Kurzer Tipp, der bei mir gerade richtig viel Zeit und Kontext spart. Das Problem: Wenn du ein PDF an Claude oder ChatGPT schickst, landet nicht „das Dokument" im Modell, sondern ein Berg an Tokens. Pro Seite rechnest du grob mit 1.500 bis 3.000 Tokens – Layout-Reste, Kopfzeilen, Zeilenumbrüche an falschen Stellen, alles inklusive. Bei einem 20-Seiten-Papier bist du schnell bei 50.000 bis 70.000 Tokens. Dein Kontextfenster ist voll, bevor die eigentliche Arbeit anfängt. Und genau da liegt der Denkfehler, den viele machen: Das Modell „liest" dein PDF nicht. Es rechnet mit dem, was du reinschiebst. Je sauberer das Material, desto besser das Ergebnis – und desto billiger. Die Lösung heißt MarkItDown Microsoft hat dafür ein kleines Open-Source-Tool gebaut. Es konvertiert Word, Excel, PowerPoint, HTML, EPUB, Bilder, Audio und PDFs in sauberes Markdown. MIT-Lizenz, kostenlos, kein GPU nötig. Installation: pip install "markitdown[all]" Nutzung: markitdown praesentation.pptx -o praesentation.md Das war's. Statt eines aufgeblähten Binärformats bekommst du Klartext mit Struktur: Überschriften, Listen, Tabellen. Je nach Ausgangsdatei sparst du damit einen erheblichen Teil deiner Tokens – und bekommst obendrein bessere Antworten, weil Sprachmodelle mit Unmengen Markdown trainiert wurden. Das Format ist ihre Muttersprache. Der Komfort-Trick: MCP-Server MarkItDown bringt einen MCP-Server mit. Heißt: Du hängst ihn einmal an Claude Desktop, und ab da wandert jede Datei automatisch durch die Konvertierung, bevor das Modell sie sieht. Einmal einrichten, danach nie wieder dran denken. Wo der Tipp seine Grenze hat Und jetzt der Teil, den du in den meisten Reels zu diesem Tool nicht hörst. Bei Office-Dateien ist MarkItDown stark. Word, Excel, PowerPoint – sauber, verlässlich, schnell. Ausgerechnet bei PDFs ist es aber schwach. Im Hintergrund arbeitet standardmäßig pdfminer.six, und das zieht nur den Textstrom heraus: keine Layout-Analyse, keine OCR, Tabellenstruktur zerfällt, Überschriften werden nicht als solche erkannt. In Vergleichstests landet MarkItDown bei PDFs regelmäßig im hinteren Feld.

Und seitdem geht in Schulen, Redaktionen und Personalabteilungen dieselbe Fehlannahme um: „Jetzt kann man KI-Texte endlich nachweisen." Kann man nicht. Und zwar in beide Richtungen. Was wirklich passiert Anthropic hat den EU-Verhaltenskodex unterschrieben und setzt Artikel 50 des AI Act um – freiwillig weltweit, nicht nur in Europa. Zwei Techniken: → Bei Texten ein unsichtbares Wasserzeichen, direkt im Text. Es reist beim Kopieren mit. → Bei Bildern signierte Herkunftsdaten nach dem offenen C2PA-Standard. Klingt nach Beweismittel. Ist aber keins. Der Punkt, den fast alle überlesen Das Wasserzeichen belegt eine Berührung. Keine Autorschaft. Du lässt deinen eigenen Text übersetzen? Markierung drin. - Rechtschreibung prüfen? Markierung drin. - Einen fremden Artikel zusammenfassen? Markierung drin. - Inhalt komplett von dir – Etikett trotzdem da. Und andersrum: Fehlt die Markierung, war deshalb keine KI unbeteiligt. Kräftig umschreiben, übersetzen, mit eigenen Passagen mischen – weg ist sie. Bei Bildern reicht schon ein Screenshot. Und jetzt der Hammer Prüfen kann es aktuell praktisch niemand. Anthropic verrät die Technik nicht. Dokumentation für eigene Erkennungswerkzeuge ist angekündigt, ein Datum gibt es nicht. Es existiert also ein Etikett, das niemand lesen kann. 🤷‍♂️ Alles, was im Netz als „KI-Detektor" verkauft wird, liest diese Markierung nicht. Diese Tools raten statistisch – und treffen dabei überdurchschnittlich oft Menschen, die nicht in ihrer Muttersprache schreiben. Drei Dinge, die du ab heute anders machst 1. Kein Detektor-Ergebnis als Beweis akzeptieren. Weder gegen dich noch gegen andere. „Zu 87 Prozent KI" ist eine Schätzung. Frag nach, woher die Zahl kommt. 2. Deinen Arbeitsweg sichern, nicht dein Ergebnis. Versionsverlauf in Word oder Google Docs, Zwischenstände, Notizen. Das überzeugt jeden Prüfer mehr als jedes Tool. 3. Einfach sagen, was du benutzt hast. Ein Satz: „Übersetzung und Feinschliff mit KI, Inhalt von mir." Damit ist die halbe Debatte vom Tisch, bevor sie anfängt.

Kurze Frage in die Runde, bevor ich loslege: Wer von euch nutzt Manus? Bei mir lag heute Morgen eine Gutschrift im Account. Ohne Erklärung. Dazu der Hinweis, es seien „möglicherweise Maßnahmen erforderlich". Welche? Steht nirgends. Der Hintergrund in drei Sätzen: Meta hatte Manus im Dezember für zwei Milliarden gekauft. Chinas Planungsbehörde hat den Deal im April wieder gekippt – nachträglich, obwohl längst vollzogen. Jetzt wird Manus wieder eigenständig, der Rückkauf läuft über ein Konsortium um Tencent. Der Betrieb läuft weiter. Es ist kein Shutdown. Aber ein paar Dinge lohnen sich trotzdem, und die sind in zehn Minuten erledigt: - Gutschrift nur im Account prüfen, nie über einen Mail-Link. Eigentümerwechsel sind Phishing-Hochsaison, weil die Nachricht ja stimmt. - Rechnungen des Jahres als PDF ziehen. Rechnungsarchive verschwinden bei solchen Wechseln gern still. - Arbeitsergebnisse runterladen. Alles, was du weiterverwenden willst, gehört auf deine Platte. Die nächste AGB-Mail wirklich lesen. Neuer Eigentümer heißt neue Bedingungen. Zwei Fragen zählen: Wo liegen meine Daten? Werden sie zum Training genutzt? Und der Punkt, der mir am wichtigsten ist: Schreib auf, was dein Agent für dich tut. Welche Aufgabe, welche Anweisung, welche Quellen, welches Ergebnis. Ein simples Dokument, außerhalb des Tools. Wenn dein Prozesswissen nur in der Oberfläche eines Anbieters lebt, hängt es an dessen Schicksal. Mit so einem Dokument baust du denselben Ablauf an einem Nachmittag woanders nach. Was mich an der Geschichte am meisten beschäftigt: Manus hat nie ein eigenes KI-Modell gebaut. Der Agent orchestriert fremde – Claude, dazu Qwen-Modelle. Peking hat also gar keine Modell-Technologie geschützt, sondern die Schicht darüber. Genau da sitzt inzwischen der Wert. Nicht im Modell, sondern in dem, was damit erledigt wird. Das ist übrigens genau die Ebene, auf der wir hier arbeiten. Jetzt ihr: Wer nutzt Manus produktiv, und wofür? Und hat jemand von euch die Gutschrift auch gesehen – mit mehr Erklärung als bei mir? Schreibt's in die Kommentare, ich sammle das und ergänze den Beitrag.