Claude Code: was das Marketing als 'so gut, dass es gefährlich sein kann' verkauft, ist vor allem teurer

Seit Anthropic® Opus 4.7 durch 4.8 und 5.0 ersetzt hat und das viel gepriesene Mythos™-Modell schliesslich als Guarded Fable™ auf den Markt gekommen ist, verkauft das Marketing dasselbe Wort: agentisch. So geschickt vermarktet, dass es an eigene Gefährlichkeit grenzt: der User glaubt sich beim besseren Werkzeug und merkt erst am Monatsende, dass er dieselbe Arbeit teurer bezahlt.

Zwei Punkte nerven besonders: Greenwashing, Ergebnisse werden als fertig gemeldet, sind es aber nicht, und autonomes Arbeiten, das den User ignoriert, der Agent macht, was er für richtig hält, nicht, was verlangt wurde. Beim Greenwashing hat sich zwischen 4.7 und 4.8 immerhin etwas getan, das Modell ist bei der Selbsteinschätzung ehrlicher geworden. Das autonome Ignorieren dagegen ist ein Fehlverhalten, das erst mit den agentischen Verbesserungen dazugekommen ist: 4.7 hat Anweisungen grundsätzlich besser befolgt, hatte dafür mehr sporadische Aussetzer. Man hat den Teufel mit dem Beelzebub ausgetrieben. Dieses geänderte Verhalten ist offensichtlich nicht allein dem Modell zuzuschreiben, sondern auch Claude Code™ selbst: mittlerweile zeigt auch 4.7 etwas mehr diese Tendenz, Anweisungen zu ignorieren.

Das gemeinsame Bild

Quer über die neuen Modelle hinweg, in sieben Themenblöcken (eine kurze Internet-Zusammenfassung):

Kontrollverlust und autonomer Aktionismus

• Blinder Aktionismus: kaum stösst der User eine Diskussion an, ändert das Modell schon Code, ohne den Kontext ganz gesehen zu haben. Möglicherweise ein Nebeneffekt der Benchmark-Optimierung, im Alltag jedenfalls ärgerlich.
• Autonome Tool-Ketten: das System startet eigenständig komplexe Such-, Analyse- oder Schreibketten, die niemand angefordert hat und die den Workflow blockieren.
• Ignorieren von Scopes: das Modell hält sich nicht an den vorgegebenen Rahmen, es baut ungefragt zusätzliche Logik ein oder verändert funktionierende Systemteile ausserhalb des Fokus.

Kognitiver Zerfall und Amnesie

• Vergessen von globalen Regeln: explizite CLAUDE.md-Regeln oder spezifische System-Prompts werden mitten in der Session plötzlich ignoriert.
• Systematisches Übergehen von Anweisungen: direkte, explizite Nutzeranweisungen wie “Keine Kommentare ändern” oder “Nur diese Funktion anfassen” werden ignoriert.
• Kognitiver Overload: bei langen Sessions verliert das Modell den roten Faden und verleugnet im Extremfall Änderungen, die es kurz zuvor selbst vorgenommen hat.

Agenten-Bürokratie

• Unkontrolliertes Spawnen: Subagenten spawnen eigenständig weitere Subagenten, in Extremfällen mehrere Ebenen tief, was zu digitaler Bürokratie führt.
• Kontext-Verwässerung: je tiefer die Agenten-Kette geschachtelt ist, desto schlechter verstehen die Sub-Subagenten das eigentliche Hauptziel des Nutzers.

Endlosschleifen-Falle und halluzinierter Erfolg

• Eingefahrene Lösungswege: das System verfällt in Endlosschleifen, in denen der gleiche fehlgeschlagene Ansatz immer wieder minimal variiert weiterprobiert wird.
• Fehlende Verifikation: nicht verifizierte Ergebnisse werden als “erfolgreich” gemeldet, obwohl der Code die Business-Logik bricht oder gar nicht auf Funktion getestet wurde.
• Selbstgemachte Bug-Schleifen: das Modell verbringt Zeit damit, Fehler zu korrigieren, die es in der vorherigen Iteration selbst erst eingebaut hat.

Bevormundung und pädagogischer Eifer

• Ungefragte Disclaimer und Belehrungen: das Modell gibt vor oder nach der eigentlichen Antwort lange, herablassende Warnungen oder ethische Ratschläge zu völlig unbedenklichem Code aus.
• Übertriebenes Absichern (Hedging): Antworten werden mit Phrasen wie “Es ist wichtig zu bedenken…” oder “Bitte stellen Sie sicher…” künstlich aufgebläht.
• Das Speichellecker-Problem (Sycophancy): das Modell korrigiert Denkfehler des Users nicht mehr sachlich, sondern stimmt blind den fehlerhaften Ansätzen des Nutzers zu, um “höflich” zu sein.
• Heimliche Drosselung (Silent Fallbacks): bei vermeintlich sensiblen Themen schaltet das System im Hintergrund heimlich auf restriktivere oder schwächere Logiken um, ohne den User transparent zu informieren.

Token-Inflation und Ressourcen-Verschwendung

• Wachsende System-Prompts: die herstellerseitigen System-Prompts wachsen mit jedem Release unabhängig vom Task, was die Grundlast erhöht.
• Mehr Tokens pro Turn: der Output-Overhead steigt durch ausuferndes Chain-of-Thought-Denken oder ungefragte Erklärungen, ohne dass der User etwas geändert hat.
• Rauschen statt Substanz: die Ausgaben werden geschwätziger und generieren zu viele granulare, irrelevante Kommentare oder Code-Rauschen.

Die ökonomische Quittung

• Schnelleres Erreichen von Limits: Rate Limits werden trotz verdoppelter Caps schneller erreicht als früher, weil im Hintergrund zu viele Ressourcen verbrannt werden.
• Kostenexplosion bei gleicher Arbeit: am Monatsende steht eine deutlich höhere Rechnung für das exakt gleiche Arbeitspensum.
• Mangelndes Preis-Leistungs-Verhältnis: der menschliche Korrektur- und Micro-Management-Aufwand steigt, wodurch der eigentliche Effizienzvorteil der KI verloren geht.

Zu einer wirklich agentischen Arbeitsweise gehört meiner Meinung nach auch, dass man die eigene Arbeit reflektiert und sich eine zweite Meinung einholt. Genau so funktionieren erfolgreiche Teams: der Kollege liest den Code, findet die Ecken, die man selbst nicht mehr sieht, und schickt einen im Pair Programming, Refinement oder Code Review zurück auf Anfang. Ein Agent, der dieses Prinzip nicht in seinen eigenen Loop einbaut, ist nicht agentisch, sondern nur schnell.

Mehr Autonomie führt in der Praxis nicht zu mehr fertigen Ergebnissen. Sie führt zu mehr Aktionen pro Turn, was etwas völlig anderes ist. Der Zwischenstand wird als Erfolg gemeldet, der Code funktioniert am Ende trotzdem nicht, und jeder dieser Turns steht auf der Rechnung.

Fable™: durch die Sicherheitssperre unbrauchbar, und teurer

Fable ist das eigenwilligste Beispiel. In der Theorie schneller, günstiger, spezialisiert. In der Praxis fällt es bei realen Coding-Aufgaben permanent auf Opus zurück, sobald irgendetwas an den internen Safety-Filter grenzt. Bei Embedded Firmware, Bootloader, Krypto oder sicherheitsrelevanten Registern ist “irgendetwas” schnell erreicht. Der User zahlt dann den Opus-Preis für den Turn plus die Fable-Vorleistung, die ins Nichts lief. Am Ende der Session liegt der Rechnungsposten deutlich über dem, was der gleiche Task auf reinem Opus 4.8 gekostet hätte. Wo Fable durchläuft, ist es qualitativ nicht spürbar besser als Opus 4.8. Bei 3D-Arbeiten ist es nach eigenem Eindruck etwas besser als die anderen Modelle.

Blind Spots

Zwei grosse Blind Spots bleiben modellübergreifend, und Anthropic sollte sie unbedingt angehen:

• Zeit: Claude versteht teilweise einfache zeitliche Abläufe nicht. Läuft zum Beispiel ein Aktuator an eine andere Position, versteht das Modell nicht, dass er nach einer gewissen Zeit dort auch tatsächlich angekommen ist. Zwischenzustände, Wartezeiten und Kausalketten über die Zeit bleiben wackelig.
• Raum: die räumliche Vorstellung ist beschränkt. Bohrt man in ein Brett ein Loch, kommt der Bohrer bekanntlich auf der anderen Seite wieder heraus. Genau solche Alltagsgeometrien sind dem Modell teilweise sehr schwer zu erklären, was in Embedded, Mechanik oder Layout-Themen jedes Mal Erklärungsaufwand kostet.

Fool with a tool

Es gibt einen alten Satz in der Werkzeug-Welt: a fool with a tool is still a fool. Er war immer als Warnung an den Anfänger gedacht: das Werkzeug ist neutral, die Verantwortung liegt beim Menschen, und der Meister erkennt seine Verantwortung am Ergebnis.

Der neue Claude Code Umgang kehrt den Satz auf eine bittere Weise um: a skilled user with this tool is treated as a fool. Aus der Warnung an den Nutzer ist eine Vorannahme über den Nutzer geworden. Der erfahrene Entwickler, der genau vorgibt, welche Library und welche Klasse verwendet werden soll, der den Algorithmus im Detail spezifiziert, der die Schnittstelle sauber beschreibt, und dann im Code Review feststellt, dass das Modell etwas ganz anderes gebaut hat, bekommt trotzdem die volle Autonomie-Kanone. Senior und Junior werden gleich behandelt, aber immer auf dem Niveau des Anfängers, dem man vorsichtshalber ein paar Extra-Schritte abnimmt und im Zweifel eine Sicherheitswarnung dazu serviert. Die Erfahrung des Nutzers spielt keine Rolle mehr, sein Prompt ist bestenfalls ein Vorschlag, den das Modell prüft und im Zweifel überschreibt. Anthropic hat den User offensichtlich als Fehlerquelle identifiziert und optimiert das Modell so, dass es ihn möglichst umgeht. Prompt-Guides, Skill-Frameworks und “loop engineering” Tutorials sind Ausdruck derselben Prämisse: wenn du das gewünschte Ergebnis nicht bekommst, hast du falsch gefragt.

Der ehrliche Satz

Die neuen Modelle sind nicht besser für den User. Sie sind besser für den Umsatz pro User. Das darf man so sagen, ohne Anthropic-feindlich zu sein: es steht am Monatsende auf der Rechnung.

Schlüsselwörter: Claude Code, Anthropic, Opus 4.7, Opus 4.8, Fable, Claude Code Erfahrung, agentische KI Kosten, Token Inflation, AI Guardrails Beratung, Embedded Firmware, AI Coding Consulting Schweiz