Eine Skill-Datei ist günstiger als ein prompt von Grund auf, weil sie ihre Einrichtungskosten einmal statt bei jeder einzelnen Nachricht verursacht. Jedes Mal, wenn du einem leeren AI-Chat deine Rolle, deinen Ton und dein Format erneut erklärst, bezahlst du diese Erklärung mit Tokens - und Tokens bedeuten Geld, Nachrichtenlimits und Kontextfenster-Speicherplatz, den du für Overhead statt für deine eigentliche Arbeit ausgibst.
Auf dieser Seite
- Die 300 Tokens, die du jedes einzelne Mal bezahlst
- Vorher und nachher: dieselbe Anfrage auf zwei Arten
- Warum das für dein Portemonnaie wichtig ist
- Warum das auch für die Qualität wichtig ist - nicht nur für die Kosten
- Was tatsächlich als "Skill-Datei" gilt
- Häufig gestellte Fragen
- Als Nächstes in dieser Serie
Teil 1 der Serie „Wiederverwendbarer Kontext“ · Vom KissMySkills-Team
Die 300 Tokens, die du jedes einzelne Mal bezahlst
Öffne einen leeren Chat mit Claude, ChatGPT oder Gemini und bitte ihn, dir beim Verfassen eines Board-Updates zu helfen. Bevor er etwas Nützliches tun kann, musst du ihm sagen, wer du bist, was das Unternehmen macht, welchen Ton das Board erwartet, welchem Format das Update folgen soll und was für dich „gut“ bedeutet. Das ist keine einzeilige Anfrage - es ist ein Absatz, manchmal drei.
Tippe diesen Absatz ab und lasse ihn durch einen Tokenizer laufen. Ein typischer Vorspann nach dem Muster „Hier ist meine Rolle, hier ist der Kontext, so formatiere ich Dinge gern“ umfasst 200-400 Tokens. Und das, bevor du die eigentliche Frage gestellt hast. Da die meisten Menschen diesen Vorspann nirgendwo speichern, tippen sie jedes Mal, wenn sie einen neuen Chat öffnen, eine Version davon erneut ein - leicht anders, leicht unvollständig.
Multipliziere das damit, wie oft du AI tatsächlich für die Arbeit nutzt. Wenn du fünf neue Chats pro Tag öffnest und jedes Mal den Kontext neu erklärst, verbrennst du täglich 1.000-2.000 Tokens allein damit, erneut festzulegen, wer die AI sein soll. Über einen Monat sind das 20.000-40.000 Tokens, die ausschließlich fürs Vorgeplänkel draufgehen - Tokens, die keinerlei Ergebnis erzeugt haben.
Vorher und nachher: dieselbe Anfrage auf zwei Arten
Ohne Skill-Datei sieht ein typischer prompt so aus:
„Du unterstützt mich als Chief of Staff. Ich leite ein SaaS-Unternehmen mit 40 Mitarbeitenden, wir berichten an ein fünfköpfiges Board, das prägnante Updates mit der wichtigsten Aussage zuerst und ohne überflüssige Inhalte bevorzugt. Burn-Rate und Reichweite müssen immer enthalten sein, das Format soll Markdown mit einem TL;DR am Anfang sein ... [wird für weitere 150 Wörter fortgesetzt] ... schreibe jetzt das Update für diesen Monat.“
Das ist die Steuer für das erneute Erklären - nächste Woche wieder fällig und in der Woche darauf erneut, meist mit etwas, das vergessen wurde (letztes Mal hast du die Reichweite erwähnt, dieses Mal hast du sie vergessen, daher ist die Ausgabe inkonsistent).
Mit einer Skill-Datei lautet dieselbe Anfrage einfach: „Schreibe das Board-Update für diesen Monat: Umsatz 340.000 $, Burn 85.000 $, zwei neue Enterprise-Deals abgeschlossen.“ Rolle, Ton, Format und Standards sind bereits geladen - einmal geschrieben, jedes Mal angewendet und nie vergessen.
Lade Ryan einmal und jedes Board-Paket, jede Mitteilung an alle Mitarbeitenden und jedes Entscheidungsbriefing, das du anforderst, kommt mit den wichtigsten Aussagen zuerst und vorstandstauglich zurück - ohne dass du dein Unternehmen oder deine Standards jedes Mal neu erklären musst.
Ryan ansehen - Chief of Staff →Warum das für dein Portemonnaie wichtig ist
Wenn du nach API-Preisen abgerechnet wirst (weil du etwas auf Basis von Claude oder GPT entwickelst oder ein Tool verwendest, das nach Nutzung abrechnet), ist die Rechnung direkt: Eingabe-Token kosten Geld. Eine 300-Token-Einleitung, die bei jedem Aufruf erneut erklärt wird und sich über Tausende Aufrufe pro Monat erstreckt, ist ein echter Kostenpunkt - kein Rundungsfehler. Teams, die AI-gestützte Produkte entwickeln, stellen regelmäßig fest, dass die erneute Herstellung des Kontexts 15-30 % ihrer Token-Ausgaben verschlingt, bevor das Modell überhaupt etwas Nützliches tut. Eine Skill-Datei - oder ihr Äquivalent als System-prompt, zwischengespeicherter Kontext oder Projektanweisung - verwandelt diese wiederkehrenden Kosten in einmalige Kosten.
Wenn du regelmäßig Chat-Apps mit den Verbrauchertarifen von Claude, ChatGPT oder Gemini nutzt, zahlst du nicht direkt pro Token, aber du unterliegst Nutzungslimits, die im Hintergrund auf Token basieren. Jede Nachricht, die mit drei Absätzen à la „Lass mich erklären, wer du bist“ beginnt, zählt gegen dein Limit und bringt dir nichts. Wenn du das erneute Erklären kürzt, holst du aus demselben täglichen Kontingent mehr echte Arbeit heraus.
Warum das auch für die Qualität wichtig ist - nicht nur für die Kosten
Das ist der Punkt, den viele übersehen: Erneut erklärter Kontext ist nicht nur teuer, sondern schlechter Kontext. Wenn du mitten in einem arbeitsreichen Tag deine Rolle und Standards aus dem Gedächtnis neu eingibst, lässt du Dinge aus. Du vergisst zu erwähnen, dass Updates für den Vorstand oben die Burn Rate enthalten müssen. Du vergisst, dass der Kunde Aufzählungspunkte statt Fließtext bevorzugt. Du vergisst das Format, das beim letzten Mal gut funktioniert hat. Die Ausgabe wird nicht schlechter, weil das Modell dümmer geworden ist, sondern weil deine Anweisungen schlampiger wurden - und uneinheitlich schlampiger, sodass manche Sitzungen großartig und andere merklich schlechter sind.
Eine gut geschriebene Skill-Datei hat dieses Problem nicht. Sie ist die vollständige Version deiner Anweisungen - einmal verfasst, als du Zeit hattest, sie sorgfältig zu durchdenken - und nicht die hastig formulierte Version, an die du dich an einem Donnerstag um 16 Uhr erinnern kannst. Das ist der wahre Grund, warum Skill-gesteuerte Ausgaben tendenziell senioriger und konsistenter wirken: Nicht die AI ist intelligenter geworden, sondern sie arbeitet jedes Mal mit einem vollständigen Briefing statt mit einem halb erinnerten.
Es gibt noch einen zweiten Qualitätseffekt. Lange Chats werden zunehmend schlechter, wenn sich das Kontextfenster mit Hin und Her, Korrekturen und Klarstellungen füllt - ein Phänomen, das manchmal als "Kontextverfall" bezeichnet wird. Wenn ein großer Teil jeder Nachricht darauf verwendet wird, die grundlegende Rolle und das Format erneut festzulegen, ist das Kontextfenster für den eigentlichen Arbeitsauftrag nicht verfügbar, und der Punkt, an dem das Gespräch den roten Faden verliert, wird schneller erreicht. Eine Skill-Datei lädt die Einrichtung effizient im Voraus, anstatt sie über Dutzende von Nachrichten stückweise zu wiederholen.
Diane verfasst E-Mails in deinem Stil, bereitet Besprechungsbriefings vor und priorisiert deinen Posteingang, ohne dass du deinen Ton und deine Prioritäten in jedem neuen Chat erneut erklären musst.
Diane - Executive Assistant ansehen →Was tatsächlich als "Skill-Datei" gilt
Eine Skill-Datei ist nichts Exotisches - es handelt sich um ein Markdown-Dokument, das man einmal als System-Prompt, als Anweisung für ein ChatGPT-Projekt, als benutzerdefinierte Anweisung eines Claude-Projekts oder in die Konfiguration eines Custom GPT einfügt. Darin werden die Rolle ("Du bist ein Senior Chief of Staff mit 9 Jahren Erfahrung in der Unterstützung von CEOs"), die Standards ("Überschrift zuerst, kein Fülltext, Burn Rate und Runway immer angeben") und das Format ("Markdown, TL;DR oben") festgelegt. Sobald sie in einen persistenten Kontext geladen wurde - ein Projekt, ein Custom GPT oder ein System-Prompt im eigenen Tool - übernimmt jedes neue Gespräch sie automatisch. Man muss sie nie wieder eintippen.
Letztlich ist weniger entscheidend, wo genau sie hinterlegt ist (System-Prompt vs. Projektanweisungen vs. Custom GPT), als die grundlegende Gewohnheit: Den Kontext einmal vollständig aufschreiben, wenn man Zeit hat, ihn richtig zu formulieren - und dann aufhören, ihn unter Zeitdruck aus dem Gedächtnis neu zu erklären.
Zusammengefasst:
Die Rolle, den Ton und das Format jedes Mal von Grund auf neu zu erklären, kostet pro Nachricht 200-400 Tokens. Mit der Zeit summiert sich das zu echten Ausgaben oder verschwendeten Nutzungslimits und führt zu inkonsistenten Ergebnissen, weil hastig zusammengestellter Kontext unvollständiger Kontext ist. Eine Skill-Datei wie Ryan (Chief of Staff) oder Diane (Executive Assistant) verursacht diese Kosten einmal und liefert danach in jeder Nachricht konsistente Ergebnisse auf Senior-Level.
Gib ein, wie du (oder dein Team) AI-Chats tatsächlich nutzt, und erhalte eine realistische monatliche Schätzung der Token- und Dollarkosten für die Verschwendung durch erneutes Prompting im Vergleich zu einer persistenten Skill-Datei. Keine Registrierung, keine E-Mail - nur die Berechnung aus diesem Beitrag, angewandt auf deine Zahlen.
Rechner ausprobieren →Häufig gestellte Fragen
Wie viele Token kostet das erneute Erklären von Kontext tatsächlich?
Eine typische Einleitung zu Rolle und Format umfasst 200-400 Token pro Nachricht. Über Dutzende Chats pro Woche summiert sich das auf Zehntausende verschwendete Token im Monat - Token, die für die Einrichtung statt für die eigentliche Arbeit ausgegeben werden.
Hilft eine Skill-Datei nur bei API-Kosten oder auch regulären Chat-Nutzern?
Beides. Bei der API-Preisgestaltung führen weniger wiederholte Token direkt zu einer niedrigeren Rechnung. Bei Chat-Abos für Verbraucher (Claude, ChatGPT, Gemini) basieren die Nutzungslimits im Hintergrund auf Token. Wenn du also die Kosten für das erneute Erklären reduzierst, fließt ein größerer Teil deines täglichen Kontingents in echte Ausgaben statt in die Einrichtung.
Ist eine Skill-Datei einfach ein längerer Prompt?
Nein - der Unterschied liegt in der Persistenz, nicht in der Länge. Eine Skill-Datei wird einmal geschrieben und in einen System-Prompt, Projektanweisungen oder ein Custom GPT geladen, sodass sie automatisch in jeder neuen Unterhaltung vorhanden ist. Einen regulären Prompt musst du jedes Mal aus dem Gedächtnis neu eingeben - dabei gehen Qualität und Vollständigkeit verloren.
Verbessert die Verwendung einer Skill-Datei tatsächlich die Ausgabequalität oder spart sie nur Geld?
Beides. Geld wird gespart, weil du nicht für wiederholte Token bezahlst. Die Qualität verbessert sich, weil eine Skill-Datei die vollständige, sorgfältig formulierte Version deiner Anweisungen enthält und nicht nur das, woran du dich unter Zeitdruck zu tippen erinnerst - deshalb sind durch Skills gesteuerte Ausgaben tendenziell konsistenter und klingen souveräner.
Als Nächstes in dieser Serie
Dies ist der zentrale Beitrag für eine kurze Serie darüber, warum wiederverwendbarer Kontext besser ist als erneutes Prompting. Als Nächstes: „Die versteckten Kosten des erneuten Promptings“, „System-Prompt vs. Projektanweisungen vs. Custom GPT: Wo sollte dein Skill eigentlich leben?“, „Warum lange Chats dümmer werden (und wie du das ohne einen Neustart behebst)“, „Der echte Unterschied zwischen einem Prompt und einem Skill (es geht nicht nur um Semantik)“, „Wie viel kostet es tatsächlich, Claude/ChatGPT für die Arbeit zu nutzen? Eine realistische Aufschlüsselung der Token-Berechnung“ und „Wiederverwendbarer Kontext ist das neue Prompt Engineering.“