Öffne einen neuen Chat. Tippe: „Agiere als Texter unserer Marke. Hier ist unser Ton: selbstbewusst, aber nicht aufdringlich, keine Ausrufezeichen, sprich die Lesenden immer mit ‚du‘ an. Hier ist unsere Zielgruppe: SaaS-Käufer im mittleren Marktsegment, die Hype skeptisch gegenüberstehen. Hier ist unser Format: kurze Absätze, keine Gedankenstriche, Überschrift unter 60 Zeichen …“ Füge den dreiparagrafigen Markenleitfaden ein, den du in einem Google Doc aufbewahrst. Und stelle jetzt endlich deine eigentliche Frage.
Wenn du bei diesem Absatz ein wenig zusammengezuckt bist, kennst du das Problem bereits. Die meisten Menschen, die Claude oder ChatGPT für echte, wiederkehrende Arbeit nutzen – Marketer, Support-Leads, Analysten, Gründer –, machen jedes Mal, wenn sie eine neue Unterhaltung beginnen, etwas in dieser Art. Es fühlt sich wie eine zweiminütige Abgabe an. Ist es aber nicht. Es sind wiederkehrende Kosten mit drei separaten Preisschildern: Tokens, Zeit und Konsistenz. Rechnen wir sie zusammen.
Die Tokenkosten: dafür bezahlen, dich immer wieder zu erklären
Ein typischer „Kontextblock“ – Markenstimme, Zielgruppe, Tonalitätsregeln, Formatierungsvorlieben, einige Dos und Don’ts – umfasst inklusive der eigentlichen Anweisungen und des natürlichen Vorgeplänkels darum herum („nur zur Erinnerung“, „wie besprochen“, „wie immer“) etwa 300 bis 600 Tokens. Und das, bevor die eigentliche Frage gestellt wird. Das ist reiner Overhead, der jedes Mal anfällt, weil ein neuer Chat sich nicht daran erinnert, was du ihm gestern gesagt hast.
Jetzt multipliziere das. Ein Marketer oder Texter, der beispielsweise 8–10 neue Chats pro Woche startet, um E-Mails, Anzeigentexte, Landingpage-Varianten und Social-Media-Beiträge zu verfassen, sendet denselben Kontext mehr als 400-mal pro Jahr erneut. Bei 300–600 Tokens pro Wiederholung sind das jährlich zwischen 120.000 und 240.000 Tokens, die allein dafür draufgehen, immer wieder zu erklären, wer du bist und wie die Texte formuliert sein sollen – Tokens, die keinerlei neue Ausgabe erzeugen.
Eines sollte man ehrlich sagen: Bei den aktuellen API-Preisen wird ein Textinput von ein paar Hunderttausend Tokens niemanden in den Ruin treiben. Selbst bei ein paar Dollar pro Million Tokens – und die Preise unterscheiden sich je nach Modell und ändern sich im Laufe der Zeit, daher solltest du konkrete Zahlen als Richtwerte und nicht als unumstößliche Wahrheit betrachten – belaufen sich die reinen Kosten für die Wiederholung des Kontexts bei einer Person normalerweise auf ein paar Dollar im Monat, nicht auf Hunderte. Die Tokenkosten allein rechtfertigen die Lösung nur selten. Aber sie sind die kleinsten der drei Kosten und summieren sich, sobald nicht nur du, sondern auch andere im Team das tun.
Ein prompt-Paket, das aus deinen tatsächlichen Schreibproben ein echtes Dokument zur Markenstimme erstellt – keine vagen Adjektive –, damit du es einmal einfügst und nicht in jeder Sitzung aus dem Gedächtnis neu zusammensetzen musst.
AI-Leitfaden für die Markenstimme ansehen →Der Zeitaufwand: der Teil, den niemand in eine Tabelle einträgt
Tokens sind günstig. Minuten nicht. Denk darüber nach, was tatsächlich passiert, wenn du für echte Arbeit einen neuen Chat startest: Du musst dich daran erinnern, was du dem Modell beim letzten Mal gesagt hast (oder das Dokument heraussuchen, in dem du es notiert hast), es einfügen oder erneut eingeben, die Formulierung anpassen, weil du mit dir selbst nie ganz konsistent bist, und erst dann – wirklich erst dann – kannst du dich der Sache widmen, für die du den Chat eigentlich geöffnet hast.
Nennen wir es konservativ 90 Sekunden bis 3 Minuten pro Sitzung, je nachdem, wie viel Kontext die Aufgabe braucht. Für jemanden, der 8–10 neue Chats pro Woche startet, sind das 15–45 Minuten pro Woche, die vergehen, bevor überhaupt richtig geschrieben wird. Auf ein Jahr gerechnet sind das zwischen 13 und 39 Stunden – fast eine ganze Arbeitswoche –, in denen immer wieder dieselben Einrichtungsanweisungen in ein Textfeld eingegeben werden, ohne jeden Grund außer dem, dass die AI alles vergessen hat, sobald der letzte Chat geschlossen wurde.
Und diese Schätzung ist großzügig. Sie setzt voraus, dass du dich korrekt an den Kontext erinnerst und nicht erst das Markendokument, den Tone Guide oder die Notiz „So schreiben wir Überschriften“ in einem geteilten Laufwerk suchen musst. Rechnet man diese Suchzeit hinzu, steigt die tatsächliche Zahl schnell an.
Die Konsistenzkosten: die, die wirklich wehtun
Das ist der Preis, den die meisten Menschen unterschätzen – und er zeigt sich im Output, nicht auf der Rechnung. Wenn du deinen Kontext in jeder Sitzung aus dem Gedächtnis neu eingibst, formulierst du ihn nicht jedes Mal identisch. An einem Tag sagst du: „selbstbewusst, aber nicht aufdringlich.“ Am nächsten Tag lässt du in der Eile den Hinweis zum Ton komplett weg und bittest einfach um „prägnante Copy“. Eine Woche später denkst du daran, die Zielgruppe zu erwähnen, vergisst aber die Formatierungsregel zu Gedankenstrichen.
Die AI kann nicht wissen, welche Version von „dir“ die echte ist – sie gibt einfach ihr Bestes mit dem unvollständigen Kontext, der in diesem bestimmten Chat ankommt. Das Ergebnis ist Copy, die abdriftet: manchmal markenkonform, manchmal generisch, manchmal überarbeitungsbedürftig, weil der Ton danebenging. Wenn du schon einmal zwei von derselben Person mit AI erstellte Texte verglichen und dich gefragt hast, warum einer die Stimme perfekt trifft und der andere klingt, als hätte ihn ein Fremder geschrieben, ist das fast immer der Grund – nicht ein schlechterer prompt, sondern eine anders erinnerte Version.
Auch diese Inkonsistenz hat ihren Preis, selbst wenn sie nie als eigener Posten auftaucht: mehr Überarbeitungsrunden, mehr „Kannst du es noch einmal versuchen?“, mehr Copy, die unbemerkt nicht zur Marke passt und trotzdem veröffentlicht wird, weil es niemand bemerkt hat. Anders als die Token-Kosten skaliert dieser Preis schlecht – je mehr Menschen in einem Team ihre eigene Version von „unserer Markenstimme“ in ein Chatfeld improvisieren, desto stärker beginnt die Marke selbst abzudriften.
Eine Persona für Conversion-Texte, die vor dem Schreiben recherchiert – VOC-Mining, Messaging-Hierarchie, Einwand-Mapping – einmal konfiguriert und in jedem Chat identisch, ohne erneute Einweisung.
Jake – Conversion-Texter ansehen →Warum „Speicher es einfach in einem Dokument“ das Problem nicht wirklich löst
Der naheliegende Einwand lautet: Speichere den Markenleitfaden in einem Dokument und füge ihn jedes Mal ein. Viele Menschen machen genau das. Aber auch das Einfügen ist nicht kostenlos – es sind weiterhin dieselben Tokens und kostet nach wie vor den Großteil der Zeit (du musst das Dokument immer noch finden, öffnen, kopieren, einfügen und es oft kürzen, damit es passt). Außerdem besteht weiterhin die Gefahr, eine veraltete Version des Dokuments zu verwenden, den falschen Abschnitt einzufügen oder drei Monate später zu vergessen, dass es das Dokument überhaupt gibt, wenn jemand Neues ins Team kommt.
Ein gespeichertes Dokument ist besser, als alles aus dem Gedächtnis erneut einzutippen. Es ist jedoch nicht dasselbe wie ein System, das bereits weiß, wer es sein soll, sobald du den Chat öffnest.
Was eine Skill-Datei tatsächlich verändert
Eine Skill-Datei – ein strukturierter System-prompt, den du einmal als Projektanweisung oder benutzerdefinierte Anweisung in Claude, ChatGPT oder Gemini lädst – verwandelt all das von „in jeder Sitzung neu erklärt“ in „einmal konfiguriert, für immer wiederverwendet“. Du formulierst Markenstimme, Zielgruppe, Tonalitätsregeln, Formatpräferenzen und die Rolle, die die AI spielen soll, ein einziges Mal – mit derselben Sorgfalt wie beim Verfassen eines echten Briefings statt einer hastigen Chatnachricht. Danach beginnt jeder neue Chat bereits mit diesem Wissen.
- Tokens: Der Kontext liegt in der Systemebene und wird nicht in jeder Sitzung als neue Eingabe erneut eingegeben.
- Zeit: Kein Suchen nach dem Dokument, kein erneutes Tippen, kein Nachjustieren – du öffnest den Chat und beginnst direkt mit der eigentlichen Aufgabe.
- Konsistenz: Die AI liest jedes Mal exakt dieselben Anweisungen, sodass die Ausgabe nicht davon abweicht, wie unter Zeitdruck du den Chat an diesem Tag eingerichtet hast.
Gerade für ein Content-Team macht sich das besonders schnell bezahlt. Eine Content-Marketing-Managerin schreibt nicht nur einen einzelnen Text – sie führt einen Redaktionskalender, erstellt Briefings für Schreibende und sorgt über Wochen hinweg dafür, dass Dutzende Texte markenkonform bleiben. Die Content-Strategie und das Markensystem jedes Mal neu zu erklären, kostet nicht nur dieser einen Person Minuten; es bedeutet auch, dass jeder Content nur so konsistent ist wie die Person, die sich an diesem Tag zufällig an das vollständige Briefing erinnert hat.
Eine Persona für eine erfahrene Content-Marketing-Managerin, die Themencluster und Redaktionskalender für 90 Tage auf Grundlage deines tatsächlichen Markensystems erstellt – einmal eingerichtet, konsistent für alle Schreibenden und jeden Chat.
Lena – Content-Marketing-Managerin ansehen →Die Rechnung für deinen eigenen Arbeitsablauf
Du brauchst keine genauen Preise, um zu wissen, ob das auf dich zutrifft. Beantworte stattdessen drei Fragen:
- Wie viele neue AI-Chats starte ich in einer typischen Woche für wiederkehrende Aufgaben – Schreiben, Analysen, Support-Antworten oder irgendetwas mit einem „So machen wir das“-Vorspann?
- Wie lange dauert es tatsächlich, jedes Mal den Kontext wiederherzustellen – einschließlich der Zeit, die ich für das Suchen des richtigen Dokuments brauche?
- Wie oft verfehlt das Ergebnis das Ziel, weil der Kontext, den ich an diesem Tag mitgegeben habe, unvollständig oder etwas anders als beim letzten Mal war?
Wenn die ehrlichen Antworten „mehr als ein paar“, „mehr als eine Minute“ und „öfter, als mir lieb ist“ lauten, ist die Lösung kein besserer prompt. Die Lösung besteht darin, diesen prompt überhaupt nicht jedes Mal neu zu schreiben.
Zusammenfassung:
Wenn du deine Markenstimme und Rolle zu Beginn jedes AI-Chats erneut erklärst, kostet dich das unbemerkt Token, Zeit und – am wichtigsten – konsistente Ergebnisse. Eine Skill-Datei wie Jake – Conversion-Texter oder Lena – Content-Marketing-Managerin wird einmal erstellt und in jeder Sitzung wiederverwendet, sodass die AI bereits weiß, wer sie sein soll, wenn sie zum Einsatz kommt.
Gib ein, wie du (oder dein Team) AI-Chats tatsächlich nutzt, und erhalte eine realistische monatliche Schätzung der verschwendeten Token und Kosten für erneutes Prompten im Vergleich zu einer persistenten Skill-Datei. Keine Anmeldung, keine E-Mail – nur die Berechnung aus diesem Beitrag, angewendet auf deine Zahlen.
Teste den Rechner →FAQ
Wie viele Token kostet es pro Chat tatsächlich, die Markenstimme erneut zu erklären?
Das hängt davon ab, wie detailliert deine Anweisungen sind, aber ein typischer Kontextblock zu Tonalität, Zielgruppe und Format umfasst mit der natürlichen Einleitung darum herum etwa 300–600 Token. Das ist der Overhead, den du bezahlst, bevor du überhaupt deine eigentliche Frage stellst – und du zahlst ihn im nächsten Chat erneut und im darauffolgenden ebenfalls.
Ist es nicht günstiger, die Anweisungen einfach in einem gespeicherten Dokument aufzubewahren und jedes Mal einzufügen?
Es ist besser, als alles aus dem Gedächtnis neu einzutippen, aber kostenlos ist es trotzdem nicht. Du zahlst in jedem Chat weiterhin dieselben Token, investierst Zeit in das Suchen und Einfügen des Dokuments und riskierst nach wie vor, eine veraltete Version einzufügen oder einen Abschnitt zu vergessen. Eine Skill-Datei entfernt den Einfügeschritt vollständig – die Anweisungen sind bereits geladen, bevor der Chat beginnt.
Betrifft das nur intensive AI-Nutzer oder summiert sich das auch bei gelegentlicher Nutzung?
Es skaliert mit der Häufigkeit, aber die Konsistenzkosten machen sich selbst bei geringem Umfang bemerkbar. Wenn du nur einmal pro Woche einen neuen Chat startest, um Texte zu schreiben, sind die Token- und Zeitkosten überschaubar – aber die Ergebnisse können trotzdem variieren, je nachdem, wie vollständig du dich an diesem Tag an deine eigenen Markenregeln erinnert hast. Je mehr Personen in einem Team dies unabhängig voneinander tun, desto schneller geht die Markenkonsistenz verloren – unabhängig davon, wie „gelegentlich“ die Nutzung jeder einzelnen Person ist.
