Wer mit KI-Programmierassistenten wie Claude Code arbeitet, kennt das Problem: Bei jeder neuen Sitzung liest die KI das gesamte Projekt neu ein. Jede Datei, jede Funktion, jede Zeile. Bei einem mittelgroßen Projekt sind das schnell 20.000 Tokens – bevor überhaupt die erste Frage gestellt wurde. Bei zehn Sitzungen am Tag summiert sich das auf 200.000 Tokens täglich, die nichts anderes tun als: sich orientieren.
Das ist, als würde man vor jedem Telefonanruf erst das komplette Telefonbuch von vorne bis hinten durchlesen.
Was Graphify anders macht
Das Open-Source-Tool Graphify löst dieses Problem mit einem erstaunlich alten Konzept: einer Landkarte. Es analysiert den Code einmalig – lokal, ohne einen einzigen KI-Aufruf – und erstellt daraus einen Wissensgraphen: Welche Funktion ruft welche auf? Welches Modul hängt von welchem ab? Wo sind die zentralen Knotenpunkte?
Ab dann liest die KI nicht mehr alle Dateien, sondern fragt die Karte: „Welche Funktion schreibt in die Datenbank?" – und bekommt nur den relevanten Ausschnitt. Wie ein erfahrener Entwickler, der sich erst die Systemstruktur anschaut und dann gezielt navigiert, statt blind zu suchen.
Das Projekt ist seit April 2026 verfügbar, MIT-lizenziert und hat inzwischen über 58.000 GitHub-Sterne gesammelt. Die Installation dauert wenige Minuten.
Die Zahlen – mit gebotener Vorsicht
Das Projekt selbst nennt eine durchschnittliche Reduktion um den Faktor 71,5: rund 1.700 Tokens pro Anfrage statt 123.000. Einzelne Nutzer berichten noch höhere Werte.
Wie immer bei projekteigenen Benchmarks gilt: Die Größenordnung ist plausibel, die konkreten Einsparungen hängen stark von Projektgröße, Arbeitsweise und Sitzungshäufigkeit ab. Und aus der Praxis kommt auch Kritik: Die KI nutzt den Graphen nicht immer automatisch – manche Entwickler mussten den Einsatz explizit erzwingen. Es ist ein junges Werkzeug, kein Wundermittel.
Der größere Bogen: Weniger Daten schlagen mehr Rechenleistung
Warum ich über ein Entwickler-Tool schreibe, obwohl die meisten meiner Leser keine KI-Assistenten programmieren? Weil das Prinzip dahinter universell ist – und weil es der Branchenlogik widerspricht.
Die Industrie beantwortet das Wachstum der KI-Nachfrage mit immer größeren Kontextfenstern, mehr GPUs, mehr Rechenzentren. Graphify zeigt den umgekehrten Weg: Nicht die Verarbeitung effizienter machen, sondern den Informationsbedarf reduzieren. Nicht effizienter verschwenden, sondern weniger übertragen.
Das ist exakt dasselbe Prinzip, das ich seit Jahren für Websites beschreibe: Ein komprimiertes Bild schlägt einen schnelleren Server. Lazy Loading schlägt mehr Bandbreite. Eine schlanke Seite schlägt teures Caching. Der günstigste und sauberste Datenverkehr ist der, der gar nicht erst entsteht.
Jetzt kommt dieses Prinzip in der KI-Welt an – und dort ist der Hebel noch größer, weil jedes unnötige Token Rechenleistung in einem Rechenzentrum kostet. Ich nenne das KI-Datenhygiene: dem Modell nur das geben, was es für die Aufgabe braucht.
Was bleibt
Die spannendste Erkenntnis aus Graphify ist nicht die Technik. Es ist die Richtung: Ein einzelnes Open-Source-Projekt zeigt, dass zwischen „mehr Rechenleistung kaufen" und „auf KI verzichten" ein dritter Weg liegt – die Daten intelligenter organisieren, bevor sie verarbeitet werden.
Die Kunst des Datensparens funktioniert überall gleich: bei Bildern, bei Websites, bei Trackern – und jetzt auch bei KI-Kontexten. Das Werkzeug ist neu. Das Prinzip ist es nicht.
Quellen: Graphify auf GitHub · graphify.net