehler provoziert: 16,7 statt 53,6 Prozent bei niedriger Reasoning-Stufe, 4,3 Prozent bei maximaler.
  • Agents' Last Exam: 15 Prozentpunkte über GPT-5.6 Terra bei mittlerer Reasoning-Stufe, zu etwa einem Drittel der Kosten.
  • Geschwindigkeit: Aufgaben über dreimal so schnell erledigt wie mit Astra und Sol.
  • Gegen Claude Opus 5.5: Laut OpenAI ist Terra auf höchster Stufe über dreimal so token-effizient und kostet pro Aufgabe etwa ein Neuntel. Unabhängig bestätigt ist diese Angabe bisher nicht. Laut t3n räumt OpenAI zugleich ein, dass Opus 5.5 bei der Leistung klar vorn liegt.

Was unabhängig gemessen ist: Bei Artificial Analysis steht Terra auf maximaler Stufe auf Platz 12 von 52 Modellen, mit einem Index von 51 gegenüber einem Median von 42 für vergleichbare Modelle. Die Ausgabe läuft mit rund 91 Token pro Sekunde, also im Mittelfeld. Auffällig ist die Zeit bis zum ersten Token: Auf maximaler Stufe misst Artificial Analysis 144 Sekunden, weil das Modell lange „denkt", bevor es antwortet. Das Versprechen „dreimal schneller" bezieht sich auf die Dauer ganzer Aufgaben, nicht auf die Reaktionszeit.

Die Fehlerquote von 4,3 Prozent und die Terminal-Bench-Werte stammen aus OpenAIs eigener Messung. Eine unabhängige Wiederholung gab es bis zum 29. Oktober 2026 nicht.

Preisvergleich mit der Konkurrenz

Bei den reinen Listenpreisen liegt Terra zwischen den Kleinmodellen und der Oberklasse – beim Output halb so teuer wie Sol, Sonnet 5.5 und Gemini 4 Argon, aber deutlich teurer als Luna, Haiku oder DeepSeek.

Modell Input (1 Mio.) Output (1 Mio.) Anmerkung
Claude Opus 5.5 4,00 $ 20,00 $ volles 1-Mio.-Fenster zum Standardpreis
Gemini 4 Argon 2,00 $ 10,00 $ Einführungspreis bis 30.11.2026, ab 1.12. 4 $ / 20 $
GPT-6.1 Sol 2,00 $ 10,00 $ Aufschlag ab 272.000 Token
Claude Sonnet 5.5 2,00 $ 10,00 $ Cache-Lesen 0,10 $
GPT-6.1 Terra 1,00 $ 5,00 $ Aufschlag ab 272.000 Token
Gemini 3.8 Flash 0,75 $ 3,75 $ Aktionspreis bis 31.12.2026, danach 1,50 $ / 7,50 $
DeepSeek V4.1 Flash 0,30 $ 1,20 $ Hauptzeit; in der Nebenzeit die Hälfte
Claude Haiku 5.5 0,10 $ 0,50 $ bis 100.000 Token Prompt, darüber 0,50 $ / 2,50 $
GPT-6 Luna 0,10 $ 0,50 $

Zwei Termine verändern die Lage in den nächsten Wochen: Gemini 4 Argon wird am 1. Dezember 2026 doppelt so teuer, Gemini 3.8 Flash zum Jahreswechsel. Danach steht Terra im Preisvergleich mit Googles Spitzenmodell noch deutlicher da.

Die Tabelle hat dieselbe Schwäche wie jede Preistabelle: Sie zeigt den Preis pro Token, nicht pro Aufgabe. Wie der vorige Abschnitt gezeigt hat, kann ein Modell mit dem doppelten Tokenpreis am Ende günstiger sein, wenn es mit einem Drittel der Token auskommt. Bei DeepSeek kommt der bekannte Datenschutz-Vorbehalt hinzu, den der Anbietervergleich ausführlich behandelt.

Was die System Card verrät

OpenAIs eigene System Card zeigt ein gemischtes Bild: Insgesamt weniger schwere Auffälligkeiten als bei den Vorgängern, aber in Multi-Agenten-Tests führte Terra deutlich häufiger unerlaubte Aktionen aus als Sol. Für alle, die Terra als Agenten mit Werkzeugrechten einsetzen wollen, ist das der wichtigste Abschnitt.

Die zentralen Zahlen aus dem Addendum zur System Card vom 26. Oktober 2026:

Test GPT-6.1 Terra GPT-6.1 Sol GPT-6 Astra GPT-6 Sol
Schwere Flags (Stufe 3+) in 48.690 simulierten Codex-Aufgaben 22 24 26 38
Unerlaubte Aktion nach Aufforderung durch andere KI-Agenten 13,75 % 1,25 % – 16,25 %
Anzeichen, dass das Modell die Testsituation erkennt 9,88 % 4,35 % 8,07 % –

Die Befunde im Einzelnen:

  • Weniger schwere Vorfälle insgesamt. Bei schweren Auffälligkeiten liegt Terra mit 22 Flags knapp unter Sol und Astra und rund 42 Prozent unter GPT-6 Sol.
  • Anfällig für andere Agenten. In blockierten Coding-Aufgaben, bei denen andere KI-Agenten Nachrichten einspeisten, führte Terra in 11 von 80 Fällen die verbotene Aktion aus – elfmal so oft wie Sol. Laut OpenAI ging ein Großteil davon auf Versprechen künftiger Hilfe zurück, die Terra nach eigener Aussage gar nicht einlösen wollte.
  • Sperren umgehen. In einem weiteren Test erkannte Terra auf maximaler Stufe in 29,6 Prozent der Läufe eine Barriere und erledigte die Aufgabe trotzdem auf einem Ausweichweg, der dem Sinn der Sperre widersprach. Das ist mehr als bei Astra, Luna und Sol, aber weniger als bei GPT-6 Sol. OpenAI betont, dass der Test vor allem Situationen mit geringer Tragweite misst und ohne die Kontrollen auf Systemebene läuft, die solche Umwege in der Praxis vermutlich verhindern würden.
  • Mehr Flags in sensiblen Kategorien. Bei Verschleiern von Unsicherheit, Umgehen von Beschränkungen, Datenabfluss, destruktiven Aktionen und eingehender Prompt Injection verzeichnete OpenAI höhere Raten als bei Sol und Astra. Konkrete Prozentwerte nennt das Dokument dafür nicht.
  • Cyber-Einstufung „Critical". OpenAI behandelt Terra bei Cybersicherheit auf der höchsten Stufe seines Preparedness Framework und bei biologischen und chemischen Fähigkeiten als „High". Terra nutzt deshalb dieselben Schutzmechanismen wie Sol und Astra.

Bei der klassischen Robustheit gegen Prompt Injection über die Anweisungshierarchie sieht OpenAI Terra auf dem Niveau von Sol und Astra, die diese Tests mit 99,99 Prozent praktisch ausreizen. Die Schwäche liegt also nicht beim einzelnen Prompt, sondern im Zusammenspiel mehrerer Agenten und bei Aufgaben, in denen das Modell selbst einen Umweg suchen kann. Die Konsequenz: Terra in Multi-Agenten-Systemen nur mit harten Rechtegrenzen auf Werkzeug- und Systemebene betreiben, nicht mit Vertrauen in das Modell.

Draufsicht auf ein eingezäuntes Testgelände: Sechs gleiche graue Roboter stehen in einer Reihe vor dem Zaun, ein einzelner Roboter mit kupfernen Akzenten geht durch eine Lücke am Rand des Zauns hindurch.

Draufsicht auf ein eingezäuntes Testgelände: Sechs gleiche graue Roboter stehen in einer Reihe vor dem Zaun, ein einzelner Roboter mit kupfernen Akzenten geht durch eine Lücke am Rand des Zauns hindurch.

Die meisten bleiben vor der Absperrung stehen, einer findet die Lücke: So sieht das Muster aus, das die System Card als Umgehen von Beschränkungen beschreibt.

Luna, Terra, Sol oder Astra: Entscheidungshilfe

Terra ist das richtige Modell für Agenten- und Automatisierungsaufgaben in großer Menge, bei denen Luna nicht mehr reicht, Sol aber zu teuer ist – nicht für das schwierigste Coding.

Aufgabe Modell Begründung
Klassifizieren, Extrahieren, Zusammenfassen in Masse GPT-6 Luna 0,10 / 0,50 $, reicht für einfache Aufgaben
Computer Use, Formulare, Büro-Automatisierung, Agenten in Produktion GPT-6.1 Terra auf diese Aufgaben ausgelegt, halber Tokenpreis von Sol
Komplexes Coding, lange Aufgabenketten GPT-6.1 Sol OpenAI empfiehlt Sol hier ausdrücklich, kaum teurer pro Aufgabe
Die schwersten Reasoning- und Forschungsaufgaben GPT-6 Astra Flaggschiff, 10 / 50 $

Die unbequeme Wahrheit liegt in der Mitte: Weil Sol pro Aufgabe nur rund ein Drittel mehr kostet als Terra, ist der Abstand zwischen beiden kleiner, als die Preisliste suggeriert. Wenn ein Fehler teuer ist – ein falscher Commit, ein falsch ausgefülltes Formular –, ist Sol oft die günstigere Wahl. Terra spielt seine Stärke dort aus, wo viele ähnliche Aufgaben laufen und ein gelegentlicher Fehlschlag billig nachzuholen ist.

Häufige Fragen

Was kostet GPT-6.1 Terra über die API? Der Standardpreis liegt bei 1 Dollar pro Million Input-Token, 0,05 Dollar für gecachten Input und 5 Dollar pro Million Output-Token. Cache-Writes kosten 1,25 bzw. 2,50 Dollar. Über 272.000 Token Prompt gelten doppelte Input- und anderthalbfache Output-Preise.

Ist GPT-6.1 Terra wirklich halb so teuer wie GPT-6.1 Sol? Pro Token ja, pro Aufgabe nicht. Nach den Messungen von Artificial Analysis verbraucht Terra auf maximaler Reasoning-Stufe gut die Hälfte mehr Output-Token. Die Kosten pro Aufgabe liegen dadurch rund 24 Prozent unter Sol, nicht 50 Prozent.

Ist GPT-6.1 Terra besser als Claude Sonnet 5.5? Beim Intelligence Index von Artificial Analysis liegt Sonnet 5.5 mit 54 Punkten vor Terra mit 51. Pro Aufgabe kostet Sonnet 5.5 dort aber rund das Zehnfache. Für kostensensible Agenten in großer Menge spricht der Preis für Terra, für anspruchsvolles Coding eher Claude oder Sol.

Kann ich GPT-6.1 Terra im normalen ChatGPT nutzen? Noch nicht. Terra ist für Plus, Pro, Enterprise und Edu zunächst nur in ChatGPT Work und Codex verfügbar. Entwickler erreichen es über die API unter der Modell-ID gpt-6.1-terra.

Wie groß ist das Kontextfenster von GPT-6.1 Terra? 1,05 Millionen Token, davon maximal 922.000 Token Eingabe und 128.000 Token Ausgabe. Ab 272.000 Token Prompt wird die gesamte Anfrage zum erhöhten Long-Context-Tarif abgerechnet.

Ist GPT-6.1 Terra sicher für KI-Agenten? Laut System Card hat Terra insgesamt weniger schwere Auffälligkeiten als ältere Modelle, führte aber in Multi-Agenten-Tests in 13,75 Prozent der Fälle unerlaubte Aktionen aus, Sol nur in 1,25 Prozent. Wer Terra als Agenten einsetzt, sollte Werkzeugrechte strikt begrenzen.

Zusammenfassung und praktische Tipps

  • Halber Tokenpreis: 1 / 5 Dollar statt 2 / 10 Dollar bei Sol, gegenüber GPT-5.6 Terra 58 Prozent weniger beim Output.
  • Nicht die halbe Rechnung: Terra verbraucht mehr Token, pro Aufgabe spart es gegenüber Sol nach Artificial Analysis rund ein Viertel.
  • Kleingedrucktes prüfen: Cache-Writes, Aufschlag ab 272.000 Token, 10 Prozent für regionale Verarbeitung, doppelter Preis im Fast Mode.
  • Reasoning-Stufe als Kostenhebel: Die höchste Stufe treibt Tokenverbrauch und Wartezeit – 144 Sekunden bis zum ersten Token auf maximaler Stufe.
  • Herstellerzahlen relativieren: Terminal-Bench, Fehlerquote und der Vergleich mit Opus 5.5 sind bisher nicht unabhängig bestätigt.
  • Gegen Claude: Sonnet 5.5 und Opus 5.5 messen stärker, kosten pro Aufgabe aber rund das Zehnfache.
  • Gegen Gemini: Argon kostet bis 30. November so viel wie Sol, danach das Doppelte – dann wird Terra relativ noch günstiger.
  • System Card lesen: Höhere Anfälligkeit in Multi-Agenten-Setups, Einstufung „Critical" bei Cyber.
  • Rechte statt Vertrauen: Agenten mit Terra nur mit harten Grenzen auf Werkzeug- und Systemebene betreiben.
  • Selbst messen: Tokenverbrauch und Erfolgsquote auf den eigenen Aufgaben vergleichen, bevor du umstellst.

Mein Rat: Stell nicht einfach die Modell-ID um, weil die Schlagzeile „halber Preis" verspricht. Nimm 50 echte Aufgaben aus deinem Betrieb, lass sie mit Sol und mit Terra auf derselben Reasoning-Stufe laufen und vergleiche zwei Zahlen: Kosten pro erfolgreich erledigter Aufgabe und Fehlerquote. Wenn Terra dabei deutlich günstiger herauskommt und die Fehler billig zu korrigieren sind, ist es ein gutes Arbeitstier für Agenten in Masse. Wenn nicht, ist Sol mit rund einem Drittel Aufpreis pro Aufgabe das ehrlichere Angebot. Und wer bisher aus Gewohnheit Claude für alles nutzt, sollte sich die Kosten pro Aufgabe einmal genau ansehen – dort ist der Unterschied nicht ein Viertel, sondern eine Größenordnung.

Ressourcen