Anthropic hat Claude Opus 5.5 zum Standardmodell auf allen bezahlten Plänen gemacht. Begleitend dazu ist ein Leitfaden erschienen, der beschreibt, welche Prompting-Gewohnheiten mit dem neuen Modell nicht mehr sinnvoll sind. Die beiden zentralen Punkte: Formeln wie "Think hard" gehören gestrichen, und beim Nachdenkaufwand – dem sogenannten Effort-Level – sollte man auf der mittleren Stufe einsteigen statt reflexhaft die höchste zu wählen.

Das klingt nach einer Detailfrage, betrifft aber alle Unternehmen, die Sprachmodelle produktiv einsetzen: in der Softwareentwicklung, in Redaktionsprozessen oder in automatisierten Abläufen. Prompts sind dort selten Wegwerfware. Sie stecken in Systemanweisungen, in Agenten-Workflows, in Textbausteinen von Teams – und sie wandern über Jahre mit, oft unverändert.

Warum alte Zauberformeln nicht ewig halten

Formulierungen wie "Think hard" oder "Denke Schritt für Schritt" haben sich etabliert, weil sie bei früheren Modellgenerationen messbar bessere Ergebnisse brachten. Sie waren Behelfslösungen: Das Modell musste sprachlich dazu angestoßen werden, einen längeren Lösungsweg zu gehen.

Neuere Modelle steuern diesen Aufwand jedoch selbst oder über eigene Parameter. Damit verliert die Formel ihren Zweck – und kann im ungünstigen Fall sogar stören, weil sie dem Modell eine Anweisung gibt, die mit der eigentlichen Aufgabenbeschreibung konkurriert. Die Konsequenz ist unangenehm für Teams: Ein Prompt, der vor einem Jahr nachweislich geholfen hat, ist heute bestenfalls neutral.

Medium statt Maximum

Der zweite Hinweis betrifft die Einstellung des Nachdenkaufwands. Anthropic empfiehlt, bei der mittleren Stufe zu starten. In der Praxis greifen viele Teams aus Vorsicht zur höchsten Einstellung, nach dem Prinzip: mehr Denken schadet nicht.

Diese Annahme ist aus zwei Gründen fragwürdig. Erstens kostet mehr Nachdenkaufwand mehr Rechenzeit und damit mehr Geld sowie längere Antwortzeiten – spürbar bei Agenten, die eine Aufgabe in vielen Einzelschritten abarbeiten. Zweitens ist ein hoher Aufwand kein Qualitätsgarant: Für klar umrissene Aufgaben wie eine Textumformulierung, eine Feldzuordnung oder eine einfache Code-Änderung bringt er wenig. Die sinnvolle Reihenfolge lautet deshalb: mit mittlerem Aufwand beginnen, Ergebnisse prüfen, und nur dort hochdrehen, wo die Qualität tatsächlich nicht reicht.

Was das für bestehende Prompt-Bestände heißt

Wer Sprachmodelle in Produktivsysteme eingebaut hat, sollte diesen Modellwechsel als Anlass für eine Inventur nutzen. Erfahrungsgemäß weiß in größeren Organisationen niemand vollständig, wo überall Prompts hinterlegt sind.

  • Bestand erfassen: Wo liegen Systemprompts, Vorlagen und Agentenanweisungen – im Code, im Content-Management-System, in Automatisierungsplattformen, in Notizen einzelner Mitarbeiter?
  • Altformeln aussortieren: Anweisungen, die nur den Denkaufwand steuern sollten, lassen sich entfernen. Fachliche Vorgaben zu Rolle, Format, Zielgruppe und Grenzen bleiben.
  • Effort-Level bewusst setzen: Nicht pauschal, sondern je nach Aufgabentyp – und dokumentiert, damit die Entscheidung nachvollziehbar bleibt.
  • Gegenprüfen: Eine kleine, feste Sammlung typischer Aufgaben mit erwarteten Ergebnissen zeigt schnell, ob eine Änderung hilft oder schadet.

Modellwechsel gehören in den Betriebsplan

Dass ein Anbieter das Standardmodell austauscht, ist aus Nutzersicht bequem und riskant zugleich. Bequem, weil ohne eigenes Zutun eine neuere Modellgeneration zur Verfügung steht. Riskant, weil sich das Verhalten von Anwendungen ändern kann, ohne dass im eigenen Code eine Zeile angefasst wurde.

Für produktive Systeme empfiehlt sich deshalb, die verwendete Modellversion explizit festzulegen, statt stillschweigend auf dem Standard zu bleiben. So entscheidet das eigene Team, wann ein Wechsel stattfindet – und kann ihn testen, bevor Kundinnen und Kunden die Auswirkungen sehen. Parallel dazu braucht es einen festen Punkt im Wartungszyklus, an dem Modellstände und Anbieterempfehlungen geprüft werden. Prompts sind damit kein Text, sondern Konfiguration: versioniert, getestet, dokumentiert.

Prompts schlank halten

Eine praktische Lehre aus dem Leitfaden gilt unabhängig vom Anbieter: Je weniger Ballast ein Prompt enthält, desto leichter lässt er sich auf neue Modelle übertragen. Anweisungen, die ausschließlich eine Schwäche einer bestimmten Modellgeneration ausgleichen, veralten zwangsläufig. Beschreibungen der Aufgabe, der Rahmenbedingungen und des gewünschten Ergebnisformats bleiben dagegen stabil.

Wer seine Prompts entsprechend aufteilt – fachlicher Kern auf der einen Seite, modellspezifische Feinsteuerung auf der anderen –, muss bei künftigen Wechseln nur einen kleinen Teil anfassen.

Einordnung für Web- und Softwareprojekte

Für Projekte, in denen KI Inhalte erzeugt, Daten aufbereitet oder Entwicklungsaufgaben unterstützt, verschiebt sich der Aufwand von der einmaligen Prompt-Formulierung hin zur laufenden Pflege. Wer Modellversion, Effort-Level und Prompt-Texte als versionierte Konfiguration behandelt und mit einer kleinen Testsammlung absichert, übersteht Modellwechsel ohne Qualitätseinbruch. Und wer den Nachdenkaufwand bewusst je Aufgabe wählt statt pauschal zu maximieren, hält Antwortzeiten und Betriebskosten dort niedrig, wo die zusätzliche Tiefe ohnehin keinen Mehrwert bringt.

Quellen