Context Engineering Claude 5: weniger Regeln, mehr Urteil
Anthropic streicht 80 Prozent des Claude-Code-System-Prompts und schreibt seine Empfehlungen für CLAUDE.md und Skills neu.

Context Engineering für Claude 5 heißt nun: weniger vorschreiben, mehr dem Modell überlassen. Anthropic hat für die neue Modellgeneration rund 80 Prozent des Claude-Code-System-Prompts gestrichen und rät, auch CLAUDE.md?Projektspezifische Konfigurationsdatei in Claude Code, in der Teams Hinweise für das Modell zu einem Repository hinterlegen. und Skills?Auslagerbare Anleitungen für konkrete Arbeits- oder Prüfschritte, die Claude nur bei Bedarf lädt statt dauerhaft. deutlich schlanker zu halten. Der frühere Reflex „je mehr Regeln, desto sicherer“ ist damit erledigt.
Thariq Shihipar, Ingenieur bei Claude Code, machte den Bruch öffentlich: Man habe „80 percent of the Claude Code system prompt“ für die neuesten Modelle entfernt, berichtet The Register. Laut einem technischen Hintergrundbericht schrumpfte der Prompt von etwa 800 auf 164 Tokens.
Was hat Anthropic am System-Prompt konkret geändert?
Anthropic hat harte Verhaltensregeln durch knappen Kontext ersetzt. Weggefallen sind unter anderem redundante Sicherheitshinweise, detaillierte Formatierungsvorgaben und Meta-Anweisungen dazu, wie Claude über sein eigenes Denken nachdenken soll. Der Prompt liest sich jetzt eher wie ein kurzes Mission Statement als wie ein Policy-Dokument.
Auch das frühere Verbot, Kommentare in den Code zu schreiben, ist verschwunden. Statt vieler „do not do this“-Zeilen verlässt sich Anthropic auf das im Training verankerte Verhalten. Shihipar begründete den Schnitt gegenüber The Decoder so: „Most recently we found this new class of models want a smaller system prompt“ (diese neue Modellklasse will einen kleineren System-Prompt?Der feste Grundtext, der einem KI-Modell vor jeder Nutzeranfrage mitgegeben wird und sein Grundverhalten steuert.).
Sein zweiter Punkt wiegt schwer: Beispiele in Tool-Beschreibungen schaden nun oft mehr, als sie nützen. Das Modell sei „more imaginative than the examples we give it“ (fantasievoller als die Beispiele, die wir ihm geben) und werde durch sie eingeschränkt. Das dreht eine jahrelange Best Practice um.
Warum ist Context Engineering für Claude 5 anders als bisher?
Weil die neuen Modelle mit knappen Vorgaben verlässlicher arbeiten als mit langen. Ein Briefing zur Fable-5-Strategie beschreibt den Wechsel als „constraints → context“: weg vom Diktat einzelner Verbote, hin zu gut strukturiertem Kontext, aus dem das Modell selbst die passende Entscheidung ableitet.
Das ist mehr als eine kosmetische Kürzung. Wer bisher jede Ausnahme in eine eigene Regel goss, schuf mit älteren Modellen Sicherheit und mit den neuen ein Korsett. Über-Prompting bremst Fable 5.
Für die Praxis kehrt sich die Denkrichtung um. Bislang lautete die Frage: Welche Regel verhindert diesen Fehler? Jetzt lautet sie: Welcher Kontext lässt das Modell den Fehler von selbst vermeiden? Wer Claude im Job einsetzt, kennt die Modellgeneration bereits aus unserer Einordnung zu Claude Opus 5 und was es im Arbeitsalltag ändert.
Wie sollten Teams jetzt CLAUDE.md und Skills aufbauen?
Kurz, projektspezifisch und aufgeteilt. Anthropic rät laut der technischen Notiz, CLAUDE.md schlank zu halten und nur Dinge aufzunehmen, die sich nicht schon aus Code und Struktur ergeben. Allgemeine Programmierprinzipien gehören nicht mehr in eine Datei, die bei jedem Aufruf lädt.
Die neue Rollenverteilung ist klar geschnitten:
- CLAUDE.md: kurze Erklärung, wofür das Repository da ist, plus projektspezifische Hinweise. Keine allgemeinen Coding-Guidelines.
- Skills: konkrete Arbeits- und Prüfschritte, auch sicherheitskritische Abläufe. Sie laden nur bei Bedarf und werden aus CLAUDE.md referenziert.
- Memory-Funktionen: Langzeit-Kontext und kontinuierliche Erinnerung übernimmt die automatische Speicherung.
Statt einer monolithischen Datei rät Anthropic zu einer hierarchischen Struktur, die sich nur aktiviert, wenn man sie braucht. Prüfprozeduren für Sonderfälle gehören in eigene Skills, nicht in den dauerhaft geladenen Grundtext. Wer die Skill-Logik praktisch kennenlernen will, findet einen Einstieg in unserem Text zu Claude Cowork Skills.
Was macht der neue Befehl claude doctor?
Er prüft, ob CLAUDE.md und Skills noch zur aktuellen Modellgeneration passen. Anthropic hat den Befehl (auch als /doctor) in Claude Code eingeführt. Er kontrolliert Umfang und Angemessenheit der Konfiguration und deckt genau die Altlasten auf, die durch den Strategiewechsel entstehen.
Im Einzelnen prüft der Befehl laut Anthropic:
- Dubletten von Anweisungen zwischen CLAUDE.md, Skills und Tool-Beschreibungen
- Inhalte, die man ohnehin aus dem Code versteht und die deshalb nicht dauerhaft laden müssen
- ob selten genutzte Prozeduren sauber in eigene Skills ausgelagert sind
- ob noch Regeln für Modelle stecken, die es nicht mehr gibt
Shihipar beschreibt claude doctor als Werkzeug, das den eigenen internen Aufräumprozess nachbildet: vereinfachen, „just like we did“ (genau wie wir es getan haben). Für Teams ist das der pragmatische erste Schritt, bevor man von Hand kürzt.
Was bedeutet der Strategiewechsel für den Alltag im Team?
Er verschiebt Aufwand von der Regelpflege zur Kontextpflege. Wer bislang seitenlange CLAUDE.md-Dateien hortete, sollte sie nicht ergänzen, sondern ausdünnen. Die drei sinnvollen Schritte:
- Mit
claude doctorden Ist-Zustand prüfen und Altregeln, Dubletten und Beispiel-Overprompting sichtbar machen. - CLAUDE.md auf das reduzieren, was das Modell nicht aus dem Repository ableiten kann.
- Situative Prüf- und Sicherheitsschritte in Skills verschieben, die nur bei Bedarf laden.
Ein Vorbehalt bleibt. Wer sensible Abläufe bisher über harte Verbote absicherte, muss prüfen, ob das Modellurteil im konkreten Umfeld trägt. Kontext statt Verbot ist eleganter, aber es ist auch Vertrauen. Messen Sie, bevor Sie umbauen.
Weniger Regeln sind hier kein Kontrollverlust. Sie sind das Eingeständnis, dass die alten Regeln für ein Modell galten, das es nicht mehr gibt.
Häufige Fragen
Sollte ich meine CLAUDE.md jetzt sofort kürzen?
Nicht blind, aber prüfen lohnt sich. Anthropic rät, CLAUDE.md und Skills deutlich schlanker zu halten. Streiche redundante Sicherheitshinweise, detaillierte Formatvorgaben und Meta-Anweisungen dazu, wie Claude denken soll. Behalte projektspezifischen Kontext, den das Modell nicht aus dem Training kennt. Teste danach, ob die Ergebnisse besser oder schlechter werden.
Gilt das nur für Claude 5 oder auch für ältere Claude-Modelle?
Der Rat gilt gezielt für die neue Modellgeneration. Shihipar sagte, gerade diese neue Modellklasse wolle einen kleineren System-Prompt. Ältere Modelle profitierten oft noch von mehr expliziten Regeln und Beispielen. Wer Prompts für verschiedene Modelle pflegt, sollte den schlanken Ansatz nicht pauschal auf jede Version übertragen, sondern pro Modell testen.
Warum schaden Beispiele in Tool-Beschreibungen jetzt?
Laut Shihipar ist das neue Modell fantasievoller als die Beispiele, die man ihm gebe. Konkrete Beispiele engen es dann ein, statt zu helfen: Es orientiert sich zu stark an den vorgegebenen Fällen. Das dreht eine jahrelange Best Practice um. Statt Beispielen genügt oft eine knappe, klare Beschreibung dessen, was ein Tool tut.
Verliere ich mit weniger Regeln nicht die Kontrolle über den Output?
Anthropic verlässt sich nun auf Verhalten, das im Training verankert ist, statt auf viele „do not this“-Zeilen. Der Code-Kommentar-Verbot etwa fiel weg. Für die meisten Standardfälle reicht das. Willst du erzwungenes Verhalten in kritischen Punkten, kannst du gezielte Regeln behalten – nur eben knapp und ohne redundante Wiederholungen über den halben Prompt.
Wie stark ist der System-Prompt konkret geschrumpft?
Anthropic entfernte nach Angaben von Shihipar rund 80 Prozent des Claude-Code-System-Prompts. Ein technischer Hintergrundbericht nennt einen Rückgang von etwa 800 auf 164 Tokens. Weggefallen sind redundante Sicherheitshinweise, detaillierte Formatvorgaben und Meta-Anweisungen. Der Prompt liest sich nun eher wie ein kurzes Mission Statement als wie ein umfangreiches Policy-Dokument.
Wie prüfe ich, ob mein Setup mit Claude 5 sauber läuft?
Claude Code bringt dafür claude doctor mit, das die lokale Installation und Konfiguration prüft. Ergänze das durch eigene Tests: Kürze deinen Prompt schrittweise und vergleiche die Ergebnisse. So siehst du, welche Regeln das neue Modell wirklich braucht und welche es nur einschränken. Änderungen also messen, nicht raten.
Weiterlesen
Mehr aus Praxiswissen →Answer Engine Optimization: Claude-Modelle empfehlen Claude Code, Grok empfiehlt Cursor
Latent Space hat am 7. September 2026 einen Tracker für die Sichtbarkeit in KI-Antworten veröffentlicht. Er läuft mit sechs Prompt-Varianten über sieben Modelle in 161 Produktkategorien und rechnet auch Anti-Empfehlungen ein.

Drei Wanderer planten ihre Tour mit Gemini. Gegen KI-Halluzinationen hilft am Mount Shasta nur ein Anruf bei der Rangerstation
Am Mount Shasta in Kalifornien mussten drei Wanderer gerettet werden, die ihre Tour mit Google Gemini geplant hatten. Die Behörde warnt davor, sich bei der Reiseplanung allein auf KI zu verlassen.

OpenAI erklärt KI-Halluzinationen für unvermeidbar. Für Unternehmen ist das eine Organisationsfrage, keine Technikfrage
Große Sprachmodelle erzeugen Wahrscheinlichkeiten, keine geprüften Fakten. Warum sich KI-Halluzinationen nicht wegtrainieren lassen – und welche Prüf- und Freigabeprozesse im Arbeitsalltag entscheiden, ob der Einsatz trägt.

Eine Million Klicks auf den Slop-Melder: KI-Content kostet Reichweite
Seit Ende Juli 2026 lässt sich jeder LinkedIn-Beitrag als „AI slop“ melden. Über eine Million Menschen haben den Button geklickt. Die Signale fließen ins Ranking und kosten Sichtbarkeit außerhalb des eigenen Netzwerks.

Werbung für KI-Crawler: Time bespielt eine zweite Website
Time zeigt KI-Bots eine separate Version seiner Seiten samt eingebetteter Werbung. Was als cleveres Experiment gilt, berührt eine alte rote Linie: unterschiedliche Inhalte für Maschine und Mensch.

Wiederverwendbare Prompts: Der beste Chat ist wertlos, wenn ihn niemand wiederfindet
Ein gelungener Prompt ist mehr wert als das Ergebnis, das er liefert. Wer ihn festhält, versioniert und im Team teilt, macht aus Zufall Methode. Was eine Prompt-Bibliothek leistet und wo sie scheitert.