KRÖTZSCHKI-Blog · Ohne Bullshit
Newsletter

Suchergebnisse für: „Claude“

  • Claude Code Projekte: Wie Anthropic Projects vom Ordner zur Konversation umbaut

    Claude Code Projekte: Wie Anthropic Projects vom Ordner zur Konversation umbaut

    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

  • Claude Opus 5.5: Intelligenz-Index, Performance-Analyse und Preis pro Task

    Claude Opus 5.5: Intelligenz-Index, Performance-Analyse und Preis pro Task

    Zehn Evaluations laufen mit festen Gewichten durch dieselbe Auswertung, am Ende steht eine Zahl. Diese Zahl ist der Artificial Analysis Intelligence Index in Version 4.3.2, und für Claude Opus 5.5 – gemessen in der Konfiguration „max with fallback“ – setzt sie sich aus Ergebnissen zusammen, die sich einzeln nachvollziehen lassen. Wer die Zahl liest, sieht ein Resultat. Ein Profil entsteht erst, wenn man die zehn Bestandteile auseinandernimmt und ihnen die Kosten pro Aufgabe gegenüberstellt. Darum geht es hier: nicht nur um die Rangliste, sondern um die Bauweise.

    Zuerst die Eckdaten. Claude Opus 5.5 erreicht im Index 58 Punkte und steht damit auf Platz 1 von 211 Modellen seiner Vergleichsklasse, der Median liegt bei 26. Der Preis beträgt 4 US-Dollar pro Million Eingabe-Token und 20 US-Dollar pro Million Ausgabe-Token, jeweils doppelt so viel wie der Median von 2 und 10 Dollar; auf Cache-Treffer gibt es 95 Prozent Rabatt. Eine Aufgabe aus dem Index kostet im Schnitt 5,98 Dollar. Auffällig ist die Wortfülle: Für den gesamten Index erzeugte das Modell 260 Millionen Ausgabe-Token, der Median liegt bei 88 Millionen. Das Kontextfenster umfasst eine Million Token, als Eingabe versteht das Modell Text und Bilder. Artificial Analysis fasst das so zusammen: an der Spitze bei der Intelligenz, verglichen mit Modellen ähnlicher Preisklasse aber eher teuer.

    Das Bild dahinter ist ein Assessment-Center mit zehn Stationen. Jede prüft etwas anderes – Schreiben, Recherchieren, Programmieren, Physik, Dokumentenarbeit – und am Ende steht kein Mittelwert der Einzelnoten, sondern ein gewichteter Gesamtwert. Ein Modell kann an einer Station glänzen und an einer anderen einbrechen; die Gesamtzahl bleibt trotzdem eine Orientierung. Sie sagt nur nichts darüber, welche Station für deinen Fall die entscheidende ist.

    Was der Intelligence Index v4.3.2 zusammenfasst

    Laut Artificial Analysis fließen in Version v4.3.2 zehn Evaluations ein: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity’s Last Exam, GDP.pdf, CritPt, AA-Omniscience und AA-LCR v1.1. Jede geht mit eigenem Gewicht in den Gesamtwert ein, die Methodik ist im Detail dokumentiert, einschließlich der Durchführung der einzelnen Läufe. Für einen Benchmark-Vergleich von Modellen wie Claude Opus 5.5 heißt das: Zwei Modelle mit ähnlichem Indexwert können völlig unterschiedliche Stärken haben.

    Die Bewertung trennt außerdem zwischen offenen und proprietären Gewichten. Modelle mit verfügbaren Gewichten werden gekennzeichnet; eingeschränkte kommerzielle Nutzung erscheint als „Commercial Use Restricted“, ein grundsätzliches Verbot als „Non-commercial“. Für die Praxis ist diese Einordnung oft wichtiger als der Indexwert, denn sie entscheidet, ob ein Modell überhaupt in ein Produkt eingebaut werden darf. Ein Spitzenwert auf einer Rangliste hilft wenig, wenn die Lizenz den Einsatz im eigenen Geschäftsmodell ausschließt.

    Die zehn Stationen und was sie prüfen

    AA-Briefcase v1.1 ist ein von Artificial Analysis entwickelter Benchmark für agentische Wissensarbeit. Der Elo-Wert fasst drei Dinge zusammen: die Bestehensquote bei Kriterienkatalogen, die analytische Qualität und die Qualität der Präsentation. Die Rubric-Ergebnisse werden über synthetische Paarvergleiche in Elo umgerechnet, die Konfidenzintervalle an der Nullgrenze gekappt. Bewertet wird also nicht nur, ob eine Antwort richtig ist, sondern auch, wie brauchbar sie aufbereitet wurde.

    GDPval-AA v2.1 misst agentische Aufgaben aus der realen Arbeitswelt, ebenfalls auf Elo-Basis; AutomationBench-AA prüft agentische Workflows in SaaS-Umgebungen. Terminal-Bench 4.0 deckt agentisches Programmieren und die Arbeit in der Kommandozeile ab. SciCode steht für naturwissenschaftliches Coding, Humanity’s Last Exam für breit gestreute, schwere Wissensfragen. GDP.pdf bewertet die Auswertung professioneller Dokumente nach dem Alles-oder-nichts-Prinzip, CritPt prüft physikalisches Schlussfolgern, AA-LCR v1.1 das Schlussfolgern über lange Kontexte.

    Bei allen Unterschieden gilt derselbe Satz, den die Quelle selbst formuliert: Modellintelligenz überträgt sich grundsätzlich auf verschiedene Anwendungsfälle, einzelne Evaluations können für einen konkreten Zweck aber relevanter sein als der Durchschnitt. Wer ein Modell für Vertragsanalyse sucht, erfährt aus GDP.pdf mehr als aus SciCode. Der Intelligence Index erklärt also nicht, welches Modell du nehmen sollst; er sagt dir, wo du genauer hinsehen musst.

    AA-Omniscience: der Index, der Halluzinationen bestraft

    Ein Bestandteil verdient eigene Aufmerksamkeit, weil er einer anderen Logik folgt als die übrigen Benchmarks. Der AA-Omniscience Index misst Wissenszuverlässigkeit und Halluzinationsneigung auf einer Skala von -100 bis 100. Korrekte Antworten erhöhen den Wert, falsche senken ihn, eine Verweigerung wird nicht bestraft. Null bedeutet, dass ebenso viele richtige wie falsche Antworten gegeben wurden; negative Werte stehen für mehr falsche als richtige.

    In der Assessment-Center-Analogie ist das die Station, an der man ausdrücklich sagen darf: „Das weiß ich nicht.“ Wer rät und daneben liegt, verliert Punkte; wer die Lücke offen benennt, verliert nichts. Das verschiebt den Anreiz weg vom selbstsicheren Auftreten hin zur Kalibrierung. Für Anwendungen, in denen Fehler teuer sind – Auskünfte, Recherche, Compliance – ist diese Kennzahl deshalb oft aussagekräftiger als ein hoher Gesamtwert aus einem Mix ganz anderer Fähigkeiten.

    Kosten pro Intelligence-Index-Task und die Pareto-Linie

    Der zweite große Block ist die Preisanalyse. Artificial Analysis stellt dem Intelligence Index die gewichteten durchschnittlichen Kosten pro Index-Task gegenüber und berechnet sie aus fünf Tokenarten: Eingabe, Cache-Treffer, Cache-Schreibvorgang, Reasoning und Antwort. Die Kosten jeder Evaluation werden durch die Zahl ihrer Aufgaben geteilt und anschließend mit dem Gewicht multipliziert, das die Evaluation im Index trägt. Entscheidend: Es handelt sich nicht um den Listenpreis pro Million Token, sondern um die Kosten für eine erledigte Aufgabe.

    Aus dieser Gegenüberstellung entsteht ein Streudiagramm, in dem ein Quadrant als besonders attraktiv markiert ist und eine Pareto-Linie die effizienten Modelle verbindet. Modelle auf dieser Linie lassen sich nur noch in einer Dimension verbessern, indem man in der anderen schlechter wird. Für den Preis-Leistungs-Vergleich von Claude Opus 5.5 heißt das: Die interessante Frage lautet nicht, ob das Modell teurer ist als ein anderes, sondern ob der zusätzliche Intelligenzgewinn die zusätzlichen Kosten pro Aufgabe rechtfertigt. Die Bezeichnung „max with fallback“ weist zudem darauf hin, dass die Werte an eine bestimmte Betriebsart gebunden sind; wer eine andere Stufe wählt, sollte Token- und Kostenwerte nicht ungeprüft übernehmen.

    Token-Verbrauch, Cache-Preise und das Kontextfenster

    Ein Modell kann auf dem Papier günstig sein und im Betrieb teuer werden, wenn es für dieselbe Aufgabe deutlich mehr Token produziert. Deshalb weist Artificial Analysis zusätzlich die durchschnittliche Zahl der Ausgabe-Token pro Index-Task aus, berechnet aus den Ausgabe-Token je Evaluation, gewichtet nach Benchmark und geteilt durch die Aufgabenzahl ohne Wiederholungen. Erst zusammen mit den Tokenpreisen ergibt dieser Wert die Kosten pro Aufgabe. Zwei Modelle mit identischem Tokenpreis können sich hier erheblich unterscheiden.

    Die Preisangaben selbst werden in drei Kategorien zerlegt: Cache-Treffer, Eingabe und Ausgabe, jeweils in US-Dollar pro Million Token. Der Cache-Treffer-Preis gilt für bereits verarbeitete Prompts und liegt typischerweise deutlich unter dem regulären Eingabepreis; Cache-Schreibvorgänge und Cache-Speicherung werden getrennt abgerechnet und unterscheiden sich je nach Anbieter. Wer die Gesamtkosten hochrechnet, muss diese Nebenkosten mitnehmen, sonst fällt die Rechnung im Betrieb anders aus als im Vergleich auf der Übersichtsseite.

    Das Kontextfenster rundet das Bild ab. Angegeben wird die maximale Zahl kombinierter Eingabe- und Ausgabe-Token, wobei das Limit für Ausgabe-Token häufig deutlich niedriger liegt und je nach Modell variiert. Große Kontextfenster sind vor allem für RAG-Workflows relevant, also für Verfahren, bei denen ein Modell große Datenmengen durchsucht und darin nach den passenden Stellen sucht. Ein großes Fenster allein garantiert keine gute Antwort; es erhöht zunächst nur die Menge an Material, die hineinpasst.

    Was das für den praktischen Einsatz bedeutet

    Nach dieser Aufschlüsselung bleibt eine nüchterne Einordnung. Der Intelligence Index von Claude Opus 5.5 ist ein zusammengesetztes Maß aus zehn unterschiedlichen Prüfungen, dessen Aussagekraft davon abhängt, wie ähnlich diese Prüfungen deiner eigenen Aufgabe sind. Die Kosten pro Index-Task sind die ehrlichere Währung als der Preis pro Million Token, weil sie Tokenverbrauch und Gewichtung bereits enthalten. Und die Lizenzangaben entscheiden, ob ein Modell für den kommerziellen Einsatz überhaupt in Frage kommt.

    Der pragmatische Weg ist deshalb, den Index als Filter zu benutzen und nicht als Urteil. Nimm die zwei oder drei Evaluations, die deinem Anwendungsfall am nächsten liegen, vergleiche dort, und rechne die Kosten mit deinem eigenen Prompt-Muster nach – mit deiner Eingabelänge, deiner Cache-Trefferquote und deiner typischen Ausgabelänge. Ein Benchmark-Vergleich liefert dir die Landkarte; die Route durch dein eigenes Projekt musst du selbst messen.

    Quelle: artificialanalysis.ai

  • Meta Muse: Was hinter den steigenden Downloads des KI-Agenten steckt – und wie er gegen ChatGPT, Grok und Claude abschneidet

    Meta Muse: Was hinter den steigenden Downloads des KI-Agenten steckt – und wie er gegen ChatGPT, Grok und Claude abschneidet

    730.000 Downloads in rund fünf Tagen. Diese Zahl hat das Analysehaus Sensor Tower für Metas neuen KI-Agenten Muse gemessen. Die App erschien am 8. September und verdrängte in den USA zeitweise ChatGPT von der Spitze der kostenlosen iOS-Anwendungen. Insgesamt 2,5 Millionen Installationen, verteilt über dreizehn Tage und zwei Plattformen. Aus Downloadzahlen lässt sich einiges herauslesen, anderes nur hineindeuten. Dieser Text sortiert, was Sensor Tower erhoben hat, welche Vergleiche tragen und wo sie auseinanderbrechen.

    730.000 Downloads in fünf Tagen: Was Sensor Tower für Meta Muse gemessen hat

    Die Zahl, um die es geht, lautet 730.000. So viele Installationen registrierte Sensor Tower in den etwa fünf Tagen nach dem Start am 8. September. In diesem Fenster überholte Muse laut den Analysten ChatGPT als führende kostenlose iOS-App in den USA. Bis zum darauffolgenden Montag summierten sich die Downloads auf mehr als 2,5 Millionen seit der Veröffentlichung.

    Die Downloads verteilen sich ungleich. Sensor Tower zufolge entfallen rund 1,5 Millionen auf den Apple App Store und etwa 1,1 Millionen auf Google Play. Zwei Kanäle mit unterschiedlichen Startzeitpunkten – das sollte man wissen, bevor man die Zahlen nebeneinanderlegt. Die Analysten weisen selbst darauf hin, dass die Apps zeitversetzt für Apple und Android erschienen sind und sich die Summen dadurch nur eingeschränkt vergleichen lassen. Wer die Fußnote überliest, vergleicht Zahlen, die nicht vergleichbar sind.

    Von null auf Platz eins: warum Muse die App-Charts anführt

    In den US-Charts der kostenlosen iPhone-Programme lag Muse am Montag vor Diensten wie ChatGPT, Polymarket und Kashi – und ebenso vor Anthropics Claude, Groks App und Metas eigenem Meta-AI-Angebot. Das ist nur eine Momentaufnahme. Angetrieben wird die Anwendung von Metas Muse-Spark-Modellfamilie, der hauseigenen Modellreihe für agentische Aufgaben. Meta bewirbt Muse als Werkzeug, mit dem Nutzer digitale Assistenten steuern, die im Netz Aufgaben übernehmen: Formulare ausfüllen, E-Mail-Postfächer sortieren, Abläufe anstoßen.

    Für Mark Zuckerberg ist es der bisher sichtbarste Vorstoß in den Markt der KI-Agenten. Der frei verfügbare Baukasten OpenClaw hatte diese Art von Software in diesem Jahr zuerst unter Entwicklern und Technikbegeisterten bekannt gemacht. Der Bernstein-Analyst Stacy Rasgon sagte im CNBC-Interview, die meisten agentischen Anwendungsfälle seien bislang kaum für normale Nutzer gedacht gewesen. Mit Muse und anderen Agenten ändere sich das womöglich. Der Piper-Sandler-Analyst Tom Champion nannte Muse in einem CNBC-Beitrag ein sehr wirksames Produkt.

    Muse gegen ChatGPT, Grok und Claude: der Vergleich hinkt an einer entscheidenden Stelle

    Im gleichen Dreizehn-Tage-Fenster nach dem jeweiligen Start kommt Sensor Tower zufolge ChatGPT auf 3,1 Millionen Downloads, Muse auf rund 2,5 Millionen. Claude liegt bei 400.000, Grok bei 200.000 Installationen. Auf dem Papier sieht das nach einem klaren Zwischenstand aus: Der Neue schlägt zwei etablierte Wettbewerber deutlich und liegt nur knapp hinter dem Marktführer. Genau so wird es derzeit auch erzählt.

    Die Einschränkung steckt in der Methodik. Die Apps wurden zu unterschiedlichen Zeitpunkten für die beiden großen Plattformen freigegeben, was die Summen verschiebt. Hinzu kommt ein zweiter Punkt, den keine Tabelle zeigt: Ein Vergleich der ersten Tage misst vor allem Neugier, Markenstärke und die Bereitschaft, etwas Neues auszuprobieren. ChatGPT hat über Jahre eine gewachsene Nutzerschaft aufgebaut, Muse startet mit der Reichweite eines Konzerns, dessen Dienste Milliarden Menschen ohnehin nutzen. Wer daraus eine dauerhafte Rangordnung ableitet, überschätzt, was ein Download aussagt.

    Der Bote mit den Schlüsseln: warum Amazon Muse aussperrt und Shopify mitmacht

    Man kann sich den Agenten als Boten vorstellen, dem man Einkaufszettel und Haustürschlüssel mitgibt. Er erledigt Wege, die man selbst nicht gehen will. Nur trägt er dabei Zugangsdaten mit sich, die nicht in jede Hand gehören. Daraus entsteht der Streit.

    Amazon ist ausgestiegen. Der Händler hat Muse den Zugang zum eigenen Shop verwehrt und verweist auf Datenschutz- und Sicherheitsrisiken. Nach Darstellung des Unternehmens wurde es nicht vorab informiert; der Agent umgehe die Personalisierung des Einkaufserlebnisses und speichere offenbar Kundenanmeldedaten, während er Kontodaten auslese. Ein Sprecher erklärte, Anwendungen, die im Namen von Kunden bei anderen Unternehmen einkauften, sollten offen agieren und die Entscheidung des jeweiligen Anbieters respektieren. Zuerst berichtet hatte darüber GeekWire.

    Auf der anderen Seite steht Shopify. Firmenchef Tobias Lütke kündigte an, dass der E-Commerce-Anbieter mit Meta zusammenarbeitet, damit Muse einen agentischen Checkout in den eigenen Shops nutzen kann. Zwei große Plattformen, zwei gegensätzliche Antworten auf dieselbe Frage. Der Handel bewertet die Machtverschiebung also unterschiedlich: Die einen sehen Kontrollverlust, die anderen ein neues Vertriebsmodell.

    Kostenlose App, teure Abos: wie Meta mit Muse Geld verdienen will

    Die App selbst ist kostenlos, doch Meta bietet monatliche Abonnements für 20 oder 100 Dollar an, je nach Nutzung. Ein Versuch, mit KI-Agenten Geld zu verdienen, ohne auf das Werbegeschäft angewiesen zu sein, das den Konzern bis heute trägt. Ob Nutzer für einen Assistenten zahlen, der im Hintergrund Formulare und Postfächer bearbeitet, ist offen.

    An der Börse kam der Start gut an. Die Meta-Aktie legte am Montag um mehr als elf Prozent zu, und Wells Fargo hob das Kursziel laut mehreren Berichten auf 796 Dollar an. Gleichzeitig fällt der Start in eine Phase, in der die Branche viel über Sicherheitsrisiken von KI diskutiert. Meta hatte sich zudem bereit erklärt, rund 17 Milliarden Dollar an eine Koalition von Generalstaatsanwälten zu zahlen, die dem Unternehmen vorgeworfen hatte, über Apps wie Facebook und Instagram jungen Nutzern Schaden zuzufügen.

    Rasgon formulierte seine Skepsis so: Man sorge sich um Sicherheit, aber es sei unklar, wie sehr man sich um Privatsphäre sorge. Ob die App Meta langfristig schade, ließ er offen. Ein Blick auf frühere Hypes hilft bei der Einordnung: OpenAIs Sora und Metas Vibes-Werkzeug für KI-Videos sorgten beim Erscheinen ebenfalls für kräftige Downloadwellen, blieben danach aber keine Dauerbrenner.

    Was die Downloadzahlen über den KI-Agenten-Markt verraten

    Die 730.000 Installationen sind ein Signal, aber kein Beweis. Sie zeigen, dass die Aufmerksamkeit für agentische KI in der Breite angekommen ist und dass ein Konzern mit bestehender Reichweite diesen Markt schneller öffnen kann als ein reiner Modellanbieter. Sie zeigen nicht, wie viele dieser Nutzer die App nach zwei Wochen noch öffnen. Aufmerksamkeit und Bindung sind zwei verschiedene Messgrößen, und bislang ist nur die erste belegt.

    Für dich als Nutzer bedeutet das vor allem eines: Die Wahl zwischen ChatGPT, Claude, Grok und Muse entscheidet sich nicht an den Charts, sondern an der Frage, wem du welche Zugangsdaten anvertraust. Ein Agent, der in deinem Namen einkauft, Mails sortiert und Formulare ausfüllt, braucht genau jene Berechtigungen, die man sonst niemandem gibt. Ob Amazon und Shopify sich am Ende auf gemeinsame Regeln einigen oder getrennte Wege gehen, wird diesen Markt stärker prägen als jede Downloadkurve.

    Drei Dinge lohnen sich zu beobachten. Erstens: wie viele der 2,5 Millionen Installationen nach einem Monat noch aktiv genutzt werden. Zweitens: ob Zugangsstreitigkeiten wie die mit Amazon zum Normalfall werden und jede Agenten-App auf eine wachsende Liste von Hausverboten stößt. Drittens: ob Menschen bereit sind, für einen digitalen Boten monatlich zu zahlen – oder ob der Agent am Ende nur ein kostenloses Angebot bleibt, mit dem ein Konzern sein eigentliches Geschäft betreibt.

    Quelle: cnbc.com

  • Anthropic startet Claude Docs und Slides: Dokumente und Präsentationen entstehen jetzt im Chat

    Anthropic startet Claude Docs und Slides: Dokumente und Präsentationen entstehen jetzt im Chat

    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

  • Salesforce in Claude: Was 37 Skills im Beta-Plugin für Vertriebsteams ändern

    Salesforce in Claude: Was 37 Skills im Beta-Plugin für Vertriebsteams ändern

    37 Fähigkeiten bringt das Plugin mit, das Anthropic laut eigenem Blogbeitrag gemeinsam mit Salesforce in einer Beta veröffentlicht hat. Die Zahl steht für den Kern der Ankündigung. Kein weiteres Chat-Fenster, sondern ein Werkzeugkasten für Accounts, Opportunities und Pipeline. Salesforce in Claude heißt das Plugin. Wer es nutzt, arbeitet weiter mit den Daten aus Salesforce – nur an anderer Stelle, mit anderen Mitteln und unter denselben Berechtigungen.

    Im Vertrieb ist der Gegner selten der Wettbewerb. Es ist die Zeit zwischen zwei Kundengesprächen: Notizen sortieren, den Stand eines Geschäfts prüfen, herausfinden, was das Account-Team diese Woche besprochen hat, Termine vorbereiten, Updates nachtragen. Man kann sich das wie eine Werkbank vor einem Aktenschrank vorstellen. Die Ordnung bleibt im Schrank, gearbeitet wird davor, und was entsteht, wandert zurück in die Schublade. Diese Bewegung beschreibt, was das Plugin tut – und wo seine Grenzen liegen.

    Zwei Connectoren und 37 Skills: der technische Aufbau

    Das Plugin nutzt zwei Connectoren. Der Salesforce-Connector lässt Claude Daten lesen und auf sie reagieren: die Historie eines Accounts zusammenfassen, Opportunities aktualisieren, Anrufe protokollieren, Folgeaufgaben anlegen. Der Slack-Connector deckt die Deal-Channels und die Threads der Account-Teams ab, in beide Richtungen – die Skills lesen darin und schreiben hinein. Eingerichtet werden beide einmalig von einem Administrator, der die Salesforce-Instanz für die Organisation freigibt und festlegt, welche Gruppen das Plugin bekommen.

    Für einzelne Nutzer ist der Einstieg schmal. Sie melden sich mit ihren Salesforce-Zugangsdaten an und arbeiten los. Beim ersten Einsatz prüft ein Setup-Skill, welche Werkzeuge und Connectoren vorhanden sind, und erstellt ein Claude-Artifact, das auf Rolle und Kundenbestand zugeschnitten ist. Der Salesforce-MCP lässt sich direkt über den Marktplatz installieren; Zugang für Administratoren läuft über AgentExchange, ein Einrichtungsleitfaden beschreibt die Freischaltung für die eigene Organisation. Unspektakuläre Infrastruktur, aber sie entscheidet, ob ein Rollout Wochen oder einen Nachmittag dauert.

    Der Morgenbrief und der Freitagsabschluss

    Der Arbeitstag beginnt mit einem Brief, den Claude zusammenstellt. Meetings des Tages, Deals mit nahem Abschlussdatum, gefährdete Opportunities, ungelesene Threads, die eine Antwort brauchen. Einmal geplant, läuft der Brief im Hintergrund und ist überall abrufbar, auch unterwegs in der Claude-App. Aus dem Brief heraus lassen sich Änderungen anstoßen: Abschlussdatum verschieben, Phase wechseln, Folgeaufgabe anlegen. Claude führt sie dann in Salesforce aus.

    Am Freitag schließt derselbe Mechanismus die Woche ab und entwirft ein Update für die Führungskraft. Das wirkt wie eine Randnotiz, ist aber der Punkt, an dem sich der Nutzen zeigt. Der größte Teil des administrativen Aufwands kommt nicht von schwierigen Entscheidungen, sondern von den vielen kleinen Einträgen, die niemand gern macht. Ein CRM zu pflegen kostet Zeit, täglich. Verschwindet diese Routine in einem wiederkehrenden Ablauf, bleibt mehr Raum für die Gespräche, um die es geht.

    Gesprächsvorbereitung, Deal-Review und der gemeinsame Abschlussplan

    Vor einem Termin lässt sich Claude bitten, das nächste Gespräch vorzubereiten. Es zieht zusammen, was in Salesforce, Slack und E-Mail liegt: offene Opportunities und ihr Stand, was das Account-Team diese Woche besprochen hat, unbeantwortete Threads, offene Fragen aus früheren Calls. Findet es in diesen Threads Ansprechpartner, die noch nicht in Salesforce stehen, legt es sie als Kontakte am Account an. Die Vorbereitung endet also nicht beim Lesen, sondern verändert den Datensatz.

    Für ein einzelnes Geschäft gibt es den genaueren Blick. Auf eine Opportunity gerichtet, bewertet Claude den Deal gegen die Methodik des Teams, berücksichtigt Lücken in der Qualifizierung, Stakeholder, die noch nicht getroffen wurden, und Faktoren, die das Abschlussdatum gefährden. Auf Nachfrage entwirft es die Nutzenargumentation und einen terminierten, gemeinsamen Abschlussplan, füllt die Qualifizierungsfelder und trägt fehlende Stakeholder als Kontaktrollen nach. Gespeichert wird das erst, nachdem der Vertriebsmitarbeiter zugestimmt hat. Der Ablauf schlägt vor, er führt nicht aus.

    Nachbereitung, Pipeline-Dashboard und Forecast aus einer Ansicht

    Nach jedem Telefonat übersetzt Claude das Transkript oder die Notizen in eine Folge-E-Mail, eine Zusammenfassung für den Deal-Channel in Slack und Entwürfe für die Opportunity selbst: nächste Schritte, Phase, Abschlussdatum. Auch hier gilt das Muster Vorschlag, Prüfung, Freigabe. Der Nutzen liegt weniger in einem einzelnen Schritt als in ihrer Verkettung. Die Nachbereitung hört auf, ein eigenes Projekt zu sein.

    Für die Übersicht lässt sich eine Pipeline-Ansicht anfordern. Claude baut daraus ein interaktives Dashboard: Deckung nach Phase, Deals, die am ehesten rutschen, samt Begründung, und Drill-down bis zum einzelnen Account. Aus dem Dashboard heraus lassen sich Abschlussdaten und Phasen ändern, die Anpassung landet im Salesforce-Datensatz. Dashboards lassen sich mit der Führungsebene oder dem Team teilen, und Claude entwirft den Forecast in dem Format, das die Leitung erwartet. Führungskräfte öffnen dieselben Ansichten über ihr Team hinweg.

    Salesforce bleibt das führende System

    Ein CRM wird nicht nützlich, indem man es ersetzt, sondern indem man es ernst nimmt. Salesforce bleibt deshalb das führende System; Claude liest nur, was die Berechtigungen des angemeldeten Nutzers zulassen. Standardmäßig bittet Claude um Zustimmung, bevor ein vorgeschlagener Eintrag geschrieben wird. Auf den Tarifen Team und Enterprise werden die Daten standardmäßig nicht zum Training der Modelle verwendet. Der Administrator schaltet den Zugang einmal für die Organisation frei und entscheidet, welche Gruppen das Plugin nutzen dürfen.

    Diese Reihenfolge ist der Knackpunkt jeder Salesforce-CRM-Integration. Ohne sie entsteht ein zweiter Datenbestand, der schnell veraltet und Vertrauen kostet. Der Ansatz dreht die Logik um: Nicht der Vertrieb passt sich einem neuen Werkzeug an, sondern das Werkzeug arbeitet in dem Bestand, der ohnehin gepflegt wird. Deshalb werden Lesezugriff, Schreibzugriff und Freigabeschritt getrennt behandelt und nicht in einem einzigen Automatismus aufgelöst.

    Was GitLab, Siemens und Legora berichten – und was die Beta nicht löst

    Anthropic nennt drei Kunden, die das Plugin ausgerollt haben: GitLab, Siemens und Legora. 7.000 Vertriebsmitarbeiter von Salesforce nutzen es laut Ankündigung in ihrer Arbeit. Der Finanzvorstand von Legora, David Eckstein, beschreibt den Effekt so: Seine Vertriebsmitarbeiter machen aus Live-Daten in Sekunden statt Stunden Gesprächsunterlagen, und jeder neue Mitarbeiter startet mit dem vollständigen Bild der betreuten Kanzleien. Alexa Vignone, President und Chief Revenue Officer bei Salesforce, hebt hervor, dass der Pipeline-Review am Morgen bereits erledigt und die Kontohistorie vorhanden sei – und die gewonnene Zeit direkt in Kundengespräche fließe.

    Salesforce in Claude ist derzeit als Beta auf allen bezahlten Claude-Tarifen verfügbar, der Salesforce-MCP über den Marktplatz installierbar. Was das konkret bedeutet: Der Werkzeugkasten steht bereit, die Einrichtung liegt bei der Administration, und die Ergebnisqualität hängt daran, wie gepflegt der zugrunde liegende Datenbestand ist. Ein Plugin dieser Art verstärkt, was da ist. Es erfindet keine sauberen Opportunities, es beschleunigt die Arbeit an denen, die jemand sorgfältig angelegt hat. Für Vertriebsteams ist deshalb weniger interessant, ob Claude Salesforce bedienen kann, sondern wie viel der eigenen Routine sich überhaupt in Regeln und wiederkehrende Abläufe fassen lässt. Dort zeigt sich, ob aus 37 Skills im Alltag etwas wird.

    Quelle: claude.com

Weitere Beiträge