← Zurück zur Übersicht
📊 Arbeitsmaterial

Zahlen prüfen statt glauben

Zu jedem neuen KI-Modell erscheint ein Berg von Prozentzahlen. Hier lernst du an drei Aufgaben, welche davon etwas wert sind: Du nimmst eine echte Behauptung auseinander, rechnest aus, was ein Modell dich im Monat wirklich kostet, und planst den einzigen Vergleich, der für deinen Betrieb zählt.

Bevor du anfängst

Was du brauchst

Nichts außer diesem Blatt und einem Browser. Alle drei Aufgaben lassen sich ohne Bezahlzugang lösen.

💶 Kostet dich nichts: Für Aufgabe 1 brauchst du nur einen Browser — die Adresse steht auf dem Blatt. Aufgabe 2 ist reine Rechenarbeit mit Zahlen, die hier stehen. Für Aufgabe 3 genügen zwei kostenlose Zugänge verschiedener Anbieter. Was mit Gratis-Zugängen nicht geht: ein günstiges gegen ein teures Modell stellen — dort ist das Modell jeweils fest vorgegeben.
🔐 Bitte keine echten Personen-, Kunden- oder Zugangsdaten eintragen. Beschreibe deine Aufgaben allgemein („Reklamation beantworten“, „Angebot prüfen“) — ohne Namen, Kundennummern, Beträge aus echten Vorgängen oder Vertragsdaten.
Aufgabe 1 · Prüfen

Eine Zahl auseinandernehmen

Nimm eine Behauptung über ein KI-Modell — aus einem Newsletter, von einer Vergleichsseite, aus einem Verkaufsgespräch. Fällt dir keine ein, nimm diese echte, die im Netz vielfach steht: „Fable 5.1 erreicht 95 % auf SWE-bench Verified.“

⚠️ Achtung bei genau dieser Aufgabe: Eine Suchmaschine hilft dir hier nicht — sie zeigt oben Seiten, die die 95 % dem Modell Fable 5.1 zuschreiben. Wer sorgfältig sucht, bestätigt die falsche Zahl. Genau darum geht es. Die Herstellerseite ist anthropic.com/claude-fable-and-mythos-5-1 — dort steht die Benchmark-Tabelle. Sieh selbst nach, ob SWE-bench darin vorkommt.
Die fünf FragenMeine Antwort
1 · Wer hat gemessen?
2 · Welche Fassung des Tests?
3 · Wie war es eingestellt?
4 · Was hat es gekostet?
5 · Ähnelt der Test meiner Arbeit?
⚠️ Falls du die Beispielzahl geprüft hast: Sie stimmt nicht. Anthropic hat für Fable 5.1 auf diesem Test gar keinen Wert veröffentlicht — die 95 % gehören zum Vorgängermodell Fable 5 und sind beim Weiterzitieren eine Modellgeneration verrutscht. Wer bis zur Herstellerseite zurückgeht, merkt das in zwei Minuten. Wer der Vergleichstabelle glaubt, nie.
Aufgabe 2 · Rechnen

Was kostet dich das wirklich?

Preise je Million Token sagen nichts, solange du sie nicht auf deine Menge umrechnest. Eine Million Token sind rund 555.000 Wörter, also etwa 1.100 eng beschriebene DIN-A4-Seiten. (Nur das günstigste Modell rechnet noch nach dem älteren Verfahren mit rund 750.000 Wörtern — deshalb ist es zusätzlich im Vorteil.) Die Werte in Klammern ergeben zusammen ein durchgerechnetes Beispiel; ersetze sie durch deine eigenen.
Alle Preis- und Wortangaben: Anthropic-Modellübersicht, abgerufen am 03.09.2026.

ZeileMein Wert
A · Aufgaben je Monat
B · Text hinein, je Aufgabe
C · Text heraus, je Aufgabe
D · Günstigstes Modell, Kosten je Monat
E · Stärkstes Modell, Kosten je Monat
F · Unterschied (E minus D)
G · Anteil, den ich nacharbeiten muss
H · Nacharbeit in Euro
I · Was ist größer — F oder H?
💡 Das durchgerechnete Beispiel: 200 Aufgaben im Monat, je rund 2.000 Wörter hinein und 1.000 heraus. Das günstigste Modell kostet damit 1,87 $, das stärkste 25,23 $ — ein Unterschied von 23,36 $ oder rund 20 € (Kurs vom 03.09.2026).

Dagegen die Nacharbeit: Schon 2 Prozent — 4 von 200 Aufgaben, je 10 Minuten, 50 € Stundensatz — kosten 33 € und damit mehr als der gesamte Modellunterschied. Der Kipppunkt liegt bei knapp über einem Prozent, also bei etwa drei Aufgaben im Monat.

Daraus folgt nicht „nimm das billigste“. Es folgt etwas Wichtigeres: Bei diesen Mengen entscheidet der Tokenpreis fast nichts. Entscheidend ist, welches Modell bei deinen Aufgaben weniger Nacharbeit erzeugt. Das kann das teure sein, das kann das günstige sein — in keiner Rangliste der Welt steht es. Herausfinden kannst du es nur selbst. Genau das ist Aufgabe 3.

Nicht eingerechnet ist die Denkarbeit: Das stärkste Modell denkt vor jeder Antwort nach, und diese Denk-Token werden als Ausgabe berechnet. Wie viel das ausmacht, hängt von der Aufgabe ab und lässt sich nicht pauschal beziffern — der Unterschied oben ist deshalb eine Untergrenze.
Aufgabe 3 · Planen

Dein eigener Vergleich

Die einzige Messung, die für deinen Betrieb zählt, machst du selbst — sie kostet einen Nachmittag. Trag echte Aufgaben ein, die bei dir wirklich anfallen. Ausgedachte Aufgaben liefern ausgedachte Ergebnisse.

ℹ️ Womit du vergleichen kannst: Ein Vergleich zwischen einem günstigen und einem teuren Modell geht mit kostenlosen Zugängen nicht — dort ist das Modell jeweils fest vorgegeben und nicht wählbar (geprüft am 04.09.2026). Vergleiche deshalb, was du ohnehin hast: zwei kostenlose Zugänge verschiedener Anbieter. Das beantwortet zwar nicht die Preisfrage, aber die wichtigere: Welches liefert bei meinen Aufgaben weniger Nacharbeit? Wer bereits einen Bezahlzugang hat, kann stattdessen zwei Preisklassen gegeneinander stellen.
Zwei kostenlose Zugänge — oder zwei Preisklassen, falls vorhanden
Vorher festlegen, sonst entscheidet die Tagesform
Meine echte AufgabeWer war besser?
⚠️ Zwei Fallen bei diesem Test. Erstens: beide Modelle unter gleichen Bedingungen laufen lassen — gleiche Frage, gleiche Einstellungen, gleiche Vorgaben. Zweitens: vorher festlegen, was „gelöst“ heißt. Wer das erst hinterher entscheidet, findet immer das Ergebnis, das er erwartet hat. Das ist genau der Fehler, den schlechte Benchmarks machen.
Vor der Entscheidung

Was keine Benchmark beantwortet

Vier Punkte, die über die Modellwahl oft mehr entscheiden als jede Prozentzahl. Hak ab, was auf deinen Betrieb zutrifft.

Ergebnis senden

Arbeitsblatt an den Kursleiter senden

Alle deine Eingaben (Zahlenprüfung, Kostenrechnung, Vergleichsplan & Ausschlussgründe) werden automatisch gesammelt und per E-Mail übermittelt. Alternativ kannst du es einfach als PDF speichern.

Kein Login · Keine Cookies · Keine Weitergabe an Dritte

Speichere dein Arbeitsblatt als PDF.
Klicke auf den Button und wähle „Als PDF speichern".