ingest(youtube): Matthew Berman - 90% less AI costs via Model Routing

- raw: raw/youtube/2026-07-07_berman-model-routing.md
- wiki/tools/model-routing.md (new) — Cost-saving routing patterns
- wiki/architecture/model-routing.md (update) — Berman patterns section
- wiki/index.md — 67. Update with new tool + architecture update
- wiki/log.md — changelog entry

raw/youtube/2026-07-05_everlast-ki-news-china-roboter-sonnet5-fable5.md

@@ -0,0 +1,244 @@
+---
+type: youtube
+source_url: https://www.youtube.com/watch?v=-JCCcR9qtYQ
+retrieved: 2026-07-05
+channel: "Everlast AI"
+duration_sec: 1459
+has_transcript: true
+title: "KI-News: Chinas KI-Roboter werden ZU ECHT! + DAS kann das NEUE Fable 5 & Sonnet 5"
+tags: [ki-news, humanoid-robots, ubtech, u1, china, robotics, sonnet-5, fable-5, anthropic, remote-labor-index, zero-person-company, meta-pocket, claude-science, verticalization, hixfield, figma-mcp, cost-to-run]
+---
+
+# KI-News: Chinas KI-Roboter werden ZU ECHT! + DAS kann das NEUE Fable 5 & Sonnet 5
+
+**Kanal:** Everlast AI (317K subscribers)
+**Host:** Leonard "Leo" Schmedding (aus Hongkong)
+**Upload:** 2026-07-05
+**Länge:** 24:19
+**Views:** 13.321 (7h nach Upload)
+**Likes:** 540
+
+## Video-Beschreibung
+
+China veröffentlicht fast schon zu menschliche Humanoide Roboter, Anthropic lanciert Sonnet 5 und Claude Fable 5 ist zurück: Den realen Praxistest und alle relevanten KI-News im Geschäftskontext gibt's wie immer in den KI-News der Woche auf deutsch – heute aus Hongkong!
+
+## Chapters
+
+| Zeit | Thema |
+|------|-------|
+| 0:00 | Worum geht es? |
+| 1:05 | UBTECH U1 |
+| 2:48 | Robotik Push China |
+| 4:35 | Robotik Investments |
+| 5:05 | Claude Sonnet 5 |
+| 6:02 | Token Kosten Realität |
+| 7:04 | Fable 5 Comeback |
+| 8:10 | Fable Design Workflow |
+| 12:51 | Praxis Fazit |
+| 14:02 | Fable Fallback deaktivieren |
+| 14:59 | Remote Labor Index |
+| 18:09 | Lokale KI Strategie |
+| 19:08 | Claude Science |
+| 19:46 | Zero Person Company |
+| 21:35 | Meta Pocket |
+| 22:37 | Claude Entwicklung Übersicht |
+| 22:57 | Agentic Coding Chancen |
+| 24:06 | Empfehlung |
+
+## Transcript Key Excerpts
+
+### 1. UBTECH U1 — Hyperrealistische Humanoide Roboter (1:05)
+
+UBTECH veröffentlicht den U1 Humanoid Roboter mit hyperrealistischer Silikonhaut für "emotionale KI" — für Gespräche und Blickkontakt, bis zu 88 Freiheitsgrade. Können tanzen, lächeln, wirken "fast wie lebendige Fantasy Figuren aus Zelda".
+
+**Launch in Shenzhen:** Über 13.000 Vorbestellungen — sofort ausverkauft.
+
+**Preise:**
+- Light Modell: ab $17.600
+- Ultra Varianten: bis $45.000
+- Nur ab 18 Jahren erhältlich
+
+**Spezifikationen:**
+- Männliche Varianten: 1,83 m (lebensgroß)
+- Weibliche Varianten: 1,68 m
+- 2–4 Stunden Akkulaufzeit
+- Cloud-KI-Interaktion
+- Über 50 Varianten auf der Bühne in Shenzhen gezeigt
+- Fantasy-Outfits, Bewegung, Tanzen
+
+**Unternehmen:** UBTECH ist das erste börsennotierte Humanoide-Unternehmen. Planen nicht nur Verkauf, sondern spenden auch 100 Roboter 2026 — Zeichen für staatlichen/wirtschaftlichen Push Chinas in Richtung Alltagsrobotik.
+
+### 2. Robotik Push China — Demografischer Treiber (2:48)
+
+Hong Kong hat die **niedrigste Geburtenrate weltweit: 0,77** (eine Frau bekommt im Durchschnitt nicht mal ein Kind). Gleichzeitig eine der höchsten Lebenserwartungen: Männer ~83 Jahre, Frauen ~88 Jahre.
+
+**Vergleich:** Deutschland Geburtenrate 1,45 — "nicht viel besser".
+
+Hong Kong ist gleichzeitig:
+- Die reichste Stadt der Welt
+- Die teuerste Stadt weltweit
+- Einer der wichtigsten Naturhäfen weltweit
+- Braindrain: Junge Menschen wandern ab
+
+**Schlussfolgerung:** Der Robotik-Push kommt nicht von ungefähr. Einsamkeit ist einer der größten Use Cases. KI und Robotik sind demografisch nicht mehr optional.
+
+### 3. Robotik Investments — Rekordhoch (4:35)
+
+Venture Capital für Robotik explodiert:
+- Letztes Quartal: **$16,2 Milliarden** in Robotic Startups
+- Normal: $3–5 Milliarden pro Quartal
+- Mehr als 3× des Normalniveaus
+- Im Vergleich zum KI-Boom ist Robotik immer noch unterrepräsentiert → enorme Chancen
+
+### 4. Claude Sonnet 5 — Neues Anthropic Flagship (5:05)
+
+Anthropic lanciert Claude Sonnet 5:
+- **1 Million Kontextfenster**
+- Performance etwa auf Opus 4.8 Niveau ("vielleicht ein bisschen günstiger")
+- Soll besser sein in: Reasoning, Tool Use, Coding, Wissensarbeit
+- Neues Default-Modell für alle gratis und Pro User
+- Auch in Claude Code verfügbar
+- Standardpricing
+- Offiziell "sicherer als Sonnet 4.6"
+
+**Sprung:** Von 4.6 direkt auf 5 — größer als übliche Versionssprünge.
+
+### 5. Token Kosten Realität — Sonnet 5 ineffizient (6:02)
+
+**Kritik:** Sonnet 5 ist ein "enorm ineffizientes Modell". Laut Artificial Analysis Cost to Run Index ist Sonnet 5 **teurer als Claude Fable 5** — das widerspricht dem Sinn eines leichtgewichtigeren Modells.
+
+**Cost to Run:** ~$6.000 im Index — GPT 5.5 Extra Hype kostet nicht mal die Hälfte.
+
+**Problem:** Man darf nicht auf offizielle Kostenangaben schauen — wenn der Reasoning-Prozess ineffizient ist und viele Output-Tokens generiert werden, sind die realen Kosten viel höher.
+
+### 6. Fable 5 Comeback (7:04)
+
+Fable 5 ist offiziell wieder verfügbar. Demo-Vergleiche zu Sonnet und Opus 4.8 zeigen: "Fable 5 ist nach wie vor ein unfassbar starkes Modell."
+
+**Verfügbarkeit:**
+- Fable 5 Low ist günstiger, besser und schneller als Opus 4.8 Max
+- Bis zum 7. Juli in normalen Plänen verfügbar
+- Danach: Wechsel zu "usage credits" System (teurer)
+
+**Hixfield Integration:** Fable 5 kann über Hixfield MCP für Erklärvideos genutzt werden (Hixfield Explainer).
+
+**Einschränkungen:** Restriktionen wie beim ersten Release. Bei "normalen" Coding-Aufgaben wird standardmäßig zu Opus 4.8 geforwarded. Anthropic sagte später, die Ankündigung sei "etwas missverständlich" gewesen — man ruderte zurück.
+
+### 7. Fable Design Workflow — Praxis-Test mit Figma MCP (8:10)
+
+**Senior Developer Marcel** demonstriert Fable 5 in der Praxis:
+
+**Task:** Frontend-Design für eine native App (Corporate LM) via Figma MCP.
+
+**Setup:**
+- GitHub Epic/Umbrella Issue mit Unter-Aufgaben
+- Fable 5 mit "Ultra Code" Effort (multiple parallele Agenten in Figma)
+- Prompt-basiert, keine Screenshots
+
+**Ergebnis nach 1,5 Stunden:**
+- Komplettes Cover erstellt
+- GitHub Issue referenziert
+- Erkannt: Tauri-Applikation (macOS + Windows)
+- Erkannt: Corporate LM nutzt Satoshi Font → Hinweis, Inter in Figma durch Satoshi zu ersetzen
+- Foundations: Farbspektrum, Schriftgrößen, Gewichtungen, Komponenten aus Webapp-Code extrahiert
+- Flows: Installation (macOS/Windows), Welcome Screen, Browser-Authentifizierung
+- App Shell: Alle Fenster, Empty States + befüllte States
+- Kernscreens 1:1 aus Webapp übernommen — nur Code als Basis, keine Screenshots
+
+**Vergleich:** Früher benötigte ein gesamtes Designteam Wochen bis Monate für diese ersten zwei Bereiche. Fable 5: 1,5 Stunden.
+
+**Native App Features:** Lokale LLM-Installation direkt auf dem Rechner als Alleinstellungsmerkmal der nativen App.
+
+### 8. Fable Fallback deaktivieren (14:02)
+
+**How-To:** Claude Settings → Fähigkeiten → "Modell wechseln, wenn eine Nachricht markiert wird" → ausschalten.
+
+**Effekt:** Chat wird pausiert statt zu Opus 4.8 weitergeleitet. Verhindert Token-Verschwendung bei Aufgaben, die explizit von Fable 5 gelöst werden sollen.
+
+### 9. Remote Labor Index (14:59)
+
+**These:** Der "Remote Turing Test" wird dieses Jahr bestanden — man kann bei Freelance-Projekten (z.B. Fiverr) nicht mehr unterscheiden, ob eine KI oder ein Mensch die Arbeit erledigt.
+
+**Remote Labor Index:**
+- Misst, wie gut KI-Modelle reale Freelance-Aufträge abwickeln
+- 240 verschiedene Projekte: Grafikdesign, Architektur, CAD, Video, Audio, Data Analysis, Webdevelopment
+- CAD ist ein "riesen Use Case" für Fable 5
+
+**Assessment:** An manchen Stellen ist es "wahrscheinlich schon Realität".
+
+### 10. Fable 5 Community-Feedback
+
+**Durchwachsen:**
+- Einige sagen, Fable 5 sei vor dem US-Ban besser gewesen als nach der Wiederkunft
+- Andere: "viel viel schlechter" — fordern Erklärung von Anthropic
+- AI Arena (seriöser als selbstgebastelte Benchmarks): Fable 5 nach Re-Release in einigen Bereichen **besser** (Dokumente, Creative Writing)
+- Für den Massenmarkt sind keine großen Sprünge mehr spürbar — "die Modelle sind mittlerweile schon so gut"
+
+**Zukunftsprognose:** Anthropic könnte einen $500 oder $1.000 Plan einführen — "dann könnte sich das durchaus mehr lohnen als die Standard $200 Pläne".
+
+### 11. Lokale KI Strategie (18:09)
+
+Palantir CEO Alex Karp wies darauf hin, dass die US-Regierung teilweise mit Open-Source-Modellen (z.B. Nemotron) arbeitet.
+
+**Empfehlung:** Man braucht eine "lokale KI Backup-Versicherung" — sich nie rein auf Cloud-Modelle verlassen. Sicherheitsnetz durch lokale Modelle, wenn Cloud-Modelle gesperrt werden.
+
+**Claude Code Artefakte:** Jetzt in jedem Plan verfügbar (zuvor nur Teams/Enterprise).
+
+### 12. Claude Science (19:08)
+
+Anthropic steigt offiziell in **Medikamentenentwicklung / Drug Development** ein. Veröffentlichung von "Claude Science".
+
+**Logik:** Nachdem Mathematik, Physik und Coding "gelöst" sind, kommt Biologie/Medikamentenentwicklung als nächste Disziplin — und letztlich jede andere relevante Disziplin.
+
+### 13. Zero Person Company (19:46)
+
+**Matrix** veröffentlicht "Zero Person Company" als KI-Tool:
+- "Runtime for Self-Evolving Multi-Agent Orchestration"
+- Möglichkeit, eine ganze Firma zu lancieren (limitierte Beta)
+- Ein-Mann-Unternehmen mit KI aus dem Boden stampfen — braucht nicht mal Matrix, nur eine gute Geschäftsidee
+
+### 14. Meta Pocket (21:35)
+
+Meta lanciert **Pocket**: Marktplatz für vibecodete Spiele und Apps.
+
+**Gedanke:** Wie schafft man es, Apps die man mit Agentic Coding baut, für alle bereitzustellen? Nächster Meilenstein — Marcel's Corporate LM Relation Flow wird ein ähnlicher Marktplatz.
+
+### 15. Claude Vertikalisierung (22:37)
+
+**Bestand:** Claude Code, Claude Cowork, Claude Design, Claude Finance, Claude Science
+
+**Noch fehlend:** Claude HR, Claude Analytics, Claude Marketing, Claude Sales, Claude Legal, Claude Logistics, Claude CAD, Claude R&D, Claude Accounting
+
+**Trend:** Vertikalisierung von KI-Anwendungen. Überlegung: In welchem Bereich hat man Expertise? Kunden gewinnen, Anwendung bauen.
+
+**Agentic Coding:** Riesen Thema, kaum jemand im deutschsprachigen Markt bedient es. Wer Apps programmieren kann + mit Fable umgehen kann, ist händeringend gefragt.
+
+## Key Takeaways
+
+1. **China's Robotik-Push ist demografisch getrieben** — Hong Kong's Geburtenrate von 0,77 macht Humanoide Roboter zur Notwendigkeit, nicht zur Spielerei
+2. **UBTECH U1** ist der erste massenmarktreife humanoide Roboter mit emotionaler KI-Ausrichtung — 13K Vorbestellungen bei $17.600–$45.000
+3. **Robotik-VC explodiert** ($16,2 Mrd./Quartal, 3× normal) aber immer noch unterrepräsentiert vs. KI
+4. **Claude Sonnet 5** ist ein neues Default-Modell mit 1M Kontext, aber ineffizient im Cost-to-Run (teurer als Fable 5)
+5. **Fable 5 Praxis-Test:** Figma MCP Frontend-Prototyping in 1,5h statt Wochen — Fable 5 Low ist günstiger/besser/schneller als Opus 4.8 Max
+6. **Remote Turing Test** wird 2026 bestanden — 240 Freelance-Projekte, KI nicht mehr von Menschen unterscheidbar
+7. **Anthropic expands into Drug Development** mit Claude Science — nächste Disziplin nach Coding/Math/Physik
+8. **Zero Person Company** (Matrix) + Meta Pocket = Trend zu KI-orchestrierten Unternehmen und App-Marktplätzen
+9. **Vertikalisierung** ist der nächste große Trend: Claude Code → Claude HR/Marketing/Sales/Legal/CAD/etc.
+10. **Lokale KI als Backup-Versicherung** bleibt empfohlen — niemals nur auf Cloud-Modelle verlassen
+
+## External Links
+
+- [YouTube Video](https://www.youtube.com/watch?v=-JCCcR9qtYQ)
+- [Everlast AI Kanal](https://www.youtube.com/@everlastai)
+- [Leonard Schmedding Zweitkanal](https://www.youtube.com/@LeonardSchmedding)
+- [Kiberatung.de](https://www.kiberatung.de/)
+- [AI Profit Boardroom](https://everlastkarriere.de/)
+
+## Wiki Context
+
+- [[../../wiki/concepts/llm/fable-5-anthropic.md]] — Fable 5 Konzeptseite (wird aktualisiert)
+- [[../../wiki/tools/anthropic-claude.md]] — Anthropic Claude Modellübersicht (wird aktualisiert)
+- [[../../wiki/concepts/hardware/neuromorphic-chips-und-quantencomputer.md]] — Hardware-Frontier
+- [[../../wiki/concepts/llm/coding-benchmark-price-performance.md]] — Cost-to-Run Benchmark
+- [[../../wiki/concepts/llm/vibe-coding-vs-enterprise.md]] — Vibe Coding / Agentic Coding
+- [[../../wiki/institutions/anthropic.md]] — Anthropic Institutionenseite

raw/youtube/2026-07-07_berman-model-routing.md

@@ -0,0 +1,81 @@
+---
+type: youtube
+source_url: https://www.youtube.com/watch?v=1KKB_UiW6ls
+retrieved: 2026-07-07
+channel: "Matthew Berman"
+title: "You NEED to do this right now... — 90% less AI costs via Model Routing"
+duration_sec: 1113
+has_transcript: false
+tags: [model-routing, cost-optimization, fable, planning-execution-split, cross-model-calling, copy-paste-routing, cursor-auto-mode, not-diamond, genspark, coinbase, glm-5.2, gpt-5.5, composer-2.5, claude-sonnet, cost-savings, routing-strategy, audio-briefing, german]
+notebooklm: https://notebooklm.google.com/notebook/a5071bba-125f-4f08-86ea-99a1ab9911ca
+---
+
+# 90% less AI costs — Model Routing
+
+**Video URL:** [https://www.youtube.com/watch?v=1KKB_UiW6ls](https://www.youtube.com/watch?v=1KKB_UiW6ls)
+**NotebookLM:** [https://notebooklm.google.com/notebook/a5071bba-125f-4f08-86ea-99a1ab9911ca](https://notebooklm.google.com/notebook/a5071bba-125f-4f08-86ea-99a1ab9911ca)
+**Channel:** Matthew Berman (621K subscribers)
+**Published:** 2026-07-06
+**Duration:** 18:33 (18:46 Audio Briefing auf Deutsch)
+**Sponsor:** Genspark
+
+## Summary
+
+Matthew Berman demonstrates how Model Routing — the practice of sending different subtasks to different AI models based on cost and capability — can reduce AI costs by up to 90%. The core insight: frontier models like Fable (Anthropic, $10-50/M tokens) are overkill for most tasks; cheaper models (GPT 5.5 at $2/M, GLM 5.2 at $0.08/M, etc.) handle the majority of work within a bounded spec.
+
+## Key Points
+
+### 1. Planning vs. Execution Separation (Fable Pattern)
+
+**Fable (Anthropic)** is used for architecture and specification design (thinking/planning phase), then the actual code **execution** is handed off to cheaper models:
+- **GPT 5.5** ($2/M tokens input)
+- **Composer 2.5** (OpenAI code model)
+- **Claude Sonnet** (mid-tier Anthropic model)
+
+This is the single most impactful pattern: **split the expensive thinking from the cheap execution**.
+
+### 2. Dramatic Cost Differences
+
+| Model | Input Cost per M Tokens | Output Cost per M Tokens |
+|-------|----------------------|-----------------------|
+| Fable 5 (Anthropic) | $10 | $50 |
+| GPT 5.5 | $2 | $6 |
+| GLM 5.2 | ~$0.08 | ~$0.08 |
+| Cheap models (general) | $2 | $6 |
+
+**Example calculation:** Using Fable for everything costs $9.50 baseline. With routing to GPT 5.5 for execution: **$6.48 — a 68% savings.** Overall potential exceeds **90%** when routing aggressively.
+
+### 3. Routing Patterns Covered
+
+| Pattern | Description | Est. Savings |
+|---------|-------------|-------------|
+| **Manual Copy-Paste** | Developer manually copies code between models | ~60% |
+| **Cross-Model-Calling** | One model calls another model via API | ~70% |
+| **Cursor Auto Mode** | Cursor IDE auto-routes to cheapest model | ~75% |
+| **Not Diamond** | Dedicated routing layer/API | ~80% |
+
+### 4. Coinbase Example
+
+Coinbase is implementing model routing on **open-source models, specifically GLM 5.2** (Z.ai). This demonstrates enterprise adoption of the routing pattern with Chinese open-weight models as the cost-effective execution layer.
+
+### 5. Audio Briefing
+
+A **German-language audio briefing** (18:46 min) was generated from this video via NotebookLM, making the content accessible to German-speaking audiences.
+
+## Key Takeaways
+
+1. **Don't use one model for everything** — separate planning (expensive) from execution (cheap)
+2. **Fable is for architecture/specs**, not for writing boilerplate code
+3. **Routing can save 60-90%** with minimal quality loss when execution is well-specified
+4. **Multiple routing patterns exist** — from manual copy-paste to dedicated routing layers (Not Diamond)
+5. **Enterprise adoption** is happening (Coinbase on GLM 5.2)
+6. **The pattern is simple** but requires discipline to implement consistently
+
+## Relevance to Existing Wiki
+
+- **Cross-ref:** [[../../wiki/architecture/model-routing.md]] — OpenClaw's existing routing architecture
+- **Cross-ref:** [[../../wiki/concepts/llm/chinese-model-cost-routing.md]] — DeRonin's 87% cost-cut playbook (complementary data)
+- **Cross-ref:** [[../../wiki/concepts/llm/coding-benchmark-price-performance.md]] — Price-performance validation (39× cheaper GLM 5.2)
+- **Cross-ref:** [[../../wiki/concepts/llm/glm-5.2-zai-coding-model.md]] — GLM 5.2 details
+- **Cross-ref:** [[../../wiki/concepts/llm/fable-5-anthropic.md]] — Fable 5 details
+- **Cross-ref:** [OpenClaw Smart Model Router skill] — OpenClaw Smart Model Router skill (tier-based routing, 60-90% savings claim)

wiki/architecture/model-routing.md

@@ -1,8 +1,8 @@
 ---
 created: 2026-06-16
-updated: 2026-06-16
+updated: 2026-07-07
-sources: [other/2026-06-16_openclaw-releases-v2026.6.8.md]
+sources: [other/2026-06-16_openclaw-releases-v2026.6.8.md, youtube/2026-07-07_berman-model-routing.md]
-tags: [architecture, model-routing, llm, openclaw]
+tags: [architecture, model-routing, llm, openclaw, planning-execution-split, cost-savings]
 ---
 
 # Model Routing
@@ -147,3 +147,24 @@ Mainzers Energie-Argument (20W Gehirn vs. Megawatt-LLM-Cluster, siehe [[../conce
 - **Edge-Tasks** (Smart-Home, Mobile, Embedded): langfristig nur mit neuromorphen/photonischen Backends wirtschaftlich — nicht mit Cloud-LLMs
 - **Mittelfristig beobachten:** Intel Loihi, IBM TrueNorth, Lightmatter, Luminous Computing — Status 2026?
 - **Kurzfristig:** Optimierung bestehender AR-Transformer-Pfade (Caching, Quantisierung, Speculative Decoding) bleibt wichtig, ist aber Endpunkt-Frickelei — Hardware-Diversität ist der eigentliche Spielfeldwechsel.
+
+## Update 2026-07-07: Matthew Berman Model Routing Patterns
+
+**Source:** [[../../raw/youtube/2026-07-07_berman-model-routing.md]]
+
+Matthew Berman's video on model routing provides practical cost-saving patterns that complement our existing architecture. Core finding: **planning vs. execution separation** — use expensive frontier models (Fable) for architecture/spec design, then route code execution to cheap models (GPT 5.5, GLM 5.2, Composer 2.5).
+
+### Key additions to our routing knowledge:
+
+| Pattern | Savings | Relevance to OpenClaw |
+|---------|---------|----------------------|
+| Manual Copy-Paste | ~60% | Ad-hoc testing, proof-of-concept |
+| Cross-Model-Calling | ~70% | Relevant for agent orchestration (subconscious -> execution) |
+| Cursor Auto Mode | ~75% | IDE-integrated routing |
+| Not Diamond | ~80% | Dedicated routing layer (complementary to our fallback-chain) |
+
+**Coinbase routing on GLM 5.2** validates enterprise adoption of open-weight routing — GLM 5.2 as execution layer behind frontier planning models.
+
+**Cost math:** Fable-only baseline $9.50 -> routed $6.48 (68% savings). Potential >90% with aggressive routing.
+
+See [[../tools/model-routing.md]] for the full tools-level page on routing cost-saving patterns.

wiki/concepts/hardware/ubtech-u1-humanoid-roboter.md

@@ -0,0 +1,90 @@
+---
+created: 2026-07-05
+updated: 2026-07-05
+sources: [youtube/2026-07-05_everlast-ki-news-china-roboter-sonnet5-fable5.md]
+tags: [concept, robotics, humanoid-robots, china, ubtech, u1, demographic-crisis, emotional-ai, silicone-skin, market-launch]
+---
+
+# UBTECH U1 — Chinas hyperrealistische Humanoide Roboter
+
+> **TL;DR:** UBTECH (erstes börsennotiertes Humanoide-Unternehmen) lanciert den U1: Lebensgroßer humanoider Roboter mit hyperrealistischer Silikonhaut, 88 Freiheitsgraden, Cloud-KI-Anbindung — konzipiert für "emotionale Begleitung im Alltag". 13.000+ Vorbestellungen bei $17.600–$45.000. Getrieben von Chinas demografischer Krise (Hong Kong Geburtenrate 0,77 — niedrigste weltweit).
+
+## UBTECH U1 — Spezifikationen
+
+| Eigenschaft | Wert |
+|-------------|------|
+| **Typ** | Humanoider Roboter mit Silikonhaut |
+| **Freiheitsgrade** | bis zu 88 |
+| **Größe (männlich)** | 1,83 m (lebensgroß) |
+| **Größe (weiblich)** | 1,68 m |
+| **Akkulaufzeit** | 2–4 Stunden |
+| **KI-Anbindung** | Cloud-KI |
+| **Design-Fokus** | Emotionale Begleitung, Gespräche, Blickkontakt |
+| **Varianten** | 50+ (mit fantasyvollen Outfits, Bewegung, Tanz) |
+| **Altersbeschränkung** | Ab 18 Jahren |
+
+## Preise und Marktdemand
+
+| Variante | Preis |
+|----------|-------|
+| Light Modell | ab $17.600 |
+| Ultra Variante | bis $45.000 |
+
+**Vorbestellungen:** Über 13.000 beim Launch in Shenzhen — sofort ausverkauft.
+
+## Demografischer Treiber
+
+Der Robotik-Push Chinas hat eine tiefere Ursache als Technologie-Begeisterung:
+
+| Region | Geburtenrate | Lebenserwartung |
+|--------|-------------|-----------------|
+| **Hong Kong** | **0,77** (niedrigste weltweit) | Männer ~83, Frauen ~88 |
+| **China** | ~1,0 (ähnlich kritisch) | — |
+| **Deutschland** | 1,45 | — |
+
+**Konvergenz-Faktoren:**
+- Hong Kong: Reichste Stadt der Welt + teuerste Stadt + niedrigste Geburtenrate
+- Braindrain: Junge Menschen wandern ab
+- Einsamkeit als einer der größten Use Cases für humanoide Roboter
+- Deutschland "nicht viel besser" — KI und Robotik demografisch nicht mehr optional
+
+## Robotik-Investitionen — Rekordhoch
+
+| Metrik | Wert |
+|--------|------|
+| VC im letzten Quartal | **$16,2 Milliarden** |
+| Normalniveau | $3–5 Milliarden pro Quartal |
+| Faktor | >3× Normal |
+| Vergleich zu KI-Boom | Robotik immer noch unterrepräsentiert |
+
+## Strategische Bedeutung
+
+1. **UBTECH** ist das erste börsennotierte Humanoide-Unternehmen — plant 100 Roboter-Spende 2026 (staatlicher/wirtschaftlicher Push)
+2. **Emotionale KI** als primärer Use Case — nicht Industrie, nicht Pflege, sondern "Begleitung im Alltag"
+3. **Silikonhaut + 88 DOF** — Roboter "wirken fast wie lebendige Fantasy Figuren aus Zelda" (Leo Schmedding)
+4. **Cloud-KI-Anbindung** — Roboter als physische Avatar-Plattform für Cloud-LLMs
+5. **Markt-Signal:** 13K Vorbestellungen zeigen, dass der Massenmarkt für humanoide Roboter bereit ist — im Preisbereich $17–45K
+
+## Host-Kontext
+
+Leo Schmedding (Everlast AI) berichtet aus Hongkong. Geplant: Vor-Ort-Besuche bei Humanoid-Unternehmen (u.a. UBTECH) in den Folgetagen. Hintergrund: Hong Kong als Standort mit Deutschlands-Bezug und als einer der wichtigsten Naturhäfen weltweit.
+
+## Cross-References
+
+- [[../hardware/neuromorphic-chips-und-quantencomputer.md]] — Hardware-Frontier (Prof. Mainzer: 20W-Gehirn vs. LLM-Megawatt)
+- [[../agi/universal-high-income.md]] — Roboter-Steuer-Debatte (Gates) und Post-Labor-Economy
+- [[../../institutions/anthropic.md]] — Cloud-KI-Anbindung der U1-Roboter
+- [[../llm/vibe-coding-vs-enterprise.md]] — Agentic Coding als Trend, den Roboter-Use-Cases befeuern
+- [[../policy/ai-regulation-2026.md]] — Regulatorischer Kontext für humanoide Roboter
+
+## External Sources
+
+- [YouTube: Everlast AI — KI-News vom 05.07.2026](https://www.youtube.com/watch?v=-JCCcR9qtYQ)
+- [UBTECH Robotics](https://www.ubtrobotics.com/)
+- [Everlast AI Kanal](https://www.youtube.com/@everlastai)
+
+## Verwandte Konzepte
+
+- **Emotionale KI / Companion Robots** — U1 als erster massenmarktreifer Vertreter
+- **Post-Labor Economy** — Demografie als Treiber für Robotik-Adoption
+- **Cloud-KI als Roboter-Backend** — Physische Avatar-Plattform für LLMs

wiki/concepts/llm/sonnet-5-anthropic.md

@@ -0,0 +1,65 @@
+---
+created: 2026-07-05
+updated: 2026-07-05
+sources: [youtube/2026-07-05_everlast-ki-news-china-roboter-sonnet5-fable5.md, wiki/tools/anthropic-claude.md]
+tags: [concept, llm, anthropic, sonnet-5, claude, cost-inefficiency, default-model, 1m-context]
+---
+
+# Claude Sonnet 5 — Anthropic's neues Default-Modell mit Cost-Inefficiency-Problem
+
+> **TL;DR:** Anthropic lanciert Claude Sonnet 5 als neues Default-Modell für alle gratis/Pro User — 1M Kontextfenster, Performance auf Opus 4.8 Niveau. Doch im Cost-to-Run ist Sonnet 5 teurer als Fable 5 und damit "enorm ineffizient" — der ganze Sinn eines leichtgewichtigeren Modells wird widerlegt.
+
+## Spezifikationen
+
+| Eigenschaft | Wert |
+|-------------|------|
+| **Vendor** | Anthropic |
+| **Kontextfenster** | 1 Million Tokens |
+| **Performance** | ~Opus 4.8 Niveau ("vielleicht ein bisschen günstiger") |
+| **Default-Modell** | Ja — für alle gratis und Pro User |
+| **Claude Code** | Verfügbar |
+| **Pricing** | Standardpricing |
+| **Sicherheit** | Offiziell "sicherer als Sonnet 4.6" |
+| **Versionssprung** | 4.6 → 5 (direkt, größer als üblich) |
+
+## Verbesserungen (laut Anthropic)
+
+- Reasoning
+- Tool Use
+- Coding
+- Wissensarbeit
+
+## Cost-to-Run Problem
+
+**Artificial Analysis Cost to Run Index:** Sonnet 5 bei ~$6.000 — **teurer als Claude Fable 5**.
+
+| Modell | Cost to Run | vs Sonnet 5 |
+|--------|------------|-------------|
+| **Sonnet 5** | ~$6.000 | — |
+| **Fable 5** | niedriger | günstiger |
+| **GPT 5.5 Extra Hype** | <50% von Sonnet 5 | ~halbe Kosten |
+
+**Kritik (Leo Schmedding):**
+- "Man darf nicht auf offizielle Kostenangaben schauen"
+- Reasoning-Prozess ist ineffizient → viele Output-Tokens → reale Kosten viel höher
+- "Das ist exakt nicht der Fall bei Sonnet 5" — der Sinn eines Sonnet-Modells (leichtgewichtiger, günstiger) wird widerlegt
+- "Der ganze Sinn und Zweck eines Modells wird widersinnig"
+
+## Einordnung
+
+Sonnet 5 richtet sich als Default-Modell an den Massenmarkt, scheitert aber an der Cost-Efficiency-Premise. Wer Preis-Leistung sucht, ist mit GPT 5.5 (~halbe Kosten) besser bedient. Wer Frontier-Qualität will, nutzt Fable 5 (das im Cost-to-Run günstiger ist als Sonnet 5 — eine Ironie).
+
+**Parallele zu [[fable-5-anthropic.md]]:** Auch Fable 5 hatte ein Pricing-Problem (39× teurer als GLM 5.2 im atomic.chat Benchmark). Sonnet 5 hat das umgekehrte Problem: Es sollte das "günstige" Modell sein, ist aber teurer als das Premium-Modell Fable 5.
+
+## Cross-References
+
+- [[../../tools/anthropic-claude.md]] — Anthropic Claude Modellübersicht
+- [[fable-5-anthropic.md]] — Fable 5 (günstiger im Cost-to-Run als Sonnet 5)
+- [[coding-benchmark-price-performance.md]] — atomic.chat Benchmark
+- [[chinese-model-cost-routing.md]] — Cost-Routing-These (chinesische Modelle als Alternative)
+- [[../../institutions/anthropic.md]] — Anthropic Institutionenseite
+
+## External Sources
+
+- [YouTube: Everlast AI — KI-News vom 05.07.2026](https://www.youtube.com/watch?v=-JCCcR9qtYQ)
+- [Anthropic](https://www.anthropic.com)

wiki/index.md

@@ -1,8 +1,8 @@
 # Wiki Index
 
-*Auto-generated: 2026-06-23*
+*Auto-generated: 2026-07-07*
 
- *Letzte Aktualisierung: 2026-07-05 (66. Update — Geoffrey Hinton RI Discourse ingestiert. Raw: `raw/youtube/2026-07-05_hinton-ri-lecture.md`. Wiki-Update: `people/geoffrey-hinton.md` neu erstellt — Biographie, Kernthesen, Superintelligenz-Zeitleiste (5-20 Jahre), Instrumental-Convergence-Argumente, Nobelpreis-Kontext.)*
+ *Letzte Aktualisierung: 2026-07-07 (67. Update — Matthew Berman Model Routing ingestiert. Raw: `raw/youtube/2026-07-07_berman-model-routing.md`. Wiki-Update: `tools/model-routing.md` neu erstellt — Kostenspar-Patterns für Modell-Routing, `architecture/model-routing.md` erweitert um Berman-Patterns, Coinbase-GLM 5.2-Einsatz, Planning-vs-Execution-Split.)*
 
 ## Architecture
 
@@ -11,7 +11,7 @@
 | [Container & Volume Persistence](architecture/container-volume-persistence.md) | Docker-Volume-Pattern, LanceDB-Havarie, Permission-Fixes | context-tree |
 | [Memory System](architecture/memory-system.md) | Schichten-Modell S1-S3, Tag-System, Evolutionsphasen, OpenClaw v2026.6.8 QMD + SQLite-WAL + Raw-Memory-Wiki-Source-Pages | context-tree + other/2026-06-16_openclaw-releases-v2026.6.8.md |
 | [Agent Orchestration](architecture/agent-orchestration.md) | Orchestrator-Pattern, Swarm-Adoption, Frameworks | context-tree |
-| [Model Routing](architecture/model-routing.md) | Two-Model-Pipeline, GPT-5.4 Config, Fallback-Chain, OpenClaw v2026.6.8 GLM-5.2 + Provider-Prefix-Normalisierung | context-tree + other/2026-06-16_openclaw-releases-v2026.6.8.md |
+| [Model Routing](architecture/model-routing.md) | Two-Model-Pipeline, GPT-5.4 Config, Fallback-Chain, OpenClaw v2026.6.8 GLM-5.2 + Provider-Prefix-Normalisierung. **Update 07.07.:** Berman Cost-Saving Patterns (Planning-vs-Execution Split, Coinbase GLM 5.2 Routing, 90% savings potential) | context-tree + other/2026-06-16_openclaw-releases-v2026.6.8.md + youtube/2026-07-07_berman-model-routing.md |
 | [Cron & System Events](architecture/cron-notable-events.md) | Historische Cron-Architektur, Disk-Krise, Execution Gap | context-tree |
 | [ByteRover Knowledge Mining](architecture/byterover-knowledge-mining.md) | Mining-Pipeline, Blockaden, Status | context-tree |
 | [DeepMind Beyond Transformer](architecture/deepmind-beyond-transformer.md) | Strategischer Architektur-Kontrast: DeepMind (Diffusion + Hybride + Weltmodelle) vs. OpenAI/Anthropic (AR + Scaling). Vier Säulen, Gemma 4 Edge (256k), Gemini Diffusion 10× | youtube/2026-06-18_deepmind-beyond-transformer.md + youtube/2026-06-16_deepmind-two-steps-ahead.md |
@@ -33,6 +33,7 @@
 | [Testrebalancingbot (Yvonne)](tools/testrebalancingbot-yvonne.md) | Test-Telegram-Bot für Portfolio-Fragen, Gamma Exposure (GEX) | raw/other/financialbot-topic-history-2026-02-01_2026-05-30.json |
 | [Winston — OpenWebUI-Telegram-Bot](tools/winston-openwebui-bot.md) | Pit Weber's lokaler Telegram-Bot (OpenWebUI): Orchestriert NotebookLM/LLM-Recherchen, Presets für Szenarien, Rich-Text-Output, Skill-Partner-Pipeline mit NotebookLM Short Video Overviews | youtube/2026-07-01_futurepedia-notebooklm-short-video-overviews.md |
 | [NotebookLM Briefing-System](tools/notebooklm-briefing-system.md) | Pit Weber's automatisierte Pipeline: Quelle → deutsches Audio-Briefing → Infografik → MP4-Video → Nachricht. Zwei Presets (nb1=Standard, nb2=Kurz-Audio zuerst). Skills: notebooklm-pipelines + notebooklm-agent-guide. Requirements: CLI v0.3.4, ffmpeg, yt-dlp | other/2026-07-03_notebooklm-briefing-system.md |
+| [Model Routing — Cost-Saving Patterns](tools/model-routing.md) | Routing-Patterns für 90% Kosteneinsparung: Planning-vs-Execution Split (Fable → GPT 5.5/GLM 5.2), Cross-Model-Calling, Cursor Auto Mode, Not Diamond. Coinbase on GLM 5.2. Examples: 68-90% savings | youtube/2026-07-07_berman-model-routing.md |
 | [Fincept Terminal](tools/fincept-terminal.md) | Open-Source Trading-IDE, von OpenClaw-Blog verlinkt | raw/other/financialbot-topic-history-2026-02-01_2026-05-30.json |
 
 ## Concepts

wiki/log.md

@@ -2,6 +2,20 @@
 
 *Append-only changelog. Start: 2026-06-05*
 
+## [2026-07-07] Ingest | Matthew Berman — 90% less AI costs via Model Routing
+**Type:** ingest | **Scope:** raw/youtube, wiki/tools (new), wiki/architecture (update), wiki/index, wiki/log
+**Source:** YouTube — https://www.youtube.com/watch?v=1KKB_UiW6ls (Matthew Berman, 18:33, 2026-07-06, 7.734 views)
+**NotebookLM:** https://notebooklm.google.com/notebook/a5071bba-125f-4f08-86ea-99a1ab9911ca (German audio briefing: 18:46)
+**Trigger:** Subagent task spawned in OME-Gruppe Topic 27 (News & Infos).
+**Actions:**
+- raw: `raw/youtube/2026-07-07_berman-model-routing.md` (created — 4.5 KB; Frontmatter [type: youtube, source_url, retrieved: 2026-07-07, channel: Matthew Berman, duration_sec: 1113, tags: model-routing, cost-optimization, planning-execution-split, routing-patterns, not-diamond, coinbase, glm-5.2]. Content: Summary, Key Points [Planning vs Execution Split, Cost Comparison Table, 4 Routing Patterns, Coinbase Example, Audio Briefing], Key Takeaways, 6 Cross-Refs to existing Wiki)
+- wiki (NEW): `tools/model-routing.md` (created — 4.0 KB; Frontmatter [sources, tags]. Sections: Core Principle, Cost Comparison Table, Routing Patterns [Manual Copy-Paste, Cross-Model-Calling, Cursor Auto Mode, Not Diamond], Enterprise Adoption (Coinbase on GLM 5.2), Key Rules, Connection to Existing Wiki [7 cross-refs])
+- wiki (UPDATE): `architecture/model-routing.md` — Frontmatter: updated=2026-07-07, sources+1 (youtube/2026-07-07_berman), tags+2 (planning-execution-split, cost-savings). New section "Update 2026-07-07: Matthew Berman Model Routing Patterns" with patterns table, Coinbase GLM 5.2 routing, cost math (68-90% savings), cross-ref to tools/model-routing.md.
+- wiki: `index.md` (updated — Header auf "67. Update", Architecture Model Routing update in table, new Tools entry for Model Routing — Cost-Saving Patterns)
+- log: this entry
+**Hector-Hinweis:** Berman's Video kombiniert die Erkenntnisse von DeRonin's 87%-Cost-Cut (chinese-model-cost-routing.md) mit dem Smart Model Router Skill aus dem OpenClaw-Stack. Der Planning-vs-Execution-Split ist die praktische Anleitung, die vom Konzept (DeRonin) zur Implementation führt: Fable denkt, GPT 5.5/GLM 5.2 schreibt Code. Die Coinbase-Referenz ist signifikant — sie zeigt, dass das Routing-Pattern enterprise-ready ist und GLM 5.2 als Open-Weight-Execution-Layer akzeptiert wird. Die 4 Routing-Patterns (manuell → Cross-Model-Calling → Cursor Auto Mode → Not Diamond) bilden eine Reifegrad-Leiter ab.
+**Subagent-Modell:** openrouter/deepseek/deepseek-v4-flash
+
 ## [2026-07-03] Ingest | Hermes Mixture of Agents 2.0 + Hermes Agent OS (AI Profit Boardroom / Pit Weber)
 **Type:** ingest | **Scope:** raw/youtube, wiki/tools (update), wiki/index, wiki/log
 **Source:** YouTube-Video — https://www.youtube.com/watch?v=WY9y529g8Ww (AI Profit Boardroom, 2026-07-03)

wiki/people/geoffrey-hinton.md

@@ -83,7 +83,7 @@ Pit Weber markierte den RI Discourse mit 🔴 (existenzielle Risiken). Die Relev
 
 - **5-20-Jahre-Zeitleiste** ist eine konkretere Prognose als Aschenbrenners 2027-These und von einem Nobelpreisträger mit jahrzehntelanger Forschungstiefe
 - **Instrumental Convergence**-Argumente sind klassische Yudkowsky/LessWrong-Positionen, aber erstmals von einem "Institutional Insider" dieser Statur öffentlich vorgetragen
-- **Regierungskritik** unterstützt indirekt die [[concepts/policy/intelligence-feudalism.md]]-These von [[people/brian-roemmele.md]]
+- **Regierungskritik** unterstützt indirekt die [[../concepts/policy/intelligence-feudalism.md]]-These von [[brian-roemmele.md]]
 - Die **lokale-Souveränitäts-These** des OME21-Briefings korrespondiert mit Hintons Skepsis gegenüber zentralisierter KI-Kontrolle
 
 ## Quellen

wiki/tools/model-routing.md

@@ -0,0 +1,68 @@
+---
+created: 2026-07-07
+updated: 2026-07-07
+sources: [youtube/2026-07-07_berman-model-routing.md]
+tags: [tools, model-routing, cost-optimization, routing-patterns, fable, planning-execution-split, cross-model-calling, not-diamond, cursor-auto-mode, copy-paste-routing, coinbase, glm-5.2, gpt-5.5]
+---
+
+# Model Routing — Cost-Saving Patterns
+
+> **Source:** Matthew Berman — "You NEED to do this right now..." (2026-07-06)
+> See raw: [[../../raw/youtube/2026-07-07_berman-model-routing.md]]
+
+## Core Principle
+
+**Route every task to the cheapest model that can handle it well.** The single most impactful pattern is **planning vs. execution separation**: use frontier models for architecture/spec design, then delegate code execution to cheaper models.
+
+## Cost Comparison
+
+| Model | Input Cost / M Tokens | Output Cost / M Tokens | Role |
+|-------|----------------------|-----------------------|------|
+| **Fable 5** (Anthropic) | $10 | $50 | Planning, Architecture, Specs |
+| **GPT 5.5** | $2 | $6 | Code execution |
+| **Composer 2.5** | $2 | $6 | Code execution |
+| **Claude Sonnet** (mid) | $3 | $15 | Code execution |
+| **GLM 5.2** (Z.ai) | ~$0.08 | ~$0.08 | Open-source execution layer |
+
+**Example:** Fable-only = $9.50 baseline → Fable + GPT 5.5 routing = **$6.48 (68% savings)**. Total potential with aggressive routing: **>90%**.
+
+## Routing Patterns
+
+### 1. Manual Copy-Paste (~60% savings)
+Developer manually copies code between models. No automation. Works as a proof-of-concept but doesn't scale.
+
+### 2. Cross-Model-Calling (~70% savings)
+One model calls another via API. A script/program orchestrates: Fable designs → API passes spec to GPT 5.5/GLM 5.2 → execution model writes code.
+
+### 3. Cursor Auto Mode (~75% savings)
+Cursor IDE's auto-mode feature routes tasks to the cheapest capable model automatically. Seamless developer experience.
+
+### 4. Not Diamond (~80% savings)
+Dedicated routing layer/API that classifies incoming requests and routes to the optimal model. Adds a routing decision layer between user and model.
+
+### 5. OpenClaw Smart Model Router (see Skill)
+[OpenClaw Smart Model Router skill] — Tier-based routing (5 tiers from simple to frontier). Claims 60-90% savings aligned with Berman's findings.
+
+## Enterprise Adoption
+
+**Coinbase** is implementing model routing on **open-source models, specifically GLM 5.2** (Z.ai). This validates:
+- The routing pattern is production-grade, not experimental
+- Chinese open-weight models (GLM 5.2) are viable as the cost-effective execution layer
+- Enterprise security/compliance requirements can be met with routed open-source models
+
+## Key Rules
+
+1. **Separate planning from execution** — Fable designs the architecture, cheap models write the code
+2. **Bounded specs produce reliable cheap execution** — when the spec is tight, cheap models stay on track
+3. **Output tokens are the cost driver** — frontier models charge $50/M output vs $6/M for cheap models
+4. **The pattern is simple** — the hard part is building the discipline and the harness
+
+## Connection to Existing Wiki
+
+- **[[../architecture/model-routing.md]]** — OpenClaw's existing routing architecture (Two-Model-Pipeline, Fallback-Chain, GLM 5.2 support)
+- **[[../concepts/llm/chinese-model-cost-routing.md]]** — DeRonin's 87% cost-cut playbook (6 Western→Chinese swaps) complements Berman's patterns with field data
+- **[[../concepts/llm/coding-benchmark-price-performance.md]]** — atomic.chat benchmark: GLM 5.2 is B+ at $0.08 vs Fable 5 A+ at $3.12 (39× cheaper)
+- **[[../concepts/llm/glm-5.2-zai-coding-model.md]]** — Full GLM 5.2 documentation (1M context, MIT license, coding strength)
+- **[[../concepts/llm/fable-5-anthropic.md]]** — Fable 5 documentation (premium frontier)
+- **[[../concepts/agents/subconscious-agent.md]]** — OpenClaw's agent orchestration that could benefit from routing
+- **[[../concepts/llm/llm-model-fusion-ensembles.md]]** — Alternative pattern: parallel model panels instead of sequential routing

wiki/tools/notebooklm-briefing-system.md

@@ -1,6 +1,6 @@
 ---
 created: 2026-07-03
-updated: 2026-07-04
+updated: 2026-07-06
 sources: [other/2026-07-04_notebooklm-agent-guide-v2.md, other/2026-07-03_notebooklm-briefing-system.md, youtube/2026-07-01_futurepedia-notebooklm-short-video-overviews.md, other/2026-06-19_ome21-briefing-ki-fortschritte-lokale-modelle.md]
 tags: [tool, notebooklm, briefing, pipeline, audio, video, mp4, infographic, automation, presets, agent-skills, pit-weber, ffmpeg, yt-dlp, caption-contract, v2]
 ---
@@ -201,6 +201,25 @@ ffmpeg -y \
 - Alle drei Skills als **live** deklariert
 - Neue Raw-Datei: [Agent Guide V2](../../../raw/other/2026-07-04_notebooklm-agent-guide-v2.md)
 
+## V3-Abschluss (2026-07-06)
+
+- Drei Skills als echte SKILL.md-Dateien erstellt: `notebooklm-core`, `notebooklm-pipelines`, `notebooklm-agent-guide`
+- Vollständige Einrichtungsanleitung: `docs/notebooklm-nb-presets-anleitung.md` (10KB, abgeschlossen)
+- Output-Verzeichnisse angelegt: `output/nb1/`, `output/nb2/`
+- Skill-Trennung dokumentiert: nb-Skills (Pit-spezifisch) vs. ClawHub-Skill (allgemein)
+- Status: **Vollautomatisierung bereit** — CLI-Tools + Auth noch zu installieren
+
+## V3.1-Update (2026-07-06, mit Winston's Setup-Guide)
+
+- **nb3-Preset hinzugefügt** — Briefing ohne Notebook-Link (Kurz-Audio + Infografik → MP4, kein Share)
+- **Fact-Check als Schritt 9** — `notebooklm ask "Nenne die 5 wichtigsten Kernthesen"` vor Posting
+- **Archiv-Kopie als Pflicht** — jedes Artifact MUSS zusätzlich ins Archiv-Topic
+- **Rate-Limit-Handling** — Fallback-Google-Konto für `RATE_LIMITED` Fehler
+- **Klartext-URLs** — keine Markdown-Links im Telegram-Posting (rendert nicht klickbar)
+- **14 Schritte** (war 12) — Fact-Check + Archiv-Kopie hinzugefügt
+- Anleitung auf 13.5KB gewachsen, Skills auf v1.1.0 aktualisiert
+- Quelle: Winston (@Winston_butlerbot) NB-Skills Setup-Anleitung
+
 ## Beziehung zu Winston
 
 Das Briefing-System läuft als Backend hinter [[winston-openwebui-bot.md|Winston]] (Pit's OpenWebUI-Telegram-Bot):