RagfeedIhre KI versteht mehr, wenn sie weniger lesen muss.
Webseiten sind für Menschen gebaut: mit Menüs, Werbung, Skripten und Gestaltung. Ein Sprachmodell muss all das mitlesen und bezahlt dafür in Tokens. Ragfeed liefert nur den Inhalt, in der Struktur, mit der Modelle am besten arbeiten, und mit Quelle und Überschrift für jeden Abschnitt. Für Sie hat das drei Vorteile.
Weniger Tokens, geringere Kosten
Sprachmodelle rechnen nach Tokens ab. In unserer Messung an 20 echten Seiten braucht das KI-Markdown von Ragfeed im Median 98 % weniger Tokens als das rohe HTML und 63 % weniger als die ganze Seite als Text. Jede Anfrage an Ihr Modell wird günstiger und schneller, und im Kontextfenster bleibt Platz für mehr Quellen.
Besseres Verständnis
Je länger und unruhiger die Eingabe, desto unzuverlässiger arbeiten Sprachmodelle (Studien). Ragfeed entfernt Navigation, Werbung und Cookie-Hinweise, behält aber Überschriften, Listen und Tabellen. Die Bedeutung bleibt erhalten, das Rauschen verschwindet.
Klarer Kontext für jeden Abschnitt
Jeder Chunk ist ein vollständiger Abschnitt der Seite und trägt Seitentitel, Überschriftenpfad, Adresse und Abrufzeit als Metadaten. Ihre Suche kann danach filtern, und Ihre KI kann ihre Antwort mit einer Quelle belegen.
Ein Beispiel: der Wikipedia-Artikel „Big Data“
So viele Tokens muss ein Sprachmodell lesen, je nachdem, in welcher Form dieselbe Seite ankommt.
Bei 1.000 Seiten dieser Art sind das 94,5 Millionen Tokens als HTML gegenüber 15,7 Millionen als KI-Markdown. Und eine einzelne Frage an Ihren Chatbot kommt statt mit 94.483 mit rund 753 Tokens aus.
Die drei Chunks stehen für eine typische Frage an eine Wissensdatenbank: Ihre Suche wählt die drei Abschnitte aus, die zur Frage passen, und nur diese gehen an das Modell. Gerechnet mit der durchschnittlichen Chunkgröße dieser Seite.
Ziehen Sie den Regler: dieselbe Seite als rohes HTML und als KI-Markdown
<!DOCTYPE html>
<html class="client-nojs vector-feature-language-in-header-enabled vector-feature-language-in-main-menu-disabled vector-feature-language-in-main-page-header-disabled vector-feature-page-tools-pinned-disabled vector-feature-toc-pinned-clientpref-1 vector-feature-main-menu-pinned-disabled vector-feature-limited-width-clientpref-1 vector-feature-limited-width-content-enabled vector-feature-custom-font-size-clientpref-1 vector-feature-appearance-pinned-clientpref-1 skin-theme-clientpref-day vector-sticky-header-enabled vector-toc-available skin-thumbsize-clientpref-standard" lang="de" dir="ltr">
<head>
<meta charset="UTF-8">
<title>Big Data – Wikipedia</title>
<script>(function(){var className="client-js vector-feature-language-in-header-enabled vector-feature-language-in-main-menu-disabled vector-feature-language-in-main-page-header-disabled vector-feature-page-tools-pinned-disabled vector-feature-toc-pinned-clientpref-1 vector-feature-main-menu-pinned-disabled vector-feature-limited-width-clientpref-1 vector-feature-limited-width-content-enabled vector-feature-custom-font-size-clientpref-1 vector-feature-appearance-pinned-clientpref-1 skin-theme-clientpref-day vector-sticky-header-enabled vector-toc-available skin-thumbsize-clientpref-standard";var cookie=document.cookie.match(/(?:^|; )dewikimwclientpreferences=([^;]+)/);if(cookie){cookie[1].split('%2C').forEach(function(pref){className=className.replace(new RegExp('(^| )'+pref.replace(/-clientpref-\w+$|[^\w-]+/g,'')+'-clientpref-\\w+( |$)'),'$1'+pref+'$2');});}document.documentElement.className=className;}());RLCONF={"wgBreakFrames":false,"wgSeparatorTransformTable":[",\t.",".\t,"],"wgDigitTransformTable":["",""],"wgDefaultDateFormat":"dmy","wgMonthNames":["","Januar","Februar","März","April","Mai","Juni","Juli","August","September","Oktober","November","Dezember"],"wgRequestId":"7f0f6e91-9d2c-4164-9758-a11374ae0ac6","wgCanonicalNamespace":"","wgCanonicalSpecialPageName":false,"wgNamespaceNumber":0,"wgPageName":"Big_Data","wgTitle":"Big Data","wgCurRevisionId":261463102,"wgRevisionId":261463102,"wgArticleId":5962879,"wgIsArticle":true,"wgIsRedirect":false,"wgAction":"view","wgUserName":null,"wgUserGroups":["*"],"wgCategories":["Daten","Informatik und Gesellschaft","Internet und Gesellschaft","Angewandte Informatik","New Economy","Politisches Schlagwort (Englisch)","Digitale Transformation"],"w
--- title: Big Data – Wikipedia url: "https://de.wikipedia.org/wiki/Big_Data" language: de fetched: "2026-10-07T02:03:57Z" tokens: 15667 --- # Big Data aus Wikipedia, der freien Enzyklopädie [](https://de.wikipedia.org/wiki/Datei:Viegas-UserActivityonWikipedia.gif) Farbliche Darstellung der Aktivität eines Wikipedia-Bots[1] über einen längeren Zeitraum: typisches Beispiel der Veranschaulichung von Big Data mit einer Visualisierung[2] Der aus dem englischen Sprachraum stammende Begriff **Big Data** [] (von englisch[3] big ‚groß‘ und *data* ‚Daten‘, deutsch auch **Massendaten**) steht in engem Zusammenhang mit dem umfassenden Prozess der Datafizierung[4] und bezeichnet Datenmengen[5], welche zu groß, zu komplex, zu schnelllebig oder zu schwach strukturiert[6] sind, um sie mit manuellen und herkömmlichen Methoden der Datenverarbeitung[7] auszuwerten.[[1]](#cite_note-1) Big Data wird häufig als Sammelbegriff[8] für digitale Technologien verwendet, die in technischer Hinsicht für eine neue Ära digitaler Kommunikation und Verarbeitung[9] und in sozialer Hinsicht für einen gesellschaftlichen Umbruch verantwortlich gemacht werden.[[2]](#cite_note-2) Dabei unterliegt der Begriff als Schlagwort[10] einem kontinuierlichen Wandel; so wird damit ergänzend auch oft der Komplex der Technologien[11] beschrieben, die zum Sammeln und Auswerten dieser Datenmengen verwendet werden.[[3]](#cite_note-President_BG14-3)[[4]](#cite_note-4) ## Begriff In der Definition von Big Data bezieht sich das „Big“ auf die vier Dimensionen - *volume* (Umfang, Datenvolumen), - *velocity* (Geschwindigkeit, mit der die Datenmengen generiert und transferiert werden), - *variety* (Bandbreite der Datentypen und -quellen)[[5]](#cite_note-5) sowie - veracity (Echtheit von Daten). Erweitert wird diese Definition um die zwei Vs *value* (Wert) und *validity* (Richtigkeit), welche für einen unternehmerischen Mehrwert[12] und die Sicherstellung der Datenqualität[13] stehen.[[6]](#cite_note-6) ### Weitere Bedeutungen Big Data bezeichnet primär die Verarbeitung von großen, komplexen und sich schnell ändernden Datenmengen. Als Buzzword[10] bezeichnet der Begriff in den Massenmedien[14] aber andere Bedeutungen: - *Überwachung* der Menschen durch Geheimdienste auch in westlichen Staaten bspw. durch Vorratsdatenspeicherung[15] - Verletzung von *Persönlichkeitsrechten[16]* von Kunden durch Unternehmen - Zunehmende Intransparenz der Datenspeicherung durch Delokalisierung (*Cloud Computing[17]*) - Wunsch der Industrie aus den vorhandenen Daten einen *Wettbewerbsvorteil[18]* erlangen zu können - *Automatisierung[19]* von Produktionsprozessen (Industrie 4.0[20], Internet der Dinge[21]) - Intransparente *Automatisierung* von Entscheidungsprozessen[22] in Software[[7]](#cite_note-7)[[8]](#cite_note-Der_Angriff_der_Intelligenz-8) - Einsatz *neuer Technologien statt Standardsoftware* (insbesondere in Unternehmen mit einer konservativen IT oft durch Verwendung von Software as a Service[23] um firmen
Die ersten Zeichen derselben Seite in beiden Formen, abgerufen am 07.10.2026. Text aus der Wikipedia, Lizenz CC BY-SA 4.0.
Was Ragfeed mit einer Seite macht
Sechs Arbeitsschritte machen aus einer Webseite einen Text, mit dem Ihre KI gut arbeitet.
Inhalt statt ganzer Seite
Navigation, Fußzeilen, Werbung und Cookie-Hinweise fallen weg. Allein das spart im Median 51 % gegenüber der ganzen Seite als Markdown.
Markdown statt HTML
Überschriften, Listen, Tabellen und Code bleiben erhalten. HTML-Tags, Skripte und Stilangaben nicht.
Links als Fußnoten
Im KI-Markdown stehen die Linkadressen nummeriert am Ende, der Satz bleibt lesbar. Das spart im Median weitere 9 %, obwohl ein Kopf mit Quellenangaben hinzukommt.
Bilder als Beschreibung
Statt langer Bildadressen steht der Alternativtext im Text. Wo Bilder zählen, liefert das
Format screenshot ein Bild der Seite.
Quelle und Zeitpunkt
Titel, Adresse, Sprache und Abrufzeit stehen am Anfang. Ihre KI kann Quellen nennen und erkennen, wie aktuell eine Information ist.
Abschnitte nach Überschriften
Die Seite wird entlang ihrer Überschriften geteilt. Winzige Teaser fasst Ragfeed zusammen, weil einzelne Sätze schlecht gefunden werden, Quellenverzeichnisse fallen weg. Ein Fingerabdruck pro Abschnitt zeigt, was sich seit dem letzten Abruf geändert hat. Nur das betten Sie neu ein. Größe und Modell stellen Sie in der Chunk-Werkstatt ein, welche Größe sich lohnt, zeigt unsere Messung zur Chunk-Größe.
Was die Forschung sagt
Die Vorteile beruhen auf Ergebnissen, die unabhängig von Ragfeed veröffentlicht wurden.
Stellt man jedem Abschnitt vor dem Einbetten seinen Kontext voran, verfehlt die Suche die richtige Stelle um 35 % seltener, zusammen mit einer Stichwortsuche um 49 %. Anthropic lässt diesen Kontext für jeden Abschnitt von einem Sprachmodell schreiben. Einen einfachen Vorspann aus Titel und Überschriftenpfad haben wir mit echten Fragen nachgemessen: Er brachte keinen Vorteil. Ragfeed liefert Titel und Pfad deshalb als Metadaten und stellt sie nur auf Wunsch voran.
Veröffentlichung lesen (englisch) ↗Sprachmodelle nutzen Informationen am Anfang und am Ende langer Eingaben deutlich besser als in der Mitte. Kurze, gezielte Eingaben verringern das Risiko, dass Wichtiges übersehen wird.
Studie lesen (englisch) ↗In Tests mit 18 aktuellen Modellen wurde die Leistung mit wachsender Eingabelänge unzuverlässiger, schon bei einfachen Aufgaben. Ablenkende, ähnlich klingende Inhalte verstärkten den Effekt.
Bericht lesen (englisch) ↗Struktur wie Überschriften und Tabellen hilft Modellen beim Verstehen. Reiner Text ohne diese Struktur schnitt schlechter ab. Die Autoren kürzen dafür das HTML stark. Ragfeed geht den Weg über Markdown: Die Struktur bleibt, der Ballast geht.
Studie lesen (englisch) ↗Unsere Messung im Detail
Tokens pro Seite, gezählt am 01.10.2026: 6 Start- und Übersichtsseiten und 14 Artikel, Ratgeber und Unterseiten. Die Ersparnis vergleicht das KI-Markdown mit dem rohen HTML und mit der ganzen Seite als Text.
Alle Messwerte herunterladen (CSV, 20 Seiten)
Methode: Jede Seite wurde mit Ragfeed selbst abgerufen, als rohes HTML, als Markdown mit und ohne Inhaltsfilter, als KI-Markdown
und als Chunks mit höchstens 500 Tokens. Gezählt mit o200k_base (Tokenizer von GPT-4o, Bibliothek tiktoken). Andere Modelle zählen etwas anders, die Größenordnung bleibt.
Die Ersparnis schwankt je nach Seite zwischen 72 % und 99,4 %:
Seiten mit viel Text und schlichtem Aufbau, etwa ein Gesetzestext, sparen weniger, Portale mit viel Technik mehr.
Für den Alltag aussagekräftiger ist der Vergleich mit der ganzen Seite als Text, denn so liefern einfache Abruf-Werkzeuge eine Seite meist an ein
Sprachmodell: Dagegen spart das KI-Markdown im Median 63 % (Artikel 59 %, Startseiten
64 %, höchstens 90 %).
Sie können die Messung selbst wiederholen: Rufen Sie eine Seite mit den Formaten rawHtml und llmMarkdown ab und zählen Sie
mit dem Tokenizer Ihres Modells.
Was Sie außerdem wissen sollten
- Die Tokenzahlen in den Antworten von Ragfeed sind vorsichtige Schätzungen (3,5 Zeichen pro Token), meist etwas über dem, was Ihr Modell zählt.
Bei Zahlen, Tabellen oder Fremdwörtern kann ein Modell aber mehr zählen. Nennen Sie deshalb im Format
chunksIhr Embedding-Modell (Optionmodel): Dann hält jeder Chunk dessen Grenze ein, bei multilingual-e5 und BGE-M3 gezählt mit dem Tokenizer des Modells selbst. - Bilder und Diagramme gehen im Text verloren. Wo sie zählen, nutzen Sie das Format
screenshot. - Die Aussagen zur Antwortqualität stammen aus den genannten Studien. Wie stark Ihre Anwendung profitiert, hängt von Ihren Daten und Fragen ab. Testen Sie es am besten mit Ihren wichtigsten Quellen.
Sehen Sie selbst.
Die Demo zeigt jede Seite als Markdown, KI-Markdown und Chunks. Ohne Anmeldung.