KI-Lernreihe, Lektion 4: Kosten senken mit einem KI-Workflow

KI-Lernreihe · Lektion 4 von 4

Was Sie nicht gemessen haben, können Sie nicht senken. Jede KI-Kostenaussage, die etwas taugt, beginnt mit einem echten Ausgangswert, ändert jeweils nur eine Sache und zählt die Qualität jedes Mal, wenn sie die Ausgaben zählt — ein günstigerer Lauf, der die Prüfung nicht besteht, ist ein Verlust, keine Ersparnis.

Status: Gliederung. Die Vorführung am Bildschirm ist noch nicht aufgezeichnet, und die ganze Prämisse dieser Lektion ist ein gemessenes Ergebnis — daher stehen hier noch keine Zahlen. Es werden keine erfunden, damit der Beitrag fertiger wirkt; der echte Ausgangswert und die Abschlusstabelle ersetzen diesen Hinweis, sobald die Lektion ausgestrahlt ist.

Lektion	Schwerpunkt	Beantwortete Frage
1 — Modellnutzung	Modellstufe, Kontext, Tokens	Welches Modell braucht diese Aufgabe?
2 — Prompting, Projekt und Kontext	Prompt-Struktur, dauerhafter Kontext	Was legt man dem Modell vor?
3 — Dokumentation, Regeln und Skills	Repository-Struktur	Wie bleibt ein Repository über Sitzungen hinweg konsistent?
4 — Kosten senken	Messung, Hebel, Leitplanken	Wie gibt man weniger aus, ohne Qualität zu verlieren?

Was Sie danach können

Messen, was eine echte KI-Aufgabe kostet
Herausfinden, wohin diese Ausgaben tatsächlich fließen
Sie mit einer Änderung senken, die Sie benennen und begründen können — ohne das Ergebnis zu verschlechtern

Die Aussage, die diese Lektion treffen darf, ist bewusst eng: weniger für dasselbe Ergebnis, am Bildschirm gemessen. Kein von anderswo übernommener Prozentsatz. Die gemessene Zahl, wie auch immer sie ausfällt, ist die Zahl, die veröffentlicht wird — auch wenn sie klein ist.

Nicht Teil dieser Lektion: Verhandlungen mit Anbietern, Unternehmensrabatte, Self-Hosting, um API-Ausgaben ganz zu vermeiden, sowie jeder Preis oder Sparprozentsatz, der als feststehende Tatsache dargestellt wird. Jede Zahl am Bildschirm stammt aus echter Nutzung in derselben Woche und wird mit ihrer Quelle gezeigt.

Die vier Hebel

Kosten kommen zuletzt, weil die Hebel das sind, was die Lektionen 1–3 vermitteln. Ohne sie gibt es nichts zu ziehen.

Hebel	Vermittelt in
Das Modell passend zur Aufgabe dimensionieren	Lektion 1
Weniger, besser gewählten Kontext senden	Lektionen 1 und 2
Es beim ersten Mal richtig machen — Akzeptanzkriterien vorab	Lektion 2
Nur laden, was eine Aufgabe braucht — geschichtete Dokumentation, Regeln, Skills	Lektion 3

Die Methode

Ausgangswert — messen, bevor Sie etwas anfassen

Eine Aufgabe, die sich wirklich wiederholt, so ausgeführt, wie sie heute ist
Eingabe- und Ausgabe-Tokens, Anzahl der Wiederholungen und bestanden/nicht bestanden werden vor jeder Änderung erfasst

▶ show code

# Baseline Log — one task, before any change
Task:           (one you actually repeat)
Model/setting:
Input tokens:
Output tokens:
Retries:
Result:         pass / fail against the stated check
Source/date:    where each number came from, and when

Aufschlüsselung — wohin die Ausgaben wirklich fließen

Der Ausgangswert wird nach Schritten aufgeteilt: welcher Teil der Aufgabe, welcher Kontext, welche Wiederholungen
Der teure Teil ist nicht immer der, der sich teuer anfühlt

Ein Hebel nach dem anderen — nach jeder Änderung neu messen

Ändern Sie eine Sache, messen Sie neu und behalten Sie die Änderung nur, wenn die Qualität hält
Ein günstigerer Lauf, der die Prüfung nicht besteht, bleibt als Verlust in der Tabelle — er wird nie still entfernt

Workflow umbauen — günstige Schritte auf günstigen Modellen

Teilen Sie die Aufgabe so, dass Routineschritte auf einem kleinen Modell laufen und nur der wirklich schwierige Schritt ein teures Modell nutzt
Zwei Praxisbeispiele für denselben Hebel: die Anleitung zum hybriden KI-Setup verteilt einen Entwicklungs-Workflow zwischen Hugging Face und Claude, und das Chatbot-Anbieter-Routing von OpenTechnologyApp schickt die einfachen Fragen eines Chatbots automatisch an ein günstiges Modell und die schwierigen an ein teures

Leitplanken — Abbruchbedingungen und Ausgabenbudgets

Alles, was in einer Schleife läuft, bekommt eine Abbruchbedingung und ein Ausgabenbudget, damit ein Fehler nicht unbeaufsichtigt eine Rechnung in die Höhe treibt
Am Bildschirm: Eine Schleife überschreitet absichtlich ihr Limit und wird von ihrer eigenen Grenze gestoppt

Die Abschlusstabelle

Wird mit gemessenen Werten gefüllt, sobald die Lektion aufgezeichnet ist — hier in der Form gezeigt, die sie haben wird.

Änderung	Kosten gegenüber Ausgangswert	Qualitätsprüfung	Behalten?
Ausgangswert	—	—	—
Hebel 1	—	—	—
Hebel 2	—	—	—
Hebel 3	—	—	—

Die Regeln für die Ergebnisse

Qualität wird jedes Mal gemessen, wenn Kosten gemessen werden. Ein günstigerer Lauf, der die Prüfung nicht besteht, ist ein Verlust, Punkt.
Ein Hebel pro Wiederholung. Sonst kann die Tabelle nicht sagen, welche Änderung was bewirkt hat.
Hebel ohne Ersparnis bleiben drin. Sie zu streichen, damit die Ergebnisse sauberer aussehen, würde die Methode verfälschen.

Prüfen, bevor Sie sich darauf verlassen

Aktueller Preis pro Modell — und ob Eingabe, Ausgabe und zwischengespeicherte Eingabe unterschiedlich abgerechnet werden — von der Preisseite des Anbieters in derselben Woche, mit Datum am Bildschirm
Ob es Prompt-Caching oder Batch-Verarbeitung für das gezeigte Modell und Tool gibt, wie sie heißen und welche Einschränkungen gelten
Wie das Tool die Token-Nutzung pro Anfrage meldet, damit der Ausgangswert gemessen und nicht geschätzt ist
Dass die gewählte Aufgabe sich wirklich wiederholt und sicher live ausgeführt werden kann
Jede Funktion für Ausgabenlimits oder Nutzungsobergrenzen im Tool, für das Leitplanken-Segment

Häufige Fragen

„Wie viel spare ich damit?“ Unbekannt, bis Sie Ihren eigenen Ausgangswert gemessen haben. Jeder Prozentsatz ohne Ausgangswert beschreibt die Arbeitslast von jemand anderem.

„Sollte ich einfach alles auf das günstigste Modell umstellen?“ Nur die Schritte, die ihre Prüfung damit weiterhin bestehen. Ein günstiger Lauf, der scheitert, kostet Sie die Wiederholung, die Durchsicht und die Korrektur.

„Ich bin wegen der Kosten hier — kann ich Lektion 1–3 überspringen?“ Sie können diese zuerst lesen, aber die Hebel funktionieren erst, wenn die vorherige Einrichtung steht.

Die ganze Reihe

Wählen Sie das Modell. Schreiben Sie den Prompt und richten Sie das Projekt ein. Strukturieren Sie das Repository. Dann geben Sie für all das weniger aus, ohne Qualität zu verlieren. Nichts davon ersetzt die Dokumentation des Anbieters zu dem, was aktuell gilt — es ist eine Reihenfolge der Schritte, durchgearbeitet an einer echten Aufgabe statt an Folien. Beginnen Sie mit Lektion 1 oder sehen Sie sich die ganze Reihe auf der Seite KI lernen an.