← Alle Folgen / EP_063

EP_063 Open-Source KI-Modelle Workflow-Optimierung und Evaluation Model Routing & Modellauswahl Modell-Kosten und Pricing-Strategien KI-Kosten & API-Nutzung Token Maxing vs. Efficiency Maxing 30 min

KI-Kosten explodieren? Efficiency Maxing statt Token-Verschwendung

Erschienen 15. Juli 2026

// Hören auf

YouTube ↗ Spotify ↗ Apple ↗

// TeilenLinkedIn X WhatsApp

// KI-Zusammenfassung

KI-Kosten steigen rasant, weshalb Unternehmen vom unkontrollierten Token-Verbrauch zum strategischen "Efficiency Maxing" übergehen müssen. Diese Episode zeigt, wie durch gezieltes Model-Routing, messbare Workflows und die Kombination von teuren Frontiermodellen mit günstigen Open-Weight-Alternativen erhebliche API-Kosten eingespart werden können, ohne die Innovationskraft im Team zu bremsen.

// Die eine Idee

“Nutze teure Top-Modelle für komplexe Planung und günstigere Modelle für die Ausführung.

Diese Aussage teilen →

Kapitel

01
0:00
Intro: Token Maxing vs. Efficiency Maxing
02
1:49
Warum unbegrenztes Ausprobieren wichtig ist
03
4:36
Die Gefahr von zu viel Effizienzfokus
04
6:42
Neue Use Cases durch Fable 5 und GPT 5.6
05
8:29
Token-Preise und API-Kosten verstehen
06
11:01
Günstige Alternativen: Open-Weight-Modelle aus China
07
12:31
Open-Source-Modelle und eigene Server-Infrastruktur
08
14:40
Praxis-Check: Moritz' 50.000-Dollar-Erkenntnis
09
17:10
Modell-Auswahl nach Anwendungsfall im Podcast-Workflow
10
18:47
Token sparen durch deterministische Bausteine
11
20:31
Free-Token-Programme der Hyperscaler
12
22:10
Workflows und Evaluation statt reiner Modell-Auswahl
13
24:04
Strategie für Unternehmen: Planung vs. Execution
14
26:28
Messbarkeit von KI: KPIs und Fehlerkosten
15
28:50
Fazit: Umsatz pro Million Token als neue Metrik

Shownotes

Dein Team nutzt seit Monaten KI, aber kann keine messbaren Erfolge vorweisen? Dann habt ihr vielleicht kein echtes KI-Programm, sondern nur ein teures Tool-Abo. Benjamin und Moritz diskutieren in dieser Folge, warum es jetzt Zeit ist, von blindem Token-Verbrauch zu echter Effizienz zu wechseln und wie du deine KI-Kosten gezielt optimierst.

- Nutze teure Top-Modelle für komplexe Planung und günstigere Modelle für die Ausführung. - KI-Effizienz bedeutet Messbarkeit: Definiere klare KPIs wie Zeitersparnis, Umsatz oder Fehlerkosten. - Kostenlose Token-Phasen sind wichtig für kreatives Ausprobieren und Innovationen, bevor man alles auf Effizienz trimmt.

In dieser Folge erfährst du, wie du deine KI Kosten senken kannst und welche Efficiency Maxing Strategie wirklich funktioniert. Benjamin und Moritz diskutieren, wie du deinen Token Verbrauch messen und KI Modelle optimieren kannst, um messbare Ergebnisse zu erzielen.

⏱ Kapitel

↗ Links

// Lerninhalte der Folge — was du mitnimmst

Erkenntnisse

1:25
Viele Unternehmen verbrauchen ihr KI-Budget extrem schnell durch unkontrollierten Token-Einsatz.
13:55
Effizienz bei der KI-Nutzung erfordert eine klare Messbarkeit des Return on Invest.
16:25
Komplexe Planungsaufgaben sollten mit den besten und teuersten Modellen durchgeführt werden, während die Umsetzung mit günstigeren Modellen erfolgen kann.

// Wortwörtliche Stellen aus dem Gespräch

Zitate

„Wenn dein Team nach 3 Monaten KI Nutzung nur sagen kann, dass es sich produktiver anfühlt, aber nichts messen kann, dann habt ihr kein KI Programm, dann habt ihr einen Toolabo."

SPEAKER_00 · 0:00
„Und jetzt fällt den Leuten irgendwie so auf, ein Token können auch teuer sein. Nein, nein, die Token können teuer sein."

SPEAKER_00 · 0:46
„Und mein eigenes Verhalten hat sich jetzt schon so insofern geändert, als dass ich sage, ich nutz die besten und stärksten und teuersten Modelle für alles, was ich plane."

SPEAKER_01 · 16:25

Zahlen

Über 50.000 Dollar

Die theoretischen API-Kosten für die Nutzung von Claude und Codecs beliefen sich über sechs Monate hinweg auf eine beachtliche Summe.

▶ 15:17

Fragen

Was ist der Unterschied zwischen Token Maxing und Efficiency Maxing? ▾

Token Maxing beschreibt die unkontrollierte Nutzung von KI-Modellen ohne Rücksicht auf Kosten. Efficiency Maxing hingegen bedeutet, KI-Prozesse messbar zu machen, den Return on Invest zu berechnen und gezielt das passende Modell für die jeweilige Aufgabe auszuwählen, um Kosten zu minimieren.

Wie können Unternehmen ihre API-Kosten durch Model-Routing senken? ▾

Unternehmen können Kosten sparen, indem sie teure Spitzenmodelle nur für die strategische Planung einsetzen. Für die anschließende Ausführung oder einfache Textanalysen reichen oft deutlich günstigere und schnellere Modelle aus, was die Gesamtkosten drastisch reduziert.

Warum sind chinesische KI-Modelle eine kostengünstige Alternative? ▾

Chinesische Anbieter wie Alibaba oder Tencent bieten Open-Weight-Modelle an, die oft um den Faktor 10 bis 20 günstiger sind als US-amerikanische Modelle. Sie hinken technologisch zwar meist einige Monate hinterher, bieten aber eine enorme Kostenersparnis.

Welche Rolle spielen Free Tokens für junge innovative Unternehmen? ▾

Hyperscaler bieten Start-ups oft kostenlose Token-Kontingente an, um sie an ihre Plattformen zu binden. Diese Free Tokens ermöglichen es jungen Unternehmen, ohne finanzielles Risiko kreative Lösungen auszuprobieren und innovative Prototypen zu entwickeln.

Weitere 5 Fragen aus dieser Folge ▾

Was bedeutet Efficiency Maxing bei KI-Modellen? ▾

Efficiency Maxing löst das blinde Verfeuern von Tokens ab. Es bedeutet, dass du den Einsatz von KI messbar machst und auf konkrete KPIs wie Zeitersparnis, Umsatz oder Fehlerkosten optimierst.

Wie kann ich meine KI-Kosten bei der Modellauswahl konkret senken? ▾

Nutze die besten und teuersten Modelle ausschließlich für komplexe Planungen und Brainstorming. Für die reine Ausführung der Aufgaben kannst du dann auf günstigere und schnellere Modelle wechseln.

Werden KI-Modelle in Zukunft teurer oder günstiger? ▾

Ein bestimmtes Intelligenzlevel wird über die Zeit deutlich günstiger. Da die Anbieter jedoch regelmäßig neue, leistungsfähigere Modelle veröffentlichen, steigen die Kosten wieder, wenn du immer das neueste Modell nutzt.

Lohnen sich asiatische Open-Weight-Modelle, um Token-Kosten zu sparen? ▾

Ja, Modelle von Anbietern wie Alibaba oder Tencent sind oft um den Faktor 10 bis 20 günstiger als US-amerikanische Modelle. Allerdings hinken sie in der Entwicklung meist ein paar Monate hinterher.

Warum sollte ich in der Anfangsphase nicht sofort auf KI-Effizienz achten? ▾

Eine Phase ohne strenge Kostenkontrolle ermöglicht es deinem Team, kreativ zu experimentieren und neue Use-Cases zu entdecken. Wenn sofort auf Token-Kosten geachtet wird, trauen sich Mitarbeiter oft nicht mehr, innovative Lösungen auszuprobieren.

Zum Teilen

// 5 share-worthy

Die stärksten Aussagen dieser Folge — als Text, Link oder fertige Bild-Card zum Posten.

// Erkenntnis
“Nutze teure Top-Modelle für komplexe Planung und günstigere Modelle für die Ausführung.
// Erkenntnis
“KI-Effizienz bedeutet Messbarkeit: Definiere klare KPIs wie Zeitersparnis, Umsatz oder Fehlerkosten.
// Zitat
“Wenn dein Team nach 3 Monaten KI Nutzung nur sagen kann, dass es sich produktiver anfühlt, aber nichts messen kann, dann habt ihr kein KI Programm, dann habt ihr einen Toolabo.
// Zitat
“Und jetzt fällt den Leuten irgendwie so auf, ein Token können auch teuer sein. Nein, nein, die Token können teuer sein.
// Zitat
“Und mein eigenes Verhalten hat sich jetzt schon so insofern geändert, als dass ich sage, ich nutz die besten und stärksten und teuersten Modelle für alles, was ich plane.

Anleitungen

So senkst du KI-Kosten durch cleveres Model Routing

Optimiere deine Ausgaben, indem du teure Spitzenmodelle nur für die Planung einsetzt und die eigentliche Arbeit an günstigere Modelle delegierst.

01

Nutze Top-Modelle für die Planung

Nutze die leistungsfähigsten Modelle für komplexe Aufgaben wie Strategieplanung, Brainstorming oder Software-Architektur, da hier die höchste logische Tiefe benötigt wird.

24:37
02

Prompte günstigere Modelle für die Ausführung

Prompte für die reine Ausführung und klar strukturierte Teilschritte ein günstigeres, schnelleres Modell, um Token-Kosten einzusparen.

25:08

So machst du deine KI-Effizienz messbar

Etabliere klare Metriken für deine KI-Prozesse, um den tatsächlichen Return on Invest (ROI) deiner Tools präzise zu bestimmen.

01

Definiere messbare KPIs für deine Prozesse

Definiere konkrete Zielgrößen wie Zeitersparnis, Fehlerkosten oder Umsatzsteigerung für jeden KI-gestützten Workflow.

13:55
02

Analysiere den Return on Invest

Analysiere und berechne den finanziellen Gegenwert der eingesparten Zeit oder des reduzierten Budgets.

14:12

So nutzt du Experimentierphasen für KI-Innovationen

Schaffe in deinem Unternehmen bewusste Freiräume und Budgets, um neue KI-Anwendungsfälle ohne sofortigen Effizienzdruck zu testen.

01

Nutze feste Monatsbudgets für dein Team

Nutze feste Budgets oder Flatrate-Abos für deine Mitarbeiter, damit sie ohne Angst vor API-Kosten experimentieren können.

2:30
02

Teste neue Use-Cases spielerisch

Teste ungewöhnliche Lösungsansätze und Prototypen, um durch praktisches Ausprobieren wertvolle Lerneffekte zu erzielen.

2:41