Kein Wissen, sondern Statistik
Ein LLM speichert keine Fakten wie ein Lexikon. Es hat Muster gelernt, wie Sprache funktioniert, und sagt das nächste Wort voraus. Das erklärt, warum dieselbe Frage zweimal leicht andere Antworten geben kann.
01 · Grundlagen
Grundlagen.
Kein Informatikstudium. Nur die Prinzipien, damit du mit der KI arbeitest statt gegen sie.
Lesezeit ca. 8 Minuten · Level: Start · Stand Mai 2026
Sektion 1 · Was ist ein LLM
Die Maschine, die das nächste Wort errät.
LLM heißt Large Language Model. Es weiß nichts. Es rechnet, welches Wort als Nächstes am wahrscheinlichsten kommt, basierend auf dem, was es in Milliarden von Texten gesehen hat. Deshalb klingt es so sicher, auch wenn es daneben liegt. Du bleibst der Prüfer.
Halluzinationen sind eingebaut
Wenn das Modell etwas nicht weiß, rät es trotzdem. Mit voller Überzeugung. Bei Namen, Zahlen, Quellen und Datumsangaben ist das die häufigste Fehlerquelle. Immer gegenprüfen.
LLM, Chatbot und Suche sind drei Dinge
Das LLM ist der Motor. Der Chatbot (z. B. ChatGPT, Claude.ai) ist die Oberfläche, durch die du den Motor bedienst. Eine Suchmaschine sucht in echten Quellen. Wer das durcheinanderbringt, erwartet von der KI Dinge, die sie nicht leistet.
Kontextfenster ist die Aufmerksamkeitsspanne
Jedes Modell kann nur eine begrenzte Menge Text gleichzeitig im Kopf behalten, gemessen in Tokens (siehe Sektion 2). Bei Claude Opus 4.7 sind das eine Million Tokens, bei kleineren Modellen weniger. Wer eine ganze Buchreihe reinkippt, verliert Qualität am Ende.
Sektion 2 · Was ist ein Token
Die Bausteine, in denen die KI denkt und zahlt.
Tokens sind die Bausteine, in denen die KI denkt und rechnet. Ein Token ist meistens ein Stück Wort, oft etwa ein dreiviertel Wort, manchmal nur ein Buchstabe oder ein Satzzeichen. Du zahlst pro Token. Beim Lesen und beim Schreiben. Wer das im Kopf hat, baut günstiger.
Ein Token ist kein Wort
Das deutsche Wort „Wahrscheinlichkeitsverteilung“ zerfällt in mehrere Tokens. Ein kurzes „ja“ ist ein Token. Bei deutschen Texten sind Tokens im Schnitt ungünstiger als bei englischen, weil deutsche Komposita zerlegt werden müssen.
Input- und Output-Tokens kosten unterschiedlich
Was du in das Modell schickst (Input), ist meistens günstiger als das, was zurückkommt (Output). Bei Claude Sonnet 4.6 sind das 3 Dollar pro Million Input-Tokens und 15 Dollar pro Million Output. Faktor 5. Quelle: Anthropic Pricing Docs, Mai 2026.
Kontextfenster ist ein Token-Budget
Wenn dein Modell ein Million-Token-Fenster hat, ist das die maximale Summe aus Input plus laufender Konversation. Ist das Fenster voll, fliegt der Anfang raus oder die Qualität bricht ein.
Briefing-Folder spart Tokens
Statt jedes Gespräch von vorne zu starten, leg deine Standard-Briefings in einen Folder. Cowork und ChatGPT Projects laden ihn automatisch — du sparst dir die Wiederholungen und das Einarbeiten.
Sektion 3 · Prompten für Aufgaben
Sag, was du willst. Warum. Und wie das Ergebnis aussehen soll.
Die meisten reden mit der KI wie mit einer Suchmaschine. Drei Wörter, Enter, fertig. So kriegst du Mittelmaß. Sag stattdessen, was du willst, warum du es willst, und wie das Ergebnis aussehen soll. Gib ein Beispiel, wenn du eines hast. Der Aufwand vorne spart dir drei Korrekturschleifen hinten.
Rolle, Aufgabe, Format, Beispiel
Sag der KI, wer sie ist (z. B. „Du bist Werbetexter“), was sie tun soll (z. B. „Schreibe eine Headline“), in welchem Format (z. B. „Maximal 8 Wörter, Plus Jakarta Sans“), und gib ein Beispiel. Diese vier Bausteine sind das Gerüst für 90 % aller Prompts.
Endzustand vor Einzelschritt
Beschreib, wie das fertige Ergebnis aussehen soll, bevor du Detailschritte gibst. Sonst optimiert das Modell den falschen Zwischenstand. Beispiel: „Am Ende will ich eine LinkedIn-Caption in 5 Zeilen, in meinem Stil.“ Dann erst der Inhalt.
Unsicherheit erzwingen
Bei Wissensfragen hilft der Zusatz: „Markiere klar, wo du dir unsicher bist, und nenne mir die Stellen, die ich nachprüfen sollte.“ Wirkt erstaunlich gut.
In Schritten, nicht in einem Wurf
Große Aufgaben in 3–5 Schritte zerlegen. Erst Plan, dann Entwurf, dann Schliff. Nach jedem Schritt kurz prüfen. Wer alles in einem Prompt erschlagen will, kriegt einen Brei zurück.
Drei kopierbare Prompt-Vorlagen
Direkt in deine KI deiner Wahl einsetzen. Eckige Klammern sind die Stellen, an denen du selbst füllst.
text·Saubere Aufgabe
Du bist ein erfahrener LinkedIn-Texter im Stil von [Name oder Beispieltext einfügen].
Aufgabe: Schreibe einen LinkedIn-Post zu folgendem Thema:
[Thema]
Format:
- Hook in einer Zeile
- Body 5–8 Zeilen, kurze und lange Sätze gemischt
- Closer mit einer echten Frage an die Community
- Hashtag-Set am Schluss, maximal 5 Hashtags
Wichtig: Kein „nicht X sondern Y"-Muster, keine Em-Dashes, duzen.text·Wissensfrage mit Unsicherheits-Check
Frage: [Deine Frage]
Antworte in drei Teilen:
1. Die direkte Antwort.
2. Quellen oder Belege, die du dafür hast.
3. Stellen, an denen du dir unsicher bist und die ich gegenprüfen sollte.text·Aufgabe in Schritten
Wir machen das in drei Schritten.
Schritt 1: Schlag mir einen Plan vor, wie wir [Aufgabe] angehen.
Frage zurück, wenn dir etwas fehlt.
Erst nach meiner Bestätigung gehst du zu Schritt 2.Sektion 4 · Output prüfen
Drei Minuten Gegencheck retten Stunden Korrektur.
Eine KI kann dir mit voller Überzeugung Quatsch erzählen. Deine Aufgabe ist nicht, ihr zu glauben. Deine Aufgabe ist, zu prüfen. Drei Minuten Gegencheck retten dir Stunden Korrektur. Und manchmal deinen Ruf.
Lies, bevor du nutzt
Klingt banal. Wird trotzdem täglich übersprungen. Lies den Output einmal durch, bevor du ihn weiterverwendest. Fragen, die du selber stellen würdest: Macht das Sinn? Passt das zum Auftrag? Stimmen die Namen und Zahlen?
Zahlen, Namen, Daten zurückprüfen
Genau hier halluziniert die KI am häufigsten. Wenn ein Datum, ein Preis oder eine Quelle im Text steht, einmal googeln. 30 Sekunden Aufwand.
Die KI gegen sich selbst antreten lassen
Gib der KI den eigenen Output zurück und sag: „Finde die drei größten Schwächen in diesem Text.“ Funktioniert verblüffend gut, weil das Modell jetzt prüft statt produziert.
Ein zweites Modell als Gegencheck
Bei wichtigen Sachen den Text in einem anderen Modell laufen lassen (z. B. Claude prüft GPT-Output, oder umgekehrt). Verschiedene Modelle haben verschiedene blinde Flecken.
Mensch dran lassen, wenn es zählt
Bei allem, was öffentlich, rechtlich oder zwischenmenschlich relevant ist, geht der Text einmal durch deinen eigenen Kopf, bevor er rausgeht. Die KI haftet nicht. Du schon.
Sektion 5 · Anbieter im Vergleich
Sieben Anbieter, mit denen du 2026 ernsthaft arbeiten kannst.
Es gibt nicht den einen besten Anbieter. Es gibt den passenden für deine Aufgabe und dein Budget. Hier sind die sieben, mit denen du 2026 ernsthaft arbeiten kannst — inklusive zweier starker Modelle aus China. Preise pro Million Tokens, Stand Mai 2026. Quellen pro Karte verlinkt.
Claude Opus 4.7
Anthropic (Claude)
Stärken · Reasoning, Code, Schreiben in deutschem Stil
Preis · 1–5 $ Input · 5–25 $ Output pro Million Tokens. Mit Caching bis zu 90 % günstiger.
Wofür · Wenn du baust, schreibst oder denkst. Mein Default für Code und Newsletter.
Anthropic PricingGPT-5.5
OpenAI (GPT)
Stärken · Allround, Computer-Use, Tool-Use
Preis · 0,20 $–5 $ Input · 1,25 $–30 $ Output. Cached Input mit 90 % Rabatt.
Wofür · Wenn du Tools, Plug-ins oder Function Calling brauchst. Auch wenn du eine UI mit der KI steuern lassen willst.
OpenAI PricingGemini 3.5 Flash
Google (Gemini)
Stärken · Schnell, multimodal, sehr günstig
Preis · 0,10 $–2 $ Input · 0,40 $–18 $ Output. Sehr günstige Lite-Stufe.
Wofür · Wenn du Bilder oder Videos verarbeiten musst, oder wenn Latenz zählt. Auch wenn dein Workflow eh in Google Workspace lebt.
Google AI Pricinggrok-4.3
xAI (Grok)
Stärken · Echtzeit-Web- und X-Daten
Preis · 1 $–1,25 $ Input · 2 $–2,50 $ Output. Flacher Tarif.
Wofür · Wenn du Trends, News oder Social-Stimmungen brauchst. Für reines Schreiben oder Coden gibt es bessere.
xAI PricingDeepSeek V4-Flash
DeepSeek
Stärken · Sehr günstig, gut für JSON und Code
Preis · 0,14 $–1,74 $ Input · 0,28 $–3,48 $ Output. Cache-Hits bei ein Hundertstel.
Wofür · Wenn du hohes Volumen verarbeitest und Kosten der Bottleneck sind. Bei deutschem Stil oft schwächer als Claude oder GPT.
DeepSeek PricingQwen 3 Max
Alibaba (Qwen)
Stärken · Reasoning, Multilingual inkl. Chinesisch, gutes Coding
Preis · 0,80 $ Input · 3,20 $ Output. Open-Weights-Varianten frei self-hostable.
Wofür · Wenn du chinesische Märkte bedienst oder ein offenes Reasoning-Modell brauchst. Auch wenn du Open-Source-Self-Hosting ausprobieren willst.
Alibaba Cloud PricingKimi K2
Moonshot AI (Kimi)
Stärken · 256 K Kontext, sehr günstig, Tool-Use stark
Preis · 0,15 $ Input · 2,50 $ Output. Open-Weights, frei lizenziert.
Wofür · Wenn du lange Dokumente verarbeitest oder Agent-Workflows günstig skalieren willst. Open Source heißt: auch self-hostable.
Moonshot PricingHinweis
Der Markt bewegt sich monatlich. Preise und Modelle ändern sich. Diese Tabelle ist Mai 2026. Vor jeder Buchentscheidung kurz die offizielle Pricing-Seite des Anbieters checken — Links pro Karte oben.
Weiter zur nächsten Station
Tägliche Aufgaben
Sparring statt Prompting. Mit Cowork, ChatGPT Projects oder Perplexity Comet — du wählst.