Wie Anthropic intern mit Claude arbeitet und wie MCP zum Industriestandard wurde
Anthropic lässt die eigenen Teams offenlegen, wie sie täglich mit Claude Code arbeiten. Parallel dazu hat sich das Model Context Protocol MCP innerhalb von 18 Monaten vom Experiment zur Linux-Foundation-Infrastruktur mit 97 Mio. monatlichen Downloads entwickelt.
Das Wichtigste in Kürze
- Anthropic hat dokumentiert, wie zehn eigene Abteilungen (von Data Infrastructure über Security bis Legal) Claude Code im Alltag einsetzen, inklusive konkreter Zahlen und Workflows.
- Das Model Context Protocol (MCP) wurde im November 2024 von Anthropic als offener Standard veröffentlicht, um KI-Modelle mit externen Werkzeugen und Datenquellen zu verbinden.
- Innerhalb von 13 Monaten übernahmen OpenAI, Google DeepMind und Microsoft MCP-Unterstützung in ihren eigenen Produkten.
- Im Dezember 2025 übergab Anthropic MCP an die neu gegründete Agentic AI Foundation (AAIF) unter dem Dach der Linux Foundation, mitgegründet von OpenAI, Block, Google, Microsoft, Amazon, Cloudflare und Bloomberg.
- Bis zum ersten Quartal 2026 zählte das Ökosystem rund 97 Millionen monatliche SDK-Downloads und über 17’000 öffentliche MCP-Server.
Wenn eine KI-Firma öffentlich zeigt, wie ihre eigenen Ingenieure das eigene Produkt nutzen, lohnt sich ein genauer Blick: Es ist der ehrlichste Usability-Test, den man bekommen kann. Anthropic hat genau das getan und in einem internen Report dokumentiert, wie zehn Abteilungen, von Data Infrastructure bis Legal, Claude Code im Tagesgeschäft einsetzen. Parallel dazu hat sich ein zweites Anthropic-Projekt zu etwas viel Grösserem entwickelt: Das Model Context Protocol (MCP) ist innerhalb von eineinhalb Jahren vom firmeneigenen Experiment zur gemeinsamen Infrastruktur der gesamten Branche geworden, mitgetragen von den grössten Konkurrenten.
Wie nutzen Anthropics eigene Teams Claude Code?
Der interne Report „How Anthropic teams use Claude Code“ zeigt drei wiederkehrende Nutzungsmuster, die sich über alle Abteilungen ziehen und die auch für Video-Profis und Creator ohne Programmierhintergrund interessant sind, weil sie zeigen, wie strukturiertes Arbeiten mit einem KI-Assistenten überhaupt aussieht.
| Muster | Wann eingesetzt | Beispiel aus dem Report |
|---|---|---|
| Autonome Ausführung | Klar definierte Aufgaben am Produktrand, nicht in der Kernlogik | Das Claude-Code-Team selbst liess die Vim-Modus-Implementierung zu 70 % autonom entstehen |
| Synchrone Zusammenarbeit | Kritische Features mit hohem Qualitätsanspruch | Product Development bleibt bei zentralen Funktionen in Echtzeit im Loop, delegiert aber die mechanische Umsetzung |
| Wissensextraktion & Codebase-Navigation | Onboarding neuer Mitarbeitender, unbekannte Systeme verstehen | Neue Data Scientists nutzen Claude Code als ersten Anlaufpunkt statt klassischer Datenkataloge |
Die Zahlen dahinter sind konkret, nicht nur werbliches Rauschen: Das Security-Engineering-Team hat seine Infrastruktur-Debugging-Zeit halbiert, von 10 bis 15 Minuten auf 5 Minuten, indem Stack-Traces direkt in Claude Code eingespiesen werden statt manuell durch den Code zu scrollen. Das Inference-Team, mehrheitlich ohne ML-Hintergrund, hat seine Recherchezeit um 80 % reduziert: Was früher eine Stunde Googeln brauchte, dauert jetzt 10 bis 20 Minuten. Das RL-Engineering-Team ist dabei erstaunlich offen: Autonome Erstversuche gelingen nur in etwa einem Drittel der Fälle. Die Empfehlung lautet trotzdem, es zuerst im „One-Shot“ zu versuchen und bei Bedarf auf kollaborative Steuerung umzuschalten, statt an einer misslungenen Lösung herumzudoktern.
Auch nicht-technische Teams tauchen im Report auf. Growth Marketing hat einen agentischen Workflow gebaut, der CSV-Dateien mit hunderten bestehenden Anzeigen analysiert, unterperformende Ads identifiziert und neue Varianten innerhalb strikter Zeichenlimits generiert (30 Zeichen für Headlines, 90 für Beschreibungen). Ein zusätzliches Figma-Plugin erzeugt bis zu 100 Anzeigenvarianten automatisch und reduziert damit stundenlanges Copy-Paste auf eine halbe Sekunde pro Batch. Das Legal-Team wiederum baute eigenständig Tools zur Barrierefreiheit und zur Abteilungskoordination, ganz ohne klassische Engineering-Unterstützung.
Welche Infrastruktur-Entscheidungen machen den Unterschied?
Drei Praktiken tauchen im Report immer wieder als Erfolgsfaktor auf:
- Detaillierte CLAUDE.md-Dateien: Je besser Workflows, Tools und Erwartungen dokumentiert sind, desto besser performt Claude Code bei Routineaufgaben wie dem Aufsetzen neuer Datenpipelines. Anthropic empfiehlt, mit dem automatischen Befehl
/initzu starten und die Datei danach mit eigenem Fachwissen zu ergänzen, dabei aber knapp zu bleiben, weil sie bei jeder Konversation neu geladen wird. - Custom Slash Commands für wiederkehrende Workflows: Das Security-Engineering-Team nutzt allein die Hälfte aller im Firmen-Monorepo implementierten Slash-Commands, um wiederkehrende Abläufe zu beschleunigen.
- MCP-Server statt CLI-Tools bei sensiblen Daten: Für Zugriffe auf sensible Datenbestände empfehlen die Teams MCP-Server anstelle direkter Kommandozeilen-Tools, weil sich darüber Logging und Zugriffsrechte sauberer kontrollieren lassen. Genau dieser Punkt führt zum zweiten grossen Thema, denn er zeigt, wie tief das Model Context Protocol inzwischen im eigenen Werkzeugkasten von Anthropic verankert ist.
Wer sich fragt, wie sich solche strukturierten KI-Workflows auf die eigene Videoproduktion oder Content-Pipeline übertragen lassen, findet in unseren Kursen zu KI-Tools für Videoproduktion einen praxisnahen Einstieg, dort geht es zwar nicht um Softwareentwicklung, aber um dasselbe Grundprinzip: klare Prozesse dokumentieren, damit ein KI-Werkzeug wiederholbar gute Ergebnisse liefert.
Was ist MCP und welches Problem löst das Model Context Protocol?
Das Model Context Protocol ist ein offener Standard, den Anthropic im November 2024 veröffentlicht hat, um KI-Assistenten wie Claude direkt mit externen Datenquellen, Tools und Systemen zu verbinden, entwickelt von den Anthropic-Ingenieuren David Soria Parra und Justin Spahr-Summers. Vorher musste für jede Kombination aus KI-Modell und Datenquelle eine eigene, massgeschneiderte Integration gebaut werden, ein „N×M“-Problem, wie Anthropic es nennt: N Modelle mal M Datenquellen ergeben eine wachsende Zahl von Einzellösungen. MCP löst das, indem es eine einzige, standardisierte Schnittstelle definiert. Ein Server, der beispielsweise eine Slack-Anbindung oder eine Datenbank-Verbindung anbietet, funktioniert dann mit jedem MCP-fähigen Client, egal ob das Claude, ChatGPT oder Gemini heisst.
Das Bild, das sich in der Branche durchgesetzt hat, ist der USB-C-Anschluss für KI: eine einzige physische Norm, an die sich unterschiedlichste Geräte andocken lassen, statt für jedes Gerät ein eigenes Kabel zu brauchen. Zum Start im November 2024 kamen die Launch-Partner Block und Apollo sowie vier IDE-Anbieter dazu: Zed, Replit, Codeium und Sourcegraph.
Wie schnell haben OpenAI, Google und Microsoft MCP übernommen?
Die Geschwindigkeit der Adoption ist der eigentlich bemerkenswerte Teil der Geschichte, weil hier direkte Konkurrenten ein Anthropic-Projekt übernommen haben, statt eine eigene Alternative durchzudrücken.
| Datum | Ereignis |
|---|---|
| November 2024 | Anthropic veröffentlicht MCP als offenen Standard |
| März 2025 | OpenAI kündigt MCP-Unterstützung für die Agents SDK an, Sam Altman kommentiert: „People love MCP, and we are excited to add support“ |
| April 2025 | Google-DeepMind-CEO Demis Hassabis bestätigt MCP-Support für Gemini-Modelle und -SDK und nennt es „an open standard for the AI agentic era“ |
| Dezember 2025 | OpenAI kündigt MCP-Support für ChatGPT an, als Fundament der eigenen Connector-Strategie |
| Dezember 2025 | Anthropic übergibt MCP an die neu gegründete Agentic AI Foundation unter der Linux Foundation |
Microsoft zog parallel mit: Der Konzern integrierte MCP in Copilot Studio, veröffentlichte das Playwright-MCP-Tool und stellt einen Co-Maintainer für das C#-SDK. Dass drei direkte Konkurrenten den Standard eines Wettbewerbers übernehmen, statt ihn zu ignorieren, lässt sich laut Branchenbeobachtern strategisch erklären: Ein grosses, interoperables Agenten-Ökosystem treibt die Nutzung aller beteiligten Modelle an, das wiegt den Verlust an Lock-in-Vorteilen auf Integrationsebene offenbar auf.
Warum hat Anthropic MCP an die Linux Foundation abgegeben?
Am 9. Dezember 2025 kündigte Anthropic auf der eigenen Unternehmensseite an, MCP an einen „directed fund“ unter der Linux Foundation zu übergeben, die Agentic AI Foundation (AAIF). Mitgründer sind neben Anthropic selbst OpenAI, Block, Google, Microsoft, Amazon, Cloudflare und Bloomberg. In der offiziellen Mitteilung schreibt Anthropic: MCP sei innerhalb eines Jahres zu einem „foundational protocol for agentic AI“ geworden, mit über 10’000 aktiven Servern, Client-Support auf den meisten grossen KI-Plattformen und mehr als 97 Millionen monatlichen SDK-Downloads. Die Übergabe an eine neutrale Stiftung solle sicherstellen, dass der Standard offen und community-getrieben bleibt, statt von einem einzelnen Unternehmen kontrolliert zu werden.
Die Reaktionen auf diesen Schritt waren gemischt, was zeigt, dass MCP längst kein reines Nischenthema unter Entwicklern mehr ist. Auf der Diskussionsplattform X kommentierten Nutzer den Schritt einerseits als „huge respect“, andererseits fragten kritische Stimmen süffisant, ob Anthropic damit nicht einfach „den Glauben an das Protokoll verloren“ habe. Die Fakten sprechen aber eine andere Sprache: Die Zahlen sind seit der Übergabe weiter gewachsen, nicht geschrumpft. Bis zum ersten Quartal 2026 kletterte die Zahl öffentlicher MCP-Server auf rund 17’500, bei weiterhin rund 97 Millionen monatlichen Downloads.
Ein handfester Beleg für den Ernst der Sache war der MCP Dev Summit North America, der am 2. und 3. April 2026 im New York Marriott Marquis stattfand. Rund 1’200 Teilnehmende kamen zusammen, das Programm umfasste über 95 Sessions mit 17 Keynotes. Sponsoren waren unter anderem AWS, Docker, Anthropic, Google Cloud, IBM und Red Hat, auf der Bühne präsentierten unter anderem Uber, Nordstrom, Bloomberg, Duolingo und PwC ihre produktiven MCP-Implementierungen. Für September 2026 ist mit dem europäischen Pendant in Amsterdam bereits der nächste Termin angesetzt.
Wo tauchen MCP-Server heute in der Praxis auf?
MCP-Server finden sich inzwischen in gängiger Business-Software, nicht nur in Entwickler-Tools. Slack führte im Februar 2026 einen eigenen MCP-Server ein, wodurch externe KI-Clients wie Claude oder Perplexity direkt auf Slack-Daten zugreifen können. Im März 2026 wurde Slack zusätzlich selbst zum MCP-Client, sodass Slackbot umgekehrt auch nach aussen auf andere MCP-Server zugreifen kann, ein bidirektionaler Aufbau. Auch klassische Enterprise-Software-Anbieter sind an Bord: Business-Intelligence-Tools wie Tableau, ThoughtSpot und SAS sowie Datenplattformen wie Snowflake, Databricks und Oracle bauen eigene MCP-Server.
Was bedeutet das für Video-Profis und Creator?
Auf den ersten Blick klingt MCP nach reiner Backend-Infrastruktur für Softwareentwickler, doch das Prinzip dahinter betrifft jeden, der KI-Tools in einen produktiven Workflow einbaut. Wer heute Claude, ChatGPT oder Gemini für Recherche, Skripterstellung oder Projektorganisation nutzt und morgen über einen MCP-Server direkt auf die eigene Projektablage, ein CRM oder eine Cloud-Speicherung zugreifen lässt, spart genau jene manuellen Zwischenschritte, die im Anthropic-Report immer wieder als grösster Zeitfresser genannt werden: das Hin- und Herkopieren zwischen Tabs, Dashboards und Terminals. Der interne Report zeigt zudem exemplarisch, dass strukturierte Dokumentation (in Anthropics Fall die CLAUDE.md-Dateien) der entscheidende Hebel ist, damit ein KI-Assistent beim zehnten Mal bessere Resultate liefert als beim ersten. Dieses Prinzip lässt sich unabhängig vom konkreten Tool auf jede kreative Produktionspipeline übertragen.
FAQ
Ist MCP nur für Programmierer relevant?
Nein. MCP-Server existieren inzwischen für gängige Business-Tools wie Slack, Notion oder HubSpot. Wer Claude oder ein anderes KI-Tool im Alltag nutzt, profitiert vom Standard auch ohne eigenen Code zu schreiben, etwa wenn eine KI direkt auf eine Notion-Datenbank oder ein CRM zugreifen kann.
Was unterscheidet MCP von einer klassischen API?
Bei einer klassischen API muss jede Anwendung die komplette Anbindung selbst implementieren, inklusive Fehlerbehandlung und Anpassung bei jeder Änderung. Bei MCP übernimmt der Server-Anbieter diese Arbeit einmalig, jeder MCP-fähige Client kann den fertigen Server danach ohne Zusatzaufwand nutzen.
Warum haben OpenAI und Google einen Standard der Konkurrenz übernommen?
Ein gemeinsamer, offener Standard vergrössert das gesamte Ökosystem für alle Beteiligten: Entwickler bauen einen MCP-Server einmal und er funktioniert mit jedem unterstützten Modell. Das nützt letztlich der Nutzung aller Modelle, weshalb OpenAI, Google DeepMind und Microsoft MCP innerhalb weniger Monate nach dem Anthropic-Launch unterstützt haben.
Bedeutet die Übergabe an die Linux Foundation, dass Anthropic MCP aufgegeben hat?
Nein, im Gegenteil. Anthropic bleibt aktiver Mitgründer und Sponsor der Agentic AI Foundation und tritt weiterhin mit eigenen Sessions auf MCP-Fachkonferenzen auf. Die Übergabe soll laut Anthropics eigener Ankündigung vor allem sicherstellen, dass der Standard langfristig neutral und community-getrieben bleibt statt von einem einzelnen Unternehmen kontrolliert zu werden.
Willst du ein Videoprofi werden?
Mit unseren Kursen zu allen Themen in der Videoproduktion kannst du dich fit machen für professionelle Videos!
Roman ist seit über 20 Jahren im Video-, Film- und TV-Business tätig. Der ausgebildete Sportlehrer ETH hat in Los Angeles Film studiert und dort auch im Bereich Visual Effects bei namhaften Hollywood-Produktionen mitgewirkt (u.a. Green Zone mit Matt Damon). Danach arbeitete er sieben Jahre bei SRF als Multimedia- und Videoproduzent. 2014 gründete er ident pictures, eine Videoagentur in Zürich, wo er als Produzent, Kameramann, Editor und Motion-Designer tätig ist. Sein breites Wissen in Film, TV und Corporate Video vermittelt Roman schon seit 2013. Als offizieller Adobe Instruktor unterrichtet er Premiere Pro, After Effects, Photoshop und Illustrator an diversen Hochschulen (u.a. FHGR, Universität Freiburg, FHNW, Universität Bern) und berät zahlreiche Firmen (u.a. Swisscom, SRF, CH Media, Ringier, REGA, MeteoSwiss, ZKB). Ende 2017 kam er zu Studio 1 und ist heute dessen Inhaber und verantwortlich für das Kurswesen.
Kommentare