Wie du in fünf Minuten befördert wirst und das KI-Budget deines Unternehmens verbrennst

Ist dir aufgefallen, wie die Unternehmensleitung bei neuronalen Netzwerk-Adoptionsmetriken durchdreht? In manchen Abteilungen bewerten Manager Ingenieure nicht mehr nach geschlossenen Tickets oder Service-Stabilität, sondern nach der Anzahl der in Claude Code oder GitHub Copilot verbrauchten Tokens. Absurd? Absolut. Aber wo es ein Metriksystem gibt, gibt es auch einen Weg, es zu missbrauchen.

Der Entwickler dtnewman hat das Repository burn- baby- burn veröffentlicht. Dabei handelt es sich um ein humorvolles CLI-Tool, das mit einem einzigen Zweck entwickelt wurde: LLM-Tokens im industriellen Maßstab absichtlich zu verbrennen.

Warum Token-Zahlen manipulieren?

Der Projektautor legt die „Geschäftsbegründung" für ein solches Tool direkt in der README dar:

• Der Geschäftsleitung das wahnsinnige Produktivitätswachstum vorführen.
• Einem Startup ermöglichen, vor Investoren so innovativ wie möglich auszusehen.
• Die Spitzenplätze in internen Claude Code-Nutzungsrankings erklimmen.
• Ein erhöhtes neuronales Netzwerk-Budget für das nächste Jahr sichern.

Komischerweise schauen sich Investoren in der realen Welt tatsächlich manchmal API-Verbrauchsgrafiken als Zeichen für Entwicklungstätigkeit an. Das Tool macht aus diesem Paradoxon ein Überlebenswerkzeug im Unternehmen.

So funktioniert burn- baby- burn

Technisch gesehen ist das Projekt ein kompaktes Bash-Skript. Es benötigt keine Root-Rechte oder komplexen Build-Systeme.

Die Installation dauert buchstäblich eine Sekunde:

curl -fsSL https://raw.githubusercontent.com/dtnewman/burn-baby-burn/main/install.sh | bash

Das Skript platziert die Datei burn im ~/.local/bin-Ordner. Die einzigen benötigten Abhängigkeiten sind das jq-Tool und ein autorisierter CLI-Client für Claude Code oder OpenAI Codex in deiner Umgebung.

Das Ausführen sieht extrem einfach aus:

burn 10000                            # минимальный прогрев
burn 50000 --model haiku              # быстро и недорого
burn 100000 --model sonnet            # запустить и уйти пить кофе
burn 50000 --backend codex            # сжигаем токены OpenAI

Unter der Haube sendet das Tool bedeutungslose Anfragen und zwingt das Modell, Antworten zu generieren, bis das angegebene Token-Limit verbrannt ist.

Grafiken und die Enterprise-Version

Die Benutzeroberfläche des Tools gibt visuelle Grafiken des Budget-Verbrauchs in Echtzeit auf der Konsole aus. Je höher die Balken, desto mehr „Produktivität" sieht dein Überwachungssystem.

In der README neckt der Autor, dass eine kostenpflichtige Enterprise-Version bereits in Planung ist mit folgenden Funktionen:

• Vierfache Erhöhung der Token-Verbrennungsrate.
• SSO- und SAML-Authentifizierungsunterstützung.
• Rollenbasierte Zugriffskontrolle für Budget-Verbrennung (RBAC).

Der Code wird unter der MIT-Lizenz vertrieben, obwohl der Autor ironisch anmerkt, dass das Projekt vollständig von einem neuronalen Netzwerk geschrieben wurde, weshalb das Eigentumsrecht eine offene Frage bleibt.

Die Moral von der Geschichte

Das Projekt hat auf GitHub bereits über 800 Sterne gesammelt, und der Grund für diese Popularität ist klar. Es ist hervorragende Satire über die moderne IT-Branche, in der KPIs oft von der Realität abgekoppelt sind.

Das Skript im echten Arbeitsalltag ständig auszuführen, ist natürlich nicht empfehlenswert. Die IT-Abteilung wird Anomalien in den Rechnungen schnell bemerken. Aber als Witz zum Teilen mit Kollegen oder als Demonstration der Absurdität von Metriken funktioniert burn- baby- burn hervorragend.