Claude-Plattform & Modell-Grundlagen — Claude Certified Associate Foundations Prep Course

Screen 1: Übersicht

Modul 1 Einführung·5 min

Die meisten Fachleute, die Claude nutzen, beginnen damit, ein oder zwei Dinge zu lernen, die es gut kann. Dieser Ansatz liefert Ergebnisse für einfache Aufgaben.

Für wiederkehrende Arbeiten, Teamprojekte und Lieferergebnisse, die einer Überprüfung standhalten müssen, bestimmen die Funktionsentscheidungen, die in Claude vor dem Schreiben einer einzigen Eingabeaufforderung getroffen werden, die Qualitätsobergrenze für Sitzungsergebnisse.

Dieses Modul schafft das Rahmenwerk für die vier Entscheidungen, die am Anfang jeder Claude-Interaktion stehen: welcher Einstiegspunkt zu verwenden ist, welche Funktionsmerkmale zu aktivieren sind, welches Modell zu wählen ist und wie der Kontext über eine Sitzung hinweg zu verwalten ist. Diese vier Entscheidungen bestimmen, ob Sitzungen auf vorherige Arbeiten aufbauen oder ständige Neukonfiguration erfordern.

Am Ende dieses Moduls können Sie:

1Den geeigneten Claude-Einstiegspunkt und Funktionssatz für eine bestimmte professionelle Aufgabe auswählen.

2Haiku, Sonnet und Opus nach Funktionsmerkmalen und Aufgabeneignung unterscheiden.

3Modellauswahl an Aufgabenanforderungen anpassen, einschließlich Qualitäts-, Geschwindigkeits- und Volumen-Kompromisse.

4Kontextbeschränkungen verwalten und Memory-Funktionen nutzen, um Kontinuität über Sitzungen hinweg zu wahren.

Vier Entscheidungen bestimmen die Qualitätsobergrenze für jede Claude-Sitzung: Einstiegspunkt, Funktionsebene, Modell und Kontextverwaltung. Dieses Modul schafft das Rahmenwerk für alle vier. Jedes nachfolgende Modul setzt voraus, dass Sie diese Entscheidungen treffen können, ohne hierher zurückzukehren.

Wir haben diesen Associate-Kurs Modul 1: Claude-Plattform & Modell-Grundlagen erstellt, um Ihnen dabei zu helfen, echte Arbeit mit Claude zu erledigen. Behandeln Sie ihn als Bildungsinhalte. Er stellt keine rechtliche, finanzielle oder andere professionelle Beratung dar, daher passen Sie das Gelernte an Ihre eigene Situation an. Unsere Produkte und Dienstleistungen entwickeln sich schnell, daher können bestimmte Inhalte Fehler enthalten oder veraltet sein. Denken Sie daran, auf der Website oder in der Dokumentation von Anthropic zu überprüfen. Beispiele und Szenarien, die im Kurs verwendet werden, sind illustrativ und oft fiktiv. Wenn der Kursinhalt ein Unternehmen oder Produkt erwähnt, bedeutet dies nicht, dass Anthropic diese unterstützt, sie Anthropic unterstützen oder dass wir verbunden sind. Beachten Sie auch, dass Ihre Nutzung von Anthropic-Produkten und -Dienstleistungen durch unsere Bedingungen, Richtlinien und Dokumentation abgedeckt ist. Wenn etwas in diesem Kurs damit in Konflikt steht, haben diese Vorrang.

---

Screen 2: Was Sie von generativer KI erwarten können

UnterrichtWie Claude sich verhält·6 min

Bevor Sie Einstiegspunkte und Modelle auswählen, gibt es fünf Verhaltenseigenschaften, die auf Claude zutreffen, unabhängig davon, welche Funktion Sie verwenden. Das Verständnis dieser Eigenschaften vor dem Aufbau von Workflows mit Claude verhindert die häufigsten Quellen von Frustration und nicht erfüllten Erwartungen.

Klappen Sie jede Karte um, um die Eigenschaft zu lesen.

Antworten variieren

Stellen Sie Claude zweimal die gleiche Frage und Sie erhalten zwei verschiedene Antworten. Beide können nützlich sein, aber keine sollte als „die eine richtige Antwort" angesehen werden. So funktioniert generative KI: Ausgaben werden mit Wahrscheinlichkeit erzeugt, nicht aus einer festen Datenbank abgerufen. Planen Sie Variationen in jedem Workflow, der von konsistenten Ausgaben abhängt, und bauen Sie Überprüfung in den Prozess ein.

Selbstbewusster Ton ist kein Signal für Genauigkeit

Claude schreibt mit konsistenter Flüssigkeit, unabhängig davon, ob die Antwort tatsächlich korrekt ist. Eine erfundene Statistik liest sich mit der gleichen Sicherheit wie eine überprüfte. Modul 3 schafft Überprüfungsgewohnheiten; ohne diese signalisiert Flüssigkeit nichts über Genauigkeit.

Kontext ist ein Budget

Jede Claude-Konversation hat eine Working-Memory-Grenze. Wenn sich eine Konversation ihrer Grenze nähert, fasst claude. ai automatisch frühere Nachrichten zusammen, damit die Sitzung fortgesetzt werden kann (auf bezahlten Plänen mit aktivierter Code Execution). Zusammenfassungen komprimieren Details, weshalb Anweisungen, die am Anfang einer zweistündigen Sitzung befolgt wurden, am Ende an Kraft verlieren können. Lektion 6 behandelt die Strategien zur Verwaltung: wann neu starten, wann zusammenfassen, wann beibehalten.

Knowledge hat eine Trainingsgrenze

Claudes Trainingsdaten haben ein Stichtag. Informationen nach diesem Datum liegen außerhalb von Claudes zuverlässigem Knowledge, es sei denn, Sie verbinden eine aktuelle Quelle, schalten die Websuche im Chat ein oder verwenden Research. Dies betrifft aktuelle Ereignisse, aktuelle Vorschriften und aktuelle Marktdaten. Wenn Relevanz wichtig ist, überprüfen Sie oder verbinden Sie eine Quelle.

Konfigurierte Verfahren erzeugen immer noch unterschiedliche Ausgaben

Ein Skill, der so eingerichtet ist, dass er jedes Mal die gleiche Prozedur ausführt, reduziert die Ausgabevarianz, eliminiert sie aber nicht. Selbst ein gut konfigurierter Workflow erzeugt jedes Mal unterschiedliche Ausgaben. Überprüfung bleibt in Ihrem Workflow, unabhängig davon, wie sorgfältig ein Skill aufgebaut ist. Obwohl Konfiguration die Variation reduziert, entfernt sie nicht die Notwendigkeit, die Ausgabe zu überprüfen.

---

Screen 3: Chat, Projects, Artifacts, Research

UnterrichtKern-Einstiegspunkte·10 min

Claude erscheint in einer Schnittstelle, aber diese Schnittstelle bietet vier unterschiedliche Arbeitseinstiegspunkte: Chat, Projects, Artifacts und Research Mode. Die Wahl des richtigen vor Arbeitsbeginn bestimmt, wie effizient die Sitzung läuft und ob der Kontext, den Sie heute aufbauen, morgen weitergeleitet wird.

Chat ist der Standard-Einstiegspunkt, eine unstrukturierte Konversation. Ein Chat wird in Ihrem Verlauf gespeichert und kann später fortgesetzt werden, und Memory plus Suche in früheren Chats können wichtigen Kontext in neue Sitzungen bringen; was Chat Ihnen nicht gibt, ist die bewusste Persistenz eines Projects, stehende Anweisungen und eine kuratierte Knowledge Base. Verwenden Sie Chat für einmalige Fragen, schnelle Entwürfe, explorative Prompting und Aufgaben, die Sie nicht wiederholen werden. Chat funktioniert gut für jede Aufgabe, bei der die Arbeit in dieser Sitzung beginnt und endet. Wenn Sie jedoch feststellen, dass Sie einen neuen Chat öffnen, indem Sie den gleichen Hintergrundabsatz einfügen, den Sie letzte Woche eingefügt haben, ist dieser Arbeitsablauf über Chat hinausgewachsen.

Projects sind persistente Arbeitsbereiche. Ein Project enthält drei Dinge:

Stehende Anweisungen: was Claude konsistent über jede Konversation in diesem Bereich hinweg wissen und tun sollte

Knowledge Base: Dokumente, Richtlinien und Referenzdateien, die einmal hochgeladen werden, damit Claude darauf zugreifen kann, ohne sie jede Sitzung erneut hochzuladen

Konversationsverlauf: jedes Project verwaltet seine eigene Konversationsliste, getrennt von Ihrem globalen Konversationsverlauf. Konversationen innerhalb eines Projects teilen die Anweisungen und Knowledge Base des Projects, teilen aber keinen Kontext miteinander.

Projects lösen die häufigste Produktivitätsbremse in KI-gestützter professioneller Arbeit: das erneute Erklären des gleichen Hintergrunds jede Sitzung. Legen Sie den Kontext einmal in den stehenden Anweisungen und der Knowledge Base des Projects fest. Jede nachfolgende Konversation beginnt mit diesem Kontext bereits vorhanden.

Die Aufgabe wiederholt sich, der Hintergrundkontext ist stabil und das Ausgabeformat ist konsistent. Wenn zwei oder mehr dieser Bedingungen erfüllt sind, spart ein Project mehr Zeit, als es kostet, es zu erstellen.

Artifacts sind das richtige Ausgabeformat, wenn das Ergebnis ein Lieferergebnis statt einer Konversationsantwort ist. Wenn Claude ein Artifact erzeugt, erscheint es als separater, bearbeitbarer Block neben dem Chat, anstatt in den Konversations-Thread zu fließen. Verwenden Sie Artifacts für Entwurfsdokumente, Datentabellen, formatierte Berichte und Code. Verwenden Sie Inline-Antworten für Antworten, auf die Sie innerhalb der Konversation reagieren werden.

Research ermöglicht tiefe Multi-Quellen-Synthese (verfügbar auf bezahlten Plänen). Regulärer Chat kann das Web durchsuchen: Websuche ist auf allen Claude-Plänen als Pro-Chat-Umschalter in der Chat-Eingabe verfügbar; auf Team- und Enterprise-Plänen muss ein Owner oder Primary Owner zuerst die Websuche für den Workspace in den Funktionseinstellungen der Organisation aktivieren, bevor Mitglieder sie einschalten können. Die offizielle Dokumentation gibt nicht an, ob der Umschalter standardmäßig ein- oder ausgeschaltet ist. Research geht weiter: Es führt mehrstufige Suchen über mehrere Quellen durch und synthetisiert diese. Verwenden Sie Research, wenn die Aufgabe tiefe Untersuchungen über eine Reihe von Quellen erfordert oder Synthese aktueller Informationen über eine schnelle Suche hinaus.

Auswahllogik

Aufgabentyp

Einstiegspunkt

Einmalige Frage oder schnelle Aufgabe, kein Plan zur Wiederverwendung

Chat

Wiederkehrende Arbeit mit stabilen Kontextanforderungen

Project

Ausgabe ist ein Lieferergebnis, das der Empfänger öffnet und liest

Artifact

Erfordert tiefe Multi-Quellen-Untersuchung oder Synthese (schnelle aktuelle Informationssuchen: Websuche im Chat)

Research

---

Screen 4: Ein durchgearbeiteter Vergleich

UnterrichtKern-Einstiegspunkte · Fortsetzung·10 min

Eine Projektkoordinatorin erstellt wöchentliche Teamstatusbericht. Jeden Montag öffnet sie einen neuen Chat und tippt die gleiche Eröffnung: den Projektnamen, die Teamstruktur, die Stakeholder-Liste, die Berichtsformatanforderungen und die offenen Punkte der Vorwoche. Claude erstellt einen guten Bericht, aber die Sitzung dauert 40 Minuten, etwa 12 davon sind Kontextladung.

Sie erstellt ein Project. Der Projekthintergrund, die Teamstruktur und die Stakeholder-Liste gehen in die Knowledge Base. Die Berichtsformatierung und stehende Anweisungen zu Eskalationsschwellen gehen in die Project-Anweisungen. Am Montag öffnet sie das Project und fügt die Aktualisierungen der Woche ein. Der Kontext ist bereits vorhanden, daher dauert die Sitzung 25 Minuten.

Die Berichtsqualität ist die gleiche, aber die Einstiegspunkt-Entscheidung hat die wöchentliche Setup-Gebühr eliminiert.

Der Test, ob ein Project es wert ist, erstellt zu werden

Stellen Sie drei Fragen:

Wiederholt sich diese Aufgabe?

Ist der Hintergrundkontext über Sitzungen hinweg gleich?

Ist das Ausgabeformat konsistent?

Wenn die Antwort auf zwei oder mehr ja ist, erstellen Sie das Project. Die Setup-Zeit wird innerhalb von zwei oder drei Sitzungen zurückgewonnen.

---

Screen 5: Skills und Code Execution

UnterrichtFunktionsebene·12 min

Einstiegspunkte bestimmen, wo Sie arbeiten. Die Funktionsebene bestimmt, was Claude innerhalb dieses Einstiegspunkts tun kann.

Drei Funktionen erweitern Claudes Standard-Textgenerierungsverhalten auf Weise, die für professionelle Arbeit wichtig ist: Skills für konsistente Verfahren, Code Execution für überprüfte Berechnung und Memory für Kontinuität über Sitzungen hinweg.

Das Vier-Ebenen-Modell

Denken Sie über die Beziehung zwischen Ebenen wie folgt nach:

Projects tragen Kontext

Welches Hintergrund-Knowledge und welche stehenden Anweisungen gelten für diesen Arbeitsablauf.

Skills definieren Verfahren

Wie eine bestimmte Aufgabe konsistent, jedes Mal, ausgeführt werden sollte.

Code Execution überprüft Berechnungen

Wenn das Ergebnis korrekt sein muss, nicht nur plausibel.

Memory erhält Kontinuität

Relevante Fakten werden über Sitzungen hinweg weitergeleitet, ohne erneute Eingabe.

Die Ebenen sind unabhängig. Verwenden Sie jede Kombination basierend auf dem, was die Aufgabe erfordert. Eine einmalige Frage benötigt keine davon, während ein wiederkehrender analytischer Workflow alle vier verwenden könnte.

Skills sind wiederverwendbare Verfahren. Anthropic bietet integrierte Skills für häufige professionelle Aufgaben: Erstellen, Bearbeiten und Analysieren von Excel-Tabellen, Word-Dokumenten, PowerPoint-Präsentationen und PDFs. Benutzerdefinierte Skills können über Einstellungen für aufgabenspezifische Workflows hinzugefügt werden. Skills befinden sich auf Kontoebene, nicht innerhalb eines Projects, und Claude ruft sie automatisch auf, wenn relevant in jeder Konversation, innerhalb oder außerhalb eines Projects. Die eigene Konfiguration eines Projects sind seine stehenden Anweisungen und Knowledge Base; ein aktiver Skill teilt Claude mit, ein definiertes Verfahren für diesen Aufgabentyp konsistent zu befolgen, überall wo es anwendbar ist.

Es gibt zwei Dinge, die Sie über Skills beachten sollten:

Erstens reduzieren Skills die Varianz, eliminieren sie aber nicht. Ein Skill, der wöchentliche Berichte in einem konsistenten Format generiert, erzeugt jedes Mal unterschiedliche Prosa. Überprüfung bleibt in Ihrem Workflow, unabhängig davon, wie gut der Skill konfiguriert ist.

Zweitens erfordern Skills eine Vertrauensbewertung. Ein Skill hat Zugriff auf alles, das Sie Claude während der Sitzung Zugriff geben. Bevor Sie einen Skill eines Drittanbieters aktivieren, überprüfen Sie seine Quelle und die Berechtigungen, die er anfordert. Von Anthropic bereitgestellte Skills und von Ihrer Organisation genehmigte Skills sind der Ausgangspunkt mit geringerem Risiko. Modul 6 behandelt diese Bewertung vollständig.

Code Execution ist Claudes Sandbox-Berechnungsumgebung. Claude schreibt und führt Code intern aus, gibt dann das Ergebnis zurück. Sie schreiben den Code nicht selbst.

Warum dieser Unterschied wichtig ist: Claude generiert Prosa, indem er die wahrscheinlichste nächste Textsequenz erzeugt. Dies funktioniert gut für Sprachaufgaben. Für Berechnung erzeugt es plausibel aussehende Zahlen, die möglicherweise genau oder nicht genau sind. Code Execution erzeugt ein überprüftes Ergebnis, indem die Berechnung ausgeführt wird.

Verwenden Sie Code Execution statt Claude zu bitten zu berechnen, wenn:

Jede numerische Ausgabe verwendet oder gemeldet wird (Berechnungen, Projektionen, Zusammenfassungen von Zahlen)

Daten transformiert oder bereinigt werden müssen (Datumsnormalisierung, Deduplizierung, Feldformatierung)

Die Ausgabe ein Diagramm oder eine Visualisierung sein muss

Die Ausgabe eine echte herunterladbare Datei sein muss (. xlsx, . pptx, . docx, . pdf)

---

Screen 6: Memory

UnterrichtFunktionsebene · Memory·12 min

Memory behält arbeitsbezogene Fakten über Sitzungen hinweg bei und entfernt die Notwendigkeit, den gleichen Kontext jedes Mal erneut einzugeben. Beispiele für das, was Fachleute in Memory speichern, sind: wiederkehrender Rollenkontext, Vorlieben für Ausgabeformat, Namen häufiger Mitarbeiter, stehende Einschränkungen, die über Projekte hinweg gelten.

Memory-Kuration

Memory ist am nützlichsten, wenn es aktiv kuratiert wird. Ein Memory, das letzte Quartal genau war und seitdem nicht überprüft wurde, kann aktiv irreführend sein. Planen Sie:

Gespeicherte Memories regelmäßig überprüfen, mindestens einmal pro Monat für aktive Benutzer

Einträge löschen oder aktualisieren, die nicht mehr gültig sind

Die gespeicherte Menge auf Informationen konzentrieren, die wirklich über Sitzungen hinweg wiederkehren

Project-scoped Memory hält Memory-Kontexte für jedes Project getrennt. Kontext von Client A erscheint nicht in Client-B-Sitzungen. Richten Sie separate Projects für separate Arbeitsabläufe ein; Memory wird die gleichen Grenzen befolgen.Incognito-Modus hält eine Sitzung aus Memory und Chat-Verlauf (er gilt für eigenständige Chats, außerhalb von Projects). Verwenden Sie ihn für vertrauliche Konversationen oder explorative Arbeit mit vertraulichen Eingaben, die nicht in Verlauf oder Memory auftauchen sollten. Beachten Sie, dass dies nicht die zugrunde liegende Datenspeicherung Ihrer Organisation außer Kraft setzt.Das Importieren von Memories von anderen KI-Plattformen ist eine experimentelle Funktion ab Juni 2026. Memory-Import ist für Free-, Pro-, Max- und Team-Pläne dokumentiert (nicht Enterprise). Wenn der automatische Importpfad in Ihrem Konto nicht verfügbar ist, ist der dokumentierte Fallback, die wichtigsten Fakten manuell über Ihre Memory-Einstellungen zu Memory hinzuzufügen, anstatt sie in die Knowledge Base eines Projects zu leiten.

---

Screen 7: Ein Monatsbericht, der schneller und genauer wurde

SzenarioFunktionsebene

(Illustratives Szenario)

Eine Business-Analystin erstellte einmal im Monat einen Regulatory-Tracking-Bericht. Die Aufgabe war konsistent: Nehmen Sie die Regulatory-Updates des Monats, identifizieren Sie, welche auf das Portfolio zutreffen, fassen Sie die Auswirkungen zusammen und formatieren Sie die Ausgabe nach einer definierten Vorlage. Die Aufgabe war hochriskant, aber mit einer wiederholbaren Struktur.

In den ersten zwei Monaten führte sie den Workflow in Chat aus. Jede Sitzung lud sie die Regulatory-Dokumente hoch, fügte den Portfolio-Kontext erneut ein und tippte die Formatanweisungen erneut. Sie führte einen Überprüfungsschritt für jede numerische Zahl aus. Sie fand zwei Fehler in Monat eins und einen in Monat zwei, alle bevor der Bericht herausging.

In Monat drei baute sie den Workflow mit der Funktionsebene neu auf. Der Portfolio-Kontext und stehende Formatanweisungen gingen in das Project, frühere Berichte gingen in die Knowledge Base, sie aktivierte einen Skill für das Berichtsausgabeformat und numerische Berechnungen wechselten zu Code Execution.

Die Zeit pro Sitzung fiel von 65 Minuten auf 30, und der Überprüfungsschritt lief immer noch. Keine Fehler wurden in den Monaten drei bis acht gefunden.

Was die Analystin vor dem Neuaufbau fragte

Frage

Ebene, auf die sie hinwies

Welche Teile dieser Aufgabe sind jedes Mal gleich?

Stehende Anweisungen + Skill

Welches Referenzmaterial wiederholt sich über Sitzungen hinweg?

Knowledge Base

Welche Ausgaben müssen korrekt berechnet werden, nicht nur „richtig klingen"?

Code Execution

Welchen Kontext möchte ich über Sitzungen hinweg ohne erneute Eingabe tragen?

Memory

---

Screen 8: Checkpoint

CheckpointFunktionsebene·5 min

Ein wiederkehrender Vertragsüberprüfungs-Workflow hat fünf Komponenten. Wählen Sie für jede Komponente aus, zu welcher Funktionsebene sie gehört: stehende Anweisungen, Knowledge Base, Skill oder Code Execution. Jede Ebene wird mindestens einmal verwendet.

Klicken Sie auf eine Karte, um sie auszuwählen, dann klicken Sie auf einen Behälter, um sie zu platzieren. Klicken Sie auf eine platzierte Karte, um sie in den Pool zurückzubringen.

---

Screen 9: Haiku, Sonnet, Opus

UnterrichtModelle wählen·8 min

Die Funktionsebene bestimmt, was Claude tut. Das Modell bestimmt, wie gut Claude es tut und zu welchen Kosten in Geschwindigkeit.

Verschiedene Modell-Tiers in der Claude-Familie spannen eine Spanne von effizient-und-schnell bis gründlich-und-fähig. Das Anpassen des Tiers an die Aufgabe vermeidet sowohl Überentwicklung von Routinearbeit als auch Unterversorgung von hochriskanter Analyse.

Haiku ist das schnellste und effizienteste Modell in der Claude-Familie. Es verarbeitet strukturierte Aufgaben gut: Klassifizierung, Extraktion, Formatierung, unkomplizierte Zusammenfassung und hochvolumige Routinearbeit, bei der Geschwindigkeit wichtig ist und die Kosten einer unvollkommenen Ausgabe niedrig sind. Wenn eine Aufgabe in großem Volumen über Hunderte von Elementen in Folge läuft, verstärkt sich Haikus Geschwindigkeitsvorteil.

Sonnet ist der ausgewogene Tier. Es verarbeitet die volle Spanne professioneller Aufgaben mit starker Qualität über Aufgabentypen hinweg: Entwurf, Synthese, Analyse, Forschungsunterstützung und Dokumentenüberprüfung. Für die meiste Knowledge-Worker-Arbeit ist Sonnet der richtige Ausgangspunkt. Wenn die Qualität für eine komplexe Aufgabe zu kurz kommt, aktualisieren Sie auf Opus. Wenn Geschwindigkeit und Volumen die primären Anforderungen sind und die Aufgabe strukturiert ist, erwägen Sie dann Haiku.

Opus ist ein höher-fähiger Tier, der fortgeschrittenere Leistung als Sonnet und Haiku bietet. Verwenden Sie ihn für Aufgaben, die nuanciertes Urteilsvermögen, komplexes mehrstufiges Denken, mehrdeutige Eingaben, die Interpretation erfordern, oder jede Arbeit erfordern, bei der Qualität Geschwindigkeit übertrumpft. Kundenorientierte Lieferergebnisse, komplexe Dokumentenanalyse, strategische Planung und hochriskante Synthese über mehrere Quellen hinweg sind typische Opus-Kandidaten.

Entscheidungslogik

Aufgabenprofil

Modell

Routinemäßige, strukturierte Extraktion oder Klassifizierung in großem Volumen

Haiku

Die meisten professionellen Entwürfe, Synthesen und Analysen

Sonnet

Komplexes Urteilsvermögen, hochriskante Ausgabe, mehrdeutige oder mehrschichtige Eingaben

Opus

Opus erzeugt bessere Ausgabe bei komplexen Aufgaben, mit dem Kompromiss, langsamer zu laufen. Für die meiste Knowledge-Arbeit verarbeitet Sonnet die Aufgabe gut. Reservieren Sie Opus für Arbeit, bei der die Qualitätsobergrenze wirklich wichtig ist. Verwenden Sie Haiku, wo Volumen und Geschwindigkeit die primären Anforderungen sind und die Aufgabe klare Struktur hat.

Eine zusätzliche Dimension, die Sie beachten sollten: auf gemessenen oder nutzungsbudgetierten Plänen (einschließlich API-Zugriff) wird dieser Geschwindigkeits-versus-Fähigkeits-Kompromiss auch zu einem Pro-Aufruf-Kosten-Kompromiss. Ein höher-fähiger Tier wie Opus verbraucht mehr Nutzung pro Aufruf als Haiku oder Sonnet, daher bedeutet „Effizienz" auf diesen Plänen auch Kosten sowie Geschwindigkeit. Auf der Standard-claude. ai-Abonnement-Oberfläche behandeln Sie Effizienz (Geschwindigkeit und Nutzungs-Headroom) als praktischen Proxy für Kosten; die Auswahllogik oben ändert sich nicht.

Die Modell-Picker-Aufstellung, das Standard-Modell und das automatische Modell-Wechsel-Verhalten variieren je nach Plan und ändern sich im Laufe der Zeit; überprüfen Sie alle drei im Produkt bei Veröffentlichung. Die Entscheidungslogik oben gilt unabhängig davon, welche Tiers für Sie verfügbar sind.

---

Screen 10: Kontextgrenzen, Konversationshygiene & Memory-Verwaltung

UnterrichtKontextverwaltung·8 min

Modellauswahl und Funktionskonfiguration bestimmen, was Claude in einer Sitzung tun kann. Kontextverwaltung bestimmt, wie lange es es gut tun kann. Jede Claude-Konversation hat ein endliches Working-Memory-Budget, und dieses Budget wird aufgebraucht, wenn die Konversation wächst. Bewusste Kontextverwaltung hält Sitzungen durch lange oder komplexe Arbeit kohärent.

Das Kontextfenster in praktischen Begriffen

Jede Konversation hat eine Working-Memory-Grenze. Wenn sich Nachrichten und hochgeladene Dokumente ansammeln, füllt sich Claudes Kontextfenster. Wenn es sich der Grenze nähert, fasst claude. ai automatisch frühere Nachrichten zusammen, um Platz zu schaffen (auf bezahlten Plänen mit aktivierter Code Execution), und der vollständige Verlauf bleibt als Referenz verfügbar. In praktischen Begriffen: eine lange Sitzung, in der Sie Claude detaillierte Anweisungen in den ersten 10 Minuten gaben, kann 90 Minuten später Antworten erzeugen, die diese Anweisungen nicht befolgen, nicht weil Claude sie ignoriert, sondern weil Details komprimiert werden können, wenn früherer Kontext zusammengefasst wird.

Zeichen, dass eine Konversation Intervention benötigt:

Claude hört auf, Anweisungen zu befolgen, die es früher in der gleichen Sitzung korrekt befolgt hat

Antworten behandeln nur den neuesten Austausch ohne Bezug zu früheren Entscheidungen oder Kontext

Genauigkeit fällt auf Weise ab, die konsistent mit fehlendem früh-Sitzungs-Kontext ist

Drei Antworten, wenn Kontext abbaut

Neu starten. Starten Sie eine neue Konversation. Die stehenden Anweisungen und Knowledge Base des Projects werden automatisch weitergeleitet. Der Konversations-Thread nicht. Neustarten ist der richtige Aufruf, wenn die aktuelle Sitzung über Wiederherstellung hinaus abgedriftet ist, oder wenn Sie eine wirklich neue Aufgabe innerhalb des gleichen Arbeitsablaufs beginnen. Zusammenfassen. Bevor Sie eine neue Konversation starten, bitten Sie Claude, eine Zusammenfassung des aktuellen Zustands zu erzeugen: getroffene Entscheidungen, laufende Arbeit und offene Fragen. Fügen Sie diese Zusammenfassung am Anfang der neuen Konversation als Kontext ein. Dies erhält Thread-Kontinuität, ohne einen degradierten Kontextfenster in die nächste Sitzung zu tragen. Beibehalten. Für Informationen, die über alle zukünftigen Sitzungen verfügbar sein sollten, speichern Sie sie in Memory oder aktualisieren Sie die Project Knowledge Base. Das Speichern der richtigen Informationen zum richtigen Moment ist effizienter als wiederholte Eingabe. Ein gut gepflegtes Project mit aktuellen Knowledge-Base-Einträgen reduziert die Auswirkung einzelner Sitzungs-Kontextgrenzen.

Memory-Kuration

Memory dient am besten, wenn es aktuell bleibt. Ein Memory-Eintrag, der vor drei Monaten genau war und seitdem nicht überprüft wurde, kann aktiv irreführend sein. Behandeln Sie Memory wie eine Arbeitsdatei. Überprüfen Sie sie in regelmäßigen Abständen, löschen Sie Einträge, die abgelaufen sind, und aktualisieren Sie Fakten, die sich geändert haben. Die Genauigkeit gespeicherter Memories ist wichtiger als das Volumen.

Nutzungsgrenzen

Claudes Nutzungsgrenzen funktionieren auf mehr als einem Zeitfenster: ein kurzes rollendes Sitzungsfenster, plus wöchentliche Grenzen auf bezahlten Plänen, die über Modelle hinweg gelten (mit einem separaten wöchentlichen Pool für den höchsten Modell-Tier). Die spezifischen Fenster und Zulagen variieren je nach Plan und ändern sich im Laufe der Zeit; überprüfen Sie aktuelle Grenzen im Help Center bei Veröffentlichung. Erweiterte Sitzungen auf höher-fähigen Modellen können eine Grenze erreichen, bevor die Arbeit abgeschlossen ist. Für intensive Aufgaben ist Vorausplanung effizienter als Umgang mit einer unterbrochenen Sitzung: Teilen Sie große Aufgaben in Segmente auf, speichern Sie Zwischenergebnisse in der Knowledge Base und starten Sie von einer Zusammenfassung neu, anstatt eine einzelne Sitzung unbegrenzt zu erweitern.

---

Screen 11: Übung · Wählen Sie die richtige Funktion für die Aufgabe

ÜbungPlattformauswahl·5 min

Die Auswahlentscheidungen aus diesem Modul werden zusammen angewendet. Einstiegspunkt, Funktionsebene, Modell-Tier und Kontextstrategie sind vier verwandte Entscheidungen für die gleiche Aufgabe. Diese Übung übt, sie zusammen zu identifizieren.

Sechs professionelle Szenarien, sechs Konfigurationskarten. Passen Sie jedes Szenario an die Konfiguration an, die passt. Jede Karte wird einmal verwendet. Überprüfen Sie Ihre Ergebnisse, wenn Sie fertig sind. Dies sollte etwa fünf Minuten dauern.

Karte

Konfiguration

Grund

Project + Skill · Sonnet

Wiederkehrende strukturierte Aufgabe, stabiler Kontext, festes Ausgabeformat

Research · Sonnet

Aufgabe mit aktuellen Informationen; Fenster nach Stichtag zuverlässiger Trainingsdaten-Erinnerung

Code Execution · Haiku oder Sonnet

Berechnung auf einem definierten Datensatz; Ergebnis muss genau sein

Project (Knowledge Base) + Artifact · Opus

Nuancierte Multi-Quellen-Analyse, mehrdeutige Eingaben, hochriskante Lieferergebnisse

Chat + Artifact · Sonnet

Einmalige Entwurfsaufgabe; keine Funktionsebene erforderlich

Project + Code Execution + Skill · Sonnet

Wiederkehrender Workflow mit überprüften numerischen Ausgaben und konsistentem Format

Teil 2 · Rechtfertigen Sie eine Konfiguration

Das Anpassen eines Szenarios an eine Karte zeigt, dass Sie die richtige Konfiguration erkennen können. Dieser Schritt fordert Sie auf, eine zu verteidigen. Nehmen Sie Szenario S3 (die 15-seitige Board-Analyse, die aus vier hochgeladenen Berichten erstellt wurde). Geben Sie in das Feld unten das Modell ein, das Sie wählen würden, und einen Satz, der den Kompromiss hinter dieser Wahl erklärt; was die Wahl Ihnen bringt und was sie kostet. Dann offenbaren Sie die Modellantwort und vergleichen Sie Ihre Begründung, nicht nur Ihre Auswahl.

Eine Strategieberaterin entwirft eine 15-seitige Board-Analyse aus vier hochgeladenen Berichten, die nuancierte Interpretation mehrdeutiger Signale erfordert.

Geben Sie in das Feld unten das Modell ein, das Sie wählen würden, und einen Satz, der den Kompromiss hinter dieser Wahl erklärt, was die Wahl Ihnen bringt und was sie kostet. Dann offenbaren Sie die Modellantwort und vergleichen Sie Ihre Begründung, nicht nur Ihre Auswahl.

---

Screen 12: Modul 1 Quiz · Plattform- & Modellauswahl

QuizModul 1·5 min

Fünf Szenario-Stil-Fragen. Jede präsentiert eine professionelle Situation, wählen Sie die Antwort, die das Auswahlrahmenwerk des Moduls am besten anwendet. Ungefähr fünf Minuten.

---

Screen 13: Fünf Dinge, die über dieses Modul hinweg gelten

ZusammenfassungFünf Erkenntnisse·3 min

Wählen Sie den Einstiegspunkt vor dem Schreiben der Eingabeaufforderung.

Chat verarbeitet einmalige Arbeit. Projects verarbeiten wiederkehrende Arbeit mit stabilem Kontext. Artifacts verarbeiten Lieferergebnisse. Research verarbeitet Aufgaben, die aktuelle Multi-Quellen-Informationen erfordern. Die Einstiegspunkt-Entscheidung formt jede nachfolgende Entscheidung in der Sitzung.

Vier Funktionsebenen, vier unterschiedliche Probleme.

Projects tragen Kontext. Skills definieren wiederholbare Verfahren. Code Execution überprüft Berechnungen. Memory erhält Kontinuität. Verwenden Sie sie unabhängig oder in Kombination basierend auf dem, was die Aufgabe erfordert.

Modell-Tiers spiegeln einen Geschwindigkeits-versus-Fähigkeits-Kompromiss wider.

Haiku verarbeitet strukturierte, hochvolumige Aufgaben effizient. Sonnet deckt die meisten professionellen Arbeiten ab. Opus verarbeitet komplexe, hochriskante Aufgaben, bei denen Qualität Geschwindigkeit übertrumpft. Passen Sie den Tier an, was die Aufgabe verlangt.

Kontext ist ein Budget.

Lange Konversationen degradieren, wenn Kontext sich füllt. Neu starten, zusammenfassen oder beibehalten. Bewusste Kontextverwaltung ist effizienter als Umgang mit Drift, nachdem er sich angesammelt hat.

Variation ist inhärent; Überprüfung ist strukturell.

Jede Claude-Funktion, einschließlich konfigurierter Skills, erzeugt unterschiedliche Ausgaben von Durchlauf zu Durchlauf. Modul 3 schafft die Disziplin, diese Ausgaben zu bewerten, bevor sie Ihre Hände verlassen. Das Rahmenwerk aus diesem Modul bestimmt den richtigen Einstiegspunkt und die Funktionsebene. Das Rahmenwerk aus Modul 3 bestimmt, was mit der Ausgabe zu tun ist.

Alle Produktverhaltens-Beschreibungen basieren auf claude. ai-Funktionen ab Juni 2026. Funktionsverfügbarkeit und Verhalten sollten gegen aktuelle Anthropic-Dokumentation bei Veröffentlichung überprüft werden.

Claude Help Center: Projects, Skills, Memory, Dateierstellung, Nutzungsgrenzen, support. claude. com

Anthropic-Dokumentation: Prompt-Engineering-Übersicht, Modellvergleich, platform. claude. com/docs

Modell-Tier-Merkmale: Überprüfen Sie die aktuelle Modell-Aufstellung, Namen, Standard-Modell und Funktionsbeschreibungen im Produkt vor Finalisierung

Memory-Import (experimentell): Bestätigen Sie GA-Status und Verfügbarkeit nach Konto-Tier vor Finalisierung von Lektion 4-Inhalten

Code Execution: Bestätigen Sie aktuelle Dateiausgabe-Typen und Sandbox-Egress-Kontrollen vor Finalisierung von Lektion 4-Inhalten

---

Screen 14: Glückwunsch! Sie haben dieses Modul erfolgreich abgeschlossen.

Modul AbgeschlossenAssociate-Pfad·2 min

Sie können jetzt den richtigen Claude-Einstiegspunkt, Modell-Tier und die Funktionsebene für jede Aufgabe identifizieren. Wählen Sie das richtige Werkzeug, und Claude wird ein zuverlässiger Partner, kein Ratespiel.

M1: Produkt- & Modellauswahl

Wählen Sie den richtigen Einstiegspunkt, Modell und Funktionen für jede Aufgabe.

M2: Prompting

Erstellen Sie strukturierte Eingabeaufforderungen und passen Sie sie an den Aufgabentyp an.

M3: Ausgabebewertung

Überprüfen Sie die Ausgabe und wissen Sie, wann menschliche Überprüfung nicht verhandelbar ist.

M4: Workflow-Integration

Ordnen Sie einen Workflow gegen Delegationskriterien zu und gestalten Sie ihn sicher um.

M5: Konfiguration

Konfigurieren und verwalten Sie Projects, Anweisungen und Knowledge.

M6: Governance

Wenden Sie Anwendungsfall-, Daten-, Richtlinien- und Ethik-Urteilsvermögen verantwortungsvoll an.

M7: Fehlerbehebung

Diagnostizieren Sie Unterleistung und optimieren Sie Workflows, wenn Ergebnisse zu kurz kommen.

M8: Kurs-Zusammenfassung & Nächste Schritte

Fassen Sie die Reise zusammen, bereiten Sie sich auf die Prüfung vor und erkennen Sie Eskalationsgrenzen zu den Developer- und Architect-Pfaden.