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 dem Kontext, den jeder Abschnitt braucht. Für Sie hat das drei Vorteile.
Weniger Tokens, geringere Kosten
Sprachmodelle rechnen nach Tokens ab. In unserer Messung an 10 echten Seiten braucht das KI-Markdown von Ragfeed im Median 95 % weniger Tokens als das rohe HTML. 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 trägt Seitentitel, Überschriftenpfad, Adresse und Abrufzeit. Ein Abschnitt „Kosten“ ist allein mehrdeutig, „Produkt X › Lizenz › Kosten“ nicht. Ihre Suche findet die richtige Stelle, 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:
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.
Bei 1.000 Seiten dieser Art sind das 94,5 Millionen Tokens als HTML gegenüber 17,3 Millionen als KI-Markdown. Und eine einzelne Frage an Ihren Chatbot kommt statt mit 94.490 mit rund 939 Tokens aus.
Was Ragfeed mit einer Seite macht
Inhalt statt ganzer Seite
Navigation, Fußzeilen, Werbung und Cookie-Hinweise fallen weg. Allein das spart im Median 33 % 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 7 %, 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 mit Kontext
Die Seite wird entlang ihrer Überschriften geteilt. Winzige Teaser fasst Ragfeed zusammen, weil einzelne Sätze schlecht gefunden werden. Ein Fingerabdruck pro Abschnitt zeigt, was sich seit dem letzten Abruf geändert hat. Nur das betten Sie neu ein.
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 von einem Sprachmodell schreiben. Ragfeed liefert den Kontext, den die Seite selbst hergibt, also Titel und Überschriftenpfad, ohne zusätzlichen KI-Aufruf. Sie können ihn auf Wunsch ergänzen.
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 27.09.2026. Die Ersparnis bezieht sich auf das KI-Markdown gegenüber dem rohen HTML.
| Seite | Rohes HTML | Ganze Seite als Markdown | Nur Inhalt als Markdown | KI-Markdown | Ersparnis | Chunks |
|---|---|---|---|---|---|---|
| Wikipedia: Big Data | 94.490 | 25.259 | 18.913 | 17.295 | 81,7 % | 30 |
| Python-Doku: Kontrollstrukturen | 41.484 | 12.497 | 10.668 | 10.436 | 74,8 % | 34 |
| FastAPI-Tutorial | 41.337 | 9.171 | 3.863 | 3.639 | 91,2 % | 15 |
| Stripe-Doku: Checkout | 172.342 | 2.345 | 909 | 815 | 99,5 % | 3 |
| Gesetzestext: § 44b UrhG | 1.265 | 480 | 368 | 356 | 71,9 % | 2 |
| MDN-Doku: HTML | 56.645 | 12.836 | 3.017 | 3.280 | 94,2 % | 8 |
| OVHcloud: Produktseite VPS | 328.989 | 13.105 | 5.128 | 5.163 | 98,4 % | 22 |
| tagesschau.de: Wirtschaft | 430.670 | 11.751 | 7.216 | 4.666 | 98,9 % | 14 |
| Cloudflare-Blog: Startseite | 82.187 | 7.936 | 6.674 | 3.094 | 96,2 % | 6 |
| Verbraucherzentrale: Startseite | 525.099 | 5.577 | 4.096 | 3.617 | 99,3 % | 8 |
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 99,5 %:
Seiten mit viel Text und schlichtem Aufbau, etwa ein Gesetzestext, sparen weniger, Portale mit viel Technik mehr.
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). Sie liegen meist etwas über dem, was Ihr Modell zählt, damit ein Chunk sicher in das Eingabefenster Ihres Embedding-Modells passt.
- 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.