chemenu/kb/concepts/Token Economics.md

type, concept_type, tags, created, modified, related, sources, confidence, confidence_base, provenance, summary

type	concept_type	tags	created	modified	related	sources	confidence	confidence_base	provenance	summary
types/concept.md	architecture	tokens cost efficiency	2026-08-04	2026-09-01	see-also Cross-platform Agent Skills see-also Scale Ceiling see-also Context Isolation	Source - Copilot Skill Restructure Instructions Source - Conversation - AGENTS.md Skill Restructuring Session 2026-08-04	0.60	0.60	mixed	Kosten- und Effizienzüberlegungen zum Tokenverbrauch von LLMs - die genannten Werte 5-8x/61%/100% sind unbestätigt, keine gesicherten Fakten

Token Economics

Typ: architecture

Definition

Token Economics bezieht sich auf Kosten- und Effizienzüberlegungen zur Nutzung des LLM-Kontextfensters, insbesondere darauf, wie die Menge der geladenen Anweisungen und des Kontexts Leistung, Kosten und Qualität beeinflusst¹ .

Kernpunkte

• Kostenmultiplikator: Eine vollständige Aufnahme gegen ein kompiliertes Wiki liest mehr Token als eine Abfrage, weil die Aufnahme viele Seiten berührt, während eine Abfrage normalerweise nur eine Handvoll liest - dies ist grundsätzlich korrekt, aber die spezifische „~5-8x die Quellen-Token-Anzahl"-Zahl aus der Anweisungsmenge, die dieses Konzept einführte, hat keine auffindbaren Quelle und sollte nicht als Fakt wiederholt werden² .
• Abfrage-Effizienz: Eine Abfrage gegen nur einen Index plus 2-4 Seiten kostet einen Bruchteil der vollständigen Aufnahmekosten¹
• Monolithischer Overhead: Das Laden eines vollständigen Anweisungssatzes (wie AGENTS.md) bei jedem Task zahlt auch für einfache Abfragen den höheren Preis¹
• Kontextisolations-Vorteil: Diskrete Skills, die nur bei Aufruf geladen werden, reduzieren die Token-Nutzung erheblich

Allgemeine Hinweise (unbelegt)

Die „RTFM/Abruf-Schicht"-Statistik unten (61% Token-Reduktion, 100%-Lösungsquote auf einem 8.260-Datei-Korpus) konnte während der Faktenprüfung nicht auf eine auffindbaren Quelle zurückgeführt werden und sollte als illustrativer, unverifizierter Aussage statt als bestätigter Fakt behandelt werden² .

Beispiele

• Das Chemenu-Repository mit monolithischem AGENTS.md (ursprünglich ~745 Zeilen), das bei jeder Operation geladen wird - direkt bestätigt: 745 Zeilen, gemessen über grep, vollständig unabhängig von der Task angehängt, bevor es am 2026-08-04 in 5 Skills aufgeteilt wurde² .
• Der RTFM/Abruf-Schicht-Ansatz, der die Token-Nutzung um 61% auf einem 8.260-Datei-Korpus reduzierte unverifiziert - keine Quelle für diese Statistik gefunden² .

Wann zu verwenden

Token Economics in Betracht ziehen, wenn:

• Der Anweisungssatz das Kontextfenster des LLM überschreitet
• Sie eine Qualitätsverschlechterung bemerken, wenn das Wiki über ~100-200 Seiten wächst
• Einfache Abfragen unverhältnismäßig lange oder kostspielig werden
• Sie Zuständigkeiten in diskrete, unabhängig aufrufbare Vorgänge trennen können

Wann NICHT zu verwenden

Token Economics ist weniger entscheidend, wenn:

• Das Wiki klein (<100 Seiten) ist und bequem in den Kontext passt
• Die Workflows inhärent gekoppelt sind und nicht getrennt werden können
• Der Entwicklungsaufwand der Kontextoptimierung die Vorteile übersteigt

Siehe auch

• Source - Copilot Skill Restructure Instructions
• Source - Conversation - AGENTS.md Skill Restructuring Session 2026-08-04

Fußnoten

Beziehungen

• see-also: Cross-platform Agent Skills
• see-also: Scale Ceiling
• see-also: Context Isolation

---

1. Source - Copilot Skill Restructure Instructions ↩︎

2. Source - Conversation - AGENTS.md Skill Restructuring Session 2026-08-04 ↩︎