---
title: ""
canonical: "https://studiomeyer.academy/playbooks/gpt-5-oder-opus-4-8-welches-modell"
language: de
publisher: "StudioMeyer Academy, https://studiomeyer.academy (llms.txt: https://studiomeyer.academy/llms.txt)"
---

[← Alle Playbooks](https://studiomeyer.academy/playbooks)

Playbook· build

# GPT-5.6 oder Opus 5, welches Modell für welche Aufgabe

Die ehrliche Entscheidungshilfe ohne Vendor-Fanboy-Geschwurbel. Zehn Schritte vom Tier-Denken über Kosten und Kontext bis zum eigenen Mini-Eval. Am Ende weißt Du, wann sich das teure Modell lohnt und wann nicht.

Die Frage "GPT oder Claude" wird meistens falsch gestellt. Die Leute fragen "welches ist besser", als gäbe es eine Tabelle mit einem Sieger. Die richtige Frage ist "welches passt zu meiner Aufgabe und meinem Budget". Und die Antwort ist oft "ein drittes, billigeres Modell". Dieser Playbook führt Dich durch zehn Schritte, an deren Ende Du eine begründete Wahl triffst statt einer Bauchentscheidung. Er ist für Dich, wenn Du anfängst, ernsthaft mit AI zu bauen, und nicht mehr blind das nehmen willst, was gerade im Trend ist.

Die konkreten Namen in diesem Playbook sind der Stand vom 31. Juli 2026. Die Entscheidungslogik bleibt, wenn die nächste Generation kommt, die Namen tauschst Du dann einfach aus.

## Schritt 1, erst die Tier-Frage, dann die Vendor-Frage

Bevor Du GPT gegen Claude stellst, klär die Stufe. Beide Anbieter haben drei Stufen, staffeln aber unterschiedlich. Bei Claude geht es nach Größe: Haiku 4.5 als Budget-Tier, Sonnet 5 als Mittelklasse und Opus 5 als Spitze. Bei OpenAI geht es seit der 5.6-Generation nach Rolle: Luna für schnell und günstig, Terra für den ausgewogenen Alltag, Sol für die schwersten Fälle. Die meiste Verschwendung passiert nicht zwischen den Anbietern, sondern innerhalb. Leute nehmen Opus für eine Aufgabe, die Haiku erledigt hätte, und zahlen das Fünffache. Frag also zuerst: brauche ich überhaupt die Spitze, oder reicht die Mittelklasse.

## Schritt 2, wann Opus 5 die richtige Wahl ist

Opus 5 spielt seine Stärke bei zwei Dingen aus. Tiefes, mehrschrittiges Reasoning, bei dem das Modell einen Plan halten und über viele Schritte konsistent bleiben muss. Und Agenten-Arbeit, bei der das Modell selbstständig Werkzeuge aufruft und entscheidet. Wenn Du einen Coding-Agent baust, der über Stunden an einer Codebase arbeitet, oder eine Analyse, die zwanzig Zwischenschritte braucht, ist Opus 5 sein Geld wert. Bei kurzen, klaren Aufgaben dagegen merkst Du den Unterschied kaum, zahlst ihn aber trotzdem.

Ein Detail, das seit dem 24. Juli 2026 zur Kostenrechnung gehört: Opus 5 denkt per Default nach. Das ist der Grund für seine Stärke, aber die Denk-Tokens zählen gegen Dein `max_tokens`\-Limit und stehen auf Deiner Rechnung. Wie Du das steuerst, steht im Playbook [Opus 5 Migration](https://studiomeyer.academy/playbooks/opus-5-migration).

## Schritt 3, wann GPT-5.6 die richtige Wahl ist

GPT-5.6 ist die naheliegende Wahl, wenn Du ohnehin im OpenAI-Ökosystem steckst, also Assistants, die OpenAI-Tools oder bestehende Integrationen nutzt. Auch wenn Du bewusst Vendor-Vielfalt willst, damit Du nicht von einem Anbieter abhängig bist, gehört es in Deinen Stack. Sol ist dabei die Stufe, die OpenAI selbst fürs Programmieren und für agentische Arbeit vorn sieht. Und es gibt Aufgabenklassen, bei denen Teams in eigenen Tests GPT vorn sehen. Welche das für Dich sind, findest Du nur durch Schritt 8 heraus, nicht durch Benchmarks von fremden Leuten.

## Schritt 4, der Kontext-Faktor

Hier hat sich die Lage im Juli 2026 verschoben. Früher war das große Kontextfenster bei Claude eine eigene Variante, die man extra anfordern musste, geschrieben als `claude-opus-4-8[1m]`. Bei Opus 5 ist eine Million Token gleichzeitig Standard und Maximum, es gibt keine kleinere Variante mehr, Du bekommst den großen Kontext also ohne Zutun. Auch Sonnet 5 und Gemini 3.6 Flash liegen bei einer Million.

Damit ist Kontextgröße als Unterscheidungsmerkmal zwischen den Spitzenmodellen schwächer geworden, als sie mal war. Wenn Deine Aufgabe bedeutet, ein ganzes Repository, ein langes Vertragswerk oder einen kompletten Gesprächsverlauf am Stück zu verarbeiten, prüf die aktuelle Kontextgröße auf den offiziellen Modellseiten, weil sich genau diese Zahlen schnell ändern. Die interessantere Frage ist inzwischen nicht mehr, ob eine Million reinpasst, sondern ob das Modell über die volle Länge sauber weiterarbeitet.

## Schritt 5, der Kosten-Vergleich, ehrlich gerechnet

Opus 5 kostet 5 Dollar pro Million Input-Tokens und 25 Dollar pro Million Output-Tokens, exakt so viel wie der Vorgänger Opus 4.8. Sonnet 5 liegt bis zum 31. August 2026 bei einem Einführungspreis von 2 und 10 Dollar und danach bei 3 und 15. Die exakten GPT-5.6-Preise stehen auf der OpenAI-Modellseite und Du solltest sie dort live nachschlagen statt sie aus einem Blogpost zu übernehmen, zumal OpenAI dort am 30. Juli 2026 kräftig gesenkt hat, Luna um 80 Prozent und Terra um 20.

Der wichtige Punkt ist nicht der Preis pro Modell, sondern die Rechnung für Dein Volumen. Tausend Anfragen am Tag mit je 2000 Output-Tokens summieren sich. Ein Tier-Wechsel von Spitze auf Mittelklasse halbiert oder drittelt die Rechnung oft, ohne dass die Qualität für Deine Aufgabe spürbar fällt.

## Schritt 6, Tool-Use und Agenten-Fähigkeit

Wenn Du nicht nur Text generierst, sondern einen Agent baust, der Werkzeuge aufruft, dann zählt nicht die Sprachqualität, sondern wie zuverlässig das Modell die richtigen Werkzeuge in der richtigen Reihenfolge wählt und wann es aufhört. Beide Spitzenmodelle sind hier stark, aber sie verhalten sich unterschiedlich. Manche Modelle rufen lieber ein Werkzeug zu viel auf, andere zu wenig. Für einen Agent ist das oft entscheidender als jeder Reasoning-Benchmark. Teste das mit Deinem konkreten Werkzeug-Satz, nicht abstrakt.

## Schritt 7, Sprache und DACH-Qualität

Wenn Du deutschsprachigen Output brauchst, der nicht nach übersetztem Englisch klingt, ist das eine eigene Dimension. Beide Modelle können Deutsch, aber der Ton, die Idiomatik und der Umgang mit Fachbegriffen unterscheiden sich. Das merkst Du nur, wenn Du dieselbe Aufgabe beiden gibst und die Antworten nebeneinander legst. Ein englischer Benchmark sagt Dir darüber nichts. Für eine DACH-Zielgruppe ist das ein realer Faktor, kein Detail.

## Schritt 8, der Test statt der Meinung

Das ist der wichtigste Schritt. Sammle zehn bis zwanzig echte Aufgaben aus Deinem Alltag, keine erfundenen. Schick exakt dieselben Prompts an beide Modelle und leg die Antworten nebeneinander. Bewerte nach Deinen Kriterien, also Korrektheit, Ton, Format, Geschwindigkeit. Nach zwanzig echten Fällen weißt Du mehr als nach hundert fremden Benchmarks. Genau dafür gibt es ein eigenes Playbook, [Agent-Eval in 60 Minuten](https://studiomeyer.academy/playbooks/agent-eval-in-60-minuten), das Dir den Aufbau eines solchen Mini-Evals zeigt.

## Schritt 9, der Mischbetrieb ist meistens die beste Antwort

Du musst Dich gar nicht für ein Modell entscheiden. Das produktivste Setup ist oft ein Router. Ein billiges, schnelles Modell fängt die einfachen Fälle ab, und nur die schweren werden ans teure Spitzenmodell durchgereicht. So zahlst Du den Spitzenpreis nur für die zwanzig Prozent der Anfragen, die ihn wirklich brauchen. Genau dieses Muster, ein gestaffelter Modell-Einsatz, spart in der Praxis am meisten Geld bei gleichbleibender Qualität. Wie Du das im Daily-Driver konkret aufsetzt, steht im Playbook [Cost-Controls für den Daily-Driver](https://studiomeyer.academy/playbooks/claude-code-cost-controls-fuer-daily-driver).

## Schritt 10, die Entscheidung in einem Satz

Wenn Du tiefes Reasoning oder lange Kontexte brauchst und Budget hast, nimm Opus 5. Wenn Du im OpenAI-Stack steckst oder bewusst Vendor-Vielfalt willst, nimm GPT-5.6. Wenn Deine Aufgabe einfach ist, nimm in beiden Fällen den Mittel- oder Budget-Tier und spar das Geld. Und egal was Du vermutest, verifizier es mit Deinem eigenen Mini-Eval aus Schritt 8, bevor Du Dich festlegst.

## Was als nächstes

Wenn Du die Modell-Landschaft erst grundsätzlich verstehen willst, bevor Du vergleichst, fang mit der [Modell-Vergleichs-Lesson in Level 1](https://studiomeyer.academy/levels/1/05-modelle-vergleich) an. Wenn Du schon auf Opus setzt und sauber auf die aktuelle Generation willst, geht es im Playbook [Opus 5 Migration](https://studiomeyer.academy/playbooks/opus-5-migration) weiter. Und wenn Du den Mischbetrieb aus Schritt 9 ernsthaft bauen willst, ist das Eval-Playbook Dein nächster Halt.

## Quellen

Aktuelle Modell-Daten, Kontextgrößen und Preise ändern sich schnell. Schlag sie vor jeder finalen Entscheidung an der Quelle nach, nicht in Blogposts.

- Claude-Modellübersicht (Opus 5, Sonnet 5, Haiku 4.5, Pricing, Kontext): https://docs.claude.com/en/docs/about-claude/models/overview
- OpenAI-Modellübersicht (GPT-5.6 Sol/Terra/Luna, GPT-5.5, Pricing, Kontext): https://platform.openai.com/docs/models

[← Agentic Payments mit x402, was](https://studiomeyer.academy/playbooks/agentic-payments-x402) [Subagents die Subagents spawne →](https://studiomeyer.academy/playbooks/subagents-die-subagents-spawnen)

Alle Playbooks

[01. Von ChatGPT zu Claude. Anleitung in 10 Schritten](https://studiomeyer.academy/playbooks/von-chatgpt-zu-claude) [02. Von ChatGPT zu Codex. Anleitung in 10 Schritten](https://studiomeyer.academy/playbooks/von-chatgpt-zu-codex) [03. Dein erster MCP-Server in 90 Minuten](https://studiomeyer.academy/playbooks/erster-mcp-server-in-90-minuten) [04. Memory portabel nutzen, gleiches Gedächtnis in Claude, Codex und Cursor](https://studiomeyer.academy/playbooks/memory-portabel-nutzen) [05. DACH-Legal. EU AI Act und DSGVO für AI-Operator](https://studiomeyer.academy/playbooks/dach-legal-eu-ai-act-und-dsgvo) [06. Dein erster Sub-Agent in 30 Minuten](https://studiomeyer.academy/playbooks/erster-sub-agent-in-30-min) [07. MCP-Server publishen Schritt für Schritt](https://studiomeyer.academy/playbooks/mcp-server-publishen) [08. Hooks gegen Halluzinationen](https://studiomeyer.academy/playbooks/hooks-gegen-halluzinationen) [09. Git für KI, Quickstart in 30 Minuten](https://studiomeyer.academy/playbooks/git-fuer-ki-quickstart) [10. Scheduled Agents mit Claude Code Routines](https://studiomeyer.academy/playbooks/scheduled-agents-mit-routines) [11. Tool-Sprawl vermeiden, von 530 auf 30 MCP-Tools pro Session](https://studiomeyer.academy/playbooks/tool-sprawl-vermeiden) [12. Claude Code Update-Strategie, ohne dass Dein Workflow plotzlich kaputt ist](https://studiomeyer.academy/playbooks/claude-code-update-strategie) [12. Subagent-Team strukturieren, welche sechs Rollen Du im Daily-Driver brauchst](https://studiomeyer.academy/playbooks/subagent-team-strukturieren) [13. Claude Code Cost Controls für Daily Driver, in 10 Schritten unter 30 Dollar pro Tag bleiben](https://studiomeyer.academy/playbooks/claude-code-cost-controls-fuer-daily-driver) [14. Eigene Slash-Commands für Claude Code, in 30 Minuten produktiv](https://studiomeyer.academy/playbooks/eigene-slash-commands-fuer-claude-code) [15. Claude Code headless in CI/CD, ein Setup das morgen schon läuft](https://studiomeyer.academy/playbooks/claude-code-headless-in-ci-cd) [16. Agent-Eval in 60 Minuten, wie Du herausfindest ob Dein Agent gut ist](https://studiomeyer.academy/playbooks/agent-eval-in-60-minuten) [17. Plan Mode in Claude Code, der unsichtbare Sicherheitsgurt, wann Du ihn brauchst und wie Du ihn drin lässt](https://studiomeyer.academy/playbooks/plan-mode-richtig-nutzen) [18. MCP debuggen wenn nichts geht, die 10 Checks die 90 Prozent der Fälle lösen](https://studiomeyer.academy/playbooks/mcp-debuggen-wenn-nichts-geht) [18. Prompt-Caching meistern, in 10 Schritten von Cache-Miss zu 80 Prozent Hit-Rate](https://studiomeyer.academy/playbooks/prompt-caching-meistern) [19. Memory Drift reparieren, wenn das Gedächtnis kippt](https://studiomeyer.academy/playbooks/memory-drift-reparieren) [20. MCP-STDIO-Sicherheit, was die OX-Security-Story für Dich bedeutet](https://studiomeyer.academy/playbooks/mcp-stdio-sicherheit) [21. Opus 4.7 Migration, was sich für API-Builder geändert hat](https://studiomeyer.academy/playbooks/opus-4-7-migration) [22. Erste eigene Skill in 30 Minuten, wenn Slash-Commands nicht mehr reichen](https://studiomeyer.academy/playbooks/erste-eigene-skill-in-30-min) [23. Context-Window managen in langen Claude-Code-Sessions](https://studiomeyer.academy/playbooks/context-window-managen-claude-code) [24. Advisor Tool, Opus als Berater und Sonnet als Executor in einem API-Call](https://studiomeyer.academy/playbooks/advisor-tool-opus-als-berater-sonnet-als-executor) [25. MCP-Server mit OAuth 2.1 absichern, in 60 Minuten produktiv](https://studiomeyer.academy/playbooks/mcp-server-auth-mit-oauth-2-1) [26. Plugin-Bundles per URL teilen, --plugin-url in 30 Minuten](https://studiomeyer.academy/playbooks/plugin-bundle-via-url-distribution) [27. Claude Code im Team, wie ihr CLAUDE.md gemeinsam pflegt ohne dass es zur Mülltonne wird](https://studiomeyer.academy/playbooks/claude-code-im-team-claude-md-gemeinsam-pflegen) [27. Fremde Claude-Code-Plugins aus ZIP und URL laden, sicher in 20 Minuten](https://studiomeyer.academy/playbooks/claude-code-plugins-aus-zip-und-url-laden) [28. Confused-Deputy-Audit für Claude Code, in 25 Minuten durchziehen](https://studiomeyer.academy/playbooks/confused-deputy-audit-fuer-claude-code) [28. Dein erstes Claude Code Plugin in 60 Minuten, vom leeren Folder zum installierbaren Bundle](https://studiomeyer.academy/playbooks/dein-erstes-claude-code-plugin) [29. Pull Request Reviews mit Claude Code, 10 Schritte für den PR-Workflow den keiner mehr blockiert](https://studiomeyer.academy/playbooks/pull-request-reviews-mit-claude-code) [30. Claude Projects für Nicht-Coder, ein produktiver Workspace in 30 Minuten](https://studiomeyer.academy/playbooks/claude-projects-fuer-nicht-coder) [31. Promptbibliothek aufbauen, Lieblings-Prompts wiederverwenden ohne Copy-Paste](https://studiomeyer.academy/playbooks/prompt-bibliothek-aufbauen) [32. Output Styles für Claude Code, in 20 Minuten ein eigener Ton](https://studiomeyer.academy/playbooks/output-styles-fuer-claude-code) [33. Statusline für Claude Code, in 15 Minuten Kontext im Blick](https://studiomeyer.academy/playbooks/statusline-fuer-claude-code) [34. Claude Code Checkpoints und /rewind: dein Sicherheitsnetz für riskante Edits](https://studiomeyer.academy/playbooks/claude-code-checkpoints-und-rewind) [34. Discovery-Files konsistent halten, damit AI-Crawler nicht alte Bullshit-Bios zitieren](https://studiomeyer.academy/playbooks/discovery-files-konsistent-halten) [34. Hooks debuggen wenn nichts feuert](https://studiomeyer.academy/playbooks/hooks-debuggen-wenn-nichts-feuert) [34. Parallele Claude-Code-Sessions mit git worktrees, zwei Branches gleichzeitig ohne Konflikt](https://studiomeyer.academy/playbooks/parallele-claude-sessions-mit-worktrees) [34. Skill triggert nicht, was Du in 10 Schritten prüfst bevor Du wieder /befehl tippst](https://studiomeyer.academy/playbooks/skill-trigger-debugging) [34. Sub-Agent oder Skill oder MCP-Tool, was wählst Du wann](https://studiomeyer.academy/playbooks/sub-agent-oder-skill-oder-mcp-tool) [35. Mit Git Worktrees parallele Claude-Code-Sessions fahren](https://studiomeyer.academy/playbooks/claude-code-mit-git-worktrees) [35. Memory-Backup vor Update, damit Du nach einem Schema-Migrations-Bug nicht weinst](https://studiomeyer.academy/playbooks/memory-backup-vor-update) [36. AGENTS.md neben CLAUDE.md, ein Repo-Kontext für mehrere AI-Tools](https://studiomeyer.academy/playbooks/agents-md-neben-claude-md) [47. Generative Engine Optimization für kleine Sites, damit Perplexity und ChatGPT-Search Dich zitieren](https://studiomeyer.academy/playbooks/geo-fuer-kleine-sites) [50. Opus 4.8 Migration, das erste Opus-Update ohne Breaking Changes](https://studiomeyer.academy/playbooks/opus-4-8-migration) [51. Background-Sessions mit Claude Agents: lange Tasks laufen lassen ohne dein Terminal zu blockieren](https://studiomeyer.academy/playbooks/background-sessions-mit-claude-agents) [52. Claude Code Bash-Sandbox einrichten: Befehle isolieren statt blind freigeben](https://studiomeyer.academy/playbooks/claude-code-bash-sandbox-einrichten) [53. Vom Skript zum eigenen Agent: der Claude Agent SDK in 90 Minuten](https://studiomeyer.academy/playbooks/claude-agent-sdk-erster-eigener-agent) [54. MCP App bauen: interaktive UI in deinem MCP-Tool statt Text-Wand](https://studiomeyer.academy/playbooks/mcp-app-interaktive-ui-bauen) [55. Mythos teure Modellklasse: Wann sich das teuerste KI-Modell wirklich lohnt](https://studiomeyer.academy/playbooks/mythos-klasse-wann-lohnt-sich-das) [56. Fallback-Modelle einrichten, damit Claude Code bei Overload nicht stehenbleibt](https://studiomeyer.academy/playbooks/claude-code-fallback-modelle) [57. Dynamic Workflows in Claude Code, dein erstes orchestriertes Multi-Agent-Skript](https://studiomeyer.academy/playbooks/dynamic-workflows-in-claude-code) [58. Security-Guidance Plugin für Claude Code, automatischer Sicherheits-Review während du baust](https://studiomeyer.academy/playbooks/claude-code-security-guidance-plugin) [59. Claude Code spinnt nach einer Config-Änderung, so findest du die Ursache](https://studiomeyer.academy/playbooks/claude-code-safe-mode-diagnose) [60. MCP ist stateless, was die 2026-07-28 Spec ändert und was Du jetzt tun musst](https://studiomeyer.academy/playbooks/mcp-spec-2026-07-was-aendert-sich) [61. Dein erster echter n8n-Flow, Automatisierung für Leute die nicht programmieren](https://studiomeyer.academy/playbooks/mein-erster-n8n-flow-fuer-nicht-coder) [62. Agentic Payments mit x402, was Du als Builder über maschinen-bezahlte APIs wissen musst](https://studiomeyer.academy/playbooks/agentic-payments-x402) [63. GPT-5.6 oder Opus 5, welches Modell für welche Aufgabe](https://studiomeyer.academy/playbooks/gpt-5-oder-opus-4-8-welches-modell) [64. Subagents die Subagents spawnen, die 5-Ebenen-Regel von Claude Code](https://studiomeyer.academy/playbooks/subagents-die-subagents-spawnen) [65. Claude Code Agent Teams einrichten, mehrere Sessions die sich gegenseitig zuarbeiten](https://studiomeyer.academy/playbooks/claude-code-agent-teams-einrichten) [66. Modell-Verfügbarkeit tracken, wenn ein Modell über Nacht verschwindet](https://studiomeyer.academy/playbooks/modell-verfuegbarkeit-tracken) [67. Datenschutz beim Arbeiten mit KI-Tools: zehn Gewohnheiten, die dich schützen](https://studiomeyer.academy/playbooks/datenschutz-mit-ki-tools) [68. Auto Mode in Claude Code sicher nutzen, in 10 Schritten ohne Selbstmord-Kommandos](https://studiomeyer.academy/playbooks/claude-code-auto-mode-sicher-nutzen) [69. KI für die Jobsuche: In 10 Schritten durch den ATS-Filter](https://studiomeyer.academy/playbooks/ki-fuer-jobsuche) [70. In 10 Schritten ein AI-Portfolio bauen das dir einen Job bringt](https://studiomeyer.academy/playbooks/ai-portfolio-fuer-den-job) [71. AI-Skills im Lebenslauf und Interview glaubwürdig belegen](https://studiomeyer.academy/playbooks/ai-skills-belegen-lebenslauf-interview) [72. Effort-Level in Claude Code, wann low reicht und wann Du max brauchst](https://studiomeyer.academy/playbooks/effort-level-in-claude-code-einstellen) [73. Vom Academy-Skill zum ersten bezahlten KI-Auftrag](https://studiomeyer.academy/playbooks/erster-bezahlter-ki-auftrag) [74. Eine KI-Antwort faktenchecken: 10 Schritte gegen falsche Auskünfte](https://studiomeyer.academy/playbooks/ki-antwort-faktenchecken) [75. KI-Bilder für deine Marke, vom ersten Prompt zum fertigen Set](https://studiomeyer.academy/playbooks/ki-bilder-fuer-deine-marke) [76. KI für Selbstständige, Angebote und Kundenmails in der halben Zeit schreiben](https://studiomeyer.academy/playbooks/ki-fuer-selbststaendige-angebote-und-mails) [77. KI-Inhalte erkennen und richtig kennzeichnen](https://studiomeyer.academy/playbooks/ki-inhalte-erkennen-und-kennzeichnen) [78. KI-Notizen für Meetings, die wirklich brauchbar sind](https://studiomeyer.academy/playbooks/ki-notizen-fuer-meetings) [79. Lokale KI auf dem eigenen Rechner, damit deine Daten nie das Haus verlassen](https://studiomeyer.academy/playbooks/lokale-ki-auf-dem-eigenen-rechner) [80. Die drei MCP-Primitive verstehen, Tools, Resources und Prompts](https://studiomeyer.academy/playbooks/mcp-primitives-tools-resources-prompts) [81. Verlässliches JSON aus jeder AI, damit Deine Automation nicht bricht](https://studiomeyer.academy/playbooks/verlaessliches-json-aus-ai) [82. Was KI-Tools wirklich kosten, und wo die versteckten Rechnungen lauern](https://studiomeyer.academy/playbooks/was-kostet-ki-wirklich) [83. Prompt Injection verstehen, die drei Fallen wenn dein KI-Assistent fremde Texte liest](https://studiomeyer.academy/playbooks/prompt-injection-erkennen) [84. Dich vor KI-Betrug schützen, Fake-Anrufe, Phishing und falsche Job-Angebote](https://studiomeyer.academy/playbooks/dich-vor-ki-betrug-schuetzen) [85. Opus 5 Migration, wenn Denken plötzlich der Standard ist](https://studiomeyer.academy/playbooks/opus-5-migration) [86. Die KI-Richtlinie für kleine Teams, auf einer Seite](https://studiomeyer.academy/playbooks/ki-richtlinie-fuer-kleine-teams) [87. Agenten die abdriften stoppen](https://studiomeyer.academy/playbooks/agenten-die-abdriften-stoppen) [88. Sehen was Dein Agent wirklich getan hat, Tracing in 10 Schritten mit OpenTelemetry](https://studiomeyer.academy/playbooks/agent-tracing-mit-opentelemetry) [89. Lange Dokumente von KI zusammenfassen lassen, ohne dass sie Sachen erfindet](https://studiomeyer.academy/playbooks/lange-dokumente-sicher-zusammenfassen) [90. Fremde MCP-Server sicher prüfen, bevor Du sie installierst](https://studiomeyer.academy/playbooks/fremde-mcp-server-sicher-pruefen) [91. KI als Lern-Coach: ein neues Feld lernen für den Berufswechsel](https://studiomeyer.academy/playbooks/ki-lern-coach-berufswechsel) [92. Berufsbild AI-Operator: was macht man da eigentlich?](https://studiomeyer.academy/playbooks/berufsbild-ai-operator) [93. KI nutzen ohne selbst zu verlernen](https://studiomeyer.academy/playbooks/ki-nutzen-ohne-selbst-zu-verlernen) [94. Warum dein Screenshot schrumpft, und wie du das steuerst](https://studiomeyer.academy/playbooks/bilder-und-screenshots-an-die-ki-geben) [95. Einen Deep-Research-Auftrag formulieren, damit der Bericht auch was taugt](https://studiomeyer.academy/playbooks/deep-research-auftrag-formulieren) [96. Zahlen und Tabellen mit KI auswerten, ohne dass am Ende Unsinn rauskommt](https://studiomeyer.academy/playbooks/zahlen-und-tabellen-mit-ki-auswerten) [97. KI-Benchmarks lesen ohne dich verarschen zu lassen](https://studiomeyer.academy/playbooks/ki-benchmarks-richtig-lesen) [98. KI als Sparringspartner, bessere Entscheidungen statt netter Zustimmung](https://studiomeyer.academy/playbooks/ki-als-sparringspartner-fuer-entscheidungen) [99. Mit KI eine neue Fähigkeit lernen, der ehrliche Weg](https://studiomeyer.academy/playbooks/mit-ki-neue-faehigkeit-lernen) [100. Deinen MCP-Server ändern ohne die Nutzer zu brechen](https://studiomeyer.academy/playbooks/mcp-server-aendern-ohne-nutzer-zu-brechen) [101. Dein erstes lokales KI-Modell in 30 Minuten](https://studiomeyer.academy/playbooks/erstes-lokales-modell-in-30-minuten) [102. Welches lokale Modell zu Deiner Hardware passt](https://studiomeyer.academy/playbooks/welches-lokale-modell-passt-zu-deiner-hardware) [103. Lokale KI und die DSGVO, was sie wirklich löst und was nicht](https://studiomeyer.academy/playbooks/lokale-ki-und-die-dsgvo) [104. MCP mit lokalen Modellen, Werkzeuge ohne Cloud](https://studiomeyer.academy/playbooks/mcp-mit-lokalen-modellen) [105. Lokal oder Cloud, die ehrliche Rechnung](https://studiomeyer.academy/playbooks/lokal-oder-cloud-die-ehrliche-rechnung) [106. Wenn ein fremdes Repo Deine KI konfiguriert. Der ChainDrop-Fall](https://studiomeyer.academy/playbooks/agent-konfiguration-als-angriffsweg) [107. Gespräche offline transkribieren, ohne dass sie das Haus verlassen](https://studiomeyer.academy/playbooks/gespraeche-offline-transkribieren) [108. n8n mit einem lokalen Modell verbinden](https://studiomeyer.academy/playbooks/n8n-mit-lokalem-modell-verbinden) [109. Dokumente offline auslesen, wenn der Scan nicht hochgeladen werden darf](https://studiomeyer.academy/playbooks/dokumente-offline-auslesen) [→ Zur Academy](https://studiomeyer.academy/levels/1)

## Sitemap

Öffentliche Seiten dieser Website als Markdown: [Sitemap](https://studiomeyer.academy/sitemap.md). Kuratierter Einstieg: [llms.txt](https://studiomeyer.academy/llms.txt), Volltext: [llms-full.txt](https://studiomeyer.academy/llms-full.txt).