Claude Opus 5 ist da. Der Engpass sitzt woanders

Es wächst die Nutzung, nicht die Reife

Anthropic hat Claude Opus 5 veröffentlicht, das zwölfte Modell des Hauses innerhalb von zwölf Monaten. Zählt man die anderen Anbieter dazu, kamen im selben Zeitraum rund 25 nennenswerte Modelle heraus, also etwa alle zwei Wochen eines. Die Zahl der Unternehmen, die in diesen zwölf Monaten ihre Arbeitsabläufe tatsächlich umgebaut haben, ist eine ganz andere. Darum geht es in diesem Beitrag: Was gerade wächst, ist die Nutzung von KI, nicht die Reife.

Wir reden KI nicht klein. Wir arbeiten täglich damit und haben mehrere KI-Lösungen im Produktiveinsatz. Gerade deshalb sagen wir: In den meisten Betrieben sitzt der Engpass nicht im Modell. Er sitzt in dem Ablauf, in den das Modell eingesetzt wird, und dort hilft kein Versionssprung.

Für diesen Zustand gibt es einen treffenden Begriff. Claire Vo hat Opus 5 unabhängig in der Praxis getestet, findet das Modell brillant und wechselt ihre Werkzeuge trotzdem nicht. Sie spricht von einem „intelligence overhang“, also von mehr Fähigkeit, als die vorhandenen Abläufe überhaupt abrufen können (Lenny’s Newsletter, 24. Juli 2026). Dieser Überhang wächst mit jeder Veröffentlichung. Abrufen lässt er sich nicht durch ein Update, sondern nur durch Arbeit an den Abläufen.

Was Opus 5 kann, nüchtern betrachtet

Das Modell kostet 5 US-Dollar je Million Input-Token und 25 US-Dollar je Million Output-Token. Das entspricht dem Preis des Vorgängers Opus 4.8 und der Hälfte von Claude Fable 5. Verfügbar ist es in Claude.ai, Claude Code, Claude Cowork und über die API unter dem Namen claude-opus-5. Neu sind vor allem Effort-Stufen, mit denen Sie pro Anfrage zwischen mehr Denkleistung und geringerem Token-Verbrauch wählen. Dazu kommt ein schnellerer Modus zum doppelten Preis.

Bei den Benchmarks nennt Anthropic für Frontier-Bench v0.1 einen Wert von 43,3 Prozent gegenüber 33,7 Prozent für Fable 5, für ARC-AGI-3 30,2 Prozent gegenüber 7,8 Prozent für GPT-5.6 Sol und einen Elo-Wert von 1861 bei GDPval-AA v2. The Register sieht Opus 5 mit 61 Punkten an der Spitze des Artificial Analysis Intelligence Index, einen Punkt vor Fable 5, nennt aber auch Schwächen: Von 14 Exploit-Aufgaben löste das Modell nur 4, Mythos schaffte 13. Anthropic weist selbst darauf hin, dass die Antworten länger ausfallen als bei früheren Opus-Modellen. Wer nach Output-Token abrechnet, sieht das direkt auf der Rechnung.

Am Rande zeigt sich, wie schnell das gerade geht: Anthropic und die meisten Medien datieren die Veröffentlichung auf den 24. Juli 2026, The Register und the-decoder nennen den 25. Juli. Wenn schon das Erscheinungsdatum auseinandergeht, ist bei Ranglisten Vorsicht angebracht, die auf die Woche genau tun.

Rund 25 Modelle in zwölf Monaten

Wie dicht die Veröffentlichungen aufeinanderfolgen, zeigt die Übersicht. Zwölf Modelle stammen allein von Anthropic. Für die Modelle der anderen Anbieter liegt uns nur der Zeitraum vor, nicht der Monat, deshalb stehen sie am Ende.

Wir schreiben bewusst „rund 25“. Die Release-Tracker widersprechen sich bei einzelnen Daten, etwa bei Grok 4.5 und bei der GPT-5.6-Familie, wo je nach Quelle der Tag der Ankündigung oder der allgemeinen Verfügbarkeit zählt. Ein Tracker hat für Februar bis April 2026 sieben Spitzenmodelle in 78 Tagen gezählt, also etwa alle elf Tage ein neues. llm-stats führt insgesamt 335 erfasste Modellveröffentlichungen.

Für Unternehmen ist das eine unbequeme Lage. Das Modell, auf das Sie heute Ihre Abläufe zuschneiden, ist in drei Monaten nicht mehr das beste. Wer daraus schließt, ständig wechseln zu müssen, baut sich eine Dauerbaustelle. Wer daraus schließt, abwarten zu können, bis sich alles beruhigt, wartet auf etwas, das nicht kommt.

Die Gegenprobe: Was in den Unternehmen ankommt

Zuerst die Zahl, die gegen unsere These spricht. Bitkom hat 604 Unternehmen ab 20 Beschäftigten befragt und meldete am 11. März 2026, dass 41 Prozent KI aktiv einsetzen, nach 17 Prozent im Vorjahr. 77 Prozent der Anwender sehen ihre Wettbewerbsposition verbessert, 52 Prozent berichten von einem messbaren Beitrag zum Unternehmenserfolg. Wer behauptet, es ändere sich nichts, wird von dieser Erhebung widerlegt.

Die Zahl der Nutzer ist aber nicht die Zahl der veränderten Abläufe. Und sie ist weniger eindeutig, als ein einzelnes Zitat vermuten lässt. Der Bitkom-Studienbericht 2026 nennt für eine Erhebung im Sommer 2025 noch 36 Prozent und spricht von einer Verdopplung gegenüber 20 Prozent im Jahr 2024. Das Statistische Bundesamt kommt für 2025 auf 26 Prozent, mit 23 Prozent bei kleinen, 36 Prozent bei mittleren und 57 Prozent bei großen Unternehmen. Drei Erhebungen, drei Grundgesamtheiten, drei Zahlen. Wer eine davon zitiert, sollte die Quelle nennen.

Aufschlussreicher als die Nutzungsquote ist, was hinter der Nutzung passiert. McKinsey hat für die Studie „State of Marketing Europe 2026“ 500 Marketingverantwortliche in Deutschland, Frankreich, Italien, Spanien und Großbritannien befragt. 94 Prozent der Organisationen haben bei generativer KI eine niedrige oder mittlere Reife, gebremst durch zurückhaltende Führung, fehlendes Wissen und verstreute Einzelprojekte. Die übrigen 6 Prozent berichten von rund 22 Prozent Effizienzgewinn in zwei Jahren und erwarten bis 2027 gut 28 Prozent. Bezeichnend ist die Prioritätenliste: Markenaufbau steht auf Platz eins der Trendthemen für 2026, Künstliche Intelligenz auf Platz 17. (Hinweis zur Quelle: mckinsey.com war beim Abruf nicht erreichbar. Das Datum 21. November 2025 stammt aus der URL der deutschen Presseinformation und aus zwei unabhängigen Berichten vom 22. November und 16. Dezember 2025.)

Dazu passt der MIT-NANDA-Bericht „The GenAI Divide: State of AI in Business 2025“, der bei 95 Prozent der KI-Projekte in Unternehmen keine messbare Wirkung auf das Ergebnis findet. Als Ursache nennen die Autoren ausdrücklich nicht die Qualität der Modelle, sondern die fehlende Einbettung in Abläufe und Strukturen. Die 95 Prozent sind allerdings umstritten. Paul Roetzer kritisiert, die Studie stütze ihr Kernergebnis auf nur 52 Interviews, definiere Erfolg zu eng und lege nicht offen, wie die 300 ausgewerteten Projekte erhoben wurden (Marketing AI Institute, 26. August 2025). Wir lesen die Zahl deshalb als Richtung, nicht als Messwert.

Am häufigsten hakt es in der Praxis an einer anderen Stelle: Laut Bitkom haben nur 23 Prozent der Unternehmen überhaupt Regeln für den KI-Einsatz festgelegt, während immer mehr Beschäftigte private KI-Zugänge im Job nutzen (Presseinformation, 21. Oktober 2025). Knapp ein Viertel mit Regeln, das ist die eigentliche Reifezahl.

Der Einwand, den wir ernst nehmen

Es gibt ein gutes Gegenargument. METR misst seit Jahren, wie lang eine Aufgabe sein darf, die ein Modell allein zu Ende bringt. Dieser Zeithorizont verdoppelt sich im langen Trend etwa alle 196 Tage, seit 2023 alle 131 Tage und seit 2024 alle 89 Tage (METR Time Horizon 1.1, 29. Januar 2026). Der Fortschritt beschleunigt sich also messbar, und das ist keine Marketingzahl eines Anbieters.

Wenn sich der Horizont weiter etwa alle drei Monate verdoppelt, verschiebt sich auch, was Sie einer KI überhaupt übergeben können. Aufgaben, die heute an ihrer Länge scheitern, laufen dann durch. Ein Beispiel liefert Opus 5 selbst: Im Frontier-Bench rekonstruierte das Modell ein Maschinenteil aus einer Zeichnung, indem es sich dafür eine eigene Computer-Vision-Auswertung programmierte. Andere Modelle scheiterten daran nach fünf Versuchen. Die Quelle dafür ist allerdings Anthropics eigener Benchmark.

Beides stimmt also gleichzeitig: Die Modelle werden schnell besser, und die Abläufe halten nicht Schritt. Die praktische Seite davon zeigt unser Beitrag zu CEO-Bench, in dem autonome Agenten ein Startup führen sollten und eine einfache Regel-Heuristik fast alle geschlagen hat.

Ein Arbeitstag mit Opus 5

Unser Gründer hat den 25. Juli komplett mit Opus 5 gearbeitet, nicht im Chatfenster, sondern mit einem Team spezialisierter Agenten an einem echten Firmen-Repository und einer Website. Ein Fund aus diesem Tag zeigt gut, worum es geht.

Anlass war eine Preisanpassung. Eine Zahl ändern, eine halbe Stunde Arbeit, so die Erwartung. Tatsächlich stand diese Zahl an 88 Stellen auf 22 Seiten. Dazu kam eine gemeinsame Komponente, die auf 222 Seiten eingebunden ist und der neuen Zahl widersprochen hätte. Von Hand wäre ein Teil davon übersehen worden, und zwar genau der unauffällige Teil.

Die ehrliche Pointe ist wichtiger als die Zahlen: Ob das am Modell lag, lässt sich nicht sagen. Genauso gut kann es daran gelegen haben, dass der Ablauf zum ersten Mal sauber beschrieben war, mit klaren Zuständigkeiten, festen Regeln und aufgeschriebenem Kontext. Wahrscheinlich war es beides, und die Anteile lassen sich nicht trennen. Wer diese Unsicherheit sofort zugunsten des Modells auflöst, kauft ein Abo. Wer sie sofort zugunsten des Prozesses auflöst, verpasst die Entwicklung.

Unsere Empfehlung

Die Empfehlung lautet nicht, das Update zu ignorieren. Sie lautet: erst messen, was Ihr Ablauf kostet, dann das Modell tauschen. In dieser Reihenfolge.

1. Einen einzigen Ablauf auswählen, der Geld kostet. Angebotserstellung, Produkttexte oder Anfragenbearbeitung. Einen, nicht fünf. Verstreute Einzelversuche sind laut McKinsey ein Hauptgrund, warum 94 Prozent nicht über eine mittlere Reife hinauskommen.
2. Den Ist-Zustand aufschreiben. Wie lange dauert ein Durchgang, wie oft im Monat, was geht regelmäßig schief. Ohne diese Zahl lässt sich der Nutzen einer KI hinterher nicht belegen.
3. Den Kontext beschreiben, nicht nur den Prompt verbessern. Was das Modell über Ihr Unternehmen wissen muss, welche Regeln gelten, wie ein gutes Ergebnis aussieht. Diese Arbeit überlebt jeden Modellwechsel, reines Prompt Engineering nicht. Wie eine wachsende Wissensbasis dafür aussehen kann, zeigt unser Beitrag zu Andrej Karpathys LLM Wiki.
4. Regeln festlegen. Was darf hinein, was nicht, wer prüft das Ergebnis, was passiert mit Kundendaten. Wenn nur knapp ein Viertel der Unternehmen das getan hat, ist es der günstigste Vorsprung, den Sie bekommen können. Mit der EU-KI-Verordnung gelten ab dem 2. August 2026 zudem Transparenzpflichten, siehe EU AI Act.
5. Erst dann das Modell wählen. Stehen die vier Schritte, ist der Wechsel auf ein neues Modell eine Zeile in der Konfiguration und keine Neuentwicklung. Dann können Sie Opus 5 gegen das bisherige Modell laufen lassen und an Ihren eigenen Zahlen sehen, ob es sich lohnt.

Fazit

Claude Opus 5 ist ein starkes Modell zu unverändertem Preis, mit echten Fortschritten und mit Schwächen, die Anthropic teilweise selbst benennt. Wenn Sie ohnehin mit Claude arbeiten, probieren Sie es aus.

Es ist aber nicht die Antwort auf die Frage, warum KI in Ihrem Betrieb noch nicht das bringt, was Sie sich erhofft haben. Diese Antwort steckt in Ihren Abläufen. Der Abstand zwischen dem, was die Modelle können, und dem, was Ihre Prozesse davon abrufen, wird mit jeder Veröffentlichung größer. Er schließt sich nicht von selbst.

Wenn Sie einen konkreten Ablauf im Kopf haben und wissen möchten, ob sich KI dafür rechnet, sehen wir ihn uns gern an. In der KI-Beratung beginnen wir immer beim Prozess und nicht beim Werkzeug. Für wiederkehrende Abläufe ist die Workflow-Automatisierung der passende Einstieg, und unsere Konditionen stehen offen auf der Seite Preise. Wie wir selbst mit diesen Werkzeugen arbeiten, beschreibt unser Beitrag zu den Anthropic-Zertifizierungen für Claude Code.

Quellen

• Anthropic: Claude Opus 5
• The Register: Anthropic debuts Opus 5 at half the price of its Fable sibling (25. Juli 2026)
• the-decoder: Anthropic stellt Claude Opus 5 vor (25. Juli 2026)
• Lenny’s Newsletter: Claude Opus 5 review (24. Juli 2026)
• METR: Time Horizon 1.1 (29. Januar 2026)
• Bitkom: Unternehmen beschäftigen sich mit KI (11. März 2026)
• Bitkom: Studienbericht KI 2026
• Bitkom: Beschäftigte nutzen Schatten-KI (21. Oktober 2025)
• Destatis: Einsatz von Künstlicher Intelligenz in Unternehmen
• McKinsey: State of Marketing 2026 (21. November 2025)
• Tom’s Hardware zum MIT-NANDA-Bericht
• Marketing AI Institute: Kritik an der MIT-Studie (26. August 2025)

Alle Links abgerufen am 25. Juli 2026.