Suchergebnisse für: „Anthropic“

100 Millionen Dollar. So viel will Anthropic nach eigenen Angaben in die Ausbildung von KI-Ingenieuren stecken, gebündelt in einem Programm namens Claude Frontier Academy. Die Zahl steht in einem Bericht des US-Senders CNBC. Sie übersteigt die gesamten Weiterbildungsbudgets vieler mittelständischer Firmen. Und sie ist an ein Ziel gebunden: 10.000 ausgebildete Ingenieure bis Ende 2027. Für den Markt für KI-Talent ist das eine klare Ansage.

Die Ausbildung folgt laut Ankündigung dem Modell der medizinischen Facharztausbildung. Nicht Vorlesung, nicht Zertifikat nach zwei Online-Kursen, sondern simulierte Praxis, angeleitete Arbeit an Fallbeispielen und am Ende eine formale Anerkennung. Der Vergleich hilft zu verstehen, was das für Unternehmen bedeutet.

Was hinter der Anthropic KI-Ingenieur-Ausbildung steckt

Das Programm richtet sich nicht an Berufseinsteiger vom Campus, sondern an Ingenieure, die bereits bei Unternehmen arbeiten, die Teil des Claude Partner Network sind. Zu den ersten Gruppen gehören laut Anthropic Mitarbeiter von Accenture, Morgan Stanley und Novo Nordisk sowie von mehreren großen Beratungsfirmen. Die Zielgruppe sind also Menschen, die schon im Geschäft stehen und nun die Werkzeuge lernen sollen, mit denen ihre Arbeitgeber künftig arbeiten. Anthropic nennt die Rolle „frontier deployed engineer“ — wörtlich ein an der vordersten Front eingesetzter Ingenieur.

Der Begriff beschreibt eine Tätigkeit, die sich mit klassischen IT-Jobtiteln kaum fassen lässt. Gemeint sind Leute, die nicht im Forschungslabor Modelle trainieren, sondern beim Kunden sitzen, dessen Daten und Prozesse verstehen und daraus eine funktionierende Anwendung bauen. Sie brauchen zwei Dinge gleichzeitig: technische Sicherheit im Umgang mit Sprachmodellen und genug Geschäftsverständnis, um zu erkennen, welches Problem überhaupt gelöst werden muss. Diese Kombination ist selten. Shambhavi Shambhavi, bei Anthropic für Strategie und Betrieb im Partnergeschäft zuständig, sagt gegenüber CNBC, es brauche mehr Menschen, die sich in Unternehmens-IT und Geschäftskontext auskennen und gleichzeitig viel von KI verstehen.

Simulierter Einsatz, Residency, Zertifikat

Die Ausbildung beginnt laut Ankündigung mit einem „simulated enterprise deployment“ — einer nachgestellten Unternehmenseinführung, die mit einer benoteten Prüfung abschließt. Wer besteht, geht in eine Residency, also in eine Art Assistenzzeit, in der erfahrene Ausbilder anleiten und die Teilnehmer an Fallbeispielen üben. Erst danach folgen eine weitere Bewertung und die eigentliche Zertifizierung. Die ersten Absolventen sollen Anfang 2027 zertifiziert sein.

Die Anleihe bei der Medizin ist bewusst gewählt. In der Facharztausbildung lernst du nicht, indem du ein Lehrbuch über Symptome durcharbeitest, sondern indem du unter Aufsicht Patienten behandelst und deine Entscheidungen anschließend besprochen werden. Übertragen auf KI-Systeme: Die Teilnehmer üben an Fallbeispielen, machen Fehler in einer Umgebung, in der sie noch verzeihlich sind, und bekommen dafür Rückmeldung. Steve Corfield, bei Anthropic global für Geschäftsentwicklung und Partnerschaften zuständig, sagt, das Programm bilde Menschen so aus, wie das eigene Ingenieursteam lerne, und die Absolventen sollten zum Maßstab dafür werden, wie KI in einem Unternehmen gebaut wird.

Warum Unternehmen dieses Problem nicht allein lösen

Der Bedarf ist real. Daten des Analyseanbieters Draup, die CNBC exklusiv vorlagen, zeigen für dieses Jahr im Finanzsektor einen deutlichen Anstieg von Stellenausschreibungen für Forward-Deployed-Engineers und verwandte KI-Rollen. Unternehmen suchen bereits, finden aber nicht genug. Der Grund ist strukturell: Wer Finanzprodukte, Produktionslinien oder Zulassungsverfahren kennt, hat dieses Wissen über Jahre aufgebaut — und ist in der Regel kein Softwareentwickler. Wer Software baut, kennt diese Prozesse wiederum nicht. Eine Weiterbildung muss deshalb dort ansetzen, wo das Domänenwissen schon sitzt.

Das macht das Partner-Network-Modell für Anthropic attraktiv. Statt Personal zu verleihen, werden die Kunden selbst befähigt. Wer seine Leute ausbilden lässt, bindet sie fachlich an die Werkzeuge, mit denen sie danach arbeiten. Für das Unternehmen bleibt die Kompetenz im Haus, für Anthropic wächst die Zahl der Firmen, in denen Claude produktiv eingesetzt wird. Ausbildungsförderung wird damit zum Vertriebskanal, ohne dass jemand etwas verkaufen muss.

Der wirtschaftliche Kontext: IPO, Wachstum, rote Zahlen

Der Zeitpunkt der Ankündigung fällt in eine Phase, in der Anthropic auf den öffentlichen Markt drängt. Das Unternehmen wird laut Berichten noch in diesem Jahr an die Börse gehen und könnte dabei eine Bewertung im Bereich von zwei Billionen Dollar anstreben. Reuters berichtete unter Berufung auf eine durchgesickerte Fassung des Börsenprospekts von knapp 4,6 Milliarden Dollar Umsatz im vergangenen Jahr bei einem operativen Verlust von mehr als 8 Milliarden Dollar.

Die Ausbildungsoffensive verfolgt damit zwei Ziele. Sie mindert den Engpass, der den Verkauf bremst: Ohne Menschen, die KI-Systeme in Geschäftsprozesse einbauen können, bleiben Lizenzen ungenutzt. Und ein Programm, das zehntausend Fachkräfte durch eine anerkannte Zertifizierung führt, ist für Investoren ein Zeichen, dass hier etwas heranwächst. Verteilt man die 100 Millionen Dollar grob auf 10.000 Personen, landet man bei rund 10.000 Dollar pro Kopf — inklusive Curriculum, Ausbildern, Prüfungen und Zertifizierung. Ein Teil der Kosten dürfte bei den entsendenden Arbeitgebern liegen.

Was KI-Weiterbildung in Unternehmen dadurch konkret bedeutet

Für die Personalentwicklung heißt das, dass die Ausbildung von KI-Ingenieuren aus der Nische herauskommt. Es entstehen Zertifikate mit einem Namen, der am Arbeitsmarkt etwas bedeutet, und ein Ausbildungsweg, der über ein Wochenendseminar deutlich hinausgeht. Wenn du in einem Unternehmen für Weiterbildung zuständig bist, wird die Frage künftig nicht mehr lauten, ob es überhaupt Schulungen zum Thema KI gibt. Sie wird lauten, welche davon etwas taugen und ob sie an den Prozessen deines Hauses geübt werden.

Der zweite Punkt ist unangenehmer. Die wertvollsten Kandidaten für solche Programme sind nicht die Jüngsten im Team, sondern die Erfahrenen mit Prozesskenntnis und der Bereitschaft, sich technisch neu einzuarbeiten. Das lässt sich nicht verordnen, sondern braucht Zeit, Anreize und die ausdrückliche Erlaubnis, Fehler zu machen. Ein Unternehmen, das seine Leute in eine Residency schickt, muss sie für die Dauer der Ausbildung aus dem Tagesgeschäft nehmen, wie lange die dauert, hat Anthropic nicht gesagt. Diese Kosten tauchen in keiner Pressemitteilung auf, sie sind aber der eigentliche Preis.

Wie realistisch die Zahl 10.000 ist

Der Zeitplan ist sportlich. Wenn die ersten Ingenieure Anfang 2027 zertifiziert werden, bleibt für fast alle 10.000 Zertifizierungen im Grunde nur das Jahr 2027. Eine Ausbildung mit simuliertem Einsatz, Residency und Abschlussprüfung lässt sich nicht beliebig beschleunigen, ohne dass die Abschlussquote leidet. Es ist daher gut möglich, dass die Zahl zum Zieljahr nicht vollständig erreicht wird und das Programm anschließend verlängert wird. Das wäre nicht ungewöhnlich, es wäre der Normalfall.

Interessanter als die exakte Zahl ist ohnehin die Richtung, die sie anzeigt. Ein Anbieter von KI-Modellen investiert einen dreistelligen Millionenbetrag nicht in Rechenleistung, sondern in Menschen, die diese Modelle in Unternehmen zum Laufen bringen. Die Engstelle der Branche verschiebt sich damit von der Technik zur Anwendung. Die Werkzeuge werden weiter schneller, aber der Vorsprung entsteht künftig dort, wo jemand beides zusammenbringt — das eigene Geschäft und die Fähigkeit, KI darin einzubauen. Wer dafür Zeit investiert, investiert nicht in ein Modell, das in zwei Jahren abgelöst wird, sondern in eine Fähigkeit, die bleibt.

Quelle: cnbc.com

Einen KI-Assistenten an ein bestehendes Werkzeug wie ein Ticketsystem anzubinden, bedeutete bisher meist: Dokumentation lesen, API-Schlüssel verwalten, Berechtigungen von Hand nachziehen, Fehlermeldungen entziffern – bis die Verbindung irgendwann steht. Seit dieser Woche reicht ein Blick in eine öffentliche Liste, ein Klick und eine Freigabe. Das sieht nach bequemerer Einrichtung aus. Tatsächlich steckt mehr dahinter: Anthropic hat Claude zu einem Marktplatz umgebaut, auf dem fertige Verbindungen, Erweiterungen und komplette KI-Anwendungen liegen.

Der Sicherheits- und Technikdienst BleepingComputer berichtet, dass dieser Claude Marketplace öffentlich erreichbar ist und zum Start mehr als 2.000 Einträge umfasst. Wer bisher mit Claude arbeitete, kannte das Problem: Das Sprachmodell denkt ordentlich, weiß aber nur, was man ihm gibt. Jede Anbindung ans eigene Werkzeug war Einzelarbeit, jedes Mal aufs Neue. Der Marktplatz soll daraus eine Auswahl machen.

Was der KI-Marktplatz von Anthropic Claude versammelt

Ein Marktplatz ist im Kern eine Ordnung. Auf einem echten Wochenmarkt weiß man nach zwei Runden, wo es Gemüse gibt, wo Fisch und wo jemand nur Kräuter verkauft. Der Markt selbst produziert nichts, er macht Bestände sichtbar und vergleichbar. So arbeitet auch der Anthropic Claude KI-Marktplatz: Er bündelt die Claude-Erweiterungen, sortiert sie nach Kategorien und lässt Interessierte direkt zugreifen.

Ein Marktplatz ist keine Funktion im Modell, sondern eine Schicht darüber – Teil der Oberfläche, der Beschaffung, der Verteilung. Der Autor des Berichts vergleicht das mit einem App-Store-Modell, bei dem man nicht mehr jede Integration einzeln zusammensucht. Für dich als Nutzer ändert sich damit weniger die Technik als der Weg dorthin.

Wer die 2.000 Einträge beisteuert

Interessanter als die Zahl ist, woher die Einträge kommen. Laut Bericht stammen sie von Atlassian, Google, Microsoft, Notion, Salesforce und weiteren Anbietern. Es sind also nicht nur Anthropics eigene Werkzeuge, die dort liegen, sondern die großer Plattformen, mit denen Unternehmen ohnehin arbeiten. Ein Marktplatz mit ausschließlich hauseigener Ware wäre ein Schaufenster. Dieser hier versucht, mehr zu sein.

Dazu kommt eine zweite Ebene. Unternehmen sollen über den Marktplatz auch fertige, Claude-gestützte Agenten und Produkte von Partnern wie CrowdStrike, Cursor, Harvey, Legora, Lovable und Snowflake kaufen können. Es geht also nicht mehr nur um Werkzeuge, sondern um fertige Ergebnisse. Ergänzt wird das durch Beratungs- und Systemintegrationspartner wie Accenture, Boston Consulting Group und Deloitte – für Häuser, die Claude nicht selbst einführen wollen oder können.

Plugins, Konnektoren, Agenten: die Ebenen des Marktplatzes

Die Begriffe tauchen im Alltag oft als Synonyme auf, meinen aber Unterschiedliches. Ein Konnektor ist die Leitung: Er verbindet Claude mit einer Datenquelle wie einem Projektboard, einem CRM oder einem Dateispeicher, damit das Modell dort lesen oder schreiben kann. Ein Plugin ist die Fähigkeit: Es bringt Claude bei, etwas Bestimmtes zu tun, etwa ein Dokument in einem festen Format zu erzeugen oder einen wiederkehrenden Ablauf auszulösen. Ein Agent schließlich bewegt sich selbst – eine Einheit, die eine Aufgabe übernimmt und über mehrere Schritte hinweg verfolgt.

Für Entwickler nennt der Bericht zwei Wege, selbst beizutragen. Einmal das Model Context Protocol, kurz MCP – ein offener Standard, über den ein Modell mit externen Systemen spricht. Zum anderen Agent Skills, also beschreibbare Fähigkeiten, die festhalten, wie eine Aufgabe sauber erledigt wird. Beides zusammen entscheidet darüber, wie tief ein Eintrag im Marktplatz in den Arbeitsablauf greift.

Diese Unterscheidung ist praktisch relevant. Ein Claude-Konnektor, der nur liest, ist eine andere Risikoklasse als ein Claude-Plugin, das schreiben darf, und eine deutlich andere als ein Agent, der selbstständig entscheidet. Wer einkauft, sollte wissen, welche der drei Ebenen er ins Haus holt. Ohne diese Einordnung kann aus einer Erleichterung eine Sicherheitslücke werden.

Warum Anthropic auf offene Registrierung setzt

Ohne Angebot funktioniert kein Marktplatz. Unterstützung von Microsoft oder Google allein trägt ihn nicht, und der Bericht erinnert an genau diesen Fall: OpenAI hat bereits einen App-Marktplatz gestartet, der sich nicht durchgesetzt hat. Anthropic will diesen Fehler vermeiden und lässt deshalb grundsätzlich jeden veröffentlichen, der die Voraussetzungen erfüllt. Entwickler reichen Konnektoren und Plugins ein, Anbieter Claude-gestützter Software bewerben sich um einen Platz.

Anthropic setzt auf Menge statt auf Kontrolle. Die Logik dahinter: Wenn Kunden ohnehin eine Verbindung zu ihrem System brauchen, soll der Anbieter sie liefern können, statt auf Anthropics eigenen Fahrplan zu warten. So wie ein Kaufhaus Fremdmarken in die Regale stellt, damit Kunden überhaupt hereinkommen. Ob das aufgeht, hängt weniger am Startangebot als daran, was in sechs Monaten noch gepflegt wird.

Für Entwickler liegt der Reiz in der Verteilung. Wer einmal im Claude AI Marketplace mit Plugins und Konnektoren steht, erreicht die bestehende Claude-Kundschaft direkt, ohne eigene Marketingmaschine. Für Anthropic ist es umgekehrt: Jeder neue Eintrag macht die Plattform für Kunden attraktiver.

Was das für Unternehmen bedeutet

In der Praxis dürfte der Effekt zuerst bei den Fachbereichen auftauchen. Statt monatelang eine Integrationsanfrage durch die IT zu schieben, findet ein Team einen passenden Claude-Konnektor und probiert ihn aus. Das verkürzt Wege, verschiebt aber auch Verantwortung. Wer entscheiden darf, welche Verbindung produktiv läuft, muss jetzt geklärt werden.

Vier Punkte gehören in jede Prüfung. Erstens: Welche Daten liest oder schreibt die Verbindung, und wohin fließen sie. Zweitens: Wie wird der Zugang verwaltet – über einzelne Konten oder zentrale Freigaben. Drittens: Wer haftet, wenn ein Agent falsch handelt, der von einem Drittanbieter stammt. Viertens: Wie wird ein Eintrag wieder entfernt, wenn der Anbieter ihn aufgibt. Der Claude-Marktplatz löst diese Fragen nicht. Sichtbar macht er sie trotzdem.

Claude-Plugins und Konnektoren für Unternehmen sind damit keine technische Randnotiz mehr, sondern ein Beschaffungsthema. Wer heute schon eine Liste führt, welche KI-Dienste im Haus erlaubt sind, hat morgen weniger Aufräumarbeit. Wer keine führt, baut sie unter Zeitdruck auf – meistens nach dem ersten Vorfall.

Ein Marktplatz ist Infrastruktur, kein Qualitätsversprechen

Anthropic erweitert Claude um 2.000 Plugins und Konnektoren und baut damit etwas, das einem Betriebssystem näher kommt als einem Chatfenster. Der Marktplatz ist die sichtbare Konsequenz, und er folgt derselben Logik wie andere Plattformen: viel Reichweite, lockere Prüfung. Was dort liegt, ist nicht geprüft, nur gelistet. Die Auswahl bleibt beim Käufer.

So ein Ort wird nicht in den ersten Wochen gut oder schlecht. Er wird es dadurch, dass Entwickler ihre Einträge pflegen und Anbieter ein Interesse daran haben, dass ihre Verbindung funktioniert. Die ersten Wochen sagen über den Marktplatz fast nichts. Interessant wird es, wenn die Zahl von 2.000 nicht mehr stimmt, weil ein Teil davon verwaist ist.

Was das konkret heißt: Schau nicht auf die Zahl, sondern auf die drei oder vier Verbindungen, die du wirklich brauchst, und prüfe, wer sie verantwortet. Der Marktplatz senkt die Einstiegshürde – nicht die Notwendigkeit, hinzuschauen.

Quelle: bleepingcomputer.com

Wer mit Claude an mehreren Arbeitssträngen zugleich arbeitet, kennt das Muster: Ein guter Teil der Zeit geht dafür drauf, den Stand aus früheren Sitzungen zusammenzutragen, statt ihn voranzubringen. Hier setzt die Neufassung von Projects an, die Anthropic am 17. September 2026 beschreibt.

Aus einem Ort, an dem man Dateien, Instruktionen und Referenzmaterial ablegt, wird eine Konversation. Du legst nicht mehr fest, welcher Arbeitsschritt wann in welcher Sitzung läuft, sondern beschreibst, was fertig werden soll. Die Aufteilung übernimmt das System. Damit soll vor allem eines wegfallen: die Übergabearbeit zwischen Sitzungen. Ob das hält, hängt an Details, die weiter unten stehen.

Von der Ablage zur Unterhaltung: was sich in Claude Projects ändert

Projects war bisher ein Container. Man legte Projektwissen, Anweisungen und Dateien hinein und startete dann einzelne Sitzungen, die davon profitierten. Die Neufassung dreht das um: Das Projekt wird zur laufenden Unterhaltung über ein Ziel, die einzelnen Sitzungen sind nur noch Ausführungsorte. Laut Ankündigung legst du beim Anlegen eines Projekts ein Ziel sowie das Repository oder den Kontext fest. Danach schlägt Claude Arbeit vor, die sofort erledigt werden kann.

Konfigurierbar sind die Cloud-Umgebung, Konnektoren, Plugins, Instruktionen und das Modell. Klingt nach einer Einstellungsliste, ist aber der wichtigste Teil. Sind Umgebung und Werkzeuge einmal definiert, muss man sie nicht in jedem neuen Chat neu erklären. Für Claude Code Projekte heißt das: Der Rahmen steht einmal, die Arbeit darin wechselt ständig. Das ist der Unterschied zwischen einem Ordner und einem Vorgang.

Wer das ernst nimmt, plant anders. Nicht mehr die einzelne Sitzung ist die Einheit, sondern das Projekt mit seinem Ziel und den Fäden, die darauf zulaufen. Projektmanagement heißt dann nicht mehr nur Tickets sortieren, sondern einen Verbund von Agenten koordinieren. Das ist ein anderes Handwerk als das, was die meisten Entwickler bisher gelernt haben.

Threads und Koordinator: die Baustelle mit Bauleitung

Am einfachsten versteht man das Modell als Baustelle. Früher gab es einen Handwerker, der nacheinander alle Gewerke erledigte, und man stand daneben, um rechtzeitig zu sagen, was als Nächstes kommt. Jetzt gibt es eine Bauleitung und mehrere Kolonnen, die gleichzeitig arbeiten. In der Ankündigung heißen die Kolonnen Threads und die Bauleitung Koordinator. Die Threads erledigen die Arbeit, der Koordinator verteilt sie.

Technisch ist jeder Thread eine vollwertige Claude Code Cloud-Sitzung, die auf einem eigenen Branch und einer eigenen Kopie des Repositories arbeitet. Diese Trennung ermöglicht Nebenläufigkeit ohne gegenseitiges Überschreiben. Arbeiten zwei Threads am selben Code, entsteht ein Merge-Konflikt, der genauso behandelt wird wie bei jedem anderen Pull Request. Zwei Kolonnen an derselben Wand sind ebenfalls keine gute Idee.

Reicht die Aufteilung nicht, kann ein Thread seine Arbeit weiter zerlegen, mit Subagenten, Schleifen und Workflows. Große Aufträge werden so schneller fertig, weil mehrere Teilstücke parallel laufen. Der Koordinator behält den Überblick und sorgt dafür, dass die Teile wieder zusammenfinden. Für Entwickler ist das der greifbarste Gewinn: nicht mehr Tempo pro Handgriff, sondern mehr gleichzeitig laufende Handgriffe.

Claude Code Projekt verwalten und steuern: wo der Mensch eingreift

Der Koordinator arbeitet nicht autonom im luftleeren Raum. Du siehst den Fortschritt im Hauptchat des Projekts und kannst jederzeit in einen einzelnen Thread abtauchen, um Details zu prüfen und nachzujustieren. Die Ankündigung vergleicht das Briefing mit dem an eine Stabschefin: Man schildert das Vorhaben, die Arbeit wird auf neue oder laufende Threads verteilt. Der Vergleich passt, weil auch eine gute Stabschefin Rückfragen stellt und nicht nur abarbeitet.

Claude meldet sich von selbst und hakt nach, statt stillschweigend zu warten. Sind Repositories angebunden, öffnet ein Thread Pull Requests und führt deine Tests aus. Sind Dokumente angebunden, liest er sie und entwirft darauf aufbauend Inhalte. Arbeiten laufen weiter, während du den Rechner verlässt oder am Telefon nachschaust, was passiert. Steuerung heißt hier: Ziele setzen, Zwischenstände lesen, eingreifen, wo es kippt.

Das verändert die Rolle. Ein Teil der Arbeit wandert vom Schreiben von Code zum Formulieren von Aufträgen und zum Prüfen von Ergebnissen. Wer gern selbst tippt, muss sich umgewöhnen. Wer bisher vor allem koordiniert hat, findet hier Werkzeuge, die genau das beschleunigen.

Geteiltes Gedächtnis und Bibliothek: Kontext, der sich aufbaut

Projects ist laut Ankündigung für lang laufende und agentische Abläufe gedacht, also für Arbeit, die mehr als eine Antwort und mehr als einen Teil umfasst. Über die Zeit lernt Claude Projektdetails kennen und wendet sie an. Jeder Thread schreibt in ein geteiltes Gedächtnis und liest daraus, was vorher entschieden wurde. Weniger Prompt-Engineering, weil Wissen nicht mehr in jedem Chat neu erklärt werden muss.

Die Beispiele aus dem Beitrag sind alltäglich: dass das Release auf Freitag verschoben wurde, warum der Export gestrichen wurde, wen man fragen sollte, bevor man den Billing-Service anfasst. Solche Informationen stehen selten in Tickets und verschwinden trotzdem sofort, wenn niemand sie festhält. Dort geht Zeit verloren, und zwar in jedem Team.

Claude merkt sich außerdem den Arbeitsstil: wie oft nachgefragt werden soll, wie häufig neue Threads gestartet werden, wie ausführlich Updates ausfallen. Neben dem Gedächtnis gibt es eine Bibliothek, die hinzugefügte Dateien und erzeugte Artefakte sammelt. Neue Arbeit kann so auf früheren Ergebnissen aufsetzen, statt sie erneut zu erfinden. In der Baustellen-Analogie ist das das Materiallager.

API-Migration mit Claude Code automatisieren: zwei Beispiele

Die Ankündigung nennt zwei Szenarien, die sich direkt auf den Alltag übertragen lassen. Im ersten geht es um Latenz: Ein Projekt wird so konfiguriert, dass das Ziel darin besteht, die p75-Latenz des Checkouts zu senken. Claude soll daraufhin jeden Endpunkt profilieren, Optimierungen testen und Pull Requests in parallelen Threads öffnen. Statt einer linearen Abfolge von Messen, Ändern, Messen laufen mehrere Varianten gleichzeitig.

Im zweiten Szenario werden API-, Web- und Mobile-Repository verbunden, mit dem Ziel, einen veralteten v1-Endpunkt stillzulegen. Pro Repository entsteht ein Thread, der die Aufrufer migriert, die Tests laufen lässt und Pull Requests öffnet. Am Ende meldet das Projekt, welche Pull Requests zuerst gemergt werden müssen. Das ist API-Migration in der Praxis: nicht ein großer Umbau, sondern mehrere koordinierte Stränge mit klarer Reihenfolge.

Wer Softwareentwicklung mit Claude Code beschleunigen will, findet hier den realistischsten Ansatzpunkt. Nicht der einzelne schnelle Codevorschlag bringt den größten Gewinn, sondern das Wegfallen von Wartezeit zwischen abhängigen Schritten. Diese Wartezeit macht Migrationen so unbeliebt. Wenn sie sinkt, werden Aufräumarbeiten wieder machbar, die man sonst endlos vor sich herschiebt.

Grenzen und Verfügbarkeit

Der Beitrag verschweigt die Kosten nicht. Ein Projekt kann mehrere Threads gleichzeitig betreiben, und jeder davon ist eine vollständige Claude Code Sitzung. Dadurch können Nutzungslimits schneller erreicht werden als bei einzelner Arbeit. Man kann den projektbezogenen Verbrauch einsehen und sowohl für den Koordinator-Chat als auch für die Worker-Threads Modell und Aufwandsstufe wählen. Parallele Entwicklungsprozesse sind also nicht kostenlos, sondern verlagern Zeit in Ressourcen.

Zur Verfügbarkeit: Die überarbeiteten Projekte starten als Beta für ausgewählte Pro- und Max-Abonnenten, die Cloud-Sitzungen in Claude Code verwenden und noch keine bestehenden Projekte im Web oder auf dem Desktop haben. In der darauffolgenden Woche soll der Zugang auf weitere Claude-Code-Nutzer dieser Pläne ausgeweitet werden, später folgen Team- und Enterprise-Pläne. Bestehende Projekte auf Pro und Max laufen vorerst unverändert weiter und werden erst mit der Ausweitung auf Chat und Cowork umgestellt.

Ein Detail ist dabei leicht zu übersehen: Die Threads laufen heute in der Cloud. Der Betrieb auf der eigenen Maschine, neben lokalen Werkzeugen und hinter dem eigenen Netzwerk, ist laut Ankündigung in Arbeit. Solange das fehlt, bleiben manche Teams außen vor, weil Code das Haus nicht verlassen darf. Wer heute schon mit Cloud-Sitzungen arbeitet, kann die Neuerung dagegen ohne Umbau ausprobieren.

Der Gewinn liegt weniger im schnelleren Tippen als im Wegfall von Koordinationsarbeit. Du briefst, liest Zwischenstände, greifst ein, und ein Teil der lästigen Zusammenführerei verschwindet. Gleichzeitig wächst die Menge an Ergebnissen, die geprüft werden muss, und damit auch die Zahl der Fehler, die sich parallel einschleichen können. Wer Claude Code Projekt um Projekt steuern will, braucht klare Ziele, belastbare Tests und die Bereitschaft, Ergebnisse wirklich zu lesen. Ohne die drei wird es unübersichtlich.

Quelle: claude.com

Ein Nutzer tippt im Chatfenster von Claude eine Anfrage, und statt einer Textantwort entsteht ein Dokument mit Überschriften, Formatierungen und Exportoptionen. Anthropic hat am Mittwoch Claude Docs und Slides vorgestellt. Ein Rich-Text-Editor und eine Präsentationsfunktion stecken jetzt direkt im KI-Assistenten. Wer bisher Dokumente aus einem Chat heraus erzeugen ließ, bekam einen Block Text, den er selbst weiterverarbeiten musste. Jetzt entsteht die Datei im Werkzeug, wird dort bearbeitet und von dort weitergegeben. Die Frage verschiebt sich damit: nicht mehr „Kann die KI schreiben?“, sondern „Wo schreibe ich eigentlich?“

Wie Claude Docs und Slides im Chat funktionieren

Der Ablauf läuft über den Chat. Du bittest Claude, einen Entwurf für ein Dokument oder ein paar Folien zu erstellen. Vorher fragt der Assistent nach: an wen das Dokument geht, wie lang es sein soll, welcher Ton passt. Beim Schreiben setzt er Kommentare an den Rand, in denen er begründet, warum er eine Zahl so einordnet und nicht anders — wie ein Kollege, der seine Entscheidungen erklärt. Ein reiner Textgenerator macht das nicht.

Fertige Dateien landen im Artifacts-Tab und lassen sich als Word-, PDF-, Google-Docs- oder Markdown-Datei exportieren. Dokumente lassen sich teilen und in Echtzeit gemeinsam bearbeiten. Damit kann Claude Docs das, was Bürosoftware seit Jahrzehnten kann: schreiben, kommentieren, teilen, exportieren. Slides deckt Präsentationen ab. Wer bisher für jede dieser Aufgaben zwischen Chat und Office-Anwendung wechselte, soll in einer Umgebung bleiben können.

Limits, fehlende Zugriffsebenen und die Enterprise-Ausnahmen

Anthropic benennt die Grenzen selbst. Jede Nutzung von Claude Docs zählt gegen das Nutzungslimit des Kontos. Aufwendige Anfragen — ein Dokument, das mehrere Quellen zusammenführt — verbrauchen mehr davon. Wer viel schreibt, merkt das. Auch Funktionen ausgereifter Bürosoftware fehlen: keine Versionshistorie, keine abgestuften Zugriffsebenen, kein externes Teilen in den Team- und Enterprise-Plänen.

Ausgeschlossen sind Kunden mit kundenseitig verwalteten Verschlüsselungsschlüsseln (CMEK), mit Zero Data Retention (ZDR) oder mit HIPAA-konformer Konfiguration. Das sind genau die Einstellungen, die Unternehmen mit strengen Compliance-Anforderungen wählen. Die Funktionen starten als Beta in den bezahlten Plänen, zuerst bei Pro und Max. In Enterprise-Plänen ist Docs standardmäßig abgeschaltet und muss aktiviert werden. Wer heute damit plant, plant auf einer Baustelle.

Vom KI-Assistenten zur agentischen Plattform

Arun Chandrasekaran, Distinguished VP Analyst bei Gartner, liest den Schritt strategisch: als Bewegung vom KI-Assistenten zu einer agentischen Plattform, die den gesamten Lebenszyklus von Wissensarbeit abdecken soll. Die erste Nachfrage erwartet er bei wiederkehrender, vorlagengetriebener Arbeit: Statusberichte, Vorstandspräsentationen, Berichte, die aus Daten eine Geschichte machen. Dort ist der Aufwand hoch und der Gestaltungsspielraum klein.

Chandrasekaran rechnet nicht damit, dass die bestehenden Werkzeuge verdrängt werden. Sein Befund: Kurzfristig werde es keinen flächendeckenden Ersatz anderer Anwendungen geben, sondern Anthropic positioniere sich als Einstiegspunkt für Arbeitsabläufe, die bisher in Drittanwendungen entstanden. Nicht die Datei ist das Ziel, sondern der Moment, in dem jemand entscheidet, wo er anfängt zu arbeiten.

Warum Microsoft und Google trotzdem nicht so schnell wackeln

Analysten verweisen auf einen strukturellen Vorteil der Platzhirsche. Microsofts Copilot steckt quer durch die Office-Suite, Dokumente lassen sich auch direkt aus der Copilot-Chatoberfläche erzeugen. Google geht dieselbe Richtung mit Assistenten, die tief in die bestehenden Werkzeuge reichen. Maria Bell von FDM CCS Insight bringt es auf einen Satz: Microsoft und Google bringen die KI tiefer in die etablierten Produktivitätsumgebungen, Anthropic bringt mehr von der Produktivitätsumgebung in die KI. Auf Dauer, so Bell, gehe es darum, welche Seite zur primären Oberfläche wird, über die Wissensarbeiter ihre Arbeit erledigen.

Wie groß die Wechselbereitschaft ist, bleibt offen. Frühe Ergebnisse der Mitarbeiterbefragung „2026 Employee Workplace Technology Survey“ von FDM CCS Insight zeigen: Rund die Hälfte der Beschäftigten, die generative KI am Arbeitsplatz nutzen, tut das zum Erstellen oder Bearbeiten von Berichten und Dokumenten. Der Bedarf ist da. Jack Gold von J. Gold Associates fragt trotzdem: Wenn ich an bestimmte Werkzeuge gewöhnt bin und sie funktionieren — wechsle ich dann für das Versprechen, besser zu arbeiten? Seine Antwort fällt skeptisch aus. Bell ergänzt, Anthropic müsse mehr leisten als vergleichbare Funktionen; nötig sei ein Erlebnis, das stark genug ist, damit Nutzer neue Gewohnheiten ausbilden.

Nebenbei geändert: Design im Chat, Cowork zusammengelegt

Neben Docs und Slides hat Anthropic diese Woche an mehreren Stellen nachjustiert. Claude Design, das visuelle Ergebnisse wie Folien und Prototypen erzeugt, lässt sich nun in einem gewöhnlichen Chat aufrufen; zuvor war es ein separates Werkzeug in der App. Zusätzlich wurden Claude Cowork, das mehrstufige Aufgaben bearbeitet, und die reguläre Chatoberfläche zusammengelegt. Der Assistent entscheidet selbst, wie er eine Anfrage behandelt. Nutzer müssen nicht mehr vorab wählen, welches Werkzeug das richtige ist.

Wie diese Weiche im Einzelfall gestellt wird, ist von außen nicht nachvollziehbar. Klar ist nur: Cowork-Anfragen verbrauchen in der Regel mehr Tokens als die einfache Chatoberfläche. Hinter der Entscheidung steckt also auch eine Kostenfrage. Anthropic beschreibt den Nutzen im Blogbeitrag so, dass Kontext, Fähigkeiten und Konnektoren aus jeder Unterhaltung heraus verfügbar sind. Ausgerollt wird das schrittweise, beginnend mit Pro und Max. Enterprise-Kunden sollen vor Änderungen an ihrem Konto informiert werden. Claude Enterprise kostet 20 Dollar pro Nutzer und Monat, hinzu kommt verbrauchsabhängige Abrechnung.

Was das für den Arbeitsalltag bedeutet

Die Funktionen sind da, aber sie sind roh. Wer ein Dokument schnell aus einer Handvoll Notizen bauen will, findet in Claude Docs ein Werkzeug, das Rückfragen stellt und Entscheidungen begründet — Eigenschaften, die in klassischer Bürosoftware fehlen. Wer dagegen Versionsstände nachhalten, Zugriffsrechte fein steuern oder mit externen Partnern teilen muss, bleibt vorerst bei den etablierten Suiten. Das ist keine Einschränkung, die man wegerklären sollte — es ist der aktuelle Stand.

Interessanter ist die Richtung. Der Wettbewerb läuft nicht mehr nur darum, welches Modell besser schreibt, sondern darum, wo geschrieben wird. Anthropic baut den Schreibtisch in die KI, Microsoft und Google bauen die KI in den Schreibtisch. Beide Wege führen zu produktiverer Arbeit, aber zu unterschiedlichen Gewohnheiten und Abhängigkeiten. Welche Oberfläche sich durchsetzt, entscheidet nicht die Featureliste, sondern die Trägheit von Millionen eingespielter Arbeitsabläufe. Wer prüfen will, ob Claude Docs für ihn taugt, nimmt eine wiederkehrende Aufgabe — einen Wochenbericht, ein Statusupdate — und schaut, ob er nach zwei Durchläufen freiwillig zurückkehrt.

Quelle: computerworld.com

Irgendwo in der Bay Area steht an einem Dienstagmorgen eine Person im Laborkittel an einer Werkbank, pipettiert eine klare Flüssigkeit in winzige Vertiefungen und notiert danach eine Nummer im Protokoll. Was nach dem Alltag eines Biotech-Startups aussieht, gehört zu einem Unternehmen, das die meisten eher mit Chatbots und Rechenzentren verbinden. Anthropic hat gegenüber TechCrunch bestätigt, dass es ein eigenes Nasslabor betreibt – ein Labor also, in dem mit Flüssigkeiten, Zellkulturen und Pipetten gearbeitet wird und nicht nur mit Code.

Damit überschreitet ein Anbieter großer Sprachmodelle eine Grenze, die bislang stabil war: die zwischen Rechenzentrum und Werkbank. KI in der Biologie war lange ein Feld für Simulationen und Datenbanken. Jetzt steht ein Modell neben einem Gerät, das misst, ob seine Vorschläge stimmen.

Was Anthropic in der Bay Area bestätigt hat

Die Bestätigung ist kurz: Anthropic betreibt in der Bay Area ein Wet Lab, in dem seine KI-Modelle an physischen Experimenten beteiligt sind. Das hat das Unternehmen gegenüber TechCrunch eingeräumt. KI-Forschung findet also nicht nur in gekühlten Hallen mit Grafikkarten statt.

Eric Kauderer-Abrams, bei Anthropic für den Life-Sciences-Bereich verantwortlich, hat die Haltung des Unternehmens gegenüber Reuters in einen Satz gefasst: Der abschließende Test sei nach wie vor die Arbeit im echten Labor, und daran werde sich so schnell nichts ändern. Auf die Frage, ob man das schon tue, antwortete er, man tue das heute absolut. Das Labor ist damit keine Spekulation mehr.

Das Labor funktioniert laut Unternehmen wie die meisten Biotech-Labore: Anthropic forscht dort selbst und arbeitet zugleich mit externen Partnern. Was genau in den Schalen, Kulturen und Messgeräten passiert, will das Unternehmen nicht sagen. Klar ist nur die grobe Richtung – Grundlagenbiologie, nicht die Suche nach fertigen Medikamenten.

Rezeptbuch ohne Küche: warum Modelle echte Experimente brauchen

Ein großes Sprachmodell ist wie jemand, der jedes Kochbuch der Welt gelesen hat und trotzdem nie in einer Küche gestanden hat. Es kennt Zutaten, Mengen, Garmethoden und kann daraus Rezepte vorschlagen, die in sich schlüssig klingen. Ob ein Soufflé aufgeht, entscheidet sich aber erst am Ofen. Das Nasslabor übernimmt diesen Test.

In der Biologie heißt das konkret: Ein Modell schlägt eine Proteinvariante vor, die an ein bestimmtes Ziel binden soll. Ob sie das wirklich tut, ob sie stabil bleibt, ob sie unerwünschte Reaktionen auslöst, lässt sich nicht zuverlässig ausrechnen. Man muss sie herstellen, testen, messen. Erst die Rückmeldung aus dem Experiment trennt eine elegante Hypothese von einem brauchbaren Werkzeug.

Der Begriff Nasslabor grenzt sich bewusst vom Trockenlabor ab. Trocken bedeutet Rechner, Datenbanken, Simulationen. Nass bedeutet Flüssigkeiten, Zellkulturen, Pipetten, gelegentlich auch Tierversuche. KI-Modelle für Biologie haben in den vergangenen Jahren vor allem im trockenen Teil Fortschritte gemacht, etwa bei der Vorhersage von Proteinstrukturen. Vorhersagen sind billig, Gewissheit teuer.

Coefficient Bio, Novo Nordisk und die Sorge vor dem eigenen Kunden

Ganz plötzlich kommt das nicht. Im April hat Anthropic Coefficient Bio übernommen, ein bis dahin kaum bekanntes KI-Biotech-Unternehmen. Wer eine solche Firma kauft, kauft selten nur Personal – meist kauft er Methoden, Geräte und Laborzusammenhang gleich mit. Die Übernahme war der erste belastbare Hinweis darauf, dass hier etwas Physisches entsteht.

Gleichzeitig ist die Pharmaindustrie für Anthropic kein Gegner, sondern ein Kunde. Das Unternehmen hat gerade eine Partnerschaft mit Novo Nordisk angekündigt, bei der es um gemeinsame Wirkstoffsuche geht. Mehrere große Player in diesem Feld gehören zu den wichtigsten Abnehmern der Modelle. Wer seine Kunden beliefert und zugleich deren Terrain betritt, muss erklären, warum das eine das andere nicht aushöhlt.

Anthropic hat bereits erlebt, was passiert, wenn eigene Produkte als Konkurrenz zu Kunden wahrgenommen werden. Der Aufschrei war deutlich genug, um die Kommunikation danach vorsichtiger zu machen. Deshalb betont das Unternehmen, im Labor gehe es um Grundlagenforschung. Deshalb gibt es seit dieser Woche auch das Life Sciences Verification Program, über das geprüfte Biologieforscher Zugang zu den leistungsfähigsten Modellen erhalten – eine kontrollierte Schleuse statt einer offenen Tür.

Dazu passen zwei kürzlich veröffentlichte Berichte. Der eine beschäftigt sich damit, wie sich Proteindesign beschleunigen lässt, der andere damit, wie biomolekulare Modellierung verbessert werden kann. Beide Texte zeigen, wo Anthropic die eigene Rolle sieht: als Werkzeuglieferant für KI-Krankheitsforschung, nicht als Pharmakonzern mit eigener Medikamentenpipeline.

Zwischen Heilversprechen und Bioterror-Warnung

Auf der einen Seite steht ein Versprechen. Dario Amodei, CEO von Anthropic, schrieb, er glaube, KI könne die meisten großen Krankheiten in den nächsten fünf bis zehn Jahren heilen. Auf der anderen Seite steht eine Warnung, die derselbe Mann seit Jahren wiederholt: Bioterrorismus zählt für ihn zu den größten Risiken dieser Technologie.

Diese Spannung ist nicht nur rhetorisch. Ein Forscher namens Jacob Coxon verließ das Unternehmen und warnte öffentlich, die Leute, die KI bauten, glaubten ernsthaft, sie könne die Menschheit bis Ende des Jahrzehnts umbringen. Der Alignment-Verantwortliche von Anthropic bezifferte die Wahrscheinlichkeit, dass KI die Menschheit innerhalb eines Jahrzehnts auslöschen könnte, auf mehr als zehn Prozent. Amodei selbst veröffentlichte am vergangenen Wochenende einen Beitrag, in dem er die Branche auffordert, langsamer zu werden und sich selbst Regeln zu geben.

Der Kontrast bleibt nicht unbemerkt. Der Investor und Startup-Gründer Chamath Palihapitiya kommentierte auf X spöttisch, die Gruppe hinter Hits wie „Wir werden alle sterben“ und „Reguliert uns jetzt“ baue ein Nasslabor in San Francisco, und er empfehle das nicht. Natürlich ist das Polemik. Wer vor Gefahren warnt, wird strenger beobachtet als jemand, der sie ignoriert.

Was das konkret bedeutet

Drei Punkte lassen sich überprüfen. Erstens: Das Labor existiert, es steht in der Bay Area, dort wird nass gearbeitet. Zweitens: Der Schwerpunkt liegt laut Unternehmen auf Grundlagenbiologie, nicht auf Wirkstoffentwicklung. Drittens: Mit Coefficient Bio, Novo Nordisk und dem Verification Program gibt es benannte Bezugspunkte. Alles darüber hinaus ist derzeit Vermutung, nicht Befund.

Für die Modelle selbst ist das Labor mehr als eine Werkbank. Eigene Experimente liefern Rückmeldung, an der sich Modelle kalibrieren lassen – ein Kreislauf aus Vorschlag, Test und Korrektur. Wer diesen Kreislauf besitzt, hat etwas, das reine Softwareanbieter nicht einfach kopieren können. Ein Wet Lab bei einem KI-Unternehmen ist deshalb kein PR-Gag, sondern ein strategischer Baustein.

Für die Pharmaindustrie entsteht eine Zwischenrolle. Anthropic tritt nicht als Konkurrent auf, sondern als Zulieferer mit eigenem Labor. Diese Position ist bequem, aber fragil. Sobald ein Modell einen Kandidaten liefert, der klinisch relevant wird, stellen sich Fragen nach Rechten, Zuständigkeiten und Wettbewerb neu. Partnerschaften halten nur so lange, wie beide Seiten davon profitieren.

Für die Risikodebatte ist die entscheidende Frage die der Doppelnutzung. Dieselben Werkzeuge, mit denen sich Proteine gegen Krankheiten entwerfen lassen, taugen auch für gefährlichere Zwecke. Ein Verification Program ist der Versuch, den Zugang zu kontrollieren, bevor er zum Problem wird. Ob eine solche Selbstbeschränkung trägt, hängt davon ab, ob sie überprüfbar ist – nicht davon, wie überzeugend sie klingt.

Was bleibt, ist eine Trennung zwischen Bestätigtem und Behauptetem. Ein bestätigtes Nasslabor, eine bestätigte Partnerschaft, ein bestätigtes Zugangsprogramm. Was in den Schalen tatsächlich passiert, welche Ergebnisse entstehen und ob daraus je Medikamente werden, ist offen. Wie es weitergeht, ist damit nicht gesagt.

Quelle: techcrunch.com