Was ist Claude Duet? Der KI-Agent, der sich zuerst meldet

Claude Duet ist eine eigene App, getrennt von der normalen Claude-App. Sie schreiben mit Duet wie mit einem Kollegen, per Text oder Sprache, in einer einzigen fortlaufenden Unterhaltung. Anthropic richtet Duet ausdrücklich an Berufstätige und Kleinunternehmer, die mehr Dinge parallel jonglieren, als sie selbst im Blick behalten können. Vier Bausteine machen den Unterschied zum klassischen Chat:

Der entscheidende Vorteil gegenüber der Konkurrenz liegt im Kontext. Duet läuft auf Ihrem Claude-Konto, Gedächtnis, Skills und Konnektoren stehen ab der ersten Nachricht bereit. Duet kann außerdem frühere Chats durchsuchen, sodass Sie nichts doppelt erklären müssen. Wer Claude bereits sauber eingerichtet hat, startet also mit einem Agenten, der den eigenen Arbeitsstil kennt. Wie Sie dieses Fundament legen, zeigt unser Leitfaden Claude im Unternehmen einführen.

Die Funktionen von Claude Duet im Detail

Welche Apps Duet anbinden kann

Anthropic nennt unter anderem Gmail, Google Calendar, Google Drive, Slack, QuickBooks, HubSpot, Docusign, Calendly und Stripe. Jede Verbindung starten Sie selbst und können sie jederzeit wieder trennen. Zwei Einschränkungen sind für den DACH-Raum relevant: Slack funktioniert nur eingeschränkt, und Microsoft 365 ist noch nicht verfügbar. Für viele Unternehmen, die mit Outlook, Teams und SharePoint arbeiten, fehlt damit vorerst das wichtigste Werkzeug.

Was das Kontingent betrifft

Duet kostet in der Preview nichts extra, teilt sich aber die Limits Ihres Plans mit Chat und Claude Code. Auch Hintergrundarbeit wie das Morgen-Briefing und die regelmäßigen Prüfungen zählt mit. Größere Aufträge, etwa ein Finanzmodell oder eine Präsentation, verbrauchen spürbar mehr. Wer Duet intensiv nutzt, erreicht seine Limits also schneller als gewohnt.

Freigaben und Sicherheit: Was Claude Duet darf und was nicht

Bei einem Agenten, der von selbst aktiv wird, ist die wichtigste Frage nicht, was er kann, sondern was er ohne Sie nicht tun darf. Anthropic hat dafür vier klare Grenzen gezogen. Vor diesen Aktionen zeigt Duet genau an, was er vorhat, und wartet auf Ihr Okay:

Dahinter stehen mehrere Schutzschichten. Zugangsdaten verwaltet Duet nach dem Prinzip der Claude Managed Agents, Passwörter und Anmelde-Tokens sieht der Agent selbst nicht. Passwörter geben Sie in einem eigenen Formular ein, nie im Chat. Ein Klassifikator blockiert die sensibelsten Daten wie Kreditkarten- und Ausweisnummern, Gesundheits- und Finanzdaten gibt Duet nur auf ausdrückliche Anweisung weiter. Inhalte aus E-Mails und Webseiten behandelt Duet als Information, nicht als Befehl. Anthropic weist aber selbst darauf hin, dass versteckte Anweisungen (Prompt Injection) möglich bleiben, gerade deshalb sind die Freigaben so wichtig.

Grenzen, die Anthropic selbst nennt

Anthropic ist bei den Schwächen ungewöhnlich offen. Duet kann einen E-Mail-Verlauf falsch lesen oder die Dringlichkeit falsch einschätzen. Weil er in festen Abständen prüft, kann Dringendes zwischen zwei Prüfungen eintreffen. Den Browser des Agenten können Sie anders als bei Muse oder Grok Bot noch nicht live beobachten oder übernehmen. Private Erledigungen wie Ticketbuchungen klappen weniger gut, Anrufe und SMS sind nicht möglich, und ein Modellwechsel ist nicht vorgesehen. Mein Rat: Prüfen Sie Entwürfe und Freigaben in den ersten Wochen besonders genau.

Claude Duet im Vergleich: ChatGPT Dots, Meta Muse, Grok Bot und Gemini Spark

Mit Duet sind nun alle großen Anbieter mit einem persönlichen KI-Agenten am Markt. Die Grundidee ist überall gleich: eigener Cloud-Computer, Zugriff auf Ihre Apps, Gedächtnis und Freigaben. Die Unterschiede liegen in Zielgruppe, Arbeitsweise und Verfügbarkeit. Die ausführliche Analyse der vier anderen Agenten finden Sie in unserem Beitrag KI-Agenten im Vergleich 2026: Grok Bot, ChatGPT Dots, Meta Muse und Gemini Spark.

← Tabelle seitlich wischen →

Stand: 22. Oktober 2026, basierend auf den Ankündigungen und Hilfeseiten der Anbieter. Alle Produkte sind neu und ändern sich laufend. Prüfen Sie Pläne und Verfügbarkeit vor einer Entscheidung direkt beim Anbieter.

Use Cases: Wofür sich Claude Duet im Unternehmen eignet

Anthropic zeigt Duet vor allem an Beispielen aus kleinen Unternehmen. Ein Gastronomiebetrieb mit rund 110 Mitarbeitern nutzt ihn laut Anthropic für Buchhaltung, Kundenservice und Marketing. Aus den Beispielen und den verfügbaren Konnektoren ergeben sich sechs Einsatzfelder, die sich für den Start besonders eignen:

Viele dieser Abläufe lassen sich in Europa schon heute mit Claude abbilden, auch ohne Duet: mit Projekten, eigenen Claude Skills und geplanten Aufgaben, die in der Cloud laufen. Wie Sie solche Routinen strukturiert aufsetzen, lernen Sie im Workshop KI-Automatisierung, Workflows und KI-Assistenten im Büroalltag. Den kompakten Einstieg in Claude für das ganze Team bietet die Claude AI Masterclass.

Claude Duet in Österreich, Deutschland und der Schweiz

Die kurze Antwort: noch nicht. Die Research Preview steht nur Pro- und Max-Abonnenten mit einem Claude-Konto in den USA offen, Einladungen von der Warteliste kommen in Wellen. Team- und Enterprise-Pläne sind ebenfalls noch ausgenommen, Anthropic plant sie für später. Einen Termin für Europa hat Anthropic nicht genannt. Damit wiederholt sich das Muster von Meta Muse und Gemini Spark: Agenten, die eigenständig Postfach und Kalender auswerten, berühren DSGVO und EU AI Act besonders stark.

Was Sie jetzt schon vorbereiten können

Die Grundlage für die gesamte Belegschaft schafft eine KI-Kompetenzschulung gemäß EU AI Act. Wie Sie Agenten in eine Gesamtplanung einbetten, erarbeiten wir mit Unternehmen im Rahmen einer KI-Strategie.

Fazit: Was Claude Duet für Unternehmen bedeutet

Mit Duet verschiebt sich die Frage, wie wir mit KI arbeiten. Bisher hieß sie: Wie formuliere ich den richtigen Prompt? Bei einem proaktiven Agenten lautet sie: Was darf er sehen, entscheiden und tun? Anthropic beantwortet das mit vier festen Freigabegrenzen und einer klaren Liste verbotener Aktionen. Das ist konservativer als bei manchem Mitbewerber und für Unternehmen genau der richtige Ansatz.

Für Firmen im DACH-Raum ist Duet heute noch Zukunftsmusik. Wer aber jetzt Claude sauber einrichtet, Freigaberegeln definiert und sein Team befähigt, ist startklar, sobald Anthropic den Agenten nach Europa bringt. Der Erfolg hängt dabei weniger vom Agenten ab als von klaren Aufgaben, sauberen Freigaben und Mitarbeitern, die wissen, was sie delegieren. Genau daran arbeiten wir im KI-Agenten Workshop.

Lukas Görög

KI-Stratege · Gründer der Akademie für KI und Digitalisierung

Lukas Görög berät Vorstände, Geschäftsführer und Führungskräfte im DACH-Raum bei der strategischen KI-Implementierung. Ehemaliger AI Lead der NZZ Zürich und KI-Dozent an der ZHAW. Er verbindet 10+ Jahre Praxiserfahrung in KI und Daten mit dem Anspruch, komplexe Technologie verständlich und umsetzbar zu machen.

Was ist neu an dieser Generation von KI-Agenten?

Bisherige KI-Assistenten warteten auf Ihre Eingabe, antworteten und hörten auf. Die neue Generation von KI-Agenten unterscheidet sich in drei Punkten:

Genau das macht diese KI-Agenten für Unternehmen spannend: Sie können Arbeit in genau den Tools erledigen, die Ihr Team bereits nutzt. Wenn Sie die Grundlagen vertiefen möchten, lesen Sie unseren Praxisguide zu KI-Agenten im Business.

Grok Bot (xAI): Ein Team aus KI-Kollegen

ChatGPT Dots (OpenAI): Der KI-Assistent, der nie Feierabend macht

Meta Muse: Der persönliche KI-Agent für den Alltag

Gemini Spark (Google): Der Agent für Google Workspace

Claude Duet (Anthropic): Der proaktive KI-Assistent mit Tagesbriefing

KI-Agenten Vergleichstabelle: Was können sie, was nicht?

Die folgende Übersicht fasst die wichtigsten Unterschiede der fünf KI-Agenten zusammen. Auf dem Smartphone können Sie die Tabelle seitlich wischen.

Stand: 22. Oktober 2026, basierend auf den Ankündigungen und Hilfeseiten der Anbieter. Alle Produkte sind neu und ändern sich laufend.

Mein Fazit zum Vergleich

Grok Bot ist am konsequentesten auf Teamarbeit und die Bedienung echter Software ausgelegt. ChatGPT Dots überzeugt mit der Integration in Slack und Teams sowie dem größten App-Ökosystem und ist für Unternehmen in Europa über Business Premium bereits nutzbar. Meta Muse ist der zugänglichste KI-Assistent für Privatpersonen, für Ihr Unternehmen aktuell aber zweitrangig. Claude Duet ist der spannendste Neuzugang: proaktiv, mit Fokus auf Analyse und Wissensarbeit und mit Pro-Plan deutlich günstiger als Dots, aber noch eine reine Vorschau. Gemini Spark lohnt sich vor allem für Firmen, die komplett auf Google Workspace setzen, sobald Google den Agenten in Europa freischaltet.

Use Cases: Wofür Unternehmen KI-Agenten konkret einsetzen

Die Anbieter zeigen in ihren Demos sehr ähnliche Anwendungsfälle. Für Unternehmen im DACH-Raum sind aus meiner Erfahrung diese sechs am relevantesten:

Der eigentliche Hebel liegt darin, dass die Agenten Browser und Softwareprogramme direkt bedienen. Damit lassen sich auch Altsysteme ohne Schnittstelle automatisieren. Wie Sie solche Abläufe strukturiert aufsetzen, lernen Sie in unserem Workshop KI-Automatisierung, Workflows und KI-Assistenten im Büroalltag.

KI-Agenten in Europa nutzen: Was geht, was nicht?

Die schlechte Nachricht zuerst: Mehrere der neuen KI-Agenten sind in Europa derzeit nicht oder nur eingeschränkt verfügbar. Meta Muse startet nur in den USA. Gemini Spark schließt den EWR, die Schweiz und Großbritannien ausdrücklich aus. ChatGPT Dots gibt es im Pro-Abo ebenfalls nicht in Europa, und die Warteliste von Claude Duet steht vorerst nur US-Abonnenten offen. Hintergrund sind die Anforderungen der DSGVO und des EU AI Act an Transparenz und menschliche Kontrolle, wenn Agenten selbstständig personenbezogene Daten verarbeiten.

Legale Wege für Unternehmen in der EU und der Schweiz

• ChatGPT Business Premium: Dots sind laut OpenAI in allen unterstützten ChatGPT-Regionen verfügbar, also auch in Europa.
• Grok Bot: Die Ankündigung nennt keine regionale Einschränkung. Prüfen Sie die Verfügbarkeit in Ihrem Land und die Datenverarbeitung (DPA) vor dem Einsatz.
• Verfügbare Alternativen: Agenten-Tools wie Claude, OpenAI Codex oder ChatGPT Work sind in Europa bereits nutzbar.
• Eigene KI-Agenten: Mit Plattformen wie n8n oder Make bauen Sie Agenten, die Sie selbst kontrollieren und DSGVO-konform betreiben.

Welche Pflichten der EU AI Act beim Einsatz von KI-Agenten konkret auslöst, erklären wir in der KI-Kompetenzschulung gemäß EU AI Act.

So starten Sie mit KI-Agenten im Unternehmen

Wer KI-Agenten nicht nur nutzen, sondern eigene digitale Mitarbeiter entwickeln möchte, findet im KI-Agenten Workshop: KI-Teams aufbauen den passenden Einstieg. Für Führungskräfte, die die Einführung verantworten, empfehle ich die KI-Manager Ausbildung.

Lukas Görög

KI-Stratege · Gründer der Akademie für KI und Digitalisierung

Lukas Görög berät Vorstände, Geschäftsführer und Führungskräfte im DACH-Raum bei der strategischen KI-Implementierung. Ehemaliger AI Lead der NZZ Zürich und KI-Dozent an der ZHAW. Er verbindet über 10 Jahre Praxiserfahrung in KI und Daten mit dem Anspruch, komplexe Technologie verständlich und umsetzbar zu machen.

Prompt Engineering vs. Context Engineering: Wo liegt der Unterschied?

Prompt Engineering war 2023 die Antwort auf eine einfache Frage: Wie formuliere ich meine Anfrage so, dass das Modell liefert? Die Regeln kennen Sie vermutlich: klar und direkt schreiben, eine Rolle vergeben, Beispiele zeigen, ein Ausgabeformat verlangen. Das funktioniert bis heute, und zwar gut, solange es um eine einzelne Aufgabe in einem einzelnen Chat geht.

Nur arbeiten Unternehmen 2026 anders mit KI. Ein Projekt läuft über Wochen. Das Modell greift auf Dokumente, Datenbanken und Werkzeuge zu. KI-Agenten arbeiten in Schleifen und erzeugen bei jedem Schritt neue Informationen, die für den nächsten Schritt relevant sein könnten oder auch nicht. Die entscheidende Frage lautet deshalb nicht mehr „Wie formuliere ich das?“, sondern „Welche Zusammenstellung des Kontexts führt am wahrscheinlichsten zum gewünschten Verhalten?“

Anthropic bezeichnet Context Engineering als die natürliche Weiterentwicklung des Prompt Engineering. Der Kern des Unterschieds: Ein Prompt wird einmal geschrieben. Der Kontext wird bei jedem Aufruf des Modells neu kuratiert. Das folgende Raster zeigt die Unterschiede auf einen Blick:

Eigene Darstellung auf Basis von Anthropic, „Effective context engineering for AI agents“ (29. September 2025).

Woher der Begriff kommt

Der Begriff ist jung. Im Juni 2025 schlug Shopify-CEO Tobi Lütke auf X vor, statt von Prompt Engineering von Context Engineering zu sprechen, weil es die eigentliche Fähigkeit besser beschreibe: dem Modell den gesamten Kontext zu liefern, mit dem die Aufgabe plausibel lösbar ist. Andrej Karpathy, Gründungsmitglied von OpenAI, griff das am 25. Juni 2025 auf und beschrieb Context Engineering als die feine Kunst und Wissenschaft, das Kontextfenster mit genau den richtigen Informationen für den nächsten Schritt zu füllen. Am 29. September 2025 veröffentlichte das Applied-AI-Team von Anthropic den Beitrag „Effective context engineering for AI agents“, der bis heute die meistzitierte Referenz zum Thema ist und auf den sich dieser Artikel in weiten Teilen stützt.

Ist Prompt Engineering damit tot?

Nein. Eine vage Anweisung bleibt eine vage Anweisung, egal wie gut der Rest des Kontexts kuratiert ist. Prompt Engineering ist heute eine Schicht innerhalb eines größeren Systems. Was sich geändert hat, ist die Reihenfolge der Fragen: Zuerst klären Sie, was das Modell wissen muss und was nicht. Dann formulieren Sie die Anweisung. Wer nur an der Formulierung feilt, während das Modell mit 300 Seiten veralteter Dokumente kämpft, optimiert an der falschen Stelle.

Warum Kontext-Engineering 2026 wichtiger ist als jedes Prompt-Template

Auf den ersten Blick wirkt es paradox. Die Kontextfenster sind in zwei Jahren enorm gewachsen. Claude Opus 5 und Claude Sonnet 5 verarbeiten im Chat auf allen bezahlten Plänen bis zu 1 Million Tokens. Zum Vergleich: Anthropic gibt für 200.000 Tokens etwa 500 Textseiten an, eine Million Tokens entspricht also grob 2.500 Seiten. Warum sollte man da noch kuratieren, wenn einfach alles hineinpasst?

Die Antwort liefert die Forschung. Chroma Research testete im Juli 2025 unter dem Titel „Context Rot“ 18 aktuelle Sprachmodelle und stellte fest: Mit steigender Zahl an Tokens im Kontextfenster sinkt bei allen Modellen die Fähigkeit, Informationen daraus korrekt abzurufen. Manche Modelle bauen sanfter ab als andere, aber keines ist immun. Ein Detail am Rande, das für Claude-Nutzer interessant ist: Bei Störinformationen im Kontext zeigten die Claude-Modelle in der Chroma-Studie die niedrigsten Halluzinationsraten und gaben im Zweifel lieber keine Antwort, statt eine falsche zu erfinden. Anthropic beschreibt das mit dem Bild eines Aufmerksamkeitsbudgets: Jeder zusätzliche Token verbraucht einen Teil davon. Technisch liegt das an der Transformer-Architektur, in der jeder Token zu jedem anderen Token in Beziehung gesetzt wird, und daran, dass Modelle in der Ausbildung deutlich häufiger kurze als sehr lange Sequenzen gesehen haben.

Die Konsequenz für die Praxis: Kontext ist eine endliche Ressource mit abnehmendem Grenznutzen. Ein Projekt, in das Sie den kompletten SharePoint-Ordner hochladen, ist kein Kontext-Engineering. Die 40 Seiten, die für die Aufgabe wirklich zählen, sind es. Dazu kommt ein wirtschaftlicher Aspekt: Jeder Token kostet Rechenzeit, über die API bares Geld und im Chat einen Teil Ihres Nutzungskontingents. Kuratieren ist damit nicht nur eine Qualitäts-, sondern auch eine Kostenfrage.

Wer das verstanden hat, sieht auch, warum Kontext-Engineering ein Führungsthema ist. Es entscheidet, ob KI im Unternehmen zuverlässig und wiederholbar Ergebnisse liefert oder ob jeder Mitarbeiter täglich neu improvisiert. Genau hier setzt eine gute KI-Strategie für Unternehmen an: Sie legt fest, welches Wissen in welcher Form für KI-Systeme aufbereitet wird.

Die sechs Bausteine eines guten Kontexts (nach Anthropic)

Anthropics Leitprinzip lautet: Finden Sie die kleinstmögliche Menge an Tokens mit hohem Signalwert, die das gewünschte Ergebnis am wahrscheinlichsten macht. Das klingt einfach, ist in der Umsetzung aber Handwerk. Die folgenden sechs Bausteine fassen zusammen, worauf es laut dem Anthropic-Beitrag bei jedem Bestandteil des Kontexts ankommt. Sie gelten für Claude, lassen sich aber genauso auf ChatGPT, Gemini oder Copilot übertragen.

Welche Technik passt, hängt laut Anthropic von der Aufgabe ab: Compaction für Aufgaben mit viel Hin und Her, Notizen für iterative Arbeit mit klaren Meilensteinen, Sub-Agenten für komplexe Recherche und Analyse, bei der sich paralleles Erkunden lohnt.

Context Engineering für Claude: So setzt Anthropic es in der Praxis um

Anthropic hat Kontext-Engineering auf drei Ebenen in seine Produkte eingebaut: in die Claude-App mit Projekten, in Claude Code und in die API für eigene Anwendungen. Für die meisten Unternehmen ist die erste Ebene die wichtigste, deshalb beginne ich dort.

1. Im Claude-Chat und in Claude Projekten

• Kontextfenster: Claude Opus 5 und Claude Sonnet 5 bieten im Chat auf allen bezahlten Plänen 1 Million Tokens. Claude Opus 4.8, 4.7 und 4.6 sowie Sonnet 4.6 bieten 500.000 Tokens, alle übrigen Modelle 200.000 Tokens, was etwa 500 Seiten Text entspricht.
• Automatische Kontextverwaltung: Auf bezahlten Plänen mit aktivierter Code-Ausführung fasst Claude frühere Nachrichten automatisch zusammen, sobald ein Gespräch an das Limit kommt. Das zählt nicht zum Nutzungslimit, und der vollständige Verlauf bleibt erhalten. Wenn Claude in langen Gesprächen „seine Gedanken ordnet“, ist genau das im Gang.
• Projekte: Ein Projekt kombiniert Projektanweisungen (Rolle, Regeln, Ton) mit Projektwissen (Dateien und eingefügter Text). Auf bezahlten Plänen schaltet Claude automatisch in einen RAG-Modus, sobald das Projektwissen an die Kontextgrenze kommt: Statt alles zu laden, durchsucht Claude die Dokumente und holt nur die relevanten Passagen. Die Kapazität steigt damit um bis zu das Zehnfache, ein Indikator im Projekt zeigt den Modus an. Anthropic empfiehlt, Projektanweisungen knapp zu halten und für Rolle, Kernregeln und allgemeinen Kontext zu nutzen.
• Memory: Claude merkt sich auf Wunsch Ihren beruflichen Kontext und Ihre Arbeitsweise. Das Gedächtnis ist nach Projekten getrennt (jedes Projekt hat sein eigenes), einsehbar und editierbar. Incognito-Chats landen weder in der Chronik noch im Gedächtnis.
• Skills: Skills sind wiederverwendbare Ordner mit einer Datei SKILL.md, die Claude Fachwissen und Arbeitsabläufe beibringen. Der Clou für das Kontext-Engineering: Bis ein Skill ausgelöst wird, belegen nur sein Name und seine Beschreibung Platz im Kontext. Sie können also viele Skills installieren, ohne dass der Kontext darunter leidet. Anthropic hat Skills im Oktober 2025 eingeführt und das Format als offenen Standard veröffentlicht. Wie Sie eigene Skills aufbauen, zeigt unser Praxisguide KI Skills erstellen.

2. In Claude Code

Claude Code ist das Anschauungsbeispiel im Anthropic-Beitrag. Die Datei CLAUDE.md wird zu Beginn in den Kontext geladen, alle weiteren Dateien holt sich das Modell mit Such- und Dateibefehlen bei Bedarf. Nähert sich ein Gespräch dem Limit, fasst Claude Code den Verlauf zusammen und arbeitet mit der Zusammenfassung plus den fünf zuletzt genutzten Dateien weiter. Eine To-do-Liste dient als Notizbuch über viele Werkzeugaufrufe hinweg, und Sub-Agenten übernehmen abgegrenzte Teilaufgaben. Wer sehen will, wie Kontext-Engineering in einem echten Agenten aussieht, findet hier das beste Studienobjekt.

3. Über die Claude API für eigene Anwendungen

Für Teams, die eigene KI-Assistenten oder Agenten bauen, hat Anthropic die Techniken aus dem Beitrag als Funktionen der API bereitgestellt: Context Editing entfernt alte Werkzeugergebnisse und Denkschritte automatisch aus dem Verlauf. Die serverseitige Compaction (seit Januar 2026 als Beta verfügbar) fasst den Verlauf zusammen und ersetzt ihn durch die Zusammenfassung, wobei sich mit eigenen Anweisungen steuern lässt, was erhalten bleibt. Das Memory Tool erlaubt es Claude, Wissen in Dateien außerhalb des Kontextfensters zu speichern und später wieder zu lesen. Anthropic empfiehlt, Compaction und Memory Tool zu kombinieren: Compaction hält den aktiven Kontext klein, Memory sichert, was die Zusammenfassung überleben muss. Einen Einstieg in die Plattformen für eigene Agenten gibt unser Guide KI-Agenten selber erstellen. Wie Sie solche Bausteine ohne Entwicklerteam nutzen, zeigen wir im Workshop Eigene KI-Tools bauen.

4. Prompt-Tipps, die bei Claude nachweislich wirken

Prompt Engineering bleibt eine Schicht des Ganzen. Diese Empfehlungen stammen direkt aus Anthropics Dokumentation:

• Lange Dokumente oben, Frage unten. Bei Eingaben ab etwa 20.000 Tokens gehören die Dokumente an den Anfang und die Frage ans Ende. In Anthropics Tests verbesserte das die Antwortqualität um bis zu 30 Prozent, besonders bei mehreren Dokumenten.
• XML-Tags als Struktur. Trennen Sie Anweisungen, Beispiele und Dokumente mit Tags wie <instructions>, <example> oder <document>. Das verhindert, dass Claude Beispiele mit Anweisungen verwechselt.
• Erst zitieren, dann antworten. Bitten Sie Claude bei langen Dokumenten, zuerst die relevanten Passagen zu zitieren. Das schneidet das Rauschen des restlichen Dokuments weg.
• Rolle in die Systemanweisung, Aufgabe in die Nachricht. Die Rolle gehört in den Systemprompt beziehungsweise in die Projektanweisungen, die konkrete Aufgabe in den Chat.
• Die goldene Regel: Zeigen Sie Ihren Prompt einem Kollegen ohne Vorwissen. Versteht er die Aufgabe nicht, versteht Claude sie auch nicht.

Wer diese Grundlagen in einem Tag sauber lernen will, ist im Workshop Claude für Manager richtig, dem ersten Tag der Claude AI Masterclass.

Claude vs. ChatGPT: Kontext-Engineering im direkten Vergleich

Beide Anbieter stellen im Prinzip dieselben Bausteine bereit: ein Kontextfenster, Projekte mit Anweisungen und Dateien, ein Gedächtnis und wiederverwendbare Anleitungen. Die Unterschiede liegen im Detail, und genau die Details entscheiden im Alltag. Die Tabelle fasst den Stand vom 27. August 2026 zusammen, jeweils nach den Angaben der Hersteller:

Quellen: Anthropic Help Center (Kontextfenster, Projekte, Memory), Anthropic Platform Docs (Skills), OpenAI Preisseite chatgpt.com/pricing und OpenAI Help Center (Projekte), alle abgerufen am 27. August 2026. Details und Links in der Quellenliste am Ende.

Meine Einordnung

Drei Punkte fallen im Vergleich auf. Erstens bekommen Sie bei Claude das große Kontextfenster ab dem ersten bezahlten Plan, bei ChatGPT wächst es mit dem Preis. Für Teams, die regelmäßig mit langen Verträgen, Ausschreibungen oder Studien arbeiten, ist das ein handfester Unterschied. Zweitens macht Claude den Übergang in den RAG-Modus sichtbar. Sie sehen, wann Ihr Projekt zu groß wird, und können gegensteuern. Drittens hat ChatGPT Projekte auch im kostenlosen Plan und lässt Chats innerhalb eines Projekts aufeinander aufbauen, während Claude Beständiges konsequent ins Projektwissen und in die projektbezogene Memory verlagert.

Der wichtigste Punkt steht aber nicht in der Tabelle: Beide Werkzeuge belohnen dieselbe Disziplin. Wer seinen Kontext kuratiert, bekommt in beiden Systemen bessere Ergebnisse, wer alles hineinkippt, in beiden schlechtere. Ich bleibe deshalb bewusst werkzeugneutral. Welche Plattform für Ihr Unternehmen passt, klären wir im Workshop Aktuelle KI-Tools im Vergleich, und wer ChatGPT als Standardwerkzeug hat, findet die passende Vertiefung im ChatGPT Praxis-Workshop.

Praxisbeispiel: Kontext-Engineering mit Claude Projekten in fünf Schritten

Theorie ist gut, ein Beispiel ist besser. Ich nehme einen Fall aus unserem eigenen Alltag in der Akademie für KI: Angebote schreiben. Jedes Angebot ist anders, aber Preislogik, Leistungskatalog, Ton und Struktur bleiben gleich. Genau diese Trennung zwischen Konstantem und Variablem ist der Kern von Kontext-Engineering, und Claude Projekte bilden sie sauber ab.

Zwei Feinheiten, die in der Praxis den Unterschied machen. Erstens teilen Chats innerhalb eines Claude Projekts ihren Kontext nicht automatisch. Was für jedes Angebot gelten soll, gehört deshalb in die Anweisungen oder ins Projektwissen, nicht in einen einzelnen Chat. Für wiederkehrende Vorlieben hilft zusätzlich die projektbezogene Memory. Zweitens sagt Ihnen der RAG-Indikator im Projekt, wann Ihr Wissen zu groß geworden ist. Dann heißt es nicht „mehr hochladen“, sondern „aufräumen“ oder das Projekt teilen, etwa in „Angebote Workshops“ und „Angebote Beratung“.

Wenn ein Ablauf über mehrere Projekte hinweg gleich bleibt, etwa die Formatierung als Word-Dokument, lagern Sie ihn in einen Skill aus (Beispiele dafür finden Sie im Beitrag Claude Skills erstellen). Der Skill liegt außerhalb des Projekts, belegt bis zu seiner Aktivierung fast keinen Kontext und steht in jedem Chat zur Verfügung.

Die sieben häufigsten Fehler beim Context Engineering (und was stattdessen hilft)

In unseren Workshops sehen wir immer wieder dieselben Muster. Keines davon ist ein Formulierungsproblem, alle sind Kontextprobleme:

Fazit: Kontext ist die neue Kernkompetenz

Die Modelle sind gut genug. Der Unterschied zwischen Teams, die mit KI zuverlässig liefern, und Teams, die täglich improvisieren, liegt 2026 im Kontext: welches Wissen aufbereitet ist, welche Anweisungen stehen, welche Beispiele zeigen, wie gut aussieht. Prompt Engineering bleibt Teil davon, aber es ist nicht mehr die ganze Geschichte. Wer Kontext-Engineering im Unternehmen verankern will, braucht drei Dinge: Mitarbeiter, die die Bausteine kennen, eine Wissensbasis, die dafür gepflegt wird, und eine KI-Strategie, die beides zusammenhält. Alle drei lassen sich in Wochen aufbauen, nicht in Jahren.

Faktenstand dieses Artikels: 27. August 2026. Kontextfenster, Pläne und Funktionen ändern sich laufend. Wir aktualisieren den Beitrag bei wesentlichen Änderungen.

Lukas Görög

KI-Stratege · Gründer der Akademie für KI und Digitalisierung

Lukas Görög berät Vorstände, Geschäftsführer und Führungskräfte im DACH-Raum bei der strategischen KI-Implementierung. Ehemaliger AI Lead der NZZ Zürich und KI-Dozent an der ZHAW. Er verbindet mehr als zehn Jahre Praxiserfahrung in KI und Daten mit dem Anspruch, komplexe Technologie verständlich und umsetzbar zu machen.

Warum HR-Prozesse ideale Kandidaten für KI sind

Kaum ein Unternehmensbereich arbeitet so textlastig wie HR. Stellenanzeigen, Kandidatenansprache, Absagen und Zusagen, Zeugnisse, Onboarding-Unterlagen, Richtlinien, interne Ankündigungen: Der Großteil der Personalarbeit besteht aus dem Erstellen, Anpassen und Zusammenfassen von Texten. Genau das ist die Kernstärke generativer KI.

Dazu kommt der zweite Faktor: Wiederholung. Viele HR-Aufgaben folgen demselben Muster, nur mit anderen Namen, Positionen und Details. Wo sich Muster wiederholen, lassen sich Vorlagen und Prompts aufbauen, die aus einer Stunde Arbeit wenige Minuten machen. Und weil HR-Teams in den meisten Unternehmen eher knapp besetzt sind, wirkt jede eingesparte Routinestunde direkt dort, wo sie gebraucht wird: im Gespräch mit Menschen, bei Kandidaten, Führungskräften und Mitarbeitern.

Wichtig ist die richtige Erwartung: KI optimiert im HR vor allem die vorbereitende und dokumentierende Arbeit. Die Entscheidungen über Menschen, von der Einstellung bis zur Entwicklung, bleiben beim Menschen. Wie das zusammenpasst, sehen wir uns weiter unten im Abschnitt zu Grenzen und EU AI Act genauer an. Wer das Thema strategisch aufsetzen will, findet in unserer KI-Strategie für Unternehmen den passenden Rahmen.

Diese HR-Prozesse optimieren Sie mit KI

Aus unseren Workshops mit HR-Teams haben sich vier Prozessfelder herauskristallisiert, in denen KI am schnellsten spürbare Wirkung zeigt. Für jedes Feld sehen Sie konkrete Aufgaben und ein typisches Vorgehen aus der Praxis.

Sie merken das Muster: KI übernimmt den ersten Entwurf und die Struktur, HR übernimmt Prüfung, Feinschliff und Entscheidung. Wer diese Arbeitsteilung sauber aufsetzt, gewinnt Zeit, ohne Qualität oder Verantwortung abzugeben. Viele dieser Abläufe lassen sich später zusätzlich automatisieren, mehr dazu in unserem Workshop KI-Automatisierung im Büroalltag.

In sechs Schritten zu KI-gestützten HR-Prozessen

Der häufigste Fehler ist, mit dem Tool zu starten statt mit dem Prozess. Wer zuerst klärt, wo Zeit verloren geht, wählt danach das richtige Werkzeug fast von selbst. So gehen Sie strukturiert vor:

Aus der Praxis: Die Schritte 1, 2 und 4 lassen sich hervorragend in einem einzigen Workshop-Tag bündeln. Das Team sammelt die eigenen Zeitfresser, priorisiert sie und setzt die wichtigsten noch am selben Tag um. Danach geht es mit Standards und Messung in den Alltag über.

Grenzen und Verantwortung: sensible Daten, Bias und EU AI Act

KI im HR braucht klarere Leitplanken als in fast jedem anderen Bereich, denn hier geht es um Daten und Entscheidungen über Menschen. Drei Themen gehören von Anfang an auf den Tisch:

Dazu kommt der rechtliche Rahmen: Der EU AI Act stuft KI-Systeme, die für die Einstellung und Auswahl von Bewerbern oder für Entscheidungen über Beschäftigte eingesetzt werden, als Hochrisiko-Systeme mit strengen Auflagen ein. Zusätzlich verpflichtet Artikel 4 des EU AI Act Unternehmen bereits seit dem 2. Februar 2025, für ausreichende KI-Kompetenz ihrer Mitarbeiter zu sorgen. Für HR heißt das zweierlei: Finger weg von automatisierter Bewerberauswahl ohne belastbares Compliance-Fundament, und gleichzeitig eine dokumentierte Schulungspflicht, die eine gute KI-Weiterbildung ohnehin erfüllt. Dieser Artikel ersetzt keine Rechtsberatung, eine praxisnahe Orientierung bietet unsere KI-Kompetenzschulung gemäß EU AI Act.

Welche KI-Tools eignen sich für HR: ChatGPT, Claude oder Copilot?

Die Tool-Frage wird oft wie eine Glaubensfrage behandelt. In Wahrheit ist sie vor allem eine Infrastruktur-Frage: Entscheidend ist, was zu Ihrer bestehenden Umgebung, Ihren Datenschutzvorgaben und Ihren Aufgaben passt.

Microsoft Copilot holt HR-Teams dort ab, wo sie ohnehin arbeiten: in Word, Excel, Outlook und Teams. Wer tief in der Microsoft-365-Welt steckt, bekommt KI direkt in die bestehenden Abläufe, inklusive der im Unternehmensvertrag geregelten Datenschutzthemen. Claude spielt seine Stärken bei langen Dokumenten, differenzierten Texten und strukturierten Analysen aus, etwa bei Richtlinien, Berichten und anspruchsvoller Kandidatenkommunikation. ChatGPT ist der verbreitete Allrounder mit großem Funktionsumfang. In der Praxis kombinieren viele Teams: ein Tool für die Breite im Alltag, eines für die anspruchsvollen Fälle.

Wichtiger als die Markenwahl ist, dass Ihr Team das gewählte Werkzeug souverän beherrscht. Für die Vertiefung einzelner Tools bieten wir eigene Formate an, vom Microsoft Copilot Workshop bis zur Claude AI Masterclass.

Fazit: klein starten, im Alltag verankern

HR-Prozesse mit KI zu optimieren ist kein Großprojekt, sondern eine Abfolge kleiner, konsequenter Schritte: Zeitfresser finden, zwei bis drei Use Cases priorisieren, das Team an echten Aufgaben schulen, Standards festhalten und Grenzen definieren. Die Teams, die so vorgehen, berichten uns nach wenigen Wochen von spürbar mehr Zeit für das, was HR ausmacht: die Arbeit mit Menschen.

Der schnellste Einstieg ist ein gemeinsamer Praxistag, an dem Ihr Team die eigenen Aufgaben direkt umsetzt. Genau dafür haben wir den Workshop KI im HR-Alltag entwickelt. Und wenn Sie KI über HR hinaus im ganzen Unternehmen verankern wollen, ist eine KI-Strategie der logische nächste Schritt.

Lukas Görög

KI-Stratege · Gründer der Akademie für KI und Digitalisierung

Lukas Görög berät Vorstände, Geschäftsführer und Führungskräfte im DACH-Raum bei der strategischen KI-Implementierung. Ehemaliger AI Lead der NZZ Zürich, KI-Dozent an der ZHAW und Jury-Mitglied bei den INMA Global Media Awards. Über 4.000 geschulte Führungskräfte, KI-Projekte in 12 Ländern.