Claude Opus 5 ist da. Der Engpass sitzt woanders

Was wächst, ist die Nutzung, nicht die Reife

Anthropic hat Claude Opus 5 veröffentlicht, das zwölfte Modell des Hauses binnen zwölf Monaten. Rechnet 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 denselben zwölf Monaten ihren Arbeitsablauf umgebaut haben, ist eine ganz andere. Das ist der Punkt dieses Beitrags: Was gerade wächst, ist die Nutzung von KI, nicht die Reife.

Ich rede KI nicht klein. Ich arbeite täglich damit und habe über 15 KI-Projekte im Produktiveinsatz. Genau deshalb schreibe ich das: Der Engpass sitzt in den meisten Betrieben nicht im Modell. Er sitzt in dem Ablauf, in den das Modell hineingesetzt wird, und dort hilft kein Versionssprung.

Für diesen Zustand gibt es einen Begriff, der besser trägt als jede Benchmarktabelle. Claire Vo hat Opus 5 unabhängig in der Praxis bewertet, findet das Modell brillant und tauscht ihre Werkzeuge trotzdem nicht aus. Sie nennt das einen „intelligence overhang”, also mehr Fähigkeit, als die vorhandenen Arbeitsabläufe überhaupt abrufen können (Lenny’s Newsletter, 24. Juli 2026). Dieser Überhang wächst mit jeder Veröffentlichung. Abgerufen wird er nicht durch ein Update, sondern 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 ist derselbe Preis wie beim Vorgänger Opus 4.8 und die Hälfte von Claude Fable 5. Verfügbar ist es sofort in Claude.ai, Claude Code, Claude Cowork und über die API unter dem Namen claude-opus-5. Neu sind vor allem die Effort-Stufen, mit denen Sie pro Anfrage zwischen mehr Intelligenz und weniger Verbrauch an Token wählen können. Dazu kommt ein Fast Mode zum doppelten Preis.

Bei den Benchmarks nennt Anthropic Frontier-Bench v0.1 mit 43,3 Prozent gegenüber 33,7 Prozent für Fable 5, ARC-AGI-3 mit 30,2 Prozent gegenüber 7,8 Prozent für GPT-5.6 Sol und einen Elo-Wert von 1861 bei GDPval-AA v2. The Register führt Opus 5 mit 61 Punkten an der Spitze des Artificial Analysis Intelligence Index, einen Punkt vor Fable 5, nennt aber auch die schwachen Stellen: Von 14 Exploit-Aufgaben löste das Modell nur 4, Mythos schaffte 13. Und 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.

Eine Kleinigkeit am Rande zeigt, wie schnell das gerade geht: Anthropic und die meisten Medien datieren die Veröffentlichung auf den 24. Juli 2026, The Register und the-decoder schreiben den 25. Juli. Wenn schon das Erscheinungsdatum auseinandergeht, sollten Sie bei Ranglisten vorsichtig sein, die auf die Woche genau tun.

Rund 25 Modelle in zwölf Monaten

Wie eng das aufeinanderfolgt, sieht man am besten in der Übersicht. Zwölf Modelle stammen allein von Anthropic. Für die Modelle der übrigen Anbieter liegt mir kein Monat vor, sondern nur der Zeitraum, deshalb stehen sie am Ende der Tabelle.

Zeitpunkt	Anbieter	Modell
August 2025	Anthropic	Opus 4.1
Herbst 2025	Anthropic	Sonnet 4.5
Herbst 2025	Anthropic	Haiku 4.5
November 2025	Anthropic	Opus 4.5
Februar 2026	Anthropic	Opus 4.6
Februar 2026	Anthropic	Sonnet 4.6
April 2026	Anthropic	Opus 4.7
Mai 2026	Anthropic	Opus 4.8
Juni 2026	Anthropic	Fable 5
Juni 2026	Anthropic	Mythos 5
Ende Juni 2026	Anthropic	Sonnet 5
Juli 2026	Google	drei Gemini-Varianten an einem einzigen Tag
Juli 2026	Anthropic	Opus 5
im selben Zeitraum	Google	Gemini 3.1 Pro
im selben Zeitraum	OpenAI	GPT-5.4
im selben Zeitraum	OpenAI	GPT-5.5
im selben Zeitraum	OpenAI	GPT-5.6-Familie
im selben Zeitraum	DeepSeek	DeepSeek V4
im selben Zeitraum	Moonshot AI	Kimi K2.7 Code
im selben Zeitraum	Moonshot AI	Kimi K3
im selben Zeitraum	Zhipu AI	GLM-5.2
im selben Zeitraum	xAI	Grok 4.5
im selben Zeitraum	Meta	Muse Spark 1.1

Ich sage bewusst rund 25 und nicht 24 oder 26. 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 Ankündigungstag oder der Tag der allgemeinen Verfügbarkeit gezählt wird. Ein Tracker hat für den Zeitraum Februar bis April 2026 sieben Spitzenmodelle in 78 Tagen gezählt und daraus ein neues Spitzensystem etwa alle elf Tage gemacht. llm-stats führt insgesamt 335 verfolgte Modellveröffentlichungen.

Für ein Unternehmen folgt daraus eine unbequeme Lage. Das Modell, auf das Sie heute Ihre Abläufe zuschneiden, ist in drei Monaten nicht mehr das beste. Wer daraus ableitet, man müsse ständig wechseln, baut sich eine Dauerbaustelle. Wer daraus ableitet, man solle warten, bis sich das beruhigt, wartet auf etwas, das nicht kommt.

Die Gegenprobe: was in den Firmen tatsächlich ankommt

Zuerst die Zahl, die gegen meine These spricht, denn die gehört zuerst genannt. Bitkom hat 604 Unternehmen ab 20 Beschäftigten befragt und meldet 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 einen messbaren Beitrag zum Unternehmenserfolg. Wer behauptet, es ändere sich nichts, wird von dieser Erhebung widerlegt.

Nur ist die Zahl der Nutzer eben nicht die Zahl der veränderten Abläufe. Und sie ist auch nicht so eindeutig, wie ein einzelnes Zitat glauben macht. Bitkoms eigener 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, aufgeteilt in 23 Prozent bei den kleinen, 36 Prozent bei den mittleren und 57 Prozent bei den großen Unternehmen. Drei Erhebungen, drei Grundgesamtheiten, drei Zahlen. Wer eine davon zitiert, sollte die Quelle dazusagen, sonst entsteht eine Genauigkeit, die es nicht gibt.

Interessanter als die Nutzungsquote ist ohnehin, 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 vorsichtige Führung, fehlendes Know-how und verstreute Einzelprojekte. Die übrigen 6 Prozent berichten von rund 22 Prozent Effizienzgewinn in zwei Jahren und erwarten bis 2027 gut 28 Prozent. Am meisten sagt die Prioritätenliste: Markenaufbau steht auf Platz eins der Trendthemen für 2026, Künstliche Intelligenz auf Platz 17. (Anmerkung zur Quelle: mckinsey.com antwortet auf Abrufe derzeit nicht. Das Datum 21. November 2025 stammt aus der URL der deutschen Presseinformation und aus zwei unabhängigen Sekundärquellen vom 22. November 2025 und 16. Dezember 2025, die die Studie mit Titel nennen.)

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. Diese 95 Prozent kursieren seit Monaten als Schlagzeile, und sie sind 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). Ich nehme die Zahl deshalb als Richtung, nicht als Messwert.

Und dann ist da noch der Punkt, an dem es in der Praxis am häufigsten hakt: Laut Bitkom haben nur 23 Prozent der Unternehmen überhaupt Regeln für den KI-Einsatz aufgeschrieben, während immer mehr Beschäftigte private Zugänge im Job benutzen (Presseinformation, 21. Oktober 2025). Knapp ein Viertel mit Regeln, das ist die eigentliche Reifezahl.

Der Einwand, der ernst zu nehmen ist

Es gibt ein gutes Gegenargument, und ich fände es unredlich, es wegzulassen. METR misst seit Jahren, wie lange 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 alle drei Monate verdoppelt, verschiebt sich irgendwann auch die Antwort auf die Frage, was Sie überhaupt in einen Ablauf geben können. Aufgaben, die heute an der Länge scheitern, laufen dann durch. Ein Beispiel dafür liefert Opus 5 selbst: Im Frontier-Bench rekonstruierte das Modell ein Maschinenteil aus einer Zeichnung, indem es sich dafür eine eigene Computer-Vision-Pipeline programmierte, woran andere Modelle nach fünf Versuchen scheiterten. Die Quelle dafür ist allerdings Anthropics eigener Benchmark, und das gehört dazugesagt.

Beides ist gleichzeitig wahr. Die Modelle werden schnell besser, und die Abläufe holen das nicht ein. Wer über KI-Agenten nachdenkt, findet die praktische Seite davon in meinem Beitrag zu CEO-Bench, wo autonome Agenten ein Startup führen sollten und eine simple Regel-Heuristik sie alle geschlagen hat.

Ein Tag mit Opus 5 an meiner eigenen Website

Ich habe den 25. Juli komplett mit Opus 5 gearbeitet, und zwar nicht im Chatfenster, sondern mit einem Team spezialisierter Agenten an meinem eigenen Firmen-Repo und an dieser Website. Ein Fund daraus zeigt gut, worum es mir geht.

Anlass war eine Preiserhöhung für KI-Arbeit. Eine Zahl anpassen, dachte ich, eine halbe Stunde Arbeit. 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, wenn sie stehen geblieben wäre. Von Hand hätte ich einen Teil davon übersehen, und zwar genau den unauffälligen Teil, der mir dann noch monatelang nicht aufgefallen wäre.

Jetzt die ehrliche Pointe, und die ist mir wichtiger als die Zahlen. Ich kann nicht sagen, ob das am Modell lag. Genauso gut kann es daran gelegen haben, dass mein Ablauf zum ersten Mal sauber beschrieben war: klare Zuständigkeiten, feste Regeln, aufgeschriebener Kontext. Wahrscheinlich war es beides, und ich kann die Anteile nicht trennen. Genau diese Unsicherheit ist meine These in Kurzform. Wer sie sofort zugunsten des Modells auflöst, kauft ein Abo. Wer sie sofort zugunsten des Prozesses auflöst, verpasst die Entwicklung.

Was ich Ihnen empfehle

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, Anfragenbearbeitung. Einer, nicht fünf. Verstreute Einzelversuche sind laut McKinsey genau der Grund, warum 94 Prozent nicht über mittlere Reife hinauskommen.

2. Den Ist-Zustand aufschreiben. Wie viele Minuten dauert ein Durchgang, wie oft im Monat, was geht dabei regelmäßig schief. Ohne diese Zahl können Sie den Nutzen einer KI hinterher nicht belegen, und dann wird aus jedem Projekt eine Glaubensfrage.

3. Den Kontext beschreiben, nicht den Prompt optimieren. Was das Modell über Ihr Unternehmen wissen muss, welche Regeln gelten, wie ein gutes Ergebnis aussieht. Das ist die Arbeit, die Context Engineering meint, und sie überlebt jeden Modellwechsel. Reines Prompt Engineering tut das nicht. Wie eine wachsende Wissensdatenbank dafür aussehen kann, habe ich am Beispiel von Andrej Karpathys LLM Wiki beschrieben.

4. Regeln aufschreiben. 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 billigste Vorsprung, den Sie bekommen können. Ab dem 2. August 2026 kommen mit der EU-KI-Verordnung ohnehin Transparenzpflichten dazu.

5. Erst jetzt das Modell wählen. Wenn die vier Schritte stehen, ist der Wechsel auf ein neues Modell eine Zeile in einer Konfiguration und keine Neuentwicklung. Dann können Sie Opus 5 gegen das vorherige laufen lassen und sehen an Ihren eigenen Zahlen, 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, das kostet fast nichts.

Was es nicht ist: die Antwort auf die Frage, warum KI in Ihrem Betrieb noch nicht das bringt, was Sie sich versprochen haben. Diese Antwort steht in Ihren Abläufen, und dort ist seit zwölf Monaten und zwölf Modellen meist wenig passiert. Der Überhang 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 wollen, ob sich KI dafür rechnet, sehe ich mir das gern an. Als KI-Berater fange ich immer beim Prozess an und nicht beim Werkzeug, einen Überblick über die Möglichkeiten gibt die Seite KI-Lösungen. Geht es um wiederkehrende Abläufe, ist Workflow-Automatisierung der passende Einstieg. Die Konditionen für KI-Arbeit stehen offen auf der Seite Preise. Wie ich selbst mit diesen Werkzeugen arbeite, habe ich nach meinen beiden Anthropic-Zertifizierungen für Claude Code beschrieben.

Quellen und weiterführende Links

• 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.