Anleitung zur Nutzung von Claude
Korrekte Feature-Terminologie · Stand März 2026
Wer Claude täglich nutzt, stolpert schnell über Anleitungen, die ChatGPT-Begriffe verwenden – „Plugins“, „GPTs“, „Verbindungen“. Das verwirrt und führt zu falschen Erwartungen beim Einsatz im Unternehmenskontext. Dieser Artikel erklärt die sieben zentralen Claude-Features mit ihrer offiziellen Terminologie – präzise genug für CTOs und CIOs, die Claude evaluieren oder bereits einsetzen.
1. Claude Chat richtig nutzen: Mehr als ein einfaches Textfeld
Der Chat ist die Haupt-Schnittstelle von claude.ai – und gleichzeitig das Feature, das am meisten unterschätzt wird. Viele Nutzer bleiben im Standard-Modus, obwohl Claude zwei leistungsstarke Modi bietet, die gezielt aktiviert werden müssen.
Erweitertes Denken (Extended Thinking) lässt Claude einen internen Denkprozess durchlaufen, bevor es antwortet. Das Modell überlegt schrittweise, wägt Argumente ab und korrigiert sich selbst – sichtbar als aufklappbarer “Denkprozess”-Block über der Antwort. Besonders wertvoll bei komplexen Analysen, juristischen Abwägungen oder technischen Architekturentscheidungen.
Suche ermöglicht Claude den Zugriff auf aktuelle Webinhalte in Echtzeit. Ohne Suche arbeitet Claude auf Basis seines Trainings-Cutoffs; mit Suche kann es aktuelle Preise, Gesetzestexte, Produktinformationen oder Marktdaten einbeziehen.
Beide Modi werden über die Symbolleiste unter dem Eingabefeld aktiviert und lassen sich kombinieren. Faustregel: Erweitertes Denken lohnt sich ab drei oder mehr logischen Analyseschritten – etwa bei einer Wettbewerbsanalyse, einer juristischen Einschätzung oder einer Architekturentscheidung. Für einfache Textaufgaben wie E-Mail-Umformulierungen reicht der Standard-Modus vollständig aus.
Pro-Tipp: Strukturiere lange Prompts mit klaren Abschnitten (Kontext / Aufgabe / Ausgabeformat). Claude reagiert deutlich besser auf gegliederte Eingaben als auf unstrukturierten Fließtext.
Häufiger Fehler: Zu viele unstrukturierte Informationen auf einmal einfügen und gleichzeitig mehrere unterschiedliche Aufgaben stellen. Lieber mehrere fokussierte Prompts als ein überladener.
2. Claude Projekte erstellen und konfigurieren: Persistenter Kontext für Teams
Projekte sind Claudes Arbeitsumgebungen für wiederkehrende Aufgaben. Im Gegensatz zum normalen Chat, der nach jeder Sitzung ohne Gedächtnis beginnt, speichern Projekte drei Arten von Kontext dauerhaft: Systemanweisungen (Custom Instructions), hochgeladene Referenzdokumente und den Gesprächsverlauf innerhalb des Projekts.
Das macht Projekte besonders wertvoll für repetitive B2B-Workflows: Ein Redaktionsprojekt mit Styleguide und Zielgruppen-Beschreibung, ein Vertragsanalyse-Projekt mit internen Richtlinien als Referenz, oder ein Support-Projekt mit Produktdokumentation.
Pro-Tipp: Ein Projekt pro klar abgegrenztem Aufgabentyp anlegen. Systemanweisungen so spezifisch formulieren wie möglich: Zielgruppe, Tonalität, erlaubte Quellen, gewünschtes Ausgabeformat.
Häufiger Fehler: Ein einzelnes Projekt für alle Aufgaben anlegen. Je mehr Referenzdokumente und Gesprächsverlauf sich ansammeln, desto mehr Kontextfenster wird belegt – und desto unschärfer werden die Antworten.
3. Artefakte – interaktive Ausgaben direkt im Browser nutzen
Artefakte sind Claudes Ausgabeformat für interaktive und eigenständig nutzbare Inhalte. Während eine normale Chat-Antwort reiner Text im Gesprächsfenster ist, öffnet ein Artefakt ein separates Panel rechts neben dem Chat – mit eigenem Rendering.
Unterstützte Artefakt-Typen umfassen HTML (direkt im Browser ausführbar), React-Komponenten, SVG-Grafiken, Markdown-Dokumente, Code in beliebigen Sprachen sowie CSV-Tabellen.
Konkretes B2B-Beispiel: Ein Vertriebsleiter benötigt eine monatliche Pipeline-Übersicht. Statt einer statischen Tabelle erstellt Claude ein interaktives HTML-Dashboard mit Filtern nach Region und Dealphase – direkt im Artefakt-Panel bedienbar, ohne Export oder externes BI-Tool. Ein weiteres Szenario: Ein Produktteam lässt einen klickbaren Low-Fidelity-Prototypen einer neuen Feature-Oberfläche generieren, um ihn ohne Figma direkt in einem Stakeholder-Meeting zu präsentieren.
Pro-Tipp: Artefakte eignen sich hervorragend für iterative Entwicklung: Erst ein Grundgerüst generieren, dann schrittweise verfeinern. Claude behält den Artefakt-Stand über mehrere Nachrichten bei.
Häufiger Fehler: Artefakte nur für langen Text zu verwenden. Die eigentliche Stärke liegt in ausführbarem Code und interaktiven Komponenten, die direkt im Browser getestet werden können.
4. Dateien & Dokumente in Claude hochladen und analysieren
Claude kann eine breite Palette von Dateiformaten direkt im Chat verarbeiten: PDFs, Word-Dokumente (.docx), Excel-Tabellen (.xlsx), PowerPoint-Präsentationen, Bilder (PNG, JPG, WEBP), CSV-Dateien und reinen Text. Die Analyse erfolgt vollständig im Kontextfenster – die Datei wird nicht dauerhaft gespeichert, es sei denn, sie wird in ein Projekt hochgeladen.
Für den Unternehmenseinsatz besonders relevant: Claude kann mehrseitige PDFs vollständig lesen, Tabellen in Excel-Dateien interpretieren, Verträge auf spezifische Klauseln prüfen und Präsentationen zusammenfassen – alles ohne Zusatz-Tools oder API-Anbindung.
Pro-Tipp: Die Aufgabe immer explizit formulieren: nicht „Analysiere diese Datei“, sondern „Identifiziere alle Klauseln mit Haftungsausschluss und liste sie mit Seitenzahl auf.“ Je konkreter der Auftrag, desto präziser die Ausgabe.
Häufiger Fehler: Mehrere Dateien gleichzeitig hochladen und eine übergreifende Analyse erwarten. Besser: eine Datei, eine klar umrissene Aufgabe. Bei mehreren Dateien lieber sequenziell vorgehen.
5. Claude Connectors einrichten: Live-Zugriff auf Google Drive, Gmail und Jira
Connectors (nicht „Verbindungen“ – das ist eine informelle Übersetzung, kein offizieller Begriff) sind Claudes Integrationsmechanismus für externe Datenquellen. Claude kann damit in Echtzeit auf Inhalte zugreifen, ohne dass der Nutzer Inhalte manuell kopieren oder hochladen muss.
Aktuell verfügbare Connectors (Stand: März 2026): Google Drive, Gmail, Google Calendar, Jira, Confluence, GitHub und Slack. Anthropic erweitert diese Liste regelmäßig – die jeweils aktuelle Übersicht findet sich in den Claude-Supportdokumenten.
DSGVO-Hinweis für DACH-Unternehmen: Connectors übertragen Inhalte aus verbundenen Diensten an die Claude-API (Anthropic, USA). Vor dem produktiven Einsatz mit Unternehmensdaten ist eine Datenschutz-Folgenabschätzung gemäß Art. 35 DSGVO sowie eine Prüfung der Auftragsverarbeitungsverträge empfohlen. Der EU AI Act klassifiziert LLM-gestützte Systeme je nach Einsatzbereich unterschiedlich – dieser Aspekt ist frühzeitig in die Compliance-Prüfung einzubeziehen.
Pro-Tipp: Connectors für wiederkehrende, datengetriebene Aufgaben nutzen – z. B. automatisierte Zusammenfassungen aus Drive-Dokumenten oder strukturierte Auswertungen aus Jira-Sprints.
Häufiger Fehler: Alle verfügbaren Connectors gleichzeitig aktivieren. Claude bezieht dann potenziell Kontext aus vielen Quellen – was die Antwortqualität senken und die Nachvollziehbarkeit erschweren kann.
6. MCP-Server in Claude einrichten: Das Erweiterungsprotokoll für Entwickler
MCP steht für Model Context Protocol – ein offenes, von Anthropic entwickeltes Protokoll, das die Integration externer Tools und Datenquellen in Claude standardisiert. Über MCP-Server können Entwickler eigene APIs, Datenbanken, interne Systeme oder Drittanwendungen wie Shopify, Salesforce oder unternehmenseigene Backends anbinden. Eine tiefgehende Einführung in MCP-Architektur und Anwendungsfälle bietet unser Grundlagenartikel Model Context Protocol: Der neue Standard für vernetzte KI-Anwendungen.
MCP ist kein Plugin-System im Sinne von ChatGPT – das ist ein verbreiteter Irrtum im DACH-Markt. ChatGPT-Plugins waren ein proprietäres, geschlossenes System, das OpenAI inzwischen durch GPT Actions ersetzt hat. MCP hingegen ist ein offenes Protokoll mit Spezifikation, das auch von anderen KI-Systemen implementiert werden kann und auf lokalen oder Cloud-seitig gehosteten Servern läuft.
Ein praxisnaher Einstieg für Entwicklerteams: der Guide n8n + Claude MCP: Self-Hosted Automation-Guide für Business-Prozesse (DSGVO-konform) zeigt, wie sich MCP-basierte Workflows konkret in bestehende Infrastruktur integrieren lassen.
Pro-Tipp: MCP eignet sich für strukturierte, wiederkehrende Zugriffsmuster auf eigene Systeme. Der Einrichtungsaufwand (Server deployen, Konfiguration in Claude hinterlegen) lohnt sich ab dem Punkt, wo manuelle Datenkopien oder API-Abfragen in jedem Prompt den Workflow bremsen.
Häufiger Fehler: MCP mit „Verbindungen“ oder „Connectors“ gleichzusetzen. Connectors sind vorinstallierte Integrationen für Endnutzer (keine Konfiguration nötig); MCP-Server sind Entwickler-Werkzeuge für maßgeschneiderte Anbindungen.
7. Claude Code für Entwicklerteams: Agentisches Coding im Terminal
Claude Code ist Anthropics CLI-Tool (Command Line Interface) für agentisches Coding – und das ambitionierteste Feature im Claude-Ökosystem. Es läuft lokal im Terminal des Entwicklers, hat direkten Zugriff auf das Dateisystem und führt Aufgaben autonom durch: Repository-Analyse, Code-Refactoring, Test-Ausführung, Bugfixes, Dokumentationsgenerierung und mehr.
Was Claude Code von Chat-basiertem Coding unterscheidet: Es agiert über mehrere Schritte hinweg, ohne dass der Entwickler jeden Einzelschritt bestätigen muss. Claude Code kann eigenständig durch ein Repository navigieren, relevante Dateien identifizieren, Änderungen vornehmen und Ergebnisse zurückmelden – vergleichbar mit einem autonomen Code-Reviewer, der auch Korrekturen direkt einpflegt.
Konkrete Anwendungsfälle für Unternehmen:
- Legacy-Code-Analyse: „Erklär mir dieses 5.000-Zeilen-Repository, identifiziere technische Schulden und priorisiere Refactoring-Kandidaten.“
- Test-Coverage: „Schreibe Unit-Tests für alle Funktionen in /src/utils, die noch keine haben.“
- Migrations-Projekte: „Migriere dieses Python-2-Modul auf Python 3, behalte alle bestehenden Tests grün.“
- Technische Dokumentation: „Generiere JSDoc-Kommentare für alle öffentlichen API-Endpunkte.“
- Code-Reviews: „Prüfe diesen Pull Request auf Sicherheitslücken, Performance-Probleme und Abweichungen von unserem Styleguide.“
Claude Code ist kein Feature innerhalb von claude.ai, sondern wird separat über npm install -g @anthropic-ai/claude-code installiert und benötigt einen Anthropic API-Key. Es eignet sich nicht für Nicht-Entwickler – für diese Zielgruppe sind Projekte und Artefakte der richtige Einstieg.
Pro-Tipp: Claude Code mit einem dedizierten Projekt-Kontext starten: kurze CLAUDE.md-Datei im Repository-Root hinterlegen, die Architektur, Konventionen und Off-Limits-Bereiche beschreibt. Claude Code liest diese Datei automatisch als Systemkontext.
Häufiger Fehler: Claude Code als normalen Chatbot im Terminal betreiben. Das Potential liegt in der autonomen, multi-step Ausführung – nicht im einzelnen Prompt-Response-Zyklus.
Empfehlung: Wo anfangen?
Die sieben Features sind keine gleichwertigen Alternativen – sie adressieren unterschiedliche Reifegrade der Claude-Nutzung im Unternehmen:
| Zielgruppe | Empfohlener Einstieg |
|---|---|
| Einzelnutzer, Erstanwender | Chat (mit Erweitertem Denken & Suche) |
| Teams mit wiederkehrenden Aufgaben | Projekte + Dateien & Dokumente |
| Fachabteilungen mit externen Datenquellen | Connectors (nach DSGVO-Prüfung) |
| Entwicklerteams, Tech-Leads | MCP-Server + Claude Code |
Weiterführende Ressourcen: Die offiziellen Anthropic-Entwicklerdokumentationen (docs.anthropic.com) sind die zuverlässigste Quelle für aktuelle Feature-Beschreibungen, API-Referenzen und MCP-Spezifikationen. Für den Unternehmenseinsatz empfiehlt sich zusätzlich das Claude Team-Angebot mit erweiterter Datenschutz-Zusage. Wer Claude auch mobil und als Desktop-Agenten nutzen möchte, findet in unserem Artikel zu Claude Cowork Dispatch eine detaillierte Einführung in die nächste Ausbaustufe.
Wer mit der richtigen Terminologie startet, vermeidet von Anfang an falsche Erwartungen – und kann Claude dort einsetzen, wo es wirklich Mehrwert schafft: nicht als Chatbot-Ersatz, sondern als integriertes Werkzeug für Unternehmensprozesse. Der erste Schritt ist der einfachste: einen der oben beschriebenen Einstiegspunkte wählen, einen konkreten Anwendungsfall definieren und innerhalb einer Woche einen messbaren Nutzen dokumentieren.
