Öffne einen neuen Chat. Tippe: „Arbeite als Texter unserer Marke. Hier ist unser Ton: selbstbewusst, aber nicht aufdringlich, keine Ausrufezeichen, sprich den Leser 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 mit weniger als 60 Zeichen ...“ Füge den dreiteiligen Markenleitfaden ein, den du in einem Google-Dokument aufbewahrst. Und stelle jetzt endlich deine eigentliche Frage.
Auf dieser Seite
- Die Tokenkosten: dafür bezahlen, dich selbst erneut zu erklären
- Der Zeitaufwand: der Teil, den niemand in eine Tabelle einträgt
- Die Kosten der Inkonsistenz: die, die wirklich schmerzen
- Warum „Speichere es einfach in einem Dokument“ das Problem nicht wirklich löst
- Was eine Skill-Datei tatsächlich verändert
- Die Berechnung für deinen eigenen Workflow
- FAQ
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-Verantwortliche, Analysten, Gründer - machen jedes Mal, wenn sie eine neue Unterhaltung beginnen, auf die eine oder andere Weise genau das. Es fühlt sich wie eine zweiminütige Abgabe an. Das ist es nicht. Es sind wiederkehrende Kosten mit drei verschiedenen Preisschildern: Token, Zeit und Konsistenz. Rechnen wir sie zusammen.
Die Tokenkosten: dafür bezahlen, dich selbst erneut zu erklären
Ein typischer „Kontextblock“ - Markenstimme, Zielgruppe, Tonalitätsregeln, Formatierungsvorlieben, ein paar Regeln dazu, was man tun und lassen sollte - umfasst inklusive der eigentlichen Anweisungen und der natürlichen Einleitung drum herum („nur zur Erinnerung“, „wie besprochen“, „wie immer“) ungefähr 300 bis 600 Token. Und das, bevor die eigentliche Frage gestellt wird. Es ist reiner Mehraufwand, der jedes einzelne 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, Varianten von Landingpages und Social-Media-Posts zu verfassen, sendet denselben Kontext mehr als 400-mal im Jahr erneut. Bei 300-600 Token pro erneuter Erklärung sind das jährlich zwischen 120.000 und 240.000 Token, die für nichts anderes ausgegeben werden, als erneut zu erklären, wer du bist und wie Texte formuliert werden sollen - Token, die keinerlei neue Ausgabe erzeugen.
Hier ist etwas, worüber man ehrlich sprechen sollte: Bei den aktuellen API-Preisen wird eine Menge von ein paar hunderttausend Token reinem Eingabetext niemanden in den Ruin treiben. Selbst bei ein paar Dollar pro Million Token - und die Preise unterscheiden sich je nach Modell und ändern sich mit der Zeit, daher sollten konkrete Zahlen als Richtwerte und nicht als unumstößliche Wahrheit betrachtet werden - belaufen sich die reinen Kosten der Kontextwiederholung für eine Person normalerweise auf ein paar Dollar im Monat, nicht auf Hunderte. Die Tokenkosten allein rechtfertigen die Lösung nur selten. Aber sie sind der kleinste der drei Kostenpunkte, und sie summieren sich, sobald nicht nur du, sondern auch andere Personen 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 einfügen kannst 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 sind es 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 hervorkramen, in dem du es notiert hast), du fügst es ein oder tippst es erneut, passt die Formulierung an, weil du mit dir selbst nie ganz konsistent bist, und erst dann - wirklich erst dann - kommst du zu dem, wofür du den Chat eigentlich geöffnet hast.
Nennen wir es konservativ 90 Sekunden bis 3 Minuten pro Sitzung, je nachdem, wie viel Kontext die Aufgabe benötigt. 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 irgendwo zwischen 13 und 39 Stunden - fast eine ganze Arbeitswoche - in denen du immer wieder dieselben Einrichtungsanweisungen in ein Textfeld tippst, 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 nach dem Markendokument, dem Tone-of-Voice-Leitfaden oder der Notiz „Wie wir Überschriften schreiben“ in einem gemeinsamen Laufwerk suchen musst. Rechnet man diese Suchzeit hinzu, steigt die tatsächliche Zahl schnell.
Die Kosten der Inkonsistenz: die, die wirklich schmerzen
Das ist der Preis, den die meisten Menschen unterschätzen - und der sich im Output zeigt, nicht auf der Rechnung. Wenn du in jeder Sitzung deinen Kontext aus dem Gedächtnis neu eingibst, formulierst du ihn nicht jedes Mal identisch. Eines Tages sagst du: „selbstbewusst, aber nicht zu verkäuferisch“. Am nächsten Tag lässt du in der Eile den Hinweis zum Ton ganz 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 unmöglich wissen, welche Version von „dir“ die echte ist - sie gibt mit dem unvollständigen Kontext, der in diesem jeweiligen Chat ankommt, einfach ihr Bestes. Das Ergebnis ist Copy, die abdriftet: manchmal markenkonform, manchmal generisch, manchmal überarbeitungsbedürftig, weil der Ton danebengegangen ist. Wenn du schon einmal zwei von derselben Person mit AI entworfene Copy-Texte verglichen und dich gefragt hast, warum einer die Stimme perfekt trifft, während der andere klingt, als hätte ihn ein Fremder geschrieben, ist das fast immer der Grund - nicht ein schlechterer prompt, sondern ein anders erinnerter.
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 still und leise 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 zu verwässern.
Eine Persona für erfahrene Conversion-Texter, die vor dem Schreiben recherchiert - VOC-Mining, Messaging-Hierarchie, Einwand-Mapping - einmal konfiguriert und in jedem Chat identisch, ohne erneutes Briefing.
Jake - Conversion-Texter ansehen →Warum „Speichere es einfach in einem Dokument“ das Problem nicht wirklich löst
Der naheliegende Einwand lautet: Speichere den Styleguide in einem Dokument und füge ihn jedes Mal ein. Viele machen genau das. Aber auch das Einfügen ist nicht kostenlos - es sind weiterhin dieselben Tokens, und es kostet immer noch den Großteil der Zeit (du musst das Dokument weiterhin finden, öffnen, kopieren, einfügen und es oft kürzen, damit es passt). Außerdem besteht weiterhin das Risiko, eine veraltete Version des Dokuments zu verwenden, den falschen Abschnitt einzufügen oder drei Monate später zu vergessen, dass das Dokument überhaupt existiert, wenn jemand Neues zum Team stößt.
Ein gespeichertes Dokument ist ein Schritt besser, als alles aus dem Gedächtnis erneut einzutippen. Es ist aber nicht dasselbe wie ein System, das bereits in dem Moment weiß, wer es sein soll, in dem 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 - verschiebt all das von „in jeder Sitzung neu erklärt“ zu „einmal konfiguriert, für immer wiederverwendet“. Du legst Markenstimme, Zielgruppe, Tonalitätsregeln, Formatpräferenzen und die Rolle, die die AI spielen soll, ein einziges Mal fest - mit der Sorgfalt, mit der du ein echtes Briefing schreibst, statt eine hastige Chatnachricht zu verfassen. Danach beginnt jeder neue Chat und weiß das alles bereits.
- Tokens: Der Kontext befindet sich auf der Systemebene und wird nicht in jeder Sitzung als neue Eingabe erneut eingetippt.
- Zeit: Kein Suchen nach dem Dokument, kein erneutes Tippen, kein Nachbearbeiten - du öffnest den Chat und beginnst mit der eigentlichen Aufgabe.
- Konsistenz: Die AI liest jedes Mal exakt dieselben Anweisungen, sodass die Ausgabe nicht davon abweicht, wie sehr du beim Einrichten des Chats an diesem Tag unter Zeitdruck standest.
Gerade für ein Content-Team entfaltet sich der Effekt hier am schnellsten. Eine Content-Marketing-Managerin schreibt nicht einfach nur einen Beitrag - sie verwaltet einen Redaktionskalender, erstellt Briefings für Autoren und sorgt über Wochen hinweg dafür, dass Dutzende Beiträge zur Marke passen. Die Content-Strategie und das Markensystem jedes Mal neu zu erklären, kostet nicht nur diese eine Person Minuten; es bedeutet, dass jedes Content-Stück nur so konsistent ist wie die Person, die an diesem Tag zufällig das vollständige Briefing im Kopf hatte.
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 Autoren und jeden Chat.
Lena - Content-Marketing-Managerin ansehen →Die Berechnung für deinen eigenen Workflow
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, alles mit einer Einleitung nach dem Muster „so machen wir das“?
- Wie lange dauert es tatsächlich, jedes Mal den Kontext wiederherzustellen - einschließlich der Zeit, die ich mit der Suche nach dem richtigen Dokument verbringe?
- Wie oft verfehlt die Ausgabe das Ziel, weil der Kontext, den ich an diesem Tag mitgegeben habe, unvollständig oder leicht 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. Sie besteht darin, diesen prompt überhaupt nicht noch einmal 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 Ausgaben. 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.
Gib ein, wie du (oder dein Team) AI-Chats tatsächlich nutzt, und erhalte eine realistische monatliche Schätzung der verschwendeten Token und Kosten für das erneute Prompting im Vergleich zu einer dauerhaft verwendeten Skill-Datei. Keine Anmeldung, keine E-Mail - nur die Berechnung aus diesem Beitrag, angewendet auf deine Zahlen.
Rechner ausprobieren →FAQ
Wie viele Token kostet es tatsächlich pro Chat, die Markenstimme erneut zu erklären?
Das hängt davon ab, wie detailliert deine Anweisungen sind, aber ein typischer Kontextblock zu Tonalität, Zielgruppe und Format umfasst einschließlich der natürlichen Einleitung darum herum etwa 300-600 Token. Diese Zusatzkosten zahlst du, bevor du überhaupt deine eigentliche Frage stellst - und im nächsten Chat wieder und im darauffolgenden ebenfalls.
Ist es nicht günstiger, die Anweisungen einfach in einem gespeicherten Dokument aufzubewahren und sie jedes Mal einzufügen?
Es ist besser, als die Informationen aus dem Gedächtnis neu einzutippen, aber kostenlos ist es trotzdem nicht. Du zahlst in jedem Chat weiterhin dieselben Token, verbringst Zeit damit, das Dokument zu suchen und einzufügen, und riskierst weiterhin, 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 es sich auch bei gelegentlicher Nutzung?
Es skaliert mit der Häufigkeit, aber die Kosten für Konsistenz fallen selbst bei geringem Volumen an. Wenn du nur einmal pro Woche einen neuen Chat startest, um Texte zu verfassen, sind die Token- und Zeitkosten überschaubar - aber die Ausgabe kann trotzdem abweichen, 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 der einzelnen Person ist.