Willkommen an die 83 neuen Smart Chiefs, die diesen Newsletter lesen. Viel Spaß!

vor ein paar Tagen sind Robert, mein neuer COO, und ich für drei Tage im Claude Game verschwunden. Wir saßen da wie zwei Kinder unterm Weihnachtsbaum: große Augen, weil auf einmal möglich war, wovon wir vorher nur gesprochen hatten. Fable 5, das neue Modell, das gerade jede KI-Community durcheinanderwirbelt, ist eine Turbointelligenz, die man sich mit Claude einfach auf den Rechner holt.

Aber wir hatten noch aus einem zweiten Grund große Augen. Weil die Tokens weggeschmolzen sind wie Eis in der Sonne, wenn wir nicht aufgepasst haben. Ein Lauf zu viel, ein Chat zu lang, und plötzlich ploppt das Fenster auf “Token-Limit erreicht” und die Kreditkarte glüht.

Warum erzähle ich dir das ausgerechnet in einem Text über KI-Effizienz? Weil Robert und ich damit nicht allein sind.

Heute im Smart Chiefs Newsletter:

Work smart, not hard.
Deine Laura

„Fable 5 is eating my Max 20x plan at ~2% per minute, and the API pricing math is wild.“

Genau dieses Gefühl, Begeisterung und leichter Schockzustand gleichzeitig, zieht sich gerade durch die ganze Community. Ein Blick auf aktuelle Benchmark-Zahlen zeigt, warum. Bei den fünfzig schwersten von hundertfünfzig Coding-Aufgaben löst Fable 5 im stärksten Modus knapp jede dritte Aufgabe richtig, kostet dafür aber auch rund zwanzig Dollar pro Aufgabe. Claude Opus 4.8 schafft selbst im besten Fall nur etwa jede achte Aufgabe, für rund acht Dollar, und wird bei noch mehr Einsatz sogar wieder schlechter. GPT-5.5 löst nur etwa jede zwanzigste Aufgabe, egal wie viel man reinsteckt.

Klingt technisch. Aber was heißt das für dich?

Der erste Hebel ist fast banal, und genau deshalb wird er ständig übersehen: Viele greifen reflexhaft zum stärksten Modell, das gerade verfügbar ist. Für eine kurze Umformulierung, eine Zusammenfassung oder ein Transkript braucht es aber selten die volle Power. Kleinere, günstigere Modelle erledigen solche Aufgaben oft genauso zuverlässig, und meistens sogar schneller.

Frag dich deshalb bei jeder Aufgabe, die bei dir oder deinem Team landet: Welche Fähigkeit wird hier wirklich gebraucht? Wer bewusst auswählt, spart nicht nur Geld. Er spart auch Zeit, weil kleinere Modelle oft schneller antworten.

Stell dir ein Sprachmodell wie einen vergesslichen Mitarbeiter mit einem kleinen Whiteboard vor. Bei jeder neuen Frage schreibt es den kompletten bisherigen Gesprächsverlauf noch einmal auf dieses Whiteboard, bevor es überhaupt antworten kann. Je länger der Chat, desto voller das Whiteboard, und desto schwerer wird es, die eigentlich wichtige Information wiederzufinden.

Wer wochenlang denselben Chat weiterführt, erhöht also nicht nur den Rechenaufwand. Die Qualität der Antworten leidet oft sogar, weil die eigentliche Frage im Wust untergeht. Trenn Themen bewusst voneinander und starte lieber einmal zu oft einen neuen Chat als einmal zu selten.

Der dritte Hebel betrifft das Prompting selbst. Viele starten mit einer vagen Frage und tasten sich über zehn Nachfragen langsam ans Ziel heran. Das kostet Zeit, Tokens und, schlimmer noch, oft auch Qualität.

Frag dich vorher: Was soll am Ende entstehen? Welche Rolle soll die KI einnehmen? Welches Format brauchst du? Je klarer diese Angaben von Anfang an sind, desto weniger Korrekturschleifen brauchst du später. Die Zeit, die du dadurch gewinnst, kannst du in die Prüfung der Ergebnisse stecken. Genau dort liegt der eigentliche Hebel.

Der vierte Punkt hat mit Prozessen zu tun. In vielen Unternehmen formuliert jede und jeder denselben Prompt jede Woche neu, weil niemand ihn aufgeschrieben hat. Dabei lohnt es sich schon nach kurzer Zeit, erfolgreiche Eingaben als Vorlage zu speichern oder gleich einen festen Workflow daraus zu bauen.

Gerade Reportings, Standardschreiben oder wiederkehrende Kommunikation eignen sich dafür. Das reduziert nicht nur Tokenverbrauch und Fehleranfälligkeit. Es sorgt vor allem dafür, dass Wissen nicht im Kopf einer einzelnen Person bleibt, sondern dem ganzen Team zur Verfügung steht.

Der letzte Irrtum ist der hartnäckigste: Viele glauben, eine KI arbeite umso besser, je mehr Dokumente und Hintergrundinformationen sie bekommt. In der Praxis passiert oft das Gegenteil. Das Modell muss zwischen relevanten und irrelevanten Inhalten unterscheiden, und je mehr Rauschen dabei ist, desto schwerer fällt genau das.

Eine saubere, gut strukturierte Datenbasis schlägt fast immer möglichst viel Kontext. Qualität schlägt Quantität, auch bei dem, was du der KI zeigst.

Mein Fazit: Arbeitswissenschaftler:innen beobachten inzwischen ein Phänomen, das sie „Bot-Sitting“ nennen: Ein erheblicher Teil der Zeit, die wir mit KI verbringen, fließt gar nicht ins eigentliche Arbeiten, sondern ins Kontrollieren und Korrigieren der Ergebnisse. Genau hier setzen die fünf Hebel oben an. Wer die Mechanik hinter Tokens kennt, spart nicht nur Geld. Er spart sich auch das stundenlange Bot-Sitting, weil die Ergebnisse gleich besser passen.

Bei Robert und mir hat sich die Sache übrigens von selbst erledigt. Wir überlegen inzwischen vor jedem größeren Fable-5-Lauf kurz, ob wir wirklich die Turbovariante brauchen oder ob ein kleineres Modell reicht. Zwei Minuten Nachdenken sparen erstaunlich bares Geld.

Schreib mir zurück: Welcher der fünf Punkte trifft bei dir gerade am meisten zu? Ich bin gespannt auf deine Antwort.

Work smart, not hard.
Deine Laura

PS: Du hast in dem Text gemerkt, dass es wieder Updates gibt, von denen auch ich noch nichts weiß? Schreib mir eine E-Mail. Und: Teile diesen Newsletter mit anderen Smart Chiefs. Noch immer made by humans ❤️

🧠 Was Tokens wirklich kosten, einmal nüchtern und einmal schmerzhaft: Tech-Analyst Benedict Evans denkt in seinem aktuellen Essay durch, was mit den Preisen passiert, sobald sich der Chip-Engpass löst. Und falls dir das noch zu abstrakt ist: Creator Nick Saraev hat 1.486 Dollar an Fable-Tokens verbrannt, nur um eine einzige Regel zu lernen: Tokenmanagement ist Kontextmanagement. Theorie und Quittung zu unserem heutigen Thema, in einem Aufwasch.

🤖 Fables Fähigkeiten, für kleines Geld nachgebaut: Dieser virale X-Guide zeigt, wie du Fable 5s Vorgehen in eine Anleitung extrahierst, die auch ein günstigeres Modell versteht. Charmant frech, und ziemlich genau das Prinzip aus Hebel eins von oben.

🎮 Der Gangschalthebel für dein Sprachmodell: Jemand hat tatsächlich einen manuellen Schalthebel gebaut, um physisch zwischen KI-Modellen zu wechseln. Komplett unnötig. Ich liebe es trotzdem, weil es genau die Entscheidung sichtbar macht, die du eigentlich bei jeder Aufgabe im Kopf triffst.

🎙 Ein Battle der KI-Modelle: In dieser Podcast-Folge lässt Nick Vasilescu (Orgo) Grok 4.5 live gegen GPT-5.6 Sol antreten, baut nebenbei ein ganzes Startup auf und landet mittendrin beim eigentlich spannenden Punkt: dem Kostenparadox eines Modells, das gleichzeitig sehr schnell und sehr günstig ist.

Schon eine andere Nummer. Genau da setzen wir in unserem nächsten Webinar an:

» “Wie AI-ready ist deine Comms-Abteilung wirklich?” «

Get-Press-CEO Maximilian Ziche und ich zeigen euch, wie ganze Comms-Teams KI von der Recherche bis zur Wirkung einsetzen.

📅 28.07. um 11:00 Uhr
📍 Online & kostenlos (na klar)
👉 Deine Anmeldung hier.

Du gehst raus mit einem konkreten Fahrplan für deine Comms-Abteilung:

> Welche KI-Workflows sich abteilungsweit einführen lassen.
> Wo Automatisierung Sinn macht und wo der Mensch den Unterschied macht.
> Woran ihr erkennt, was bei eurer Zielgruppe wirkt und was als Nächstes kommt.

Dazu Live-Demos der Tools, mit denen wir arbeiten. Und zum Schluss ein offenes Q&A – bringt eure Fragen mit!

Dieser Newsletter enthält Affiliate Links. Wenn Du auf diese Links klickst und einen Kauf tätigst, erhalte ich eine Provision. Für Dich entstehen dabei keine zusätzlichen Kosten. Meine Partner wähle ich mit großer Sorgfalt aus.

Wurde diese E-Mail an dich weitergeleitet? Sign up here.

Hast du eine Idee oder Frage an mich? [email protected].