Die Idee

Wenn du ein KI-Coding-Tool bittest, eine Änderung zu prüfen, kann seine Anfrage Anweisungen, Quellcode, Testausgaben, Projektregeln und den bisherigen Chat enthalten. Dieses Material wird als Tokens dargestellt: modellspezifische Einheiten für Eingabe- und Ausgabetext. Ein Modell kann nur eine begrenzte Menge Material gleichzeitig berücksichtigen. Diese Grenze heißt Kontextfenster.

Token-Optimierung bedeutet, die nützlichsten Informationen in eine Anfrage aufzunehmen und unnötigen Kontext zu vermeiden. Es geht nicht nur darum, jeden Prompt kürzer zu machen. Die eigentliche Frage lautet: Was braucht diese Aufgabe jetzt, damit die Antwort nützlich wird?

Einfach gesagt: Behandle die KI-Anfrage wie eine fokussierte Arbeitsmappe. Behalte die Anforderungen und Belege, die für diese Aufgabe nötig sind. Lass Material weg, das die Entscheidung nicht beeinflusst.

Miss zuerst, statt zu raten. Token-Zählung schätzt die Anzahl der Eingabe-Tokens, bevor du eine Anfrage sendest. Anthropic dokumentiert dies für die Verwaltung von Prompt-Länge, Kosten, Rate Limits und Modell-Routing. Laut der Dokumentation sind Zählwerte Schätzungen und können sich zwischen Modellgenerationen unterscheiden. Zähle deshalb mit dem Modell, das du einsetzen willst. Quelle

Teile das Material dann in zwei Gruppen. Lege kurze, stabile Regeln, die fast für jede Aufgabe gelten, in den immer verfügbaren Kontext. Lege einen langen API-Leitfaden, eine Release-Checkliste oder Migrationsnotizen in Kontext bei Bedarf: Referenzmaterial, das nur für eine passende Aufgabe geladen wird. Claude Code dokumentiert zum Beispiel, dass CLAUDE.md automatisch geladen wird, während Skills zunächst eine Beschreibung bereitstellen und ihren vollständigen Inhalt bei Nutzung laden können. Außerdem warnt die Dokumentation davor, dass zusätzliches Material das Kontextfenster füllen oder Rauschen erzeugen kann. Das sind Claude-Code-spezifische Mechanismen, nicht das universelle Verhalten jedes KI-Tools. Quelle

Beginnen viele Anfragen mit demselben großen, stabilen Material, kann Prompt-Caching helfen. Diese Anbieterfunktion verwendet einen stabilen Prompt-Präfix bei späteren Anfragen erneut. Anthropic dokumentiert sie für wiederholte Prompts, großen Kontext, Beispiele und lange Gespräche. Sie sorgt nicht dafür, dass eine zu große Anfrage in das Kontextfenster passt. Quelle

Prüfe nach einer Anfrage die Nutzungsmetadaten, wenn dein Anbieter sie bereitstellt. Google dokumentiert Token-Zählung und Metadaten zur Token-Nutzung nach der Generierung. So kannst du eine Schätzung mit der beobachteten Nutzung vergleichen. Quelle

Ein kleines Beispiel

Beispiel — hypothetisches Code-Review: Du bittest ein KI-Tool, eine Änderung an einem Authentifizierungsendpunkt zu prüfen. Deine übliche Anfrage enthält Repository-Konventionen, den geänderten Endpunkt und Tests, einen 40-seitigen API-Styleguide, Deployment-Runbooks und ein historisches Incident-Protokoll.

Der Endpunkt, die Tests und einige Repository-Konventionen beeinflussen dieses Review. Behalte sie in der Anfrage. Der API-Leitfaden kann wichtig sein, wenn er den Vertrag dieses Endpunkts definiert; lade ihn deshalb nur, wenn das zutrifft. Das Deployment-Runbook und das Incident-Protokoll sind für die Code-Review-Frage nicht relevant und sollten nicht angehängt werden.

Das ist keine Regel, alles zu entfernen. Wenn das Incident-Protokoll eine Sicherheitsvorgabe definiert, die die Änderung bewahren muss, gehört es in die Arbeitsmappe. Token-Optimierung bedeutet, relevante Belege auszuwählen, nicht Text blind zu minimieren.

Probier es aus

Nimm dir fünf Minuten für eine wiederkehrende KI-Anfrage.

  1. Kopiere ihre Abschnitte in drei Gruppen: immer nötig, für diese Aufgabe nötig und optionale Referenz.
  2. Zähle die Eingabe mit dem Werkzeug des Zielmodells oder prüfe die vom Tool gemeldete Nutzung, falls verfügbar.
  3. Behalte nur die zentralen Projektregeln in der Gruppe „immer nötig“.
  4. Führe eine Aufgabe aus, ohne das optionale Material zu laden, oder lade es nur, wenn es relevant ist.
  5. Vergleiche die Antwort. Füge jede Vorgabe, Definition oder jedes Beispiel wieder hinzu, das das Tool für eine korrekte Bearbeitung brauchte.

Notiere, was sich verändert hat. Du erstellst ein kleines Kontextbudget für einen echten Arbeitsablauf und jagst nicht der niedrigstmöglichen Zahl nach.

Darauf solltest du achten

Eine kleinere Anfrage kann eine schlechtere Antwort erzeugen. Entferne Anforderungen nie nur, weil sie lang sind. Token-Zahlen sind nicht universell: Derselbe Text kann für ein anderes Modell oder eine andere Tokenizer-Generation anders zählen. Quelle

Trenne außerdem zwei Ziele. Material bei Bedarf verringert, was für eine bestimmte Aufgabe geladen wird. Prompt-Caching kann wiederholte, stabile Eingaben erneut verwenden, wenn ein Anbieter es unterstützt. Beides ersetzt keine Entscheidung über Relevanz, und Caching vergrößert nicht das Kontextfenster des Modells. Funktionen unterscheiden sich zudem je nach Tool. Einen Ablauf mit CLAUDE.md, Skills oder isolierten Subagents solltest du als toolspezifisches Design verstehen und dann an das KI-Produkt anpassen, das du tatsächlich nutzt. Quelle