--- title: "" canonical: "https://studiomeyer.academy/playbooks/ki-benchmarks-richtig-lesen" language: de publisher: "StudioMeyer Academy, https://studiomeyer.academy (llms.txt: https://studiomeyer.academy/llms.txt)" --- [← Alle Playbooks](https://studiomeyer.academy/playbooks) Playbook· build # KI-Benchmarks lesen ohne dich verarschen zu lassen Jede KI-Firma behauptet, ihr Modell schlage alle anderen. Zehn Schritte, mit denen Du die Zahlen in der Pressemitteilung einordnest, die üblichen Tricks erkennst und am Ende Deinen eigenen Mini-Test baust, der als Einziger für Deine Arbeit zählt. Jede Woche verkündet irgendeine KI-Firma, ihr neues Modell habe einen Benchmark gewonnen. Balkendiagramm, ein grüner Balken höher als die grauen, darunter ein Prozentwert mit einer Nachkommastelle. Das Problem ist nicht, dass die Zahlen gelogen wären. Meistens stimmen sie sogar. Das Problem ist, dass sie fast nichts darüber sagen, ob das Modell Deine Aufgabe gut löst. Ein Benchmark misst eine enge, künstliche Aufgabe unter Laborbedingungen. Deine Arbeit ist keine enge, künstliche Aufgabe. Dieser Playbook führt Dich durch zehn Schritte, an deren Ende Du eine Bestenliste anschauen kannst, ohne Dich blenden zu lassen. Er ist für Dich, wenn Du anfängst, ernsthaft KI-Tools zu vergleichen, und keine Lust hast, auf Marketing-Grafiken reinzufallen. ## Schritt 1, was ein Benchmark überhaupt misst Ein Benchmark ist eine Sammlung von Testaufgaben mit bekannter richtiger Antwort. Man gibt sie dem Modell, zählt wie oft es richtig liegt, teilt durch die Gesamtzahl, fertig ist der Prozentwert. Klingt fair. Der Haken sitzt in der Auswahl der Aufgaben. SWE-bench zum Beispiel misst, ob ein Modell echte Fehler in echten Software-Projekten reparieren kann. MMLU misst Multiple-Choice-Wissen quer durch Schulfächer. HumanEval misst, ob das Modell kleine Programmier-Aufgaben löst. Das sind drei völlig verschiedene Dinge. Ein Modell kann bei einem vorne liegen und beim nächsten hinten. Bevor Du eine Zahl glaubst, frag zuerst: was genau wurde da gemessen, und hat das irgendwas mit dem zu tun, wofür ich das Tool nutzen will. ## Schritt 2, warum SOTA ein Marketing-Wort ist SOTA heißt state of the art und soll bedeuten "das Beste, was es gerade gibt". In der Praxis heißt es "das Beste auf dem einen Benchmark, den wir für die Grafik ausgesucht haben". Es gibt hunderte Benchmarks. Eine Firma, die ihr Modell vorstellt, sucht sich die drei bis fünf aus, bei denen sie gut aussieht, und lässt die anderen weg. Das ist nicht mal unehrlich im engeren Sinn, jeder macht es so. Aber es bedeutet, dass "SOTA" in einer Pressemitteilung ungefähr so viel wert ist wie "bestes Restaurant der Straße", wenn die Firma selbst entscheiden darf, welche Straße gemeint ist. Nimm das Wort als das, was es ist: ein Signal, dass Marketing im Raum steht. ## Schritt 3, die Kontaminations-Falle Das ist der wichtigste und am wenigsten erwähnte Punkt. Modelle lernen aus riesigen Mengen Text aus dem Internet. Viele Benchmarks liegen offen im Internet, inklusive der Lösungen. Wenn ein Modell die Testaufgaben und die richtigen Antworten schon im Training gesehen hat, dann prüft der Benchmark nicht mehr, ob es die Aufgabe lösen kann, sondern ob es sich an die Antwort erinnert. Das nennt man Kontamination oder Datenleck. Ein Modell mit 92 Prozent auf einem alten, bekannten Benchmark kann in Wahrheit schwächer sein als eins mit 80 Prozent auf einem frischen, nie veröffentlichten Test. Faustregel: je älter und berühmter ein Benchmark, desto vorsichtiger solltest Du mit hohen Werten sein. ## Schritt 4, pass@1 gegen best-of-N Hier versteckt sich ein Zahlentrick, den fast niemand erklärt. Es gibt zwei Arten, ein Ergebnis zu messen. Bei pass@1 bekommt das Modell einen Versuch, und der muss sitzen. Bei pass@k oder best-of-N darf es die Aufgabe mehrfach versuchen, und es zählt als bestanden, wenn auch nur einer der Versuche richtig war. Der zweite Wert ist immer höher, oft deutlich. Ein Modell, das bei pass@1 auf 55 Prozent kommt, kann bei best-of-10 plötzlich bei 80 landen. Beides sind ehrliche Zahlen, aber sie messen völlig Verschiedenes. In Deinem Alltag hast Du meistens einen Versuch, also ist pass@1 die relevante Zahl. Wenn in einer Grafik nur die hohe Zahl steht und nicht dabeisteht, wie oft das Modell probieren durfte, ist Vorsicht angebracht. ## Schritt 5, wer den Test gemacht hat Es macht einen Unterschied, ob eine Firma ihr eigenes Modell testet oder ob ein unabhängiges Labor beide Modelle unter gleichen Bedingungen prüft. Wenn OpenAI sagt "GPT schlägt Claude" und Anthropic sagt "Claude schlägt GPT", dann testen beide auf ihrem Heimplatz mit ihren Einstellungen. Selbst-gemessene Zahlen sind nicht wertlos, aber sie sind Werbung. Such nach Quellen, bei denen jemand ohne Eigeninteresse gemessen hat, am besten mit offengelegtem Vorgehen. Unabhängige Leaderboards, bei denen Du sehen kannst, wer wie getestet hat und ob sich das nachbauen lässt, sind Gold wert. Eine Grafik im Ankündigungs-Blogpost des Herstellers ist der Anfang der Recherche, nicht das Ende. ## Schritt 6, auf welcher Version gemessen wurde Modelle ändern sich ständig. Ein Name wie "Opus 4.8" oder "GPT-5" bleibt gleich, während dahinter Updates ausgerollt werden. Eine Benchmark-Zahl vom Mai kann für die Version von heute nicht mehr stimmen, in beide Richtungen. Wenn Du eine Zahl liest, schau auf das Datum und auf die exakte Versionsbezeichnung. Das gilt besonders für Vergleiche, die jemand vor Monaten gemacht und nie aktualisiert hat. Solche Vergleiche geistern lange durch Blogposts und werden zitiert, als wären sie noch aktuell. Ein Wert ohne Datum und ohne genaue Modellversion ist ein Wert, den Du nicht einordnen kannst. ## Schritt 7, der Sprung von 88 auf 90 Prozent Wenn ein Modell einen Benchmark mit 90 Prozent besteht und ein anderes mit 88, dann klingt das nach einem Unterschied. Ist es oft aber nicht. Viele bekannte Benchmarks sind gesättigt, das heißt die guten Modelle liegen alle in einem engen Band ganz oben. Die letzten paar Prozentpunkte bestehen dann häufig aus Aufgaben, die selbst für Menschen mehrdeutig oder schlicht fehlerhaft sind. Ein Vorsprung von zwei Punkten in diesem Bereich sagt Dir wenig über die Praxis. Interessanter sind Benchmarks, bei denen noch echte Streuung herrscht, also wo die Modelle wirklich auseinanderliegen. Da erfährst Du mehr über die tatsächlichen Fähigkeiten als bei einem Rennen, das alle mit 89 Komma irgendwas beenden. ## Schritt 8, die Lücke zwischen Benchmark und Produktion Das ist der Punkt, an dem die meisten Enttäuschungen entstehen. Ein Modell, das im Benchmark bei einer bestimmten Aufgabenklasse hohe Werte holt, kann in Deinem echten Ablauf trotzdem unzuverlässig sein. Der Benchmark läuft in einer sauberen Umgebung mit klar gestellten Aufgaben. Deine Realität hat unklare Anweisungen, chaotische Eingaben, lange Gesprächsverläufe und den Anspruch, dass es nicht nur einmal, sondern jedes Mal klappt. Es ist völlig normal, dass ein Modell im Labor stark aussieht und im Dauerbetrieb bei Deiner konkreten Aufgabe deutlich niedriger landet. Deshalb ist die Benchmark-Zahl bestenfalls eine Vorauswahl. Sie sagt Dir, welche Modelle es in die engere Wahl schaffen, nicht welches gewinnt. ## Schritt 9, Dein eigener Mini-Benchmark Das hier ist der einzige Test, der wirklich für Dich zählt. Bau Dir einen kleinen eigenen Vergleich aus zehn bis zwanzig Aufgaben, die genau so aussehen wie das, was Du täglich brauchst. Echte Beispiele aus Deiner Arbeit, keine erfundenen. Gib jede Aufgabe an zwei oder drei Modelle, sammle die Antworten und bewerte selbst, welche brauchbar ist. Notier Dir die Ergebnisse in einer simplen Tabelle. Nach einer Stunde weißt Du mehr über die Modelle als aus jeder Herstellergrafik, weil Du auf Deinen echten Aufgaben gemessen hast und nicht auf Schulfach-Multiple-Choice. Wiederhol das, wenn eine neue Version rauskommt. Genau dieses Vorgehen empfehle ich auch im Playbook zur Modellwahl, dort ist es Schritt acht. ## Schritt 10, die drei Fragen die Du immer stellst Wenn Du in Zukunft eine Benchmark-Zahl siehst, egal wo, stell Dir diese drei Fragen. Erstens, was wurde gemessen, und hat das mit meiner Aufgabe zu tun. Zweitens, wer hat gemessen, und hatte die Person ein Interesse am Ergebnis. Drittens, kann ich das nachvollziehen, gibt es ein Datum, eine Version und ein offengelegtes Vorgehen. Beantworte drei mal ja, dann ist die Zahl ein nützlicher Hinweis. Bleibt eine Frage offen, ist es Marketing, das Du getrost ignorieren kannst. Diese drei Fragen kosten Dich zehn Sekunden und schützen Dich vor den meisten teuren Fehlentscheidungen, die aus dem blinden Vertrauen in eine schöne Grafik entstehen. ## Was als nächstes Wenn Du jetzt weißt, wie Du Zahlen einordnest, ist der logische nächste Schritt, sie in eine echte Wahl zu übersetzen. Der Playbook [GPT-5 oder Opus 4.8, welches Modell](https://studiomeyer.academy/playbooks/gpt-5-oder-opus-4-8-welches-modell) zeigt Dir das Tier-Denken und den eigenen Mini-Eval an einem konkreten Fall. Für die Grundlagen, warum Modelle sich überhaupt so unterschiedlich verhalten, lies die Lesson [Modelle im Vergleich](https://studiomeyer.academy/levels/1/05-modelle-vergleich) und den Überblick [Die Modell-Landschaft 2026](https://studiomeyer.academy/levels/1/11-modell-landschaft-2026). Und wenn Du wissen willst, was diese Modelle im Dauerbetrieb wirklich kosten statt nur was sie können, nimm Dir den Playbook [Was kostet KI wirklich](https://studiomeyer.academy/playbooks/was-kostet-ki-wirklich) vor. [← Zahlen und Tabellen mit KI aus](https://studiomeyer.academy/playbooks/zahlen-und-tabellen-mit-ki-auswerten) [KI als Sparringspartner, besse →](https://studiomeyer.academy/playbooks/ki-als-sparringspartner-fuer-entscheidungen) 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).