| Sonntag · 3. Mai 2026 |
Issue № 003 |
14 Min. Lesezeit |
|
|
FindSkill Wochen-Briefing
The Skill
Nur für FindSkill Pro-Mitglieder. Die KI-News, die wirklich etwas an deinem Arbeitsalltag ändern.
|
|
Nur für Pro-Mitglieder
|
Privates Briefing
|
Wird nirgends veröffentlicht
|
|
|
|
Mia
KI-Lern-Redakteurin · FindSkill.ai
|
Willkommen zu Issue 003.
Ich bin Mia, und jeden Montag lande ich in deinem Posteingang, um die KI-News der Woche zu sortieren — ohne Jargon, ohne Hype, ohne dieses "10 Dinge, die du WISSEN MUSST"-Geschrei. Dieses Briefing erscheint nirgendwo sonst. Es geht ausschließlich an Pro-Mitglieder. Mehr nicht.
Diese Woche sind drei Sachen passiert, die wie drei separate Geschichten aussehen. Sind sie aber nicht. Anthropic ist auf 900 Milliarden Dollar bewertet. Microsoft und OpenAI haben ihren Deal klammheimlich umgeschrieben. Apple zahlt Google eine Milliarde im Jahr für ein eigenes Gemini. Mit "eine KI für alles" ist diese Woche Schluss. Letzte Ausgabe ging's um Aktionen (Agenten — wenn KI was tut). Diese Woche geht's um Auswahl — welche KI für welche Aufgabe.
Kurzer Rückblick: Letzte Woche hatte ich gefragt, was bei eurer Inbox-Triage so Skurriles rauskam. Die Hälfte schrieb: "Hat eine Hochzeitseinladung archiviert." Eine Antwort top: Der Agent hat selbstständig eine Mail an die Therapeutin entworfen, inklusive Mittagessens-Vorschlag. Section 03 ist diese Woche dann ein ganz anderes Experiment — fünf Prompts, drei Modelle, fünf Tage. Das Muster war ehrlich gesagt nicht das, was ich erwartet hatte.
— Mia
|
01 |
Diese Woche in KI
Drei Schlagzeilen. Ein Muster.
|
Business
Anthropic peilt eine 900-Mrd.-$-Bewertung an — und der Abstand zu OpenAI ist gar nicht das Spannende
Bloomberg meldet diese Woche: Anthropic prüft Finanzierungsangebote bei einer Bewertung von 900 Milliarden Dollar. Eine Vorstandssitzung im Mai entscheidet. Zum Vergleich: OpenAIs letzte Runde schloss bei 852 Milliarden. Anthropic war im Februar bei 380 Milliarden — also mehr als doppelt so viel in zwei Monaten. Tempo ist mal echt heftig. Spannender ist aber die Zahl darunter: Anthropic gibt 30 Milliarden annualisierten Umsatz an, OpenAI 25. Der Hebel sind keine ChatGPT-Klone, sondern Claude Code. Bei Anthropic kommen rund 80 % aus Enterprise-API plus Claude Code, OpenAI hängt am Consumer-Geschäft. Der Markt entscheidet halt gerade, welche Sorte KI-Firma mehr Geld macht — und im Moment gewinnt die, mit der Entwickler bauen.
|
Was das für dich bedeutet
Wenn du bei ChatGPT oder Claude im Jahresabo hängst, wird dieses Jahr beim Preis ordentlich nach oben gedreht. Das komplette Entscheidungsraster zur Abo-Frage haben wir letzte Woche aufgeschrieben ( 900-Mrd.-vs-852-Mrd.-Beitrag →). Klartext: Bind dich nicht jährlich, außer du wärst auch bereit, 1,5× zu zahlen. Teste vor der Verlängerung deine drei wichtigsten Prompts in zwei anderen Modellen. Die nächsten zwölf Monate gehören Portabilität, nicht Loyalität. |
Business
Microsoft und OpenAI haben den Deal klammheimlich umgeschrieben. Zwei Tage später kam die 4-Modell-Agenten-Plattform.
Am 27. April haben Microsoft und OpenAI ihre Partnerschaft neu sortiert. Drei Punkte sind anders: Microsofts IP-Lizenz ist nicht mehr exklusiv (läuft trotzdem bis 2032), OpenAI hat Multi-Cloud-Freiheit (am nächsten Tag schon live auf AWS Bedrock), und der vertragliche AGI-Trigger, der Microsoft an OpenAI gefesselt hat — weg. 48 Stunden später ging Microsoft Agent 365 an den Start: 15 $ pro Nutzer und Monat. Im Grunde ein Multi-Model-Layer — Anthropic Claude, OpenAI, Mistral und ein "Auto"-Modus, bei dem Microsoft selbst aussucht, sitzen alle im gleichen Dashboard. Word, Excel und PowerPoint können sich je ein anderes Modell holen. Nicht weil Microsoft auf OpenAI sauer wäre, sondern weil Microsoft den Markt beobachtet und entschieden hat: Auf Plattformebene ist ein einzelnes Modell halt nicht mehr die richtige Antwort. Mistral ist als europäische Option im Stack — DACH-relevant, ja.
|
Was das für dich bedeutet
Der Microsoft-365-Tenant deines Arbeitgebers kriegt die Agent-365-Steuerung in den nächsten Wochen, falls noch nicht passiert. IT, Security, Compliance: Schaut euch den Multi-Model-Toggle diese Woche an. Knowledge Worker: Rechne damit, dass dein "Copilot" je nach Aufgabe heimlich Claude im Word-Dokument und GPT im Excel-Sheet ist. Den operativen Lesart-Check zum Bruch haben wir hier ( Microsoft-OpenAI-Exklusivität endet →). Lies das vor deinem nächsten Compliance-Termin. |
Business
Apple zahlt Google eine Milliarde im Jahr für ein eigenes Gemini. Das ist die ganze Siri-Geschichte.
Am 22. April hat Googles Cloud-Chef Thomas Kurian auf der Google Cloud Next bestätigt: Gemini steckt im nächsten Siri. Der Deal wurde im Januar unterschrieben. Bloomberg berichtet von rund 1 Mrd. $ pro Jahr für eine Custom-Variante mit 1,2 Billionen Parametern. Phase 1 läuft schon, iOS 26.4 nutzt Gemini für Kontext-Awareness und Bildschirm-Erkennung. Phase 2 mit iOS 27 im September: "Conversational Siri". Apple, die Firma, die seit 1997 "Designed by Apple" auf jedes Produkt schreibt, hat dem Markt damit klar gesagt: Selbst Apple kauft Modelle ein. Die Single-Vendor-Ära ist nicht an Politik oder Regulierung gescheitert. Sondern schlicht daran, dass die Rechnung nicht mehr aufgeht.
|
Was das für dich bedeutet
Die drei Geschichten dieser Woche sagen alle dasselbe — eine KI reicht halt nicht mehr. Anthropic gewinnt, weil es die bessere zweite Wahl ist. Microsoft baut die Schicht, die auswählt. Apple hat die Frage gleich übersprungen und sich die Antwort eingekauft. Was das für deine Woche heißt: Hör auf, das eine "beste" KI-Tool zu suchen. Such dir das richtige für die jeweilige Aufgabe. Section 02 nennt das Konzept. Section 03 zeigt das Fünf-Tage-Experiment. Section 04 liefert den Prompt zum Einrichten.
---
|
|
02 |
Begriff der Woche
Das eine Konzept, das du diese Woche verstehen solltest
|
| |
|
Begriff №003
Model router
< model router *(keine Erweiterung — der Begriff ist die Beschreibung)* >
Eine Schicht zwischen deiner App — oder deinem Prompt — und einem Haufen KI-Modelle. Sie entscheidet pro Anfrage, welches Modell für diese Aufgabe gerade das richtige ist.
|
Stell dir das so vor →
Ein Maître d' für KI. Du sagst, was du brauchst — "schnell und günstig", "tiefes Reasoning", "Code, der läuft", "Bild mit Text drauf" — und der Maître d' bringt dich an den richtigen Tisch. Gleiches Restaurant, anderer Koch pro Gericht. Du engagierst nicht den Koch, sondern den, der weiß, an welchen Koch dein Bon gehört.
|
|
⚠ Häufiger Irrtum
"Wir müssen uns für eine KI entscheiden." Nö. Du entscheidest dich für einen Router. Jedes Modell ist in was anderem gut, und für zwei oder drei zahlst du eh schon. Mit Router nimmst du pro Aufgabe einfach das passende — ohne jedes Mal neu abzuwägen. Der größte Kostenfehler von 2025 war, KI als Produkt zu behandeln. Die größte Chance für 2026: sie als Stack zu behandeln.
|
Where you'll hear it: Microsofts "Model Router" in Azure Foundry. Microsoft Agent 365 (Story 2 — der ganze Laden ist ein Router). OpenRouter (Consumer-freundlich, eine API für hundert Modelle). Portkey (Enterprise-Gateway). LiteLLM (Open Source). Perplexity selbst ist ein Router für Recherche und wählt im Hintergrund Claude, GPT oder Sonar. IDC sagt: 70 % der KI-Top-Unternehmen werden bis 2028 Multi-Model-Architekturen nutzen; 37 % fahren heute schon 5+ Modelle in Produktion. Kosten sparen durch Routing: 40–85 %. Die Kategorie ist halt von Theorie zu Mainstream geworden, während alle gebannt auf Agent-Demos geguckt haben.
Claude Code zu einem anderen Modell routen — in der Praxis →
|
|
03 |
Tiefe Einsicht
Ich habe Claude Opus 4.7, GPT-5.5 und Gemini 2.5 Pro fünf Prompts eine Woche lang gegeben. Hier gewinnt jedes.
|
Die meisten "Claude vs GPT vs Gemini"-Posts schicken einen Prompt durch drei Modelle und nennen das Journalismus. Ich habe fünf echte Prompts fünf Tage lang durch drei Modelle geschickt und mitgeschrieben, welchem ich welchen Output tatsächlich vertraut habe. Das Ergebnis ist weniger binär als die Schlagzeilen — und nützlicher.
Ich habe das Experiment aufgesetzt, um eine Frage zu beantworten, die Pro-Leser oft stellen: welches Abo soll ich kündigen? Meine Vermutung vorher: "Claude für alles außer Code." Mein Fazit hinterher: "kündige nichts — bau dir einen Stack." Hier sind die fünf Aufgaben, das Modell, das jede gewinnt, und der kleine Zettel, der jetzt am Rand meines Monitors klebt.
Fünf Aufgaben, die ich jede Woche mache: (1) ein 30-seitiges PDF auf einen Absatz eindampfen; (2) eine 1-zu-1-Sales-Mail schreiben; (3) dieselbe Mail an eine Liste von 100 Leuten; (4) Klartext in eine SQL-Query gegen ein Schema übersetzen, das ich beschreibe; (5) 10 Hooks für ein Stück Content brainstormen. Drei Modelle: Claude Opus 4.7 (Claude.ai), GPT-5.5 (ChatGPT Plus), Gemini 2.5 Pro (AI Studio). Identische Wortwahl in allen dreien. Kein modell-spezifisches Tuning — die meisten Leser tunen halt nicht, die kopieren rein. Also mach ich's auch so.
Fünf Tage, fünf Aufgaben, drei Modelle | Aufgabe | Claude Opus 4.7 | GPT-5.5 | Gemini 2.5 Pro |
|---|
| 30-Seiten-PDF → 1-Absatz-Zusammenfassung | Beste Struktur, am leichtesten zu überfliegen. Lässt die langweilige Mitte still weg. | Am gründlichsten — alle Daten drin, schlechter zum Skim, besser wenn ich zitiere. | Erstaunlich gut, halluzinierte aber eine Zahl. Beim zweiten Lesen erwischt. | | 1-zu-1 Sales-Mail | Liest sich, als hätte ich es geschrieben. Beim Voice-Transfer ist es klar am stärksten. | Liest sich wie ein Sales-Rep. Poliert, aber generisch. | Liest sich wie ein kompetenter Praktikant. Brauchbar, aber halt nicht ich. | | Massensendung an 100 Leute | Hält den Versand an eine Liste aus. Hat sogar mein Klischee "Mir ist aufgefallen, dass…" abgefangen. | Mit gepinnter Voice-Memory: bestes Gleichgewicht. Vorhersehbar über alle 100. | Knallt drei Emojis rein, die ich nicht wollte. Brauchbarer Startpunkt, wenn ich sie rauslösche. | | Klartext → SQL | 4/5 korrekt. Eine Window Function ist ihm durchgerutscht. | 5/5 Syntax, 4/5 Intent. Hat einmal die falsche Spalte erwischt. | 5/5 Syntax UND 5/5 Intent. Hat sogar einen Datentyp-Mismatch entdeckt, den ich gar nicht markiert hatte. | | 10 Content-Hooks | 7 brauchbar, 3 zu dick aufgetragen. Voice solide. | 5 brauchbar, 5 generisch ("Entdecke das Geheimnis von ..."). | 8 brauchbar, 2 reine Übertreibung. Am stärksten bei konkreten, überraschenden Winkeln. |
Nach fünf Tagen habe ich aufgehört, Favoriten zu küren, und angefangen, Rollen zu verteilen. Vier Muster haben in jedem Test gehalten:
| i. | "Voice-heavy → Claude." Wenn der Output nach einer bestimmten Person klingen muss — Sales-Mails, Antworten, Edits an meinen Texten — ist Claude am saubersten. Weniger Glättung, mehr Erhalt der Eingabe-Voice. Für meine Arbeit ist das die Disziplin, in der Claude jedes andere Modell schlägt. Ich würde ChatGPT vor Claude kündigen, allein wegen dieser einen Aufgabe. | | ii. | "Reasoning + Daten → Gemini." SQL, strukturierte Daten, Mathe, "finde den Widerspruch in diesem Dokument". Gemini war schärfer als gedacht und klar vorne, wenn eine falsche Antwort wirklich was kostet. Auch bei der Hook-Generierung hat es mich überrascht — Gemini schrieb die konkretesten, spezifischsten Hooks. Dein Vorurteil gegen Gemini ist halt ein Jahr alt. | | iii. | "Volumen + General Purpose → GPT-5.5." Wenn ich denselben Prompt durch 100 Inputs jage (Massen-Mails, Batch-Zusammenfassungen, einen Einmal-Workflow zur Automation skalieren), gewinnt die Konsistenz von GPT-5.5. Nicht immer der beste Output, aber der verlässlichste. Und Verlässlichkeit skaliert. Deshalb baut auch jede "Agent macht Arbeit"-Plattform GPT als Default ein — den Output kann man planen. | | iv. | "Das kombinierte Urteil." Ich hab mir einen kleinen Router gebaut. Keine Software. Eine Notion-Tabelle mit fünf Aufgaben, drei Modellen, je einer Zuordnung. Klebt am Monitor. Die 30 Sekunden Entscheidung vorab sparen mir die doppelte Arbeit hinterher — und ich nutze jetzt alle drei Abos, die ich eigentlich streichen wollte. |
Wie der Router aussieht Input · wie ich vorher gearbeitet habe Claude öffnen. Prompt einfügen. Output lesen. Mal okay, mal daneben. GPT probieren. Mal schlechter, mal besser. Sich mit der zweiten Antwort begnügen, weil eh schon 10 Minuten weg sind. Dreimal am Tag, jeden Tag. Zwei Abos bezahlt, eins wirklich genutzt. | | | Output · wie ich jetzt arbeite Auf den Router schauen. Modell wählen. Einmal einfügen. Einmal lesen. Fertig. Fünf Aufgaben pro Tag, beim ersten Versuch das richtige Modell, zehn Minuten am Tag gespart. Drei Abos bezahlt, drei genutzt. Netto-Kosten: hoch. Netto-Arbeit: runter. Endlich geht die Rechnung auf. |
Probier dieselben fünf Prompts in den drei Modellen, für die du eh bezahlst. Nicht das "beste". Jedes. Schreib mir, welches dich überrascht hat und welchem du nicht mehr traust. Dein Arbeitsmuster sieht wahrscheinlich anders aus als meins — und genau dein Router ist am Ende das eigentliche Ergebnis.
|
04 |
Der Workflow
Eine Art, KI diese Woche bei deinem Job zu nutzen
|
| |
| ◆ KI bei der Arbeit · Idee №003 |
Hör auf zu fragen "welche KI ist die beste". Frag "welche KI für diese Aufgabe".
Nimm dir heute eine Viertelstunde und bau dir einen Modell-Router für deine eigene Arbeit. Das Format, das jede Alternative schlägt, ist eine simple Fünf-Zeilen-Tabelle. Spalte 1: die fünf Dinge, für die du diese Woche am meisten KI nutzt. Konkret — "Meeting-Mitschriften zusammenfassen", "Kunden-Mails in meiner Voice schreiben", "Klartext zu SQL übersetzen", "meine Texte straffer kürzen", "ein Thema über 10 Quellen recherchieren". Spalte 2: woran du einen guten Output erkennst — "trifft meine Voice", "bleibt unter 100 Wörtern", "syntaktisch korrekt", "nennt die Quelle", "scannt 10+ Seiten ohne zu halluzinieren". Spalte 3: das Modell, das du zuweist. Nutz die Muster aus Section 03 — Voice-heavy → Claude, Reasoning/Daten → Gemini, Volumen + Konsistenz → GPT-5.5, tiefe Recherche mit Quellen → Perplexity. Pinn die Tabelle dahin, wo du arbeitest. Sieben Tage lang nicht improvisieren, das zugewiesene Modell nehmen. Auch wenn du dir "sicher" bist, das andere wäre schneller.
Warum es funktioniert: Der kognitive Overhead beim Wählen ist halt nicht null. Decision Fatigue summiert sich. Indem du die Wahl aus dem Moment der Arbeit in ein einmaliges Setup verlegst, fällt die Lookup-Steuer für immer weg. Was die Multi-Modell-Ära eigentlich verkauft, sind nicht mehr Fähigkeiten — sondern eine Methode, das Raten endlich zu beenden. An den Monitor gepinnt ist es ein Router. Ohne die Tabelle bezahlst du drei Abos und nutzt das, was du zuletzt offen hattest. Mit ihr bezahlst du drei und nutzt drei.
|
Diese Woche machen
Mach die Tabelle. Nicht perfekt — Hauptsache, sie existiert. Schleif Freitag nach. Nach zwei Wochen weißt du, was läuft, und ergänzt noch eine Spalte für den Prompt selbst — an dem Punkt hast du etwas nachgebaut, wofür ein 40-Euro-pro-Sitz-Enterprise-Tool Geld kassiert. Du hast es in einer Notion-Seite in einer Viertelstunde hingestellt. Willkommen beim Model Routing.
|
|
|
05 |
Der Nebenverdienst
Eine Art, mit KI diese Woche Geld zu verdienen
|
| |
| ◆ Einkommens-Idee · Play №003 |
Werd zu der Person, die jede KI für eine bestimmte Sache durchtestet. Das ist mittlerweile ein Job.
Such dir eine Nische, in der du eh schon zuhause bist. Nicht "KI für Unternehmer". Zu generisch. Sondern: "Claude vs GPT für Vertragsprüfung". "Gemini vs Claude für Immobilienexposé-Fotos". "ChatGPT vs Perplexity für medizinische Literatur". "Die drei Model-Router für Selbstständige". Ein konkreter Use-Case, gepaart mit den konkreten Leuten, die das jeden Tag tun. Format: wöchentlich, immer dieselbe Vorlage. "Ich hab [Modell X], [Modell Y] und [Modell Z] diesen Prompt gegeben. So sah es bei jedem aus. Und so eines würde ich am Ende wirklich nutzen." 8–12 Minuten als Video. 600–900 Wörter als Newsletter. Fünf Tweets auf X. Distribution: eine Plattform, die du realistisch durchhältst. YouTube und Substack zahlen langfristig besser. X baut Beziehungen auf. Realistischer Umsatz: 200–2 000 € im Monat in einem halben Jahr — Sponsoren, Affiliate-Links zu den KI-Tools, später eigene Produkte, sobald dir eine Audience vertraut.
Warum es funktioniert: Die Nachfrage explodiert geradezu. Jedes Modell-Release lässt Tausende von "ist das gut für X?"-Fragen wochenlang offen. Das Angebot ist klein — die meisten Reviewer machen "Beste KI 2026"-Content, mit dem die Profis in der Nische nichts anfangen können. Die wollen keine Bestenliste. Sie wollen jemanden, der jede Woche dieselben fünf Aufgaben durch jedes neue Modell jagt — in ihrer Nische. Besetz die Lücke. Die meisten in deiner Audience suchen schon nach dir. Sie finden dich nur halt nicht, weil du noch nichts veröffentlicht hast.
|
Diese Woche machen
Schreib das Format-Spec für eine Folge. Nicht den Channel-Namen. Nicht die About-Page. Nur die Struktur einer Folge: drei Modelle, ein Prompt aus deiner Nische, drei Outputs, dein Urteil. Wenn du die Vorlage in einer halben Stunde aufschreiben kannst, kannst du das hier. Folge eins kommt noch vor dem Wochenende online.
|
|
|
06 |
The Stack
Drei Tools, die ich diese Woche teste
|
Keine Affiliate-Picks. Nicht gesponsert. Drei Multi-Modell-Interfaces in drei Preisklassen, damit du Routing mal selbst ausprobierst — ohne eine Zeile Code zu schreiben.
01 |
Poe
Multi-Modell-Chat-Aggregator · 20 $/Monat
Der schnellste Weg zu kapieren, was "Model Router" eigentlich heißt — ohne eine Zeile Code. Ein Abo, dutzende Bots auf Claude, GPT, Gemini, DeepSeek, Mistral, sogar Open-Source. Tipp einfach mal dieselbe Frage in drei davon ein. In zehn Minuten lernst du mehr als aus jedem Blog-Post über Routing. Die UI ist nicht die polierteste, klar. Aber zum Konzept-Verstehen bringt dich nichts schneller dorthin.
|
02 |
OpenRouter
API-Gateway für 100+ Modelle · Pay per Token
Für alle, die was bauen. Ein API-Key, jedes Modell. Warum das Ding 90 500 monatliche Suchen sieht und das verwandte Claude-Code-Router-Projekt 31 000+ GitHub-Stars hat: Entwickler stimmen halt mit ihren Integrationen ab. Wenn du dir mal gewünscht hast, Claude Code könnte für die langweiligen Teile auf ein günstigeres Modell switchen — genau das ist die Schicht dafür. Du zahlst für ChatGPT und Claude und Gemini? Kündige zwei davon und route über OpenRouter — für die meisten persönlichen Use-Cases zahlst du am Ende weniger.
|
03 |
t3 Chat
Multi-Modell-Chat für Builder · ~8 $/Monat
Der neuere Player von Theo Browne. Schlank, schnell, multi-modell — öffnet in Millisekunden, syncht über Geräte, kostet weniger als Poe und ist deutlich dev-freundlicher. Genau für die Haltung "Ich will das richtige Modell, und keine träge UI im Weg." Wer den ganzen Tag im Chat lebt und vom UI-Lag bei ChatGPT/Claude genervt ist, kriegt allein durch die Geschwindigkeit schon ein echtes Feature.
|
|
07 |
Aus FindSkill
Was diese Woche neu für Mitglieder ist
|
| New |
Claude Code mit DeepSeek V4
Für Devs, die das Claude-Code-Interface lieben, aber zu DeepSeek-V4-Preisen. Genau der "Modell unter dem Chat austauschen"-Workflow, um den's in Section 02 geht. Kurs starten →
|
|
| New |
Enterprise AI Rollout Playbook
Für Pro-Mitglieder, die im Job einen Rollout verantworten. Vendor-Auswahl, Governance, die unsexy Teile halt. Kurs starten →
|
|
| New |
ChatGPT Workspace Agents für Nicht-Engineers
Für HR, Ops, Marketing. Bau dir einen funktionierenden Agenten — ganz ohne Code. Kurs starten →
|
|
|
|
Welche Aufgabe in deiner Woche schreit eigentlich nach einem anderen Modell als dem, das du gerade dafür nutzt?
Antworte einfach auf diese Mail. Ich les jede. Bonus: Schreib mir, welches Modell dich im Fünf-Prompt-Experiment am meisten überrascht hat — ich nehm's ins nächste Briefing mit.
↵ Antworten
|
|
The Skill · by FindSkill.ai
|
|