Claude Opus 4.7 ist da – die eigentliche Frage ist aber eine andere

Was Anthropics neues Modell bringt – und warum die wichtigere Frage ist, wer bei Ihnen die alten Prompts prüft

TL;DR

• Anthropic hat am 14. April 2026 Claude Opus 4.7 freigegeben. Das Modell befolgt Anweisungen laut Hersteller „substanziell besser” – und vor allem wörtlicher. Das ist eine gute Nachricht und ein Warnschuss zugleich: Prompts, die mit Vorgängerversionen gut liefen, können jetzt unerwartete Ergebnisse produzieren.

• Für Mittelständler bedeutet das: Jede Prompt-Bibliothek, die in den letzten zwei Jahren organisch gewachsen ist, braucht einen Review. Wer das nicht tut, entdeckt Fehler im Kunden-Output statt im internen Test.

• Die operativ relevante Frage ist nicht „Welches Modell soll ich nutzen?”, sondern „Wer bei uns verantwortet die Prompt-Hygiene?”. In den meisten Mittelstands-Teams ist diese Rolle nicht besetzt. Das ist jetzt ein konkretes Problem, kein theoretisches mehr.

---

Was Opus 4.7 kann – und was Anthropic dabei offen ansagt

Die Fakten in drei Sätzen: Anthropic hat mit Claude Opus 4.7 das aktuell leistungsstärkste öffentlich verfügbare KI-Modell veröffentlicht. Es übertrifft den Vorgänger 4.6 in allen relevanten Benchmarks und wird nur von dem unter Verschluss gehaltenen Claude Mythos Preview geschlagen – jenem Modell, das Anthropic Anfang April als „zu gefährlich für die Öffentlichkeit” klassifiziert hat, weil es Sicherheitslücken in Software zuverlässig findet und ausnutzt. Opus 4.7 soll komplexe, mehrstündige Aufgaben mit mehr Sorgfalt erledigen, Bilder in höherer Auflösung verarbeiten und dateibasierten Speicher über mehrere Sitzungen effizienter nutzen.

Interessant ist, was Anthropic in der eigenen Ankündigung explizit warnt: Das neue Modell befolge Anweisungen wörtlich. Prompts, die in älteren Versionen „gut genug” funktioniert haben, können jetzt unerwartete Ergebnisse produzieren, weil 4.7 die Lücken nicht mehr großzügig interpretiert, sondern genau das tut, was im Prompt steht. Zusätzlich kann der Token-Verbrauch je nach Aufgabe um bis zu einem Drittel steigen, weil das Modell gründlicher arbeitet.

Für Entwickler und Coding-Workflows ist das Update eine klare Verbesserung. Für Marketing-Teams, die KI seit ein bis zwei Jahren pragmatisch einsetzen, ist es eine zweischneidige Nachricht.

Wörtliche Anweisungsbefolgung – warum das kein Nerd-Detail ist

In den meisten Mittelstands-Teams sind Prompts in den letzten Jahren organisch gewachsen. Jemand hat einen Prompt geschrieben, der „irgendwie funktioniert hat”. Er wurde kopiert, leicht angepasst, weitergegeben, in Dokumenten abgelegt, in E-Mail-Signaturen zitiert. Niemand hat ihn sauber getestet, weil er ja lief.

Das Problem mit solchen Prompts: Sie enthalten typischerweise Unschärfen. „Schreibe professionell”, „achte auf Zielgruppe”, „halte dich an unsere Tonalität” – solche Anweisungen sind Interpretationsspielräume. Ältere Modelle haben diese Lücken mit einem Mittelwert aus Trainingsdaten gefüllt, der für viele Fälle akzeptabel war. Ein wörtlich interpretierendes Modell fragt dagegen implizit: Was heißt „professionell” konkret? Wessen Zielgruppe? Welche Tonalität? Und liefert dann genau das, was explizit gesagt wurde – oft eben nicht, was gemeint war.

Ein typisches Beispiel aus der Praxis

Ein Prompt lautet: „Schreibe einen LinkedIn-Post über unser neues Produkt für den deutschen Mittelstand, professionell und nicht zu lang.” Mit Opus 4.6 entstand daraus ein brauchbarer Post mit vier Absätzen und 180 Wörtern. Mit Opus 4.7 kann derselbe Prompt einen gestelzten Text mit 90 Wörtern produzieren, weil „nicht zu lang” als strikte Obergrenze interpretiert wird, „professionell” als formell-distanziert, und „deutscher Mittelstand” als generisches Label statt als konkrete Zielgruppe. Das Ergebnis ist nicht falsch. Es ist nur nicht das, was gedacht war.

Die operative Konsequenz: Jeder Prompt, der ohne explizite Zielvorgaben, ohne konkrete Tonalitätsbeschreibung und ohne Umfangsangabe formuliert ist, muss mit dem neuen Modell neu kalibriert werden.

Welche Prompts Sie jetzt prüfen sollten – eine Triage

Nicht alle Prompts sind gleich kritisch. Sinnvoll ist eine Dreiteilung nach Risiko: Produktions-Prompts, Standard-Prompts und Ad-hoc-Prompts.

Produktions-Prompts: hohe Priorität, sofortiger Review

Jeder Prompt, der in einem automatisierten Workflow läuft, ohne menschliche Zwischenprüfung in Kundennähe kommt oder regelmäßig Content für die Öffentlichkeit produziert, muss in der kommenden Woche getestet werden. Typische Fälle: automatisierte Newsletter-Einleitungen, Chatbot-Antworten, Produktbeschreibungen für Online-Shops, PR-Meldungen-Entwürfe. Test: denselben Prompt mit 4.6 und 4.7 gegen eine Kontrollprobe laufen lassen und die Abweichungen dokumentieren.

Standard-Prompts: mittlere Priorität, Review im Rahmen des nächsten Monatsturnus

Prompts, die regelmäßig manuell verwendet werden, aber vor Veröffentlichung noch durch menschliche Hand gehen. Beispiele: LinkedIn-Post-Vorlagen, E-Mail-Templates, Redaktionsbriefe, Zusammenfassungen interner Protokolle. Review-Aufwand: etwa 15 bis 30 Minuten pro Prompt. Ein Team mit 20 bis 30 aktiven Prompts ist in einem halben Tag durch.

Ad-hoc-Prompts: niedrige Priorität, Umstellung im Tagesgeschäft

Einzelne Anfragen an das Modell, die nicht wiederverwendet werden. Hier reicht es, wenn die Mitarbeiter informiert sind, dass 4.7 wörtlicher interpretiert, und dass im Zweifel expliziter formuliert werden muss. Aufwand: eine 30-Minuten-Team-Info reicht.

Diese Triage lässt sich in der Regel in einem halben Arbeitstag sauber ziehen. Wer dafür keine Kapazität hat, sollte zumindest die Produktions-Prompts priorisieren – hier ist das Risiko eines unbemerkten Qualitätsabfalls am größten.

Die Token-Kostenfrage: Bis zu ein Drittel mehr – was heißt das konkret?

Anthropic weist in der Ankündigung offen darauf hin, dass Opus 4.7 je nach Aufgabe bis zu einem Drittel mehr Token verbrauchen kann. Der Grund: Das Modell arbeitet gründlicher, überprüft eigene Ergebnisse vor der Ausgabe und nutzt mehr Kontext. Das kostet Rechenzeit, die in Tokens abgerechnet wird.

Für ein mittelständisches Marketing-Team mit typischem KI-Einsatz – sagen wir: zwei bis vier Personen, die täglich mit dem Modell arbeiten, über Enterprise-Lizenzen oder API-Zugriff – bewegte sich der monatliche Token-Verbrauch bisher zwischen 150 und 500 Euro. Ein Drittel mehr bedeutet eine Erhöhung um etwa 50 bis 170 Euro pro Monat. Das ist keine Budgetkatastrophe, aber es ist eine Position, die in der Halbjahresplanung auftaucht.

Was nicht in der Rechnung steht: Wenn die Qualität der Ausgabe messbar höher ist, sinken die Nachbearbeitungszeiten. Eine Studie von Anthropic zeigt Beispiel-Workflows, in denen der höhere Token-Aufwand durch eingesparte menschliche Korrekturzeit mehr als ausgeglichen wurde. Im Mittelstand ist das in der Praxis selten sauber gemessen, aber in mehreren Beobachtungen aus eigener Arbeit mit Kunden bestätigt sich das Muster.

Drei praktische Stellschrauben, um den Kostenanstieg zu begrenzen

Erstens: Prompts auf explizite Anweisungen trimmen – „Antworte in maximal 200 Wörtern” statt „nicht zu lang” spart 10 bis 20 Prozent Token. Zweitens: Für einfache Aufgaben (Übersetzungen, Zusammenfassungen, Formatierungen) weiterhin Claude Haiku oder Sonnet nutzen, nicht reflexhaft Opus. Drittens: Systemprompts knapp halten – jede wiederholte Botschaft kostet Tokens pro Aufruf.

Die operative Kernfrage: Wer verantwortet die Prompt-Hygiene im Mittelstand?

Die Modell-Umstellung von 4.6 auf 4.7 ist das erste Mal, dass eine inkrementelle KI-Version im Mittelstand sichtbar Auswirkungen auf die operative Qualität haben kann. Bei früheren Sprüngen war der Qualitätsunterschied so deutlich, dass auch schlechte Prompts automatisch besser wurden. Ab 4.7 ist das nicht mehr selbstverständlich – ein guter Prompt wird besser, ein schlechter Prompt kann sichtbar schlechter werden.

Damit wird eine Rolle wichtig, die in den meisten Mittelstands-Teams nicht besetzt ist: die Prompt-Hygiene-Verantwortung. Das ist keine Vollzeit-Rolle und keine eigene Stelle. Es ist eine klar benannte Funktion, die typischerweise 4 bis 8 Stunden pro Monat in Anspruch nimmt und folgende Aufgaben umfasst:

• Zentrale Prompt-Bibliothek pflegen (Versionierung, Dokumentation, Testprotokolle)

• Bei Modell-Updates Triage und Review der Produktions-Prompts durchführen

• Qualitätsrückmeldungen aus dem Team einsammeln und Prompts iterativ verbessern

• Schulung neuer Teammitglieder in den geltenden Prompt-Standards

• Abstimmung mit IT/Datenschutz bei neuen Use-Cases

In welcher Rolle diese Funktion aufgehängt ist, hängt von der Unternehmensgröße ab. In kleineren Teams (unter 10 Personen Marketing) ist es meist Aufgabe des Marketing-Leiters oder der Marketing-Leiterin. In mittelgroßen Strukturen übernimmt ein Content-Stratege oder Marketing-Automation-Spezialist diese Rolle mit. In Unternehmen mit Fractional-CMO-Konstellationen gehört die Prompt-Hygiene zum strategischen Verantwortungsbereich der externen Führung, weil sie direkt mit Markenkonsistenz und Qualitätssicherung zu tun hat.

Der Fehler, den Mittelständler jetzt typischerweise machen: Sie behandeln Modell-Updates wie Software-Updates, also als IT-Thema. Das ist es nicht. Ein besseres Modell, das wörtlicher interpretiert, ist ein Kommunikations-Thema – und Kommunikation ist Marketing-Verantwortung.

Sieben-Tage-Plan für den Umstieg auf Opus 4.7

Wer strukturiert vorgehen will, findet hier einen pragmatischen Fahrplan für die erste Woche nach dem Release.

Tag 1: Bestandsaufnahme

Eine Liste aller aktiven Prompts erstellen – idealerweise mit Speicherort, Verantwortlichem und Einsatzzweck. Erfahrung aus der Praxis: Die Liste wird länger als erwartet, meist zwischen 15 und 40 Einträgen pro Team.

Tag 2: Triage

Jeden Prompt in eine der drei Kategorien einsortieren (Produktion / Standard / Ad-hoc) und nach Risiko priorisieren. Die Produktions-Prompts markieren für sofortigen Review.

Tag 3–4: Review Produktion

Die Produktions-Prompts parallel mit 4.6 und 4.7 laufen lassen. Ausgaben nebeneinander vergleichen. Abweichungen dokumentieren. Prompts anpassen, die abweichende Ergebnisse liefern.

Tag 5: Test-Runde

Die angepassten Prompts gegen eine Kontrollprobe laufen lassen. Mindestens drei verschiedene realistische Input-Varianten pro Prompt. Bei Abweichungen weiter kalibrieren.

Tag 6: Team-Information

Eine 30-minütige Team-Info: Was ist neu, was bedeutet wörtliche Anweisungsbefolgung, welche Prompts wurden angepasst, welche Standards gelten jetzt. Dokumentation intern teilen.

Tag 7: Scharfschaltung

Produktions-Prompts in den Live-Workflows auf die angepassten Versionen umstellen. Monitoring für die folgenden zwei Wochen aktivieren. Qualitätsrückmeldungen einsammeln.

Dieser Plan ist bewusst pragmatisch. Er ist kein Ersatz für eine saubere Prompt-Architektur, aber er verhindert, dass unbemerkte Qualitätsabweichungen in die Kundenkommunikation gelangen. Für den langfristigen Aufbau einer stabilen Prompt-Bibliothek braucht es strukturierte Versionierung, automatisierte Tests und dokumentierte Standards – das ist ein Projekt von drei bis sechs Monaten, kein Wochenaufgabe.

---

FAQ

Muss ich sofort auf Opus 4.7 umsteigen?

Nein. Opus 4.6 wird von Anthropic weiterhin betrieben. Wer produktionskritische Prompts hat, kann die Umstellung kontrolliert in den nächsten vier bis acht Wochen durchführen. Wichtig ist, die Umstellung bewusst zu entscheiden – nicht versehentlich über einen automatischen Modell-Wechsel in der Konsumenten-Version.

Wir nutzen ChatGPT statt Claude. Gilt das trotzdem?

Im Grundsatz ja. OpenAI hat mit GPT-5 ähnliche Änderungen am Anweisungs-Verhalten vorgenommen. Die Regel „jedes Modell-Update kann bestehende Prompts beeinflussen” gilt modellübergreifend. Wer mehrere Modelle im Einsatz hat, sollte die Triage pro Modell separat durchführen.

Wie viel kostet ein externer Prompt-Review für ein Mittelstandsteam?

Ein halbtägiger Review von zwei bis drei Prompt-Spezialisten bewegt sich bei etwa 1.200 bis 2.500 Euro – je nach Umfang der Prompt-Bibliothek und Tiefe der Dokumentation. Für einen erstmaligen Review mit Dokumentations-Aufbau rechnet man realistisch ein bis zwei Tage.

Reicht es nicht, einfach die Mitarbeiter zu informieren?

Für Ad-hoc-Prompts ja. Für Produktions-Prompts nein – hier entsteht der Schaden genau deshalb, weil niemand mehr hinschaut. Die Information an die Mitarbeiter ist ein Baustein, der Review der automatisierten Workflows ein anderer.

Wie oft wird sich das in den kommenden Jahren wiederholen?

Alle drei bis sechs Monate ist mit relevanten Modell-Updates zu rechnen. Nicht jedes Update hat Auswirkungen auf bestehende Prompts, aber jedes größere Versions-Update (4.7 → 4.8, 5.0, etc.) sollte einen Triage-Zyklus auslösen. Das ist der neue Normalzustand in der KI-gestützten Marketing-Arbeit.

---

Quellen

heise online (2026): Befolgt Anweisungen „substanziell besser”: Anthropic gibt Opus 4.7 frei. Martin Holland, 14. April 2026. https://www.heise.de/news/Befolgt-Anweisungen-substanziell-besser-Anthropic-gibt-Opus-4-7-frei-11261267.html

Anthropic (2026): Introducing Claude Opus 4.7. Offizielle Ankündigung und Migrations-Leitfaden. https://www.anthropic.com/news/claude-opus-4-7

heise online (2026): Anthropics neues KI-Modell Mythos: Zu gefährlich für die Öffentlichkeit. Kontext zum Schwesterprodukt Claude Mythos Preview.

Anthropic (2026): Enterprise-Leitfaden zur Token-Effizienz und Prompt-Migration für Bestandskunden.