Die Grundlagen, bevor wir mit Claude arbeiten
Und was nicht
Claude ist ein Large Language Model (LLM): ein Sprachmodell, das aus riesigen Textmengen gelernt hat, wie Text weitergeht.
Die meisten Enttäuschungen entstehen, weil man etwas anderes erwartet, als ein Sprachmodell ist.
Es sucht nicht von selbst im Netz. Es antwortet aus dem, was es im Training gelesen hat — bis zu einem Stichtag.
Es schlägt nichts exakt nach. Es rekonstruiert plausiblen Text — Zahlen und Namen inklusive.
Gleiche Eingabe heißt nicht gleiche Ausgabe. Zweimal fragen, zwei Antworten.
Zwischen zwei Aufrufen behält das Modell nichts. Was es wissen soll, muss jedes Mal mitgeschickt werden.
Token, Fenster, Vorhersage
Bevor das Modell rechnet, wird der Text in Token zerlegt — Wortteile aus einem festen Vokabular.
Das Kontextfenster ist die gesamte Eingabe eines Aufrufs.
Was nicht darin steht, existiert für das Modell nicht.
Das Modell berechnet für jedes nächste Token, wie wahrscheinlich es ist — abhängig von allem, was im Fenster steht.
Warum Claude sich trotzdem erinnert
Das Modell behält zwischen zwei Aufrufen nichts.
Die App schickt bei jeder Nachricht den ganzen Verlauf erneut mit.
| Runde | Was tatsächlich an das Modell geht |
|---|---|
| 1 | Anweisungen + Frage 1 |
| 2 | Anweisungen + Frage 1 + Antwort 1 + Frage 2 |
| 3 | Anweisungen + Frage 1 + Antwort 1 + Frage 2 + Antwort 2 + Frage 3 |
| … | … bis das Fenster voll ist |
Drei Arbeitsregeln folgen direkt daraus, dass alles neu geschickt wird.
Halluzination, Zufall, Stichtag
Das Modell formuliert Erfundenes genauso sicher wie Belegtes.
Die Eingabe an das Modell — Frage, Auftrag, Kontext.
Die Fortsetzung, die das Modell erzeugt — Text, Tabelle, Plan.
Eine Antwort, die überzeugend klingt, aber falsch ist — eine erfundene Zahl, Quelle oder Frist.
Das Modell zieht jedes Token aus einer Wahrscheinlichkeitsverteilung.
Zweimal derselbe Auftrag heißt zweimal ein anderer Weg.
„Gestern hat es geklappt, also klappt es heute."
„Ich finde den perfekten Prompt und bekomme immer dasselbe."
„Die Kollegin hat denselben Prompt, also dasselbe Ergebnis."
Ein prüfbares Ergebnis statt eines immer gleichen Wegs.
Die Abnahme festlegen: Was muss am Ende nachweisbar dastehen?
Der Weg darf schwanken, die Abnahme nicht.
Das Modell hat bis zu einem Stichtag gelernt.
Was danach passiert ist, kennt es nicht — und es merkt das nicht.
Es sagt nicht „kenne ich nicht", sondern antwortet plausibel mit dem alten Stand: eine Preisliste, eine Regelung, ein Produktname.
Nachsehen lassen statt erinnern lassen: Web-Suche, die Datei, die Mail, die Seite im Wissensspeicher — und die Quelle mit angeben lassen.
Die Schleife mit Werkzeugen
Ein Agent bekommt Werkzeuge: Er liest, sucht und schreibt selbst — und legt jedes Ergebnis zurück ins Kontextfenster.
Die Schwächen eines Sprachmodells lassen sich nicht abtrainieren.
Werkzeuge ersetzen Erinnern durch Nachsehen.
| Schwäche | Werkzeug dagegen | in Claude |
|---|---|---|
| Stichtag, veraltetes Wissen | aktuelle Quelle lesen | Web-Suche, Dateien, Connectors |
| Erfundene Zahlen und Namen | Belege ins Fenster holen | Connector zu Mail, Drive, Notion; Quellenangabe verlangen |
| Kein Gedächtnis | festgehaltener Kontext | Anweisungen, Projekte, Memory, Skills |
| Schwankende Antworten | prüfbares Ergebnis | Abnahme im Auftrag, Entwurf statt Versand |
Was von diesem Deck hängenbleiben soll.
Alle Rechte vorbehalten
Diese Schulungsunterlagen sind urheberrechtlich geschützt. Vervielfältigung, Weitergabe oder kommerzielle Nutzung — auch in Auszügen — nur mit ausdrücklicher schriftlicher Genehmigung der CGS IT Solutions GmbH.
cgsit-claude-training · Wissensarbeit W0 · Grundlagen · v2.0.1