Claude wird doppelt so schnell besser: Was das für Ihre Planung heißt
09. November 2026
KI-generiert, redaktionell von 8thsense ausgewählt, geprüft und freigegeben. EU AI Act, Art. 50
Die unabhängige Prüforganisation METR hat elf Wochen lang interne Daten von Anthropic ausgewertet, dem Hersteller der KI Claude. Das Ergebnis, veröffentlicht am 5. November 2026: Anthropic verbessert seine Modelle bei klar umrissenen Aufgaben vermutlich etwa doppelt so schnell wie noch zwischen März 2024 und Oktober 2025. Den größten Teil dieser Beschleunigung schreibt METR dem Umstand zu, dass KI inzwischen an ihrer eigenen Entwicklung mitarbeitet. Für Geschäftsführer ist das weniger eine Science-Fiction-Meldung als ein Planungsproblem: Wer heute ein KI-Projekt für drei Jahre festzurrt, plant mit Werkzeugen, die es in einem Jahr so nicht mehr gibt.
Was METR herausgefunden hat
METR (Model Evaluation and Threat Research) ist eine gemeinnützige Forschungsgruppe aus Berkeley. Die Prüfung lief vom 12. August bis 29. Oktober 2026, geplant waren ursprünglich vier Wochen. METR erhielt Zugriff auf interne Benchmark-Werte, historische Trainingsdaten, Personal- und Rechenzahlen, interne Umfragen und führte rund 15 Interviews mit Schlüsselpersonen (Quelle: metr.org). Eine Bezahlung gab es laut METR nicht, Anthropic stellte lediglich Rechenkapazität bereit. Die Nachrichtenagentur AP spricht von einem Einblick in interne Daten, den es in dieser Form bisher nicht gab (Quelle: AP via wcax.com).
Die Zahlen und ihre Unsicherheit
Der Kern des Berichts ist eine Trendanalyse auf Anthropics internem Leistungsindex. Die wichtigsten Punkte:
Tempo: Seit Oktober 2025 wächst der Index etwa 1,9-mal so schnell wie zuvor, das 95-Prozent-Intervall reicht von 1,5 bis 2,8. Anthropic hat damit grob zwei Jahre früheren Fortschritts in einem Jahr geschafft.
Spannweite: METR hält auch Werte zwischen 1,3-fach und 3-fach für möglich. Je nach Rechenmethode schwankt die Schätzung sogar zwischen 1,1 und 2,9.
Ursache: Etwa 80 Prozent der aktuellen Beschleunigung führt METR auf den KI-Einsatz in Forschung und Entwicklung zurück. Mit hoher Sicherheit ausgeschlossen wird, dass einfach mehr Rechenleistung fürs Training dahintersteckt.
Bremsen: Klare Engpässe bei Rechenleistung oder Daten fand METR nicht.
Wichtig ist die Einschränkung „klar umrissene Aufgaben“: Gemessen wurde, was sich automatisch bewerten lässt. Ob unordentliche Alltagsaufgaben genauso schnell besser werden, ist offen. Auch AP weist darauf hin, dass die Beschleunigung deshalb überschätzt sein könnte (Quelle: wcax.com).
Die geschwärzten Stellen
Der Bericht hat einen Haken, den METR selbst offen benennt. Anthropic durfte nicht-öffentliche Informationen schwärzen und hat davon reichlich Gebrauch gemacht. Laut METR fiel ein Großteil der aussagekräftigsten Belege weg, darunter Schätzungen pro Entwicklungsstufe, Engpassanalysen und Prognosen für künftige Modelle. Anthropic begründet das damit, keine vertraulichen Informationen preiszugeben, die anderen KI-Entwicklern helfen könnten (Quelle: letsdatascience.com). METR schreibt, die Öffentlichkeit müsse sich deshalb stärker auf das eigene Urteil verlassen, als ideal wäre. Eine ursprünglich vereinbarte Prüfung, wie viel Rechenleistung in Sicherheit statt in Fähigkeiten fließt, hat Anthropic während der Prüfung gestrichen. Zugleich hält METR es für „extrem unwahrscheinlich“, dass Anthropic bewusst täuschen wollte.
Warum das Thema gerade jetzt brisant ist
Ausgerechnet Anthropic-Chef Dario Amodei hatte im September in einem Essay gefordert, das Tempo der Modellverbesserung zu drosseln, damit Sicherheitsmaßnahmen hinterherkommen. Er warnte davor, dass sich selbst verbessernde KI die Fähigkeit überholen könnte, solche Systeme zu verstehen und zu kontrollieren, und schlug externe Prüfer in den Laboren vor, ausdrücklich auch METR (Quelle: wcax.com). Der Bericht zeigt nun, dass genau diese Selbstverstärkung im eigenen Haus messbar wird. Voll autonom forscht die KI laut METR aber noch nicht, es gebe lediglich erste „Lebenszeichen“. Ob andere Anbieter ähnlich schnell sind, lässt der Bericht offen: Über alle Entwickler hinweg schätzt METR die Beschleunigung nur auf etwa 1,4-fach.
Was das für Unternehmen bedeutet
Für einen Pflegedienst, eine Tanzschule oder ein Handwerksunternehmen ist die Frage nicht, ob Anthropic schneller ist als die Konkurrenz. Entscheidend ist: Die Werkzeuge ändern sich spürbar innerhalb weniger Monate. Was heute an einer Aufgabe scheitert, etwa das zuverlässige Auslesen handschriftlicher Formulare, kann im nächsten Quartal funktionieren. Umgekehrt veraltet ein teuer gebautes Spezialsystem schneller als gedacht. Daraus folgen drei praktische Regeln für KI-Automation im Mittelstand:
Kurz planen: KI-Vorhaben in Etappen von drei bis sechs Monaten zuschneiden, mit klarem Nutzen pro Etappe statt eines Mehrjahresplans.
Modell austauschbar halten: Prozesse so bauen, dass das Sprachmodell ein Baustein ist, der sich wechseln lässt. Keine langen Verträge, die an ein einziges Modell binden.
Eigene Testfälle pflegen: Zehn bis zwanzig echte Beispiele aus dem Betrieb (Rechnungen, Kundenanfragen, Dienstpläne) aufheben und jedes neue Modell daran prüfen. Das dauert einen Nachmittag und ersetzt jede Benchmark-Schlagzeile.
Klein starten heißt hier: einen gut abgegrenzten Prozess wählen, denn genau bei klar umrissenen Aufgaben sieht METR den schnellsten Fortschritt. Eine verantwortliche Person im Team, die quartalsweise neue Modelle gegen die eigenen Testfälle laufen lässt, reicht für den Anfang. Wer den Rahmen dafür sauber aufsetzen will, findet in einer strukturierten Prozessautomatisierung mit KI den passenden Ansatz. Und die geschwärzten Seiten des Berichts sind eine Erinnerung daran, Herstellerversprechen generell nüchtern zu prüfen, statt sie ungefragt in die eigene Planung zu übernehmen.
