80% weniger Regeln bei Anthropic. Deine bremsen dich genauso oft.
Ein Anthropic-Ingenieur erklärt, warum striktere Vorgaben eine neue KI-Generation dümmer machen.
Wenn du deiner KI ein dickes Regelwerk gibst, glaubst du wahrscheinlich, das macht sie sicherer und verlässlicher. Anthropic hat gerade das Gegenteil getestet: Sie strichen den System-Prompt von Claude Code, quasi das Regelwerk hinter der KI, um 80%.
Das widerspricht allem, was du über KI-Einführung gelernt hast. Mehr Kontrolle, mehr Regeln, mehr Guardrails, das war bisher die Antwort auf "wie mache ich KI im Betrieb sicher und verlässlich". Anthropic-Mitarbeiter Thariq Shihipar erklärt, warum das bei der neuen Modellgeneration nicht mehr stimmt.
Sein Befund: Frühere Modelle brauchten kurze Prompts mit vielen Beispielen. Als die Modelle klüger wurden, wuchsen die Prompts, mehr Beispiele, mehr Vorschriften, mehr Tools. Jetzt, mit der neuesten Modellklasse, dreht sich das um. Die Prompts werden wieder kürzer. "Die Beispiele schränken das Modell eher ein, weil es tatsächlich einfallsreicher ist als die Beispiele, die wir ihm geben", sagt Shihipar. Anthropic gibt der KI jetzt bewusst Kontext statt Vorschriften und vermeidet "Tu das nicht"-Formulierungen, die bei älteren Modellen noch nötig waren.
→ Für dich heißt das: Wenn dein Team der KI ein 40-seitiges Regelwerk gibt, "mach nie X, formuliere immer Y, halte dich strikt an Z", bremst ihr sie womöglich aus, statt sie sicherer zu machen. Das war bei älteren Modellen die richtige Strategie. Bei der aktuellen Generation ist es oft das Gegenteil.
Woran liegt das? Shihipar nennt es Capability Overhang: Fähigkeit, die im Modell längst steckt, aber ungenutzt bleibt, weil ihr die Umgebung fehlt, in der sie sich zeigen kann. Sein Beispiel: Frag ein Chat-Fenster, welche Pokémon-Namen auf "aw" enden. Es kennt jeden Namen und scheitert trotzdem, weil es sie im Kopf durchgehen muss. Gib Claude Code dieselbe Frage, holt es sich die Liste, schreibt ein Skript, filtert, sofort gelöst. Gleiches Modell, andere Antwort, weil die Umgebung eine andere ist. (Quelle: Thariq Shihipar, Anthropic, Talk "Field Guide to Fable", AI Engineer Conference, 06.07.2026)
→ Für dich heißt das: Bevor du urteilst, ob eine KI eine Aufgabe "einfach nicht kann", frag dich, ob sie dafür Zugriff auf deine echten Daten und Werkzeuge hatte. Ein Nein sagt oft mehr über deine Umgebung als über das Modell.
Shihipar nennt einen zweiten Effekt derselben Verschiebung: Weil die neue Modellklasse mit weniger Vorgaben auskommt, verschiebt sich der Engpass. Er beschreibt es als Lücke zwischen "Map", dem, was du der KI an Prompt und Kontext gibst, und "Territory", der echten Aufgabe mit ihren echten Randfällen. Je weniger Regeln du vorgibst, desto mehr hängt das Ergebnis davon ab, wie gut du selbst weißt, was du eigentlich willst, und wo deine eigenen blinden Flecken liegen. (Quelle: Thariq Shihipar, Anthropic, Talk "Field Guide to Fable", 06.07.2026, sowie Blog "A Field Guide to Claude Fable 5: Finding Your Unknowns", claude.com/blog, 06.07.2026)
→ Für dich heißt das: Bevor du der KI eine Aufgabe gibst, kläre für dich selbst, was du wirklich willst und wo du selbst noch unsicher bist. Diese Vorarbeit ersetzt jetzt das, was früher eine lange Regel-Liste geleistet hat.
Genau das sehe ich in Kundenprojekten. 70% weniger Zeitaufwand in administrativer Arbeit entsteht nicht durch eine lange Regelliste, sondern durch klaren Kontext plus echten System-Zugriff. Bei einer Vergaberechts-Kanzlei liegt die Genauigkeit der automatisierten E-Mail-Klassifikation bei ~97%, ROI ab Monat 2, nicht weil ich der KI hundert Sonderfälle vorgeschrieben habe, sondern weil sie mit klaren Regeln zum eigentlichen Prozess arbeitet, nicht mit einer Liste an Verboten.
Willst du das bei dir auch prüfen? Kostenloses Erstgespräch anfragen →
Der ehrliche Haken dabei: Weniger Regeln bedeutet mehr Verantwortung auf deiner Seite, dem Menschen, der die Aufgabe stellt. Du musst vorher klären, was du willst, bevor die KI es umsetzt, nicht danach nachbessern, indem du eine neue Regel ergänzt.
Die meisten Betriebe, die mit KI kämpfen, haben kein Regel-Problem. Sie haben ein Klarheits-Problem.
Hast du deiner KI auch schon mal ein dickes Regelwerk mitgegeben, das sie eher gebremst als geschützt hat?
Quellen: Thariq Shihipar, Anthropic — The Decoder: Anthropic cuts 80% of Claude Code's system prompt (02.07.2026) · A Field Guide to Claude Fable 5: Finding Your Unknowns (Anthropic-Blog, 06.07.2026) · Talk "Field Guide to Fable", AI Engineer Conference (06.07.2026)
