Die Sparphilosophie der KI-Ära: Wie man jeden Token klug ausgibt

Von Sleepy.md

In jener Telegramm-Ära, in der jedes Wort Geld kostete, waren Worte so wertvoll wie Gold. Die Menschen waren daran gewöhnt, lange Botschaften zu prägnanten Phrasen zu verdichten, wobei ein einfaches "sicheres Zurückgeben" einen langen Brief ersetzen konnte, und "Sicherheit geht vor" die am stärksten betonte Erinnerung war.

Später, mit der Einführung des Telefons in die Haushalte, wurden Ferngespräche sekundengenau abgerechnet. Die Ferngespräche der Eltern waren immer kurz und auf den Punkt. Sobald das Hauptthema behandelt war, legten sie schnell auf. Würde sich das Gespräch etwas verlängern, würden die Gedanken an den teuren Anruf jeden Smalltalk sofort unterbrechen.

Weiter unten hielten Breitbandanschlüsse Einzug in die Häuser und berechneten stundenweise die Internetnutzung. Die Leute starrten auf den Timer auf ihren Bildschirmen, schlossen Webseiten, sobald sie sie öffneten, und wagten es nur, Videos herunterzuladen, da Streaming damals als Luxusverb galt. Am Ende jedes Download-Fortschrittsbalkens lag die Sehnsucht der Menschen, "sich mit der Welt zu verbinden" und ihre Angst vor "unzureichendem Gleichgewicht".

Die Einheit der Abrechnung änderte sich ständig, aber der Sparinstinkt blieb zeitlos.

Heute sind Token zur Währung der KI-Ära geworden. Allerdings müssen die meisten Menschen in dieser Ära noch lernen, wie man haushaltet, weil wir noch nicht verstanden haben, wie man Gewinne und Verluste innerhalb unsichtbarer Algorithmen berechnet.

Als ChatGPT 2022 auftauchte, kümmerte sich kaum jemand darum, was Tokens waren. Es war die Ära der KI-Feste, wo man für 20 Dollar im Monat so viel chatten konnte, wie man wollte.

Aber seit dem jüngsten Aufstieg von KI-Agenten sind Token-Ausgaben etwas geworden, auf das jeder achten muss, der einen KI-Agenten verwendet.

Im Gegensatz zu einfachen Fragen und Antworten stehen hinter einem Aufgabenfluss Hunderte oder Tausende API-Aufrufe. Das unabhängige Denken eines Agenten hat seinen Preis. Jede Selbstkorrektur, jeder Werkzeugaufruf entspricht Schwankungen in der Rechnung. Plötzlich stellen Sie fest, dass das Geld, das Sie eingezahlt haben, nicht mehr ausreicht, und Sie haben keine Ahnung, was der Agent vorhatte.

Im echten Leben weiß jeder, wie man Geld spart. Beim Kauf von Lebensmitteln auf dem Markt wissen wir, dass wir den Schlamm und die welken Blätter vor dem Wiegen reinigen müssen. Erfahrene Fahrer, die ein Taxi zum Flughafen nehmen, wissen, die erhöhten Straßen während der Hauptverkehrszeit zu meiden.

Die Logik des Geldsparens in der digitalen Welt ist ähnlich, nur dass die Abrechnungseinheit von "Kilogramm" und "Kilometer" zu Token gewechselt ist.

In der Vergangenheit war Sparen aufgrund von Knappheit; in der KI-Ära ist Sparen für Präzision.

Mit diesem Artikel möchten wir Ihnen helfen, eine Methodik zum Sparen von Geld in der KI-Ära zu skizzieren, damit Sie jeden Cent klug ausgeben können.

Entfernen Sie faule Blätter vor dem Wiegen

In der KI-Ära wird der Wert von Informationen nicht mehr durch ihre Breite, sondern durch ihre Reinheit bestimmt.

Die Abrechnungslogik der KI basiert auf der Anzahl der Wörter, die sie liest. Ob man ihm tiefgründige Einsichten oder bedeutungslosen Jargon gibt, solange es ihn liest, muss man bezahlen.

Daher ist die erste Einstellung, Tokens zu speichern, "Signal-Rausch-Verhältnis" in Ihr Unterbewusstsein einzugravieren.

Jedes Wort, jedes Bild, jede Zeile Code, die Sie mit KI füttern, hat einen Preis. Bevor Sie also etwas an KI übergeben, denken Sie daran, sich zu fragen: Wie viel davon wird von KI wirklich benötigt? Wie viel ist matschig und faul?

Zum Beispiel sind ausführliche Eröffnungsgrüße wie "Hallo, bitte hilf mir bei..." Hintergrundeinführungen, die sich wiederholen, und Codekommentare, die nicht richtig gelöscht wurden, alle schlammige und faule Blätter.

Darüber hinaus ist die häufigste Verschwendung, KI direkt ein PDF oder einen Webseiten-Screenshot zu füttern. Das spart zwar Mühe, aber im Zeitalter der KI bedeutet "Anstrengung sparen" oft "mehr kosten".

Ein gut formatiertes PDF enthält nicht nur den Hauptinhalt, sondern auch Kopfzeile, Fußzeile, Diagrammbeschriftungen, versteckte Wasserzeichen und eine große Menge Formatierungscode für den Satz. Diese Elemente helfen KI nicht, Ihre Frage zu verstehen, aber Sie werden für alle von ihnen berechnet.

Denken Sie beim nächsten Mal daran, das PDF in sauberen Markdown-Text zu konvertieren, bevor Sie es der KI zuführen. Wenn Sie aus einem 10 MB großen PDF einen 10 KB großen sauberen Text machen, sparen Sie nicht nur 99% der Kosten, sondern beschleunigen auch die Verarbeitung durch KI erheblich.

Bilder sind eine weitere geldfressende Bestie.

In der Logik visueller Modelle ist es KI egal, ob Ihr Foto schön ist; es kümmert sich nur darum, wie viel Pixelfläche Sie einnehmen.

Mit Claudes offizieller Berechnungslogik: Bildmarkenverbrauch = Breite Pixel × Höhe Pixel ÷ 750.

Für ein 1000×1000 Pixel Bild verbraucht es etwa 1334 Token, was laut Claude Sonnet 4.6 Preisangaben etwa 0,004 $ pro Bild entspricht;

Wird das gleiche Bild jedoch auf 200×200 Pixel komprimiert, verbraucht es nur 54 Token, was die Kosten auf 0,00016 $ reduziert, eine Differenz von ganzen 25 Mal.

Viele Menschen füttern direkt hochauflösende KI-Fotos, die mit ihrem Handy aufgenommen wurden, oder 4K-Screenshots und konsumieren unwissentlich Token, die für KI ausreichen könnten, um mehr als die Hälfte einer Novelle zu lesen. Wenn es nur darum geht, den Text im Bild zu erkennen oder einfache visuelle Beurteilungen vorzunehmen, wie z.B. die KI den Betrag auf einer Rechnung erkennen zu lassen, Text in einer Bedienungsanleitung zu lesen oder festzustellen, ob sich eine Ampel im Bild befindet, dann ist 4K-Auflösung einfach Makulatur. Eine Komprimierung des Bildes auf die minimal nutzbare Auflösung ist ausreichend.

Der einfachste Weg, Tokens auf der Eingabeseite zu verschwenden, ist jedoch nicht das Dateiformat, sondern die ineffiziente Art zu sprechen.

Viele Menschen behandeln KI wie einen menschlichen Nachbarn, der es gewohnt ist, mit einer sozialen, geschwätzigen Art zu kommunizieren, angefangen mit einem Satz wie "hilf mir, eine Webseite zu schreiben", zu warten, bis KI ein halbfertiges Produkt ausspuckt, dann Details hinzuzufügen und wiederholt hin- und herzuziehen. Dieses Gespräch im Stil von Zahnpasta-Quetschung lässt KI wiederholt Inhalte generieren, wobei jede Modifikationsrunde den Tokenverbrauch erhöht.

Ingenieure von Tencent Cloud haben in der Praxis herausgefunden, dass für die gleiche Anforderung eine Zahnpasta-drückende Multi-Runden-Konversation oft Token verbraucht, die 3- bis 5-mal so groß sind wie das, was auf einmal erklärt werden könnte.

Der wirkliche Weg, um Geld zu sparen, besteht darin, diese ineffiziente soziale Sondierung aufzugeben, die Anforderungen, Randbedingungen und Referenzbeispiele auf einen Schlag klar zu benennen. Verbringen Sie weniger Aufwand, um zu erklären, "was nicht zu tun ist", weil Negationen oft mehr Verständniskosten verbrauchen als Affirmationen; sagen Sie es direkt "wie es zu tun ist" und liefern Sie eine klare, korrekte Demonstration.

Wenn du weißt, wo das Ziel ist, sag es der KI direkt, lass sie nicht Detektiv spielen.

Wenn Sie KI befehlen, "irgendeinen benutzerbezogenen Code zu finden", muss sie im Hintergrund groß angelegte Scans, Analysen und Ratespiele durchführen. Wenn Sie ihr jedoch direkt sagen, sie solle "sich die Datei src/services/user.ts ansehen", ist der Unterschied im Tokenverbrauch wie Tag und Nacht. In der digitalen Welt ist Informationssymmetrie die größte Effizienz.

Don't Foot the Bill für KIs " Höflichkeit"

Es gibt eine unausgesprochene Regel in der großen Modellrechnung, die vielen Menschen nicht bekannt ist: Ausgabetoken sind in der Regel 3- bis 5-mal teurer als Eingabetoken.

Mit anderen Worten, was KI sagt, ist viel teurer als das, was Sie dazu sagen. Nehmen wir den Preis von Claude Sonnet 4.6 als Beispiel, kostet die Eingabe jeder Million Token nur 3 Dollar, während die Ausgabe plötzlich auf 15 Dollar ansteigt, eine satte 5-fache Preisdifferenz.

All diese höflichen Eröffnungszeilen und diese höflichen Endungen „Ich hoffe, die oben genannten Informationen sind hilfreich für Sie“ sind soziale Etikette in der menschlichen Kommunikation, aber auf einer API-Rechnung werden diese Formalitäten ohne Informationswert Sie auch Geld kosten.

Der effektivste Weg, um Ausgabeterminalabfall zu beheben, ist die Festlegung von Regeln für KI. Verwenden Sie Systembefehle, um es explizit zu sagen: kein Smalltalk, keine Erklärungen, keine Wiederholung von Anfragen, geben Sie einfach die Antwort.

Diese Regeln brauchen nur einmal festgelegt zu werden und werden in jedem Gespräch wirksam und verkörpern wirklich den Grundsatz "einmaliger Input, ewiger Nutzen" im Finanzwesen. Bei der Festlegung dieser Regeln tappen viele Menschen jedoch in eine andere Falle: die Erteilung ausführlicher Anweisungen in natürlicher Sprache.

Ingenieurgeprüfte Daten zeigen, dass die Wirksamkeit von Anweisungen nicht in der Wortzählung, sondern in der Dichte liegt. Durch Komprimierung einer 500-Wort-Systemaufforderung auf 180 Wörter, Entfernung sinnloser Angenehmes, Konsolidierung wiederholter Anweisungen und Umstrukturierung von Absätzen in einer prägnanten, stückigen Liste bleibt die Qualität der KI-Ausgabe nahezu unverändert, doch kann der Tokenverbrauch pro Anruf um 64 % sinken.

Ein weiteres, proaktiveres Kontrollmittel ist die Begrenzung der Ausgangslänge. Viele Menschen legen nie eine Output-Obergrenze fest, was KI freien Lauf lässt, was oft zu extremer Kosteneskalation führt. Man braucht vielleicht nur einen kurzen, klaren Satz, aber KI erzeugt in dem Bemühen, eine gewisse "intellektuelle Aufrichtigkeit" zur Schau zu stellen, vorbehaltlos einen 800-Wörter-Essay.

Wenn Sie reine Daten suchen, sollten Sie KI dazu zwingen, Ergebnisse in einem strukturierten Format zurückzugeben, anstatt langwierige Beschreibungen natürlicher Sprache. Bei einer gleichwertigen Informationsmenge verursacht das JSON-Format im Vergleich zu Prosa einen viel geringeren Tokenverbrauch. Dies liegt daran, dass strukturierte Daten alle redundanten Konjunktionen, Partikel und erklärenden Modifikatoren eliminieren und nur eine hohe Konzentration an logischem Kern beibehalten. In der KI-Ära sollten Sie sich genau bewusst sein, dass es sich lohnt, dafür zu bezahlen, dass das Ergebnis wertvoll ist, nicht diese bedeutungslose Selbsterklärung durch KI.

Darüber hinaus zehrt das "Überdenken" von KI auch gewaltig an Ihrem Kontostand.

Einige fortgeschrittene Modelle verfügen über einen "erweiterten Argumentationsmodus", der massive interne Argumentation vor der Reaktion durchführt. Dieser Argumentationsprozess verursacht auch Gebühren, die auf dem Preis der Ausgabe basieren, was ziemlich teuer sein kann.

Dieser Modus ist im Wesentlichen für "komplexe Aufgaben konzipiert, die eine tiefe logische Unterstützung erfordern". Die meisten Menschen wählen diesen Modus jedoch auch, wenn sie einfache Fragen stellen. Bei Aufgaben, die kein tiefes Denken erfordern, kann die explizite Anweisung von KI, „Erklärungen zu überspringen und die Antwort direkt zu geben“ oder das manuelle Abschalten von erweitertem Denken eine erhebliche Menge Geld sparen.

Vermeiden Sie KI-Verweilen in alten Angelegenheiten

Große Modelle haben kein wahres Gedächtnis; sie verweilen einfach endlos bei alten Dingen.

Dies ist ein zugrunde liegender Mechanismus, dessen sich viele Menschen nicht bewusst sind. Jedes Mal, wenn Sie eine neue Nachricht in einem Gesprächsfenster senden, beginnt KI nicht, von diesem Satz aus zu verstehen; stattdessen liest sie alle Ihre vergangenen Interaktionen, einschließlich jeder Dialogrunde, jedes Stück Code und jedes referenzierte Dokument, erneut, bevor sie Ihnen antwortet.

Bei der Abrechnung von Tokens ist dieses "Lernen aus der Vergangenheit" keineswegs kostenlos. Wenn sich die Gesprächsrunden häufen, selbst wenn Sie nur nach einem einfachen Wort fragen, steigen die Kosten für das erneute Lesen des gesamten alten Kontos durch KI exponentiell. Dieser Mechanismus bestimmt, dass je schwerer der Gesprächsverlauf, desto teurer wird jede Ihrer Fragen.

Jemand verfolgte 496 echte Dialoge mit jeweils über 20 Nachrichten und stellte fest, dass die durchschnittliche Lesung der ersten Nachricht 14.000 Token betrug, was etwa 3,6 Cent pro Nachricht kostete; bei der 50. Nachricht lag die durchschnittliche Lesung bei 79.000 Token, was etwa 4,5 Cent pro Nachricht kostete, satte 80% teurer. Darüber hinaus ist der Kontext, den die KI mit zunehmender Länge bis zur 50. Nachricht neu verarbeiten muss, bereits 5,6 mal so groß wie der Kontext der 1. Nachricht.

Um dieses Problem anzugehen, ist die einfachste Gewohnheit: eine Aufgabe, eine Dialogbox.

Wenn ein Thema besprochen wird, starten Sie umgehend einen neuen Dialog; behandeln Sie KI nicht als ständiges Chatfenster. Diese Gewohnheit klingt einfach, aber viele Leute können es einfach nicht tun, denken immer: "Was ist, wenn ich auf den vorherigen Inhalt zurückgreifen muss?" In Wirklichkeit treten diese "Was-wäre-wenn" meistens nie auf, und für dieses "Was-wäre-wenn" zahlen Sie am Ende ein Mehrfaches für jede neue Nachricht.

Wenn eine Unterhaltung fortgesetzt werden muss, der Kontext aber langwierig geworden ist, können wir die Kompressionsfunktionen einiger Tools verwenden. Claude Code verfügt über einen Befehl /compact, der die lange Dialoghistorie zu einer kurzen Zusammenfassung zusammenfassen kann und Ihnen dabei hilft, Cyber-Aufgeräumtheit zu üben.

Es gibt auch eine Sparlogik namens Prompt Caching. Wenn Sie wiederholt dieselbe Systemanforderung verwenden oder in jeder Unterhaltung auf dasselbe Dokument verweisen müssen, wird die KI diesen Inhalt zwischenspeichern. Beim nächsten Aufruf wird nur eine minimale Lesegebühr für den Cache berechnet, anstatt jedes Mal eine volle Preisgebühr.

Die offiziellen Preise von Anthropic zeigen, dass der Tokenpreis für zwischengespeicherte Treffer 1/10 des regulären Preises beträgt. OpenAIs Prompt Caching reduziert ebenfalls die Eingabekosten um ca. 50%. Ein im Januar 2026 auf arXiv veröffentlichtes Paper untersuchte lange Aufgaben über mehrere KI-Plattformen hinweg und kam zu dem Ergebnis, dass das prompte Caching die API-Kosten um 45% bis 80% senken könnte.

Mit anderen Worten, für den gleichen Inhalt zahlen Sie beim ersten Füttern an KI den vollen Preis, aber bei folgenden Anrufen nur 1/10. Für Benutzer, die jeden Tag wiederholt dieselben Spezifikationsdokumente oder Systemaufforderungen verwenden müssen, kann diese Funktion eine erhebliche Menge an Tokens einsparen.

Prompt Caching hat jedoch eine Voraussetzung: Der Wortlaut der Systemaufforderung und der Inhalt und die Reihenfolge der Referenzdokumente müssen konsistent bleiben und zu Beginn der Konversation stehen. Sobald der Inhalt in irgendeiner Weise geändert wird, wird der Cache ungültig und die volle Preisabrechnung gilt wieder. Wenn Sie also feste Arbeitsnormen haben, codieren Sie diese hart und vermeiden Sie willkürliche Modifikationen.

Die letzte Kontextmanagement-Technik ist das On-Demand-Loading. Viele Leute stopfen gerne alle Spezifikationen, Dokumente und Notizen in die Systemaufforderungen, nur für den Fall.

Die Kosten dafür sind jedoch, dass Sie, wenn Sie einfach eine einfache Aufgabe ausführen, gezwungen sind, Tausende von Wörtern von Regeln zu laden und einen Haufen von Token ohne Grund zu verschwenden. Die offizielle Dokumentation von Claude Code schlägt vor, CLAUDE.md auf unter 200 Zeilen zu halten, spezialisierte Regeln für verschiedene Szenarien in separate Skill-Dateien aufzuschlüsseln und die Regeln nur für das verwendete Szenario zu laden. Die absolute Reinheit des Kontextes ist die höchste Form des Respekts vor Rechenleistung.

Nehmen Sie keinen Porsche, um Gemüse zu kaufen

Verschiedene KI-Modelle weisen einen erheblichen Preisunterschied auf.

Claude Opus 4.6 kostet 5 Dollar für jede Million Token Eingabe und 25 Dollar für Ausgabe, während Claude Haiku 3.5 nur 0,8 Dollar für Eingabe und 4 Dollar für Ausgabe verlangt, fast eine sechsfache Differenz. Das Top-Modell die grunzende Arbeit der Informationsbeschaffung und Formatierung erledigen zu lassen, ist nicht nur langsam, sondern auch sehr teuer.

Der intelligente Ansatz besteht darin, das gemeinsame humangesellschaftliche Konzept der „Arbeitsteilung“ auf die KI-Gemeinschaft anzuwenden und Modellen Aufgaben unterschiedlicher Schwierigkeit zu unterschiedlichen Preispunkten zuzuweisen.

Genau wie in der realen Welt, wenn Sie jemanden für einen Job einstellen, würden Sie nicht speziell einen Maurer-Experten mit einem Millionen-Dollar-Gehalt einstellen, um manuelle Arbeit auf einer Baustelle zu erledigen. KI funktioniert genauso. In der offiziellen Dokumentation von Claude Code wird außerdem ausdrücklich empfohlen, Sonnet für die meisten Programmieraufgaben zu verwenden, Opus für komplexe Architekturentscheidungen und mehrstufige Argumentation zu reservieren und Haiku für einfache Teilaufgaben zu benennen.

Eine konkretere praktische Lösung ist der Aufbau eines "zweistufigen Workflows". Verwenden Sie in der ersten Stufe kostenlose oder kostengünstige Basismodelle, um Vorschmutzarbeiten wie Datenerfassung, Formatbereinigung, Erstentwurfserstellung, einfache Klassifizierung und Zusammenfassung zu erledigen. Dann, in der zweiten Stufe, führen Sie die raffinierte Essenz in Top-Modelle für Kernentscheidungen und tiefe Verfeinerung.

Wenn Sie beispielsweise einen 100-seitigen Branchenbericht analysieren müssen, können Sie zunächst mit Gemini Flash Schlüsseldaten und Schlussfolgerungen aus dem Bericht extrahieren, zu einer 10-seitigen Zusammenfassung zusammenfassen und diese Zusammenfassung dann zur eingehenden Analyse und Beurteilung an Claude Opus weitergeben. Dieser zweistufige Workflow kann die Kosten deutlich senken und gleichzeitig die Qualität sichern.

Über das einfache Paragraphing hinaus ist ein fortschrittlicher Ansatz die aufgabenbasierte Tiefenarbeitsteilung. Eine komplexe Engineering-Aufgabe kann in mehrere unabhängige Teilaufgaben unterteilt werden, die jeweils mit dem am besten geeigneten Modell abgestimmt sind.

Beispielsweise kann ein kostengünstiges Modell für eine Codieraufgabe zunächst den Framework- und Boilerplate-Code schreiben und dann nur die Implementierung der Kernlogik einem teureren Modell zuordnen. Jede Teilaufgabe hat einen sauberen, fokussierten Kontext, was zu genaueren Ergebnissen und niedrigeren Kosten führt.

Sie müssen eigentlich keine Token ausgeben

Alle bisherigen Diskussionen befassen sich grundsätzlich mit taktischen Fragen, "wie man Geld spart", aber viele Menschen haben einen grundlegenderen logischen Vorschlag übersehen: Benötigt diese Aktion wirklich Ausgabemarken?

Die extremste Form des Speicherns ist nicht die Algorithmenoptimierung, sondern der Akt der übersichtlichen Entscheidungsfindung. Wir haben uns daran gewöhnt, universelle Antworten von KI zu suchen, wobei wir vergessen haben, dass das Aufrufen eines teuren großen Modells in vielen Szenarien dem Einsatz einer Kanone zum Töten einer Mücke gleicht.

Beispielsweise führt die automatische Behandlung von E-Mails durch KI dazu, dass jede E-Mail als eigenständige Aufgabe interpretiert, kategorisiert und beantwortet wird, was zu einem erheblichen Tokenverbrauch führt. Wenn Sie jedoch zuerst 30 Sekunden damit verbringen, Ihren Posteingang zu scannen, E-Mails manuell herauszufiltern, die eindeutig keine KI-Verarbeitung benötigen, und dann den Rest an KI übergeben, reduzieren sich die Kosten sofort auf einen Bruchteil des Originals. Menschliches Urteilsvermögen ist hier kein Hindernis, sondern das beste Filterwerkzeug.

Menschen aus der Telegramm-Ära wussten, wie viel es kosten würde, ein zusätzliches Wort zu senden, so dass sie es in Betracht ziehen würden, ein intuitives Gefühl der Ressourcennutzung zu zeigen. Die KI-Ära ist nicht anders. Wenn man wirklich versteht, wie viel es kostet, wenn KI noch einen Satz sagt, wiegt man natürlich ab, ob es sich lohnt, KI erledigen zu lassen, ob die Aufgabe ein Spitzenmodell oder ein kostengünstiges erfordert und ob der Kontext noch relevant ist.

Diese Art der Betrachtung ist die kostengünstigste Möglichkeit. In einer Ära, in der Rechenleistung immer teurer wird, besteht der intelligenteste Nutzen nicht darin, KI den Menschen ersetzen zu lassen, sondern KI und Menschen jeweils das tun zu lassen, worin sie sich auszeichnen. Wenn diese Sensibilität für Tokens zu einer reflexiven Aktion wird, wandelt ihr euch wirklich vom Untergebenen zum Beherrschenden.