Anthropic hat seinen KI-Assistenten Claude um zwei neue Funktionen im Beta-Status erweitert. Mit Dashboards lassen sich Datenquellen wie BigQuery oder Snowflake – beides Cloud-Dienste zur Auswertung großer Datenmengen – anbinden und daraus per Texteingabe Live-Auswertungen erzeugen. Die zweite Funktion, Motion, erstellt animierte Erklärvideos aus Text und Bildern.

Parallel dazu stehen die bisher eingeschränkt verfügbaren Funktionen Docs, Slides und Design nun allen Nutzerinnen und Nutzern offen. In Summe verschiebt sich Claude damit weiter weg vom reinen Chat-Werkzeug und hin zu einer Umgebung, in der Arbeitsergebnisse direkt entstehen.

Was daran neu ist

Dashboards gibt es seit Jahrzehnten, und Business-Intelligence-Werkzeuge zur Datenvisualisierung sind in vielen Unternehmen etabliert. Der Unterschied liegt in der Einstiegshürde: Statt ein Datenmodell zu konfigurieren und Visualisierungen zusammenzuklicken, beschreibt man das gewünschte Ergebnis in natürlicher Sprache.

Das Attribut „live“ ist dabei der entscheidende Punkt. Es geht nicht um einen einmalig erzeugten Screenshot, sondern um eine Verbindung zur Datenquelle, die sich aktualisieren lässt. Damit rückt ein solcher Prototyp näher an etwas heran, das im Alltag tatsächlich benutzt wird – mit allen Konsequenzen, die das für Berechtigungen, Datenschutz und Verlässlichkeit hat.

Bei Motion ist die Logik ähnlich. Ein Erklärvideo war bisher ein kleines Projekt mit Skript, Storyboard, Animation und Vertonung. Wenn eine Textbeschreibung als Ausgangspunkt genügt, verändert das vor allem die Rechnung bei kleinen internen Formaten: Schulungsinhalte, Onboarding-Material, Produkterklärungen für den Vertrieb.

Wo Schnell-Prototypen ihren Platz haben

Prompt-getriebene Erzeugung – also die Entwicklung über Texteingaben statt über Code – spielt ihre Stärken dort aus, wo Geschwindigkeit wichtiger ist als Langlebigkeit. Typische Fälle:

  • Explorative Datenanalyse: Eine Frage soll schnell beantwortet werden, ohne dass daraus ein dauerhaftes Reporting entsteht.
  • Anforderungsklärung: Ein sichtbarer Entwurf klärt in einer Besprechung mehr als ein Anforderungsdokument. Missverständnisse fallen früher auf.
  • Einmalige Kommunikationsanlässe: Eine Erklärung für ein internes Release, ein Konzept für eine Präsentation, ein Entwurf zur Abstimmung.
  • Machbarkeitsprüfung: Bevor Budget für eine Eigenentwicklung freigegeben wird, zeigt ein Prototyp, ob die Daten überhaupt die erhoffte Aussage hergeben.

In all diesen Fällen ist der Prototyp ein Denkwerkzeug. Sein Wert liegt in der Erkenntnis, die er erzeugt – nicht in seinem Fortbestand.

Wo die Grenze verläuft

Problematisch wird es, wenn ein Prototyp still und leise zum Produktivsystem wird. Das passiert selten durch Entscheidung, sondern durch Gewöhnung: Etwas funktioniert, jemand verschickt den Link weiter, nach einigen Monaten hängen Entscheidungen daran.

Für solche Fälle gelten andere Anforderungen. Wer trägt die Verantwortung, wenn eine Kennzahl falsch berechnet ist? Wie sind Zugriffsrechte geregelt, wenn ein Dashboard auf eine Datenbank mit personenbezogenen Daten zugreift? Was passiert, wenn sich ein Tabellenschema ändert? Wie wird nachvollziehbar dokumentiert, nach welcher Definition eine Zahl zustande kommt?

Dazu kommt die Frage der Abhängigkeit. Beta-Funktionen eines Anbieters können sich ändern oder entfallen. Wer ein Kernprozess-Reporting darauf aufbaut, geht ein Risiko ein, das bei einem Prototyp keine Rolle spielt – bei einem Steuerungsinstrument aber sehr wohl.

Ein pragmatisches Vorgehen

Statt sich grundsätzlich für oder gegen solche Werkzeuge zu entscheiden, hilft eine klare Zuordnung. Bewährt hat sich, bei jedem Ergebnis eine bewusste Einstufung vorzunehmen:

  1. Wegwerfbar: Einmalige Nutzung, keine Weitergabe, keine Entscheidungsrelevanz. Hier ist jede Diskussion über Architektur verschwendete Zeit.
  2. Übergangsweise: Wird genutzt, aber mit Ablaufdatum und benannter verantwortlicher Person. Entweder es wird abgelöst oder bewusst überführt.
  3. Produktiv: Entscheidungen hängen daran. Hier gelten die üblichen Anforderungen an Datenhaltung, Rechtevergabe, Tests, Dokumentation und Betrieb.

Der entscheidende Schritt ist die Überführung von Stufe zwei nach drei. Sie muss aktiv stattfinden, nicht durch Nichtstun. Eine saubere Eigenentwicklung beginnt dann nicht bei null – der Prototyp hat die fachlichen Anforderungen bereits geklärt und ist als Vorlage wertvoll.

Auswirkungen auf Datenqualität

Ein Nebeneffekt wird häufig unterschätzt: Wenn das Erstellen von Auswertungen einfach wird, steigt die Zahl der Auswertungen. Damit steigt auch die Wahrscheinlichkeit, dass dieselbe Kennzahl an verschiedenen Stellen unterschiedlich berechnet wird.

Die eigentliche Arbeit verlagert sich dadurch von der Erstellung zur Definition. Wer sauber definiert, was ein „aktiver Kunde“ oder ein „abgeschlossener Vorgang“ ist, und diese Definitionen zentral in der Datenschicht hinterlegt, profitiert von schnellen Werkzeugen. Wer das nicht tut, produziert schneller widersprüchliche Zahlen als zuvor.

Einordnung für Web- und Softwareprojekte

Für Projekte heißt das vor allem: Die Phase der Anforderungsklärung wird günstiger und anschaulicher, weil sich Ideen früh sichtbar machen lassen, ohne Entwicklungsbudget zu binden. Die Anforderungen an das, was danach gebaut wird, sinken dadurch aber nicht – Wartbarkeit, Rechtekonzept und Betrieb bleiben Handarbeit. Der nüchterne Umgang mit solchen Werkzeugen besteht darin, sie konsequent in der Entwurfsphase einzusetzen und ebenso konsequent eine Entscheidung zu treffen, sobald ein Ergebnis dauerhaft genutzt werden soll.

Quellen