Claude Opus 5: Der Effort-Regler und was er für KMU bedeutet
Anthropic hat Claude Opus 5 mit einem neuen Effort-Regler lanciert. Wie Schweizer KMU damit KI-Kosten pro Aufgabe statt nur pro Budget steuern.
Am 2. Juli 2026 hatte Anthropic Spend Caps und Budget-Warnschwellen für Claude Enterprise eingeführt – ein Werkzeug, um KI-Kosten auf Organisationsebene im Rahmen zu halten. Drei Wochen später, am 24. Juli 2026, folgte die nächste Antwort auf dasselbe Grundproblem, diesmal direkt im Modell selbst: Claude Opus 5 bringt einen einstellbaren Effort-Regler mit, der festlegt, wie viel Rechenaufwand eine einzelne Anfrage kosten darf.
Für ein Schweizer KMU ohne eigenes Finance- oder IT-Team lösen die beiden Funktionen unterschiedliche Probleme. Ein Budgetlimit verhindert, dass die Rechnung am Monatsende aus dem Ruder läuft. Es sagt aber nichts darüber aus, ob eine einzelne Anfrage sinnvoll teuer war oder unnötig aufwendig ausgeführt wurde. Genau hier setzt der Effort-Regler an: Er gibt die Kontrolle nicht nur auf Budgetebene zurück, sondern direkt am Ort der Nutzung.
Dieser Beitrag zeigt, was Claude Opus 5 konkret ändert, was der Effort-Regler in der Praxis leistet und wie ein KMU-Team eine einfache Faustregel für den Alltag daraus ableitet.
Was Claude Opus 5 ist
Claude Opus 5 löst mit dem Release vom 24. Juli 2026 das bisherige Modell Opus 4.8 ab. Anthropic positioniert es als Modell, das nahe an die Spitzenleistung von Claude Fable 5 herankommt – bei halben Kosten. Auf internen Auswertungen wie Frontier-Bench und GDPval-AA, die unter anderem Programmier- und Wissensarbeitsaufgaben abbilden, erzielt Opus 5 laut Anthropic die bislang besten Werte der Opus-Reihe. Das Modell ist neu das Standardmodell für Claude Max und das leistungsfähigste verfügbare Modell auf Claude Pro.
Preislich bleibt Opus 5 unverändert zum Vorgänger: 5 US-Dollar pro Million Input-Tokens, 25 US-Dollar pro Million Output-Tokens. Das ist die Hälfte dessen, was Claude Fable 5 mit 10 beziehungsweise 50 US-Dollar pro Million Tokens kostet. Für ein KMU, das über die Claude API oder ein angebundenes Tool arbeitet, heisst das: mehr Leistung zum bisherigen Preis, ohne dass ein Lizenzwechsel nötig wird.
Der Effort-Regler: Kostenkontrolle pro Aufgabe statt pro Monat
Die eigentliche Neuerung für Geschäftsanwender ist nicht die reine Modellleistung, sondern der neue Effort-Parameter. Er lässt sich pro Anfrage von niedrig bis maximal einstellen und bestimmt, wie viel Rechenaufwand – und damit wie viele Tokens und wie viel Zeit – Claude in eine Aufgabe investiert.
Bei niedrigem Effort liefert Claude Opus 5 eine schnellere, günstigere Antwort mit entsprechend einfacherer Verarbeitung. Bei maximalem Effort nimmt sich das Modell mehr Zeit, verarbeitet mehr Zwischenschritte und liefert eine gründlichere, komplexere Ausarbeitung. Beides läuft auf demselben Modell, mit derselben Lizenz – der Unterschied liegt allein in der Einstellung pro Anfrage.
Für ein KMU-Team bedeutet das einen Hebel, der bisher fehlte. Bislang war die einzige Stellschraube die Modellwahl: ein günstigeres, schnelleres Modell für einfache Aufgaben, ein teureres für komplexe. Der Effort-Regler erlaubt eine feinere Abstufung innerhalb desselben Modells – etwa für ein Support-Team, das die meisten Anfragen mit niedrigem Effort abarbeitet, aber bei einer eskalierten, kundenseitig sichtbaren Anfrage automatisch auf hohen Effort umschaltet.
Ergänzend gibt es den neuen Fast Mode, aktuell in der Testphase: Er beschleunigt Antworten um etwa das 2,5-Fache, kostet dafür aber den doppelten Preis – 10 US-Dollar pro Million Input- und 50 US-Dollar pro Million Output-Tokens. Fast Mode steht bislang nur über die direkte Claude API zur Verfügung, nicht über Cloud-Plattformen wie Amazon Bedrock, und ist für die meisten KMU-Anwendungsfälle eher die Ausnahme als die Regel.
Was eine einzelne Anfrage tatsächlich kostet
Zahlen wie "5 US-Dollar pro Million Tokens" bleiben abstrakt, solange sie nicht auf eine reale Arbeitssitzung bezogen werden. Anthropic nennt in der eigenen Preisdokumentation ein konkretes Beispiel: Eine einstündige Coding-Sitzung mit 50'000 Input- und 15'000 Output-Tokens kostet insgesamt 0.705 US-Dollar. Wird ein Grossteil der Eingabe – im Beispiel 40'000 der 50'000 Input-Tokens – über Prompt Caching wiederverwendet, sinken die Kosten auf 0.525 US-Dollar. Ein Cache-Treffer kostet dabei nur ein Zehntel des regulären Preises pro Token.
Diese Grössenordnung relativiert die Angst vor der "grossen KI-Rechnung": Eine einzelne Anfrage liegt praktisch immer im Cent-Bereich. Das eigentliche Kostenrisiko entsteht durch die Menge – viele Anfragen, lange Kontextfenster oder ein Agenten-Workflow, der über Stunden selbständig läuft, ohne dass jemand die Effort-Einstellung an die Aufgabe angepasst hat. Wer für jede Anfrage automatisch den maximalen Effort verwendet, weil es die Standardeinstellung ist, zahlt für viele Routineaufgaben unnötig drauf.
Eine einfache Faustregel für den KMU-Alltag
Für ein Team ohne dediziertes AI-Ops-Personal lohnt sich eine einfache Zweiteilung statt einer komplizierten Effort-Matrix:
Niedriger Effort für Routineaufgaben. Klassifizieren eingehender E-Mails, ein erster Textentwurf, eine einfache Datenabfrage aus einem bestehenden System, Formatierung oder Zusammenfassung eines bekannten Dokuments. Hier zählt Geschwindigkeit mehr als maximale Tiefe, und Fehler lassen sich mit geringem Aufwand korrigieren.
Hoher oder maximaler Effort für alles, was kundenseitig sichtbar wird oder mehrere Schritte verkettet. Eine Vertragsprüfung, eine mehrstufige Recherche vor einer Kundenpräsentation, ein Agenten-Workflow, der selbständig mehrere Systeme abfragt und Entscheidungen trifft, oder komplexeres Coding, bei dem ein Fehler später teuer wird. Hier zahlt sich der höhere Tokenverbrauch aus, weil das Ergebnis direkt Vertrauen oder Umsatz beeinflusst.
Die konkrete Einstellung lässt sich für wiederkehrende Workflows einmal festlegen, statt bei jeder Anfrage neu zu entscheiden. Ein Automatisierungs-Workflow für die Rechnungsprüfung etwa kann dauerhaft mit niedrigem Effort laufen, während ein Chatbot für komplexe Beratungsgespräche standardmässig auf hohem Effort bleibt.
Ein Beispiel aus der Praxis: Ein 10-Personen-Betrieb setzt Claude Opus 5 für zwei Workflows ein – die automatische Vorsortierung eingehender Kundenanfragen nach Dringlichkeit und Thema sowie die Vorbereitung von Angeboten für grössere Projekte. Für die Vorsortierung reicht niedriger Effort: Die Kategorien sind klar definiert, und eine falsche Zuordnung lässt sich mit einem Klick korrigieren. Für die Angebotsvorbereitung, bei der Claude bestehende Kundendaten, frühere Projekte und aktuelle Preislisten zu einem stimmigen Vorschlag verknüpft, lohnt sich hoher Effort – ein Fehler hier kostet mehr als die zusätzlichen Tokens. Wird die Vorsortierung versehentlich ebenfalls auf hohem Effort betrieben, addieren sich die Mehrkosten über hunderte E-Mails pro Monat, ohne dass die Qualität spürbar steigt.
Effort-Regler und Spend Caps: zwei Ebenen derselben Aufgabe
Der Effort-Regler ersetzt nicht die im Juli 2026 eingeführten Spend Caps und Budget-Warnschwellen für Claude Enterprise und Team – er ergänzt sie. Ein Organisations-Budget mit Warnschwelle wirkt von aussen und verhindert, dass die Gesamtkosten eine definierte Grenze überschreiten. Der Effort-Regler wirkt am einzelnen Anfragepunkt und bestimmt, wie viel eine konkrete Aufgabe kosten soll, bevor sie überhaupt gestellt wird.
Ein KMU-Team, das beides kombiniert, hat doppelte Sicherheit: einen Budgetrahmen, der im schlimmsten Fall greift, und sinnvolle Effort-Voreinstellungen, die verhindern, dass dieser Rahmen überhaupt unnötig schnell erreicht wird. Wer nur auf Spend Caps setzt, reagiert erst, wenn das Budget bereits knapp wird. Wer zusätzlich Effort-Einstellungen pro Aufgabentyp definiert, steuert die Kosten von Anfang an.
Swiss-Kontext: Wo die Governance-Lücke bleibt
Der technische Hebel allein löst das Problem nicht, solange die internen Regeln fehlen. Laut einer auf kmu.admin.ch veröffentlichten Studie stieg der Anteil der Schweizer KMU, die KI zur Optimierung von Arbeitsschritten einsetzen, von 22 Prozent im Jahr 2024 auf 34 Prozent im Jahr 2025. Gleichzeitig haben laut derselben Erhebung nur 34 Prozent der Unternehmen klare interne Regeln festgelegt, welche Daten Mitarbeitende in KI-Tools eingeben dürfen.
Diese Lücke betrifft nicht nur den Datenschutz. Ein Team, das nicht definiert hat, welche Aufgabe welchen Effort rechtfertigt, wird die neue Einstellungsmöglichkeit kaum konsequent nutzen – der Regler bleibt entweder auf einem hohen Standardwert, der unnötig teuer ist, oder auf einem niedrigen, der bei wichtigen Aufgaben zu kurz greift. Governance bei der KI-Nutzung heisst deshalb auch, für die wichtigsten wiederkehrenden Workflows festzulegen, welcher Effort angemessen ist – nicht erst, wenn die erste unerwartet hohe Rechnung eintrifft.
Die Entscheidung, wann ein Workflow mit niedrigem und wann mit hohem Effort laufen soll, lässt sich nicht pauschal beantworten – sie hängt vom jeweiligen Geschäftsprozess ab. Bei der KI-Integration unterstützt Hedinger-Digital Schweizer KMU dabei, Claude Opus 5 mit sinnvollen Effort-Voreinstellungen pro Anwendungsfall aufzusetzen, statt jede Anfrage auf demselben, oft zu hohen Niveau laufen zu lassen. Mehr dazu unter KI-Integration – oder direkt Kontakt aufnehmen.
