Technologie · Sprachmodelle

Claude im Unternehmen: Modelle, Zugangswege und Datenschutz nüchtern eingeordnet

Claude ist die Sprachmodellfamilie von Anthropic. Für Unternehmen zählt weniger der Modellname als die Frage, über welchen Zugangsweg Daten fließen, wie lange sie gespeichert werden und wo Menschen die Kontrolle behalten.

So funktioniert es

Von Tobias Sander · Aktualisiert am

ZugangModellwahlWerkzeugeKontrolle
Anbieter
Anthropic (USA), Modelle nur als Dienst nutzbar
Zugangswege
Team/Enterprise, Claude API, Cloud-Plattformen
Training auf Firmendaten
Bei kommerziellen Produkten standardmäßig nein
Prüfpunkt
Verarbeitungsort und Aufbewahrung je Zugangsweg

Kurzantwort

Claude ist eine Familie großer Sprachmodelle des US-Unternehmens Anthropic, die Text und Bilder verarbeitet, Werkzeuge aufrufen und mehrstufige Aufgaben als Agent ausführen kann. Laut Modellübersicht von Anthropic (Stand November 2026) umfasst die aktuelle Generation Claude Fable 5.1, Claude Opus 5.5, Claude Sonnet 5.5 und Claude Haiku 5.5 – abgestuft von anspruchsvollem Langzeit-Reasoning bis zu schnellen Massenaufgaben wie Klassifizierung.

Unternehmen nutzen Claude entweder als Arbeitsoberfläche über die Pläne Team und Enterprise, als Baustein in eigener Software über die Claude API oder über Cloud-Plattformen wie Amazon Bedrock, Google Cloud und Microsoft Foundry. Eingaben aus kommerziellen Produkten werden nach Angaben von Anthropic standardmäßig nicht zum Training verwendet. Wo Daten verarbeitet und wie lange sie aufbewahrt werden, hängt jedoch vom Zugangsweg, vom Modell und von Zusatzvereinbarungen wie Zero Data Retention ab.

Infografik

Wie ein Claude-Aufruf im Unternehmen kontrolliert abläuft

  1. 01
    Eingang

    Aufgabe & Kontext

    Ein Fachsystem oder eine Person übergibt Anfrage, freigegebene Dokumente und Werkzeugliste.

  2. 02
    System

    Gateway prüft

    Ein eigenes Gateway entfernt nicht benötigte Daten, setzt Modell, Region und Budget fest.

  3. 03
    KI

    Claude arbeitet

    Das Modell plant, ruft freigegebene Werkzeuge oder MCP-Server auf und formuliert ein Ergebnis.

  4. 04
    Mensch

    Fachliche Prüfung

    Ein Mensch prüft Entwurf, Code-Änderung oder Auswertung, bevor etwas verbindlich wird.

  5. 05
    Ergebnis

    Ergebnis & Protokoll

    Das freigegebene Ergebnis geht ins Zielsystem; Aufruf, Kosten und Freigabe sind protokolliert.

Schematischer Ablauf für eine Integration über API oder Cloud-Plattform. Die Kontrollpunkte liegen beim Unternehmen, nicht im Modell.

Welche Claude-Modelle es aktuell gibt

Anthropic gliedert Claude in Modellreihen mit unterschiedlichem Verhältnis von Leistung, Geschwindigkeit und Kosten. In der Modellübersicht der Entwicklerdokumentation stehen zum Recherchezeitpunkt Claude Fable 5.1 für anspruchsvolles Reasoning und lang laufende Agentenaufgaben, Claude Opus 5.5 als empfohlener Startpunkt für die meisten Arbeitslasten, Claude Sonnet 5.5 als Kombination aus Tempo und Intelligenz sowie Claude Haiku 5.5 für latenzkritische Aufgaben wie Klassifizierung, Extraktion und Routing.

Alle aktuellen Modelle verarbeiten laut Dokumentation Text und Bilder, sind mehrsprachig und können Werkzeuge aufrufen. Für die Praxis bedeutet das: Die Modellwahl ist eine Kosten- und Qualitätsentscheidung je Aufgabe, keine Grundsatzentscheidung. Ein Posteingangsfilter braucht ein anderes Modell als ein Agent, der über Stunden an einer Codebasis arbeitet. Weil Anthropic Modelle regelmäßig ersetzt und ältere Versionen mit Ankündigung abschaltet, sollte jede Integration den Modellnamen als Konfiguration führen und nicht fest im Code verankern.

Zugangswege: Arbeitsoberfläche, API oder Cloud-Plattform

Für Mitarbeitende ohne Programmierbedarf gibt es die Pläne Team und Enterprise. Sie bündeln Chat, Projekte, Dateiarbeit, Konnektoren zu Unternehmenssystemen sowie Claude Code. Laut Preisseite bietet Team zentrale Abrechnung, Single Sign-on und Admin-Kontrollen für Konnektoren; Enterprise ergänzt unter anderem rollenbasierte Rechte, SCIM, Audit-Logs, eine Compliance-API und individuell einstellbare Aufbewahrungsfristen.

Wer Claude in eigene Prozesse einbaut, nutzt die Claude API direkt bei Anthropic oder über eine Cloud-Plattform. Anthropic nennt Amazon Bedrock, Google Cloud und Microsoft Foundry. Der Unterschied ist nicht nur kaufmännisch: Bei Bedrock und dem von Google betriebenen Angebot ist laut Anthropic der Cloud-Anbieter der Auftragsverarbeiter, bei der eigenen API und weiteren Varianten Anthropic selbst. Damit unterscheiden sich Vertragspartner, Aufbewahrungsregeln und verfügbare Funktionen. Ein bestehender Cloud-Rahmenvertrag ersetzt nicht die Prüfung, welche Modelle und Regionen dort verfügbar sind.

Claude Code, Agenten und MCP

Claude Code ist laut Dokumentation ein agentisches Werkzeug, das eine Codebasis liest, Dateien bearbeitet, Befehle ausführt und mit Git arbeitet. Es läuft im Terminal, in Entwicklungsumgebungen, als Desktop-App und im Browser und lässt sich in CI-Pipelines einbinden. Projektregeln werden in einer Datei im Repository hinterlegt, wiederkehrende Abläufe als Skills, und über Hooks lassen sich Prüfungen wie Linting vor jedem Commit erzwingen.

Die Anbindung an Unternehmenssysteme läuft zunehmend über das Model Context Protocol (MCP), einen offenen Standard, der Werkzeuge, Datenquellen und Vorlagen für KI-Anwendungen einheitlich beschreibt. Die MCP-Spezifikation verlangt ausdrücklich, dass Nutzer Datenzugriffen und Werkzeugaufrufen zustimmen und die Kontrolle behalten. Für Unternehmen heißt das: Jeder MCP-Server ist eine Berechtigungsentscheidung. Ein Agent, der Tickets lesen darf, braucht nicht automatisch das Recht, sie zu schließen.

  • Lesende und schreibende Werkzeuge getrennt freigeben
  • Eigenes technisches Konto je Agent statt persönlicher Zugangsdaten
  • Destruktive Aktionen nur nach expliziter Bestätigung
  • Werkzeugbeschreibungen fremder Server als nicht vertrauenswürdig behandeln
Vortrag zur Auswahl von Sprachmodellen und Zugangswegen für KI im Mittelstand

Datenschutz: Training, Aufbewahrung und Zero Data Retention

Für kommerzielle Produkte wie Claude for Work und die API gilt laut Privacy Center: Ein- und Ausgaben werden standardmäßig nicht zum Modelltraining genutzt. Eine Ausnahme sind ausdrückliche Rückmeldungen, etwa über die Daumen-Schaltfläche; diese Gespräche werden bis zu fünf Jahre gespeichert. Administratoren von Team- und Enterprise-Plänen können diese Feedback-Funktion abschalten. API-Ein- und Ausgaben löscht Anthropic nach eigener Angabe innerhalb von 30 Tagen, sofern keine längere Speicherung durch Funktionen wie die Files API, einen Verstoß gegen die Nutzungsrichtlinien oder gesetzliche Pflichten nötig wird.

Zero Data Retention (ZDR) bedeutet, dass Anfragen und Antworten nach der Rückgabe nicht gespeichert werden. ZDR muss bei Anthropic beantragt werden und gilt nur für bestimmte API-Endpunkte und Funktionen; zustandsbehaftete Funktionen wie Batch-Verarbeitung, Files API oder Code-Ausführung fallen heraus. Die Oberflächen von Team und Enterprise sind laut Dokumentation nicht ZDR-fähig. Zudem verlangt Anthropic für Claude Fable 5.1 als sogenanntes Covered Model eine 30-tägige Aufbewahrung. Wer das leistungsstärkste Modell für sensible Daten einplant, muss diese Regel kennen.

Verarbeitungsort: Was die Dokumentation zur Datenresidenz sagt

Die Claude API bietet einen Parameter, mit dem sich der Ort der Modellausführung festlegen lässt. Laut aktueller Dokumentation stehen dabei nur die Werte global und USA zur Verfügung; als Speicherort für Arbeitsbereiche ist derzeit ausschließlich die USA wählbar. Auch in Microsoft Foundry nennt Anthropic für Claude die Bereitstellungsarten Global Standard und US Data Zone Standard. Eine EU-Datenresidenz für die Claude API selbst ist damit zum Recherchezeitpunkt nicht dokumentiert.

Für Unternehmen mit strengen Vorgaben zum Verarbeitungsort ist das ein harter Prüfpunkt. Ob ein Cloud-Anbieter Claude-Modelle in europäischen Regionen bereitstellt, muss in dessen aktueller Dokumentation je Modell geprüft werden. Unabhängig davon gehören Auftragsverarbeitungsvertrag, Unterauftragsverarbeiter, Übermittlungsgrundlage und eine Datenklassifizierung in die Entscheidung. Für besonders schutzbedürftige Daten kann ein lokales oder EU-gehostetes offenes Modell die passendere Wahl sein, während Claude für weniger sensible Aufgaben eingesetzt wird.

Stärken und Grenzen im Arbeitsalltag

Claude eignet sich besonders für Aufgaben mit langen Dokumenten, strukturierten Ausgaben, Programmierung und mehrstufigen Agentenabläufen. Laut Modellübersicht verarbeiten die aktuellen Modelle Kontexte von bis zu einer Million Token. Umfangreiche Vertragswerke, Handbücher oder Codebasen lassen sich so in einem Durchgang einbeziehen.

Die Grenzen sind die jedes Sprachmodells: Claude kann plausible, aber falsche Aussagen erzeugen, kennt interne Fakten nur aus bereitgestellten Quellen und hat einen Wissensstand mit Stichtag. Hinzu kommen betriebliche Grenzen: Abhängigkeit von einem US-Anbieter, Nutzungslimits, Modellwechsel durch den Hersteller und Kosten, die mit Kontextlänge und Modellstufe steigen. Eine belastbare Einführung misst deshalb Qualität an eigenen Beispielen und plant einen Rückfallweg auf ein anderes Modell ein.

Architektur

Bausteine einer Claude-Integration

Ebene 1

Zugang

  • Claude Team/Enterprise
  • Claude API
  • Amazon Bedrock
  • Google Cloud / Foundry

Ebene 2

Modellwahl

  • Haiku für Massenaufgaben
  • Sonnet als Allrounder
  • Opus für Agentenarbeit
  • Fable für Langzeitaufgaben

Ebene 3

Werkzeuge

  • MCP-Server
  • Konnektoren
  • Claude Code
  • Eigene Funktionen

Ebene 4

Kontrolle

  • SSO und Rollen
  • Aufbewahrungsregeln
  • Freigabe vor Aktion
  • Audit-Log
Die Ebenen zeigen, wo Entscheidungen über Daten, Rechte und Verantwortung fallen – unabhängig davon, welches Claude-Modell eingesetzt wird.

6 Punkte

6 Entscheidungen vor dem Einsatz von Claude

Diese Punkte bestimmen Datenschutz, Kosten und Kontrollierbarkeit stärker als die Wahl zwischen einzelnen Modellversionen.

  1. 01

    Zugangsweg festlegen

    Arbeitsoberfläche für Mitarbeitende, API für Prozesse oder Cloud-Plattform für bestehende Verträge – jeweils mit eigenem Vertragspartner.

  2. 02

    Datenklassen zuordnen

    Festlegen, welche Informationen an Claude gehen dürfen und welche lokal oder gar nicht von KI verarbeitet werden.

  3. 03

    Aufbewahrung klären

    Standardfristen, ZDR-Bedarf und die Sonderregel für Covered Models vor dem Pilot schriftlich festhalten.

  4. 04

    Modell je Aufgabe wählen

    Kleine Modelle für Sortieren und Extrahieren, große für Analyse und Agentenarbeit. Modellname als Konfiguration führen.

  5. 05

    Werkzeugrechte begrenzen

    MCP-Server und Konnektoren nur mit minimalen Rechten freigeben, schreibende Aktionen mit Bestätigung.

  6. 06

    Ausstieg vorbereiten

    Prompts, Testfälle und Schnittstellen so gestalten, dass ein anderer Anbieter oder ein lokales Modell übernehmen kann.

Gegenüberstellung

Zugangswege zu Claude im Vergleich

Die Tabelle stellt die drei Wege gegenüber, über die Unternehmen Claude typischerweise nutzen. Details zu Funktionen und Regionen ändern sich und sind vor Vertragsschluss in der aktuellen Dokumentation zu prüfen.

KriteriumClaude Team / EnterpriseClaude API (Anthropic)Cloud-Plattform
ZielgruppeMitarbeitende im FachbereichEntwicklung, eigene AnwendungenTeams mit bestehendem Cloud-Vertrag
VertragspartnerAnthropicAnthropicJe nach Angebot Cloud-Anbieter oder Anthropic
Training auf EingabenStandardmäßig neinStandardmäßig neinLaut Bedingungen des Anbieters
Zero Data RetentionNicht für die OberflächeAuf Antrag, nur für geeignete FunktionenJe Plattform unterschiedlich geregelt
VerarbeitungsortLaut AnbieterangabenGlobal oder USA wählbarRegionen des Anbieters je Modell prüfen
VerwaltungSSO, Rollen, Audit-Log (Enterprise)Workspaces, API-Schlüssel, LimitsIdentitäts- und Rechteverwaltung der Cloud

Viele Unternehmen kombinieren Wege: Team oder Enterprise für Wissensarbeit, die API für klar abgegrenzte Prozessschritte mit eigener Kontrolle.

Praxis

Drei typische Einsatzszenarien

Szenario 1

Vertrieb im Maschinenbau bereitet Angebote vor

Ausgangslage
Angebotsanfragen enthalten lange Lastenhefte. Der Innendienst sucht passende Baugruppen, Normen und frühere Angebote manuell zusammen.
Ansatz
Claude liest das Lastenheft, gleicht es über einen MCP-Server mit freigegebenen Produktdaten ab und erstellt eine Anforderungsliste mit offenen Fragen sowie einen Angebotsentwurf.
Kontrolle
Preise und Liefertermine kommen ausschließlich aus dem ERP und werden vom Vertrieb freigegeben. Claude erhält nur Leserechte.
Messgröße

Zeit von Anfrageeingang bis zum freigegebenen Angebotsentwurf

Szenario 2

Softwareteam modernisiert eine Altanwendung

Ausgangslage
Eine gewachsene Branchenlösung hat wenige Tests. Das kleine Entwicklerteam kommt mit Wartung und Abhängigkeits-Updates kaum hinterher.
Ansatz
Claude Code schreibt zunächst Tests für kritische Module, schlägt dann Aktualisierungen in kleinen Pull Requests vor und dokumentiert Änderungen.
Kontrolle
Jede Änderung läuft über Code-Review und CI. Zugriff auf Produktionssysteme und Geheimnisse ist für den Agenten gesperrt.
Messgröße

Testabdeckung kritischer Module und Durchlaufzeit von Pull Requests

Szenario 3

Qualitätsmanagement wertet Reklamationen aus

Ausgangslage
Reklamationsberichte liegen als Freitext und Fotos vor. Muster über Lieferanten und Chargen hinweg werden spät erkannt.
Ansatz
Ein kleines Claude-Modell extrahiert Fehlerart, Bauteil und Charge in ein festes Schema; ein größeres Modell fasst wöchentlich Auffälligkeiten mit Belegstellen zusammen.
Kontrolle
Personenbezogene Daten werden vor der Übergabe entfernt. Maßnahmen gegenüber Lieferanten entscheidet das Qualitätsmanagement.
Messgröße

Anteil korrekt strukturierter Berichte und Zeit bis zur Mustererkennung

Checkliste

Vor dem Start mit Claude prüfen

  • Zugangsweg und Vertragspartner sind entschieden und dokumentiert
  • Auftragsverarbeitungsvertrag und Unterauftragsverarbeiter sind geprüft
  • Anforderungen an den Verarbeitungsort sind mit der Dokumentation abgeglichen
  • ZDR-Bedarf und Aufbewahrungsfristen je Anwendungsfall sind geklärt
  • Die Sonderregel für Covered Models ist bei der Modellwahl berücksichtigt
  • Jeder MCP-Server hat einen Owner und dokumentierte Rechte
  • Ein Testset mit eigenen Beispielen und Bewertungskriterien liegt vor
  • Ein alternatives Modell für den Ausfall- oder Wechselfall ist benannt

Vermeiden

Typische Fehler

  • Zugangsweg als Nebensache behandeln

    Team-Plan, API und Cloud-Plattform unterscheiden sich bei Vertragspartner, Aufbewahrung und Funktionen. Wer das spät klärt, muss Integrationen umbauen.

  • Vom Top-Modell auf alle Aufgaben schließen

    Das leistungsstärkste Modell ist nicht automatisch das passende. Für Klassifizierung reicht oft ein kleines Modell, das schneller und günstiger arbeitet.

  • ZDR für selbstverständlich halten

    Zero Data Retention gilt nur nach Vereinbarung und nur für bestimmte Funktionen. Batch, Dateien und Code-Ausführung speichern weiterhin.

  • Agenten mit Vollzugriff starten

    Ein Coding- oder Prozessagent mit Admin-Rechten kann großen Schaden anrichten. Rechte schrittweise erweitern, nie umgekehrt.

Weiterführend

  • KI-Readiness-Check: hilft einzuschätzen, ob Daten, Prozesse und Verantwortlichkeiten für einen Claude-Pilot bereitstehen.
  • Softwarekosten senken: zeigt, wie sich KI-Lizenzen und Nutzungskosten neben bestehenden Seats bewerten lassen.

FAQ

Häufige Fragen: Claude von Anthropic

Trainiert Anthropic mit unseren Unternehmensdaten?+

Für kommerzielle Produkte wie Team, Enterprise und die API gibt Anthropic an, Ein- und Ausgaben standardmäßig nicht zum Training zu nutzen. Ausnahmen gelten für ausdrücklich übermittelte Rückmeldungen oder wenn ein Unternehmen der Nutzung zustimmt.

Können wir Claude mit Verarbeitung ausschließlich in der EU nutzen?+

Für die Claude API dokumentiert Anthropic derzeit nur die Optionen global und USA. Ob ein Cloud-Anbieter Claude in EU-Regionen bereitstellt, ist dort je Modell zu prüfen. Bei strikter EU-Vorgabe kommen ergänzend EU-gehostete oder lokale Modelle infrage.

Was ist der Unterschied zwischen Claude und Claude Code?+

Claude ist die Modellfamilie und der Assistent. Claude Code ist ein darauf aufbauendes Werkzeug für Softwareentwicklung, das Code liest, ändert, Befehle ausführt und mit Git arbeitet.

Welches Claude-Modell sollten wir wählen?+

Anthropic empfiehlt Opus 5.5 als Startpunkt für die meisten Aufgaben, Haiku für schnelle Massenaufgaben und Fable für besonders anspruchsvolle Langzeitaufgaben. Entscheidend sind Tests mit eigenen Beispielen und die Kosten je Vorgang.

Brauchen wir für Claude eine eigene Infrastruktur?+

Nein. Claude läuft als Dienst bei Anthropic oder einem Cloud-Anbieter. Für Integrationen empfiehlt sich trotzdem ein eigenes Gateway, das Zugriffe, Kosten und Protokolle zentral steuert.

Ist Claude nach dem EU AI Act zulässig?+

Die KI-Verordnung bewertet nicht ein Modell pauschal, sondern den konkreten Einsatz. Pflichten hängen von Rolle und Risikoklasse der Anwendung ab und sollten im Einzelfall rechtlich geprüft werden.

Quellen

Quellen und weiterführende Dokumentation

  1. Models overview · Anthropic · Stand 5. November 2026
  2. API and data retention · Anthropic · Stand 5. November 2026
  3. Data residency · Anthropic · Stand 5. November 2026
  4. Is my data used for model training? (Commercial) · Anthropic Privacy Center · Stand 18. August 2026
  5. How long do you store my organization’s data? · Anthropic Privacy Center · Stand 1. Juli 2026
  6. Plans & pricing · Anthropic · Stand 5. November 2026
  7. Claude Code overview · Anthropic · Stand 5. November 2026
  8. Claude in Microsoft Foundry · Anthropic · Stand 5. November 2026
  9. Model Context Protocol – Specification · Model Context Protocol · Stand 28. Juli 2026
  10. Verordnung (EU) 2024/1689 (KI-Verordnung) · Amtsblatt der EU · Stand 12. Juli 2024

Die Seite beschreibt Einsatzmuster und Prüfkriterien, keine Rechtsberatung. Produkt- und Anbieterangaben ändern sich schnell; maßgeblich ist die jeweils verlinkte Originaldokumentation. Zur Bewertungslogik siehe Methodik.

Nächster Schritt

Wo lohnt sich der Einstieg in Ihrem Unternehmen?

Der kostenlose KI-Check ordnet Ziel, Prozess, Daten, Kontrolle und Budget ein und empfiehlt einen ersten prüfbaren Pilotansatz.