Die 3 Ebenen von Claude AI, die die Meisten Menschen Nie Erreichen

Die 3 Ebenen von Claude AI, die die Meisten Menschen Nie Erreichen

Vor sechs Monaten beobachtete ich, wie ein Entwicklerfreund fünfundvierzig Minuten damit verbrachte, 300 Dateien manuell umzubenennen und nach Inhaltstyp in Ordner zu sortieren. Er hatte Claude die ganze Zeit in einem Browser-Tab geöffnet. Er nutzte es, um Fragen zu stellen. Und kopierte Antworten einzeln zurück in sein Terminal.

Ich trat heran, öffnete Claude Code auf seinem Rechner, verband einen MCP-Server mit seinem Dateisystem und schrieb eine dreizellige Anweisung. Die gesamte Arbeit war in weniger als zwei Minuten erledigt. Er starrte auf den Bildschirm, als hätte ich einen Zaubertrick vollführt.

Es war kein Trick. Er nutzte Claude auf Ebene 1. Ich nutzte es auf Ebene 3. Dieselbe KI. Dieselbe zugrunde liegende Intelligenz. Ein völlig anderes Universum an Möglichkeiten.

Diese Lücke -- zwischen dem, was die meisten Menschen mit Claude tun, und dem, was Claude tatsächlich kann -- ist die größte Verschwendung von Potenzial, die ich derzeit im KI-Bereich sehe. Und ich rede nicht von obskuren, entwicklerexklusiven Tricks. Ich rede von einer klaren Progression, der jeder folgen kann, vom lockeren Chatten bis hin zu vollautomatisierten Workflows, die laufen, während man schläft.

Ich habe das vergangene Jahr damit verbracht, in jeder Schicht von Anthropics Ökosystem zu arbeiten: mit der API zu bauen, Projekte über Claude Code auszuliefern, MCP-Server für Kunden zu verknüpfen und jede neue Funktion am Tag ihres Erscheinens auf Herz und Nieren zu testen. Was ich gelernt habe: Claude ist kein einzelnes Werkzeug. Es sind drei Werkzeuge, die aufeinandergestapelt sind, und die meisten Menschen packen nur das erste aus.

Hier ist das Framework, das ich mir gewünscht hätte, als ich anfing. Wir gehen alle drei Ebenen durch, und am Ende wissen Sie genau, auf welcher Ebene Sie operieren -- und wie Sie die nächste erreichen.

Was sich 2026 an Claudes Modell-Lineup Geändert Hat

Bevor wir darüber reden, wie man Claude verwendet, müssen Sie verstehen, mit wem Sie eigentlich sprechen. Denn das falsche Modell für die falsche Aufgabe zu wählen, ist wie einen Vorschlaghammer zu benutzen, um einen Bilderrahmen aufzuhängen. Es funktioniert, technisch gesehen. Aber Sie verschwenden Energie und beschädigen dabei wahrscheinlich etwas.

Stand Anfang 2026 hat Anthropics Lineup drei Stufen, und jede existiert aus einem bestimmten Grund.

Opus 4.6 steht an der Spitze. Das ist das Flaggschiff -- das Modell, das ich greife, wenn ich tiefes Denkvermögen, mehrstufige Problemlösung oder irgendetwas brauche, bei dem das Falschverstehen von Nuancen echte Konsequenzen hat. Code-Architekturentscheidungen. Analyse von Sicherheitsaudits. Langform-Content, der über Tausende von Wörtern zusammenhängend bleiben muss. Opus verarbeitet Ihren Prompt nicht nur. Es denkt darüber nach. Der Kompromiss ist Geschwindigkeit und Kosten. Sie werden die Latenz spüren, und wenn Sie die API nutzen, werden Sie es auch in Ihrer Rechnung spüren.

Sonnet 4.6 ist das Arbeitstier. Schneller als Opus, günstiger als Opus, und ehrlich gesagt gut genug für 80% dessen, was die meisten Menschen damit machen. Ich verwende Sonnet für alltägliche Programmierhilfe, das Verfassen von Entwürfen, Datenanalyse und jede Aufgabe, bei der ich Qualität brauche, aber nicht die absolute Obergrenze der Denkfähigkeit. Wenn Opus der leitende Architekt ist, ist Sonnet der starke Mittelklasse-Entwickler, der den ganzen Tag sauberen Code liefert, ohne auszubrennen.

Haiku 4.5 ist die leichtgewichtige Option. Schnell, günstig, überraschend leistungsfähig für seine Größe. Ich verwende Haiku für Klassifizierungsaufgaben, schnelle Zusammenfassungen und überall dort, wo ich hochvolumige API-Aufrufe tätige, bei denen die Kosten pro Token eine Rolle spielen. Unterschätzen Sie Haiku nicht -- für die richtigen Anwendungsfälle ist es die klügste Wahl, gerade weil es Dinge nicht zu sehr überdenkt.

Der Fehler, den ich ständig sehe: Menschen wählen standardmäßig das leistungsfähigste Modell für alles. Das ist wie mit einem Ferrari einkaufen zu fahren. Passen Sie das Modell der Aufgabe an. Bewahren Sie Opus für die Momente auf, die es wirklich erfordern.

Jetzt, wo Sie wissen, was unter der Motorhaube steckt, lassen Sie uns über die drei Ebenen der tatsächlichen Nutzung dieser Modelle sprechen -- denn das Modell, das Sie wählen, ist viel weniger wichtig als wie Sie damit interagieren.

Ebene 1: Claude Chat -- Wo Jeder Anfängt (und die Meisten Aufhören)

Ebene 1 ist der Browser. claude.ai. Sie tippen etwas, Claude antwortet, und Sie wechseln hin und her. Einfach. Vertraut. Und wenn das alles ist, was Sie tun, nutzen Sie vielleicht 20% dessen, wofür Sie bezahlen.

Ich sage nicht, dass Chat grundlegend ist. Ich sage, dass die meisten Menschen es auf eine grundlegende Weise nutzen. Der Unterschied zwischen einer Chat-Sitzung eines Anfängers und der eines Experten ist enorm -- und hat nichts mit dem Modell zu tun. Es geht ausschließlich um Prompting-Technik und Funktionsbewusstsein.

Das Prompt-Engineering-Framework, das Wirklich Funktioniert

Die meisten Prompting-Ratschläge im Internet sind entweder zu vage ("Seien Sie spezifisch!") oder zu akademisch, um in der Praxis nützlich zu sein. Hier ist das Framework, das ich täglich verwende, und es erfordert etwa zehn Sekunden zusätzliches Nachdenken pro Prompt.

Kontext + Aufgabe + Format. Drei Teile. Jedes Mal.

Kontext ist das, was Claude wissen muss, bevor es Ihnen helfen kann. Ihre Rolle, die Situation, Einschränkungen, frühere Entscheidungen. Gehen Sie nicht davon aus, dass Claude irgendetwas über Ihr spezifisches Szenario weiß -- das tut es nicht.

Aufgabe ist das Spezifische, was Sie erledigt haben möchten. Nicht "hilf mir mit meinem Code", sondern "refaktoriere diese Authentifizierungs-Middleware, um eine gemeinsame Token-Validierungsfunktion zu verwenden."

Format ist, wie Sie die Ausgabe haben möchten. Eine Aufzählungsliste? Ein Codeblock mit Kommentaren? Eine Tabelle zum Vergleich von Optionen? Legen Sie es fest, sonst rät Claude -- und es könnte falsch raten.

Hier ist der Unterschied in der Praxis. Schlechter Prompt: "Erkläre Docker-Netzwerke." Angemessener Prompt: "Ich bin ein Backend-Entwickler, der eine monolithische Node.js-App mit Docker Compose zu Microservices migriert. Erkläre, wie Docker-Bridge-Netzwerke die Kommunikation zwischen Containern handhaben, und zeige mir ein docker-compose.yml-Beispiel, bei dem drei Dienste in einem benutzerdefinierten Netzwerk kommunizieren. Verwende Kommentare im YAML, um jede Netzwerkentscheidung zu erläutern."

Der zweite Prompt liefert eine Antwort, die sofort nützlich ist. Der erste liefert einen Wikipedia-Artikel. Dasselbe Modell, völlig unterschiedliche Ausgabe -- und der einzige Unterschied sind dreißig Sekunden Nachdenken darüber, was Sie eigentlich brauchen.

Connectors Machen Claude zu einem Hub

Hier ist eine Funktion, die bei vielen Menschen unter dem Radar geblieben ist: Connectors. Claude kann jetzt direkt mit Diensten wie Gmail, Google Drive und anderen Apps verbunden werden -- und echte Daten in Ihre Gespräche bringen, ohne Kopieren und Einfügen.

Ich habe mein Gmail verbunden, und jetzt kann ich Dinge sagen wie "fasse die letzten fünf E-Mails meiner AWS-Abrechnungswarnungen zusammen" oder "entwirf eine Antwort auf die letzte Nachricht von [Kundenname], die auf seine Bedenken zur Zeitplanung eingeht." Claude liest die eigentlichen E-Mails, versteht den Kontext und antwortet mit etwas, das ich senden kann.

Das klingt klein. Es ist es nicht. Die Reibung durch das Wechseln von Tabs, Texte kopieren, in Claude einfügen und dann die Antwort zurückkopieren -- diese Reibung summiert sich über Dutzende von Interaktionen pro Tag. Connectors reduzieren sie für unterstützte Dienste auf null.

Projects Geben Claude ein Gedächtnis

Eine der am meisten unterschätzten Funktionen auf Ebene 1 sind Projects. Ein Project ist ein beständiger Arbeitsbereich, in dem Sie Dokumente hochladen, benutzerdefinierte Anweisungen festlegen und Gespräche führen können, die eine gemeinsame Wissensbasis teilen.

Ich habe ein Project für jedes aktive Kundenengagement. Jedes enthält die Tech-Stack-Dokumentation, Programmierstandards und den Kontext früherer Gespräche. Wenn ich ein neues Gespräch innerhalb dieses Projects starte, kennt Claude bereits die Codebase-Konventionen, die Deployment-Pipeline, die bevorzugten Muster des Teams. Ich erkläre nichts neu.

Der kraftvolle Schachzug hier ist die Kombination von Projects mit detaillierten Systemanweisungen. Ich schreibe etwas wie: "Du hilfst beim Neuaufbau des Ramlit-Kundenportals. Der Stack ist Laravel 11, Inertia.js, React 18 und PostgreSQL 16. Alle API-Antworten müssen unserem Standard-Umschlagsformat folgen. Schlage niemals rohes SQL vor -- verwende immer Eloquent." Jetzt folgt jedes Gespräch in diesem Project diesen Regeln automatisch.

Wenn Sie Claude ohne Projects verwenden, lehren Sie es in jedem einzelnen Gespräch Ihre Präferenzen neu. Das sind Stunden verschwendeter Kontexterstellung pro Woche.

Extended Thinking: Wenn Sie Claude Wirklich Denken Lassen Wollen

Standardmäßige Claude-Antworten kommen schnell. Diese Geschwindigkeit ist für die meisten Dinge großartig. Aber manche Probleme brauchen mehr als Mustererkennung -- sie brauchen echtes mehrstufiges Denken. Architekturentscheidungen. Debugging komplexer Race Conditions. Bewertung von Kompromissen zwischen Ansätzen, die alle oberflächlich betrachtet vernünftig erscheinen.

Der Extended Thinking-Modus weist Claude an, langsamer zu werden und das Problem Schritt für Schritt durchzudenken, bevor es eine Antwort gibt. Ich schalte ihn ein für alles, wobei ich selbst mehr als dreißig Minuten feststecke. Der Qualitätsunterschied ist spürbar -- Sie erhalten Antworten, die Randfälle berücksichtigen, Kompromisse anerkennen und durch sichtbare Denkenketten zu Schlussfolgerungen gelangen, anstatt durch selbstsicher klingende Vermutungen.

Der Haken: Es ist langsamer und verbraucht mehr Token. Lassen Sie es nicht für alles eingeschaltet. Schalten Sie es ein, wenn das Problem schwierig ist. Schalten Sie es aus, wenn Sie nur eine schnelle Funktionssignatur oder ein Regex-Muster brauchen.

Artifacts: Claude Erstellt Dinge, die Sie Sehen und Anfassen Können

Das hat verändert, wie ich Prototypen erstelle. Artifacts ermöglichen es Claude, interaktive Ausgaben zu generieren -- funktionierende UI-Komponenten, Mini-Anwendungen, Datenvisualisierungen, formatierte Dokumente -- direkt in der Chat-Oberfläche. Nicht nur Code. Laufende, anklickbare, testbare Dinge.

Letzte Woche musste ich einem Kunden ein Dashboard-Layout präsentieren. Anstatt zwei Stunden damit zu verbringen, es in Figma zu mockupen, beschrieb ich das Layout Claude, und es generierte eine vollständig interaktive React-Komponente als Artifact. Anklickbare Tabs. Responsives Raster. Platzhalterdaten, die zur Domäne des Kunden passten. Ich nahm eine Bildschirmaufzeichnung auf und schickte das Video. Der Kunde genehmigte es innerhalb einer Stunde.

Artifacts sind auch unglaublich für Content-Entwürfe, SVG-Generierung und schnelle Datenwerkzeuge. Ich habe CSV-Parser, Farbpalettengeneratoren und Lernkartenanwendungen für die Interviewvorbereitung gebaut -- alles als Artifacts, alles in unter fünf Minuten jeweils.

Skills: Bringen Sie Claude Ihr Vorgehen Einmalig Bei

Skills sind vordefinierte Anweisungssets, die Sie speichern und wiederverwenden können. Stellen Sie sie sich als Makros für das Verhalten von Claude vor. Anstatt jedes Mal denselben detaillierten Prompt zu schreiben, wenn Sie ein Code-Review, ein Sicherheitsaudit oder eine Blog-Post-Gliederung benötigen, definieren Sie einen Skill einmalig und aktivieren ihn, wann immer Sie ihn brauchen.

Ich habe Skills für Code-Reviews (mit meinen spezifischen Kriterien für Namenskonventionen, Fehlerbehandlung und Testabdeckung), für die Generierung von API-Dokumentation in meinem bevorzugten Format und für das Entwerfen technischer Vorschläge, die der Vorlage meines Kunden folgen.

Ein Sicherheitshinweis, der es wert ist, erwähnt zu werden: Seien Sie bedacht bei dem, was Sie in Skills einfügen. Sie werden mit denselben Berechtigungen wie Ihr Gespräch ausgeführt, also könnte ein schlecht geschriebener Skill, der sensiblen Kontext oder zu weit gefasste Anweisungen enthält, Informationen preisgeben, die Sie nicht teilen wollten. Halten Sie Skills fokussiert und überprüfen Sie sie regelmäßig.

Der zusammengesetzte Effekt hier ist real. Eine gute Skills-Bibliothek verwandelt Claude von einem generischen Assistenten in ein angepasstes Werkzeug, das Ihre Standards, Präferenzen und Ihren Workflow kennt. Diese Bibliothek aufzubauen ist eine einmalige Investition, die sich in jedem Gespräch danach auszahlt.

Aber hier ist die Sache -- alles, was ich bisher beschrieben habe, findet in einem Browser-Tab statt. Sie sind immer noch der Mittelsmann, der Ausgaben kopiert und in Ihre eigentlichen Werkzeuge einfügt. Dort sprengt Ebene 2 die Decke vollständig.

Ebene 2: Claude Code -- Wo KI Ihren Echten Workflow Trifft

Der Tag, an dem ich Claude Code installierte, war der Tag, an dem sich meine Beziehung zur KI-Entwicklung grundlegend veränderte. Chat ist ein Gespräch. Code ist ein Mitarbeiter, der in Ihrer Entwicklungsumgebung lebt und direkt auf Ihrer Codebase handelt.

Claude Code läuft in Ihrem Terminal. Es liest Ihre Dateien. Es schreibt Code. Es führt Befehle aus. Es versteht Ihre Projektstruktur nicht, weil Sie sie beschrieben haben, sondern weil es sie betrachtet. Der mentale Modellwechsel ist bedeutend: Sie hören auf, Claude über Ihren Code zu erzählen, und lassen Claude direkt mit Ihrem Code arbeiten.

Erste Schritte: Mehr Optionen als Sie Denken

Claude Code ist nicht auf eine Schnittstelle beschränkt. Sie können es als Desktop-Anwendung, direkt aus Ihrem Terminal, als VS Code-Erweiterung oder sogar als Chrome-Erweiterung für webbasierte Workflows ausführen. Jeder Einstiegspunkt hat seine Stärken.

Ich verbringe die meiste Zeit in der Terminalversion. Sie ist schnell, lässt sich in meinen bestehenden Shell-Workflow integrieren, und ich kann Ausgaben zwischen Claude Code und anderen CLI-Tools weiterleiten. Die VS Code-Erweiterung ist ausgezeichnet, wenn ich möchte, dass Claude meinen Editor-Status sieht -- welche Dateien geöffnet sind, wo sich mein Cursor befindet, was ich markiert habe. Die Chrome-Erweiterung ist nützlich für schnelle Aufgaben, wenn ich Dokumentation durchsuche und Claude etwas über das fragen möchte, was ich lese, ohne das Fenster zu wechseln.

Wählen Sie diejenige, die zu Ihrer bestehenden Arbeitsweise passt. Die Fähigkeiten sind bei allen identisch.

Der init-Befehl: Die Autobiographie Ihrer Codebase

Führen Sie claude code init (oder den gleichwertigen /init-Befehl innerhalb einer Sitzung) im Stammverzeichnis eines Projekts aus, und Claude Code scannt Ihre gesamte Codebase und generiert eine CLAUDE.md-Datei -- im Wesentlichen eine maschinenlesbare Zusammenfassung der Architektur, Konventionen, Abhängigkeiten und Struktur Ihres Projekts.

Diese Datei wird das Langzeitgedächtnis von Claude Code für Ihr Projekt. Jede zukünftige Sitzung liest sie. Jeder Vorschlag respektiert sie. Und Sie können sie bearbeiten, um projektspezifische Regeln, bevorzugte Muster oder Dinge hinzuzufügen, die Claude nie tun sollte.

Ich füge Regeln hinzu wie "Dateien im Verzeichnis /migrations niemals ohne ausdrückliche Genehmigung ändern" und "alle neuen API-Endpunkte müssen OpenAPI-Dokumentationskommentare enthalten." Claude Code folgt ihnen gewissenhaft.

Wenn Sie Claude Code ohne eine init-Datei verwenden, lassen Sie es über Ihr Projekt raten. Hören Sie auf zu raten. Führen Sie init aus.

Befehle, Hooks und Benutzerdefinierte Skripte

Hier fängt Claude Code an, weniger wie ein KI-Assistent und mehr wie ein programmierbares Teammitglied zu wirken.

Befehle sind Slash-Befehl-Abkürzungen, die Sie für häufig verwendete Operationen definieren können. Ich habe /review für Code-Reviews, /test für das Ausführen und Analysieren von Test-Suites und /deploy-check für die Validierung vor dem Deployment. Jeder löst ein spezifisches Claude Code-Verhalten aus, das ich konfiguriert habe.

Hooks sind ereignisgesteuerte Automatisierungen. Sie können Claude Code so einstellen, dass es automatisch bestimmte Prüfungen oder Aktionen durchführt, wenn bestimmte Dinge passieren -- wie das Linting jeder Datei, bevor Claude sie committed, oder das Ausführen von Sicherheitsscans bei jeder neuen Abhängigkeit, die Claude installiert. Hooks sind Ihr Sicherheitsnetz. Sie stellen sicher, dass Claude Code innerhalb Ihrer Leitplanken operiert, auch wenn Sie nicht jeden Schritt beobachten.

Benutzerdefinierte Skripte gehen noch weiter. Sie können Shell-Skripte oder Python-Skripte schreiben, die Claude Code als Teil seines Workflows aufruft. Ich habe ein Skript, das meine vollständige Test-Suite ausführt und die Ergebnisse zurück an Claude Code speist, damit es fehlschlagende Tests automatisch beheben kann. Die Schleife -- Code schreiben, Tests ausführen, Fehler interpretieren, Code reparieren, Tests erneut ausführen -- geschieht, ohne dass ich die Tastatur berühre.

Wenn Sie lieber jemanden hätten, der dieses automatisierte Entwicklungs-Setup von Grund auf baut, nehme ich genau solche Aufträge an. Sie können sehen, was ich gebaut habe, auf fiverr.com/s/EgxYmWD.

Ultra Think Modus: Wenn Standard-Denken Nicht Ausreicht

Extended Thinking war das Power-Feature von Ebene 1. Ultra Think ist sein größerer, ressourcenintensiverer Bruder, und er ist in Claude Code verfügbar, wo komplexes Multi-Datei-Denken häufig vorkommt.

Ich aktiviere Ultra Think, wenn ich mit Problemen zu tun habe, die mehrere Dateien umspannen und das Verständnis der Beziehungen zwischen ihnen erfordern. Refaktorierung eines gemeinsam genutzten Dienstes, der von fünfzehn verschiedenen Modulen importiert wird. Verfolgung eines Bugs, der sich im Frontend manifestiert, aber drei Schichten tief im Backend seinen Ursprung hat. Entwurf einer Migrationsstrategie, die die Datenintegrität über vier Datenbanktabellen berücksichtigen muss.

Der Ultra Think-Modus gibt Claude nicht nur mehr Zeit. Er gibt Claude einen größeren Notizblock, um komplexe Denkenketten zu durcharbeiten. Die Ergebnisse sind merklich gründlicher -- Claude wird Implikationen und Randfälle erfassen, die der Standardmodus übersieht.

Verwenden Sie ihn sparsam. Es ist das Opus der Denkmodi -- leistungsstark, langsamer und jeden Moment wert, wenn das Problem es rechtfertigt.

Code-Auditing und Entwicklerproduktivität

Hier ist ein Workflow, den ich gebaut habe und der mir etwa fünf Stunden pro Woche spart.

Jeden Montagmorgen weise ich Claude Code auf die Pull Requests der vergangenen Woche hin und bitte es, sie zu auditieren. Nicht nur auf Bugs -- auf Musterkonsistenz, Sicherheitsimplikationen, Leistungsbedenken und Dokumentationslücken. Claude Code liest die Diffs, vergleicht sie mit unseren Projektkonventionen (aus der CLAUDE.md-Datei) und erstellt einen strukturierten Audit-Bericht.

Vor Claude Code machte ich das manuell. Es dauerte den größten Teil des Montagmorgens, und ich übersah unweigerlich Dinge, weil menschliche Aufmerksamkeit nach dem dritten PR nachlässt. Claude Code lässt nicht nach. Es wendet dieselben Kriterien auf PR Nummer eins an wie auf PR Nummer zwanzig.

Der Produktivitätsverbund ist das, was mich bewegt. Claude Code spart nicht nur Zeit bei der Aufgabe, die Sie ihm geben. Es spart Zeit bei jeder nachgelagerten Aufgabe, die von den Bugs, Inkonsistenzen oder Dokumentationslücken betroffen gewesen wäre, die es frühzeitig erkennt. Ein in der Code-Review gefundener Bug kostet zehn Minuten zu beheben. Derselbe Bug, der in der Produktion entdeckt wird, kostet einen Tag.

Ebene 2 ist transformativ für einzelne Entwickler. Aber es gibt noch immer eine Decke: Sie sind darauf beschränkt, was Claude innerhalb Ihrer lokalen Umgebung tun kann, mit den Dateien und Werkzeugen, auf die es direkt zugreifen kann. Ebene 3 entfernt diese Decke vollständig.

Ebene 3: Claude Co-work und MCPs -- Die Automatisierungsschicht

Hier werden bei den meisten Menschen die Augen glasig, und es ist genau dort, wo der größte Hebel liegt. Ebene 3 geht darum, Claude mit allem zu verbinden -- nicht nur Ihrer Codebase, sondern Ihrer gesamten digitalen Infrastruktur. Und die Technologie, die es möglich macht, ist das Model Context Protocol.

Was Ist MCP, und Warum Sollte es Sie Interessieren?

MCP -- Model Context Protocol -- ist ein offener Standard, den Anthropic geschaffen hat, um ein grundlegendes Problem zu lösen: KI-Modelle sind klug, aber sie stecken in ihrem Gesprächsfenster fest. Sie können nicht nach außen reichen und mit der Welt interagieren, es sei denn, Sie geben ihnen eine Brücke.

MCP ist diese Brücke. Es ist eine Client-Server-Architektur, bei der Claude (der Client) sich mit MCP-Servern verbindet, die Fähigkeiten externer Werkzeuge und Dienste bereitstellen. Ein Gmail MCP-Server ermöglicht es Claude, E-Mails zu lesen und zu senden. Ein Dateisystem MCP-Server ermöglicht es Claude, Ihre Dokumente zu organisieren. Ein Datenbank MCP-Server ermöglicht es Claude, Ihre Daten abzufragen und zu aktualisieren. Ein GitHub MCP-Server ermöglicht es Claude, Issues zu verwalten, PRs zu überprüfen und Workflows auszulösen.

Die Architektur ist klar. Claude sendet strukturierte Anfragen an den MCP-Server. Der Server übersetzt diese Anfragen in API-Aufrufe, Dateioperationen oder was auch immer der externe Dienst erfordert. Ergebnisse fließen zurück zu Claude. Aus Ihrer Perspektive sprechen Sie einfach mit Claude, und Dinge passieren in der realen Welt.

Ich weiß, dass das abstrakt klingt, also lassen Sie mich es konkret machen.

Ein Echtes Beispiel: Automatisierte Dateiorganisation

Ein Kunde kam zu mir mit einem Albtraum-Ordner: 2.000+ Dateien, die über drei Jahre in einem einzigen Verzeichnis abgelegt wurden. PDFs, Bilder, Tabellenkalkulationen, Word-Dokumente, Code-Dateien -- alles durcheinander mit inkonsistenten Namenskonventionen. Manche hatten Daten im Dateinamen, manche nicht. Manche waren Duplikate. Einige waren beschädigt.

Die manuelle Vorgehensweise hätte Tage gedauert. Mit MCP dauerte das Einrichten etwa zwanzig Minuten und das Ausführen zehn Minuten.

Ich verband Claude mit einem Dateisystem MCP-Server, der Datei-Metadaten lesen, Dateien verschieben, Verzeichnisse erstellen und Dinge umbenennen konnte. Dann gab ich Claude einen einfachen Satz von Anweisungen: "Scanne jede Datei in diesem Verzeichnis. Klassifiziere jede nach Typ und Datum. Erstelle eine Ordnerstruktur, die nach Jahr, dann nach Dateityp organisiert ist. Benenne Dateien mit unserer Konvention um: JJJJ-MM-TT_beschreibender-Name.ext. Markiere Duplikate oder beschädigte Dateien in einem separaten Bericht."

Claude verarbeitete alle 2.000+ Dateien. Es erstellte die Ordnerstruktur, verschob jede Datei, benannte sie konsistent um, identifizierte 47 Duplikate und markierte 3 beschädigte Dateien. Die Reaktion des Kunden war dieselbe wie die meines Entwicklerfreunds: sprachlose Stille, dann "wie lerne ich, das zu tun?"

Das ist MCP. Das ist Ebene 3.

Benutzerdefinierte MCP-Server Erstellen

Hier wird es wirklich interessant. Sie können Ihre eigenen MCP-Server erstellen. Jeder Dienst mit einer API kann einer werden. Jedes interne Werkzeug, das Ihr Unternehmen verwendet, kann über einen benutzerdefinierten Connector für Claude zugänglich werden.

Ich habe MCP-Server für Kunden gebaut, die Claude mit ihrem internen CRM, ihrer benutzerdefinierten Deployment-Pipeline und ihren proprietären Datenanalyse-Werkzeugen verbinden. Das Muster ist immer dasselbe: Werkzeuge definieren (welche Aktionen verfügbar sind), Handler implementieren (was passiert, wenn jedes Werkzeug aufgerufen wird) und den Server bei der MCP-Client-Konfiguration von Claude registrieren.

Anthropic veröffentlicht SDKs für Python und TypeScript, und die Protokollspezifikation ist gut dokumentiert. Die meisten MCP-Server, die ich gebaut habe, dauerten weniger als einen Tag vom Konzept bis zum funktionierenden Prototyp.

Die Implikation ist verblüffend: Claudes Fähigkeiten sind nicht festgelegt. Sie sind erweiterbar. Jeder MCP-Server, den Sie verbinden, macht Claude leistungsfähiger -- nicht in Bezug auf Denkvermögen, sondern in Bezug auf das, was es tatsächlich tun kann.

Automatisierungs-Workflows, die Ohne Sie Laufen

Die wirkliche Macht von Ebene 3 liegt nicht darin, eine Sache schneller zu erledigen. Es geht darum, Aktionen zu Workflows zu verketten, die ganze Prozesse abwickeln.

Stellen Sie sich vor: Sie erhalten eine neue Kundenanfrage per E-Mail. Claude liest die E-Mail (Gmail MCP), extrahiert die Projektanforderungen, erstellt eine neue Projektkarte in Ihrem Verwaltungswerkzeug (Notion MCP), entwirft einen Vorschlag auf der Grundlage Ihrer Vorlage (Dateisystem MCP), plant eine Follow-up-Erinnerung ein (Kalender MCP) und sendet eine personalisierte Bestätigungsantwort (Gmail MCP erneut). Alles aus einer einzigen Anweisung: "Bearbeite die neue Kundenanfrage von [Name]."

Ich beschreibe kein Hypothetisches. Ich habe Varianten dieses Workflows für meine eigene Praxis und für Kunden gebaut. Die Zeitersparnis wächst dramatisch, wenn man bedenkt, dass diese Workflows jedes Mal konsistent ausgeführt werden. Keine vergessenen Schritte. Keine verpassten Follow-ups. Kein "ich mache das später", das zu "ich habe das komplett vergessen" wird.

Wie Verhält sich Das im Vergleich zur Direkten Nutzung der API?

Das ist eine Frage, die ich oft von Entwicklern bekomme, und sie ist es wert, direkt angesprochen zu werden.

Ja, Sie können all das mit Anthropics API direkt bauen. Benutzerdefinierte Integrationen. Werkzeugnutzung. Mehrstufige Workflows. Die API gibt Ihnen vollständige Kontrolle.

Aber MCP bietet etwas, das die rohe API nicht hat: ein standardisiertes, wiederverwendbares, teilbares Protokoll. Wenn Sie einen MCP-Server für Slack bauen, kann jeder andere, der Claude verwendet, eine Verbindung zu ihm herstellen. Wenn jemand in der Community einen MCP-Server für Jira baut, können Sie ihn verwenden, ohne Integrationscode zu schreiben. Der Ökosystemeffekt ist wichtig.

Stellen Sie sich den Unterschied vor zwischen dem Schreiben roher HTTP-Anfragen und der Verwendung eines REST-Frameworks. Beides erledigt die Arbeit. Das eine gibt Ihnen ein Ökosystem, Konventionen und Komposierbarkeit, die das andere nicht hat.

Für einmalige Integrationen mit einzigartigen Anforderungen ist die API die richtige Wahl. Für den Aufbau eines verbundenen Systems, bei dem Claude über eine konsistente Schnittstelle mit mehreren Diensten interagiert, gewinnt MCP -- und es gewinnt umso mehr, je mehr Dienste Sie verbinden.

Der Progressionspfad: Wie Man Wirklich Aufsteigt

Ich habe Ihnen viel präsentiert. Hier ist, wie Sie es aufnehmen, ohne sich überwältigt zu fühlen.

Woche 1-2: Beherrschen Sie Ebene 1. Beginnen Sie das Kontext + Aufgabe + Format-Framework für jeden Prompt zu verwenden. Richten Sie ein Project für Ihren aktivsten Arbeitsbereich ein. Versuchen Sie Extended Thinking bei einem Problem, bei dem Sie feststecken. Erstellen Sie ein Artifact -- eine UI-Komponente, ein Datenwerkzeug, irgendetwas Interaktives. Verbinden Sie einen Connector mit einem Dienst, den Sie täglich nutzen.

Woche 3-4: Bauen Sie Ihre Skills-Bibliothek. Erstellen Sie drei bis fünf Skills für Ihre repetitivsten Aufgaben. Code-Review-Kriterien. Dokumentationsvorlagen. Analyse-Frameworks. Jeder Skill, den Sie bauen, ist Zeit, die Sie nie wieder damit verbringen, diesen Prompt neu zu schreiben.

Woche 5-6: Betreten Sie Ebene 2. Installieren Sie Claude Code in Ihrer bevorzugten Umgebung. Führen Sie init auf Ihrem Hauptprojekt aus. Erstellen Sie einen benutzerdefinierten Befehl für eine Aufgabe, die Sie täglich erledigen. Richten Sie einen Hook für automatisierte Qualitätsprüfungen ein. Erleben Sie den Unterschied zwischen dem Beschreiben Ihres Codes und dem direkten Lesen durch Claude.

Woche 7-8: Erkunden Sie Ebene 3. Installieren Sie einen Community MCP-Server -- Dateisystem oder GitHub sind großartige Ausgangspunkte. Verwenden Sie ihn für eine echte Aufgabe. Sobald Sie das Muster sehen, versuchen Sie, einen zweiten Dienst zu verbinden. Beginnen Sie dann darüber nachzudenken, welche Workflows in Ihrer täglichen Routine automatisiert werden könnten, indem MCP-Aktionen miteinander verknüpft werden.

Monat 3 und darüber hinaus: Erstellen Sie benutzerdefinierte MCPs. Identifizieren Sie interne Werkzeuge oder Dienste, die nicht von bestehenden MCP-Servern abgedeckt werden. Bauen Sie Ihre eigenen. Hier wird der Hebel exponentiell, weil Sie Claude Zugang zu Fähigkeiten geben, die niemand sonst hat.

Die Progression ist bewusst. Jede Ebene baut auf der vorherigen auf. Die Prompting-Fähigkeiten, die Sie auf Ebene 1 entwickeln, machen Sie auf Ebene 2 effektiver. Das Automatisierungsdenken, das Sie auf Ebene 2 entwickeln, bereitet Sie darauf vor, Workflows auf Ebene 3 zu entwerfen. Überspringen Sie eine Ebene und Sie stoßen an eine Wand.

Die Ehrlichen Kompromisse, die Niemand Erwähnt

Ich habe ein überzeugendes Bild gezeichnet, also lassen Sie mich es mit der Realität in Balance bringen.

Ebene 1 reicht für die meisten Menschen. Wenn Sie Claude für Schreiben, Recherche, Analyse oder gelegentliche Programmierhilfe nutzen, wird ein gut konfiguriertes Project mit guten Skills und dem richtigen Prompting-Framework Ihnen wunderbar dienen. Sie brauchen Claude Code nicht. Sie brauchen MCP nicht. Komplexität um ihrer selbst willen ist eine Falle.

Ebene 2 erfordert Vertrauenskalibrierung. Einem KI-Agenten Schreibzugriff auf Ihre Codebase zu geben bedeutet, dass Sie Leitplanken benötigen. Hooks, Überprüfungsschritte, Versionskontrolldisziplin. Ich habe Entwickler gesehen, die Claude Code unbeaufsichtigt laufen ließen und mit Änderungen endeten, die sie nicht verstanden, in Dateien, die sie nicht erwartet hatten. Nutzen Sie die Kraft, aber nutzen Sie sie mit Kontrollen. Überprüfen Sie immer Diffs, bevor Sie committen.

Ebene 3 hat eine Sicherheitsoberfläche. Jede MCP-Verbindung ist ein Integrationspunkt, und jeder Integrationspunkt ist eine potenzielle Schwachstelle. Seien Sie bewusst darüber, welche Server Sie verbinden, welche Berechtigungen Sie erteilen und welche Daten durch die Pipeline fließen. Ich behandle MCP-Verbindungen mit derselben Sorgfalt, die ich auf jede Drittanbieter-API-Integration anwenden würde -- denn genau das sind sie.

Die Modelle sind auf keiner Ebene unfehlbar. Opus 4.6 ist brillant, halluziniert aber noch. Sonnet 4.6 ist schnell, übersieht aber noch Nuancen. Das Drei-Ebenen-Framework macht Claude dramatisch leistungsfähiger, aber es macht Claude nicht perfekt. Sie sind noch immer der Experte. Claude ist der Kraftmultiplikator.

Früher dachte ich, die größte KI-Fähigkeit sei Prompting. Ich lag falsch. Die größte Fähigkeit ist zu wissen, wann man der Ausgabe vertrauen und wann man sie verifizieren soll. Dieses Urteil kommt nur durch Erfahrung, und kein Framework kann es abkürzen.

Was Passiert, Wenn Man Alle Drei Ebenen Zusammen Nutzt

Hier ist das Bild, das ich Ihnen mitgeben möchte.

Letzten Monat nahm ich ein Projekt an, das meiner Solo-Praxis zwei Wochen gekostet hätte, es zu liefern. Ein Kunde brauchte eine Full-Stack-Webanwendung mit Authentifizierung, einem Dashboard, Integration mit seinem bestehenden CRM und Deployment auf AWS. Zwei Wochen war ihre Frist. Eng, aber machbar.

Ich lieferte es in sechs Tagen.

Ebene 1 handhabte die Planungsphase. Extended Thinking half mir, das System zu architekturieren. Ein Project enthielt alle Kundenanforderungen und technischen Spezifikationen. Skills generierten die API-Dokumentation und das Datenbankschema.

Ebene 2 handhabte das Bauen. Claude Code schrieb die anfängliche Codebase, führte Tests durch, fand Bugs und iterierte auf Feedback -- alles in meinem Terminal. Hooks stellten sicher, dass jeder Commit Linting und Typprüfungen bestand. Benutzerdefinierte Befehle automatisierten die repetitiven Teile des Entwicklungszyklus.

Ebene 3 handhabte die Integration. Ein MCP-Server verband Claude mit der CRM API des Kunden für die Datenzuordnung. Ein weiterer MCP-Server verwaltete die AWS-Deployment-Pipeline. Ein dritter handhabte das Einrichten des Benachrichtigungssystems.

Sechs Tage. Nicht weil die KI alles tat -- das tat sie nicht. Ich traf Architekturentscheidungen. Ich überprüfte jedes kritische Stück Code. Ich handhabte die Randfälle, die menschliches Urteil erforderten. Aber die KI handhabte das Volumen. Den Boilerplate. Die repetitiven Testzyklen. Die Integrationsarbeit.

Das ist das eigentliche Versprechen des Drei-Ebenen-Frameworks. Nicht Ihr Fachwissen zu ersetzen. Es so dramatisch zu verstärken, dass der limitierende Faktor aufhört, Ihre Geschwindigkeit zu sein, und Ihr Ehrgeiz anfängt, es zu sein.

Also hier ist meine Herausforderung an Sie: Finden Sie heraus, auf welcher Ebene Sie gerade operieren. Verbringen Sie dann die nächsten zwei Wochen damit, in die nächste vorzudringen. Nicht weil Sie Ebene 3 erreichen müssen, um produktiv zu sein -- sondern weil Sie, wenn Sie erst einmal sehen, was auf jeder Ebene möglich ist, nie mehr ohne arbeiten wollen werden.

Häufig Gestellte Fragen

Ist Claude Code kostenlos zu verwenden?

Claude Code erfordert ein Pro- oder Team-Abonnement, und die Nutzung über die enthaltenen Kontingente hinaus wird basierend auf dem Token-Verbrauch abgerechnet. Das kostenlose Kontingent gibt Ihnen Zugang zu Claude Chat (Ebene 1) mit Nutzungslimits. Für ernsthafte Entwicklungsarbeit ist der Pro-Plan das Minimum, das ich empfehlen würde.

Kann ich MCP-Server verwenden, ohne zu wissen, wie man programmiert?

Ja -- viele Community MCP-Server können mit minimalem technischen Wissen installiert und konfiguriert werden, oft nur durch das Bearbeiten einer JSON-Konfigurationsdatei. Das Erstellen benutzerdefinierter MCP-Server erfordert Programmierkenntnisse, aber das Verwenden bestehender nicht. Sehen Sie das MCP-Server-Verzeichnis für Plug-and-Play-Optionen.

Welches Claude-Modell sollte ich für Programmieraufgaben verwenden?

Sonnet 4.6 erledigt 80% der Programmieraufgaben gut und antwortet schneller. Wechseln Sie zu Opus 4.6 für komplexe Architekturentscheidungen, Multi-Datei-Refaktorierung oder Debugging, das tiefes Denken über Ihre Codebase erfordert. Den vollständigen Überblick finden Sie im Modellvergleichsabschnitt oben.

Was ist der Unterschied zwischen Extended Thinking und Ultra Think?

Extended Thinking (Ebene 1, in Chat) gibt Claude mehr Zeit, Probleme Schritt für Schritt zu durchdenken. Ultra Think (Ebene 2, in Claude Code) bietet einen größeren Denknotizblock, der speziell für Multi-Datei-, Codebase-bewusste Probleme konzipiert ist. Verwenden Sie Extended Thinking für allgemeine komplexe Fragen; verwenden Sie Ultra Think für komplexe Code-Probleme.

Lassen Sie uns Zusammenarbeiten

Möchten Sie KI-Systeme aufbauen, Workflows automatisieren oder Ihre Technologieinfrastruktur skalieren? Ich helfe Ihnen gerne.

• Fiverr (benutzerdefinierte Builds & Integrationen): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (Enterprise-Lösungen): ramlit.com
• ColorPark (Design & Branding): colorpark.io
• xCyberSecurity (Sicherheitsdienstleistungen): xcybersecurity.io