Faustregel: Ziel + Zielgruppe + Format im ersten Satz = Claude liefert sofort das Richtige.

Das widerspricht nicht der Promptoptimierung: Promptoptimierung verbessert einen einzigen Prompt. Folge-Prompts bauen darauf auf — das sind separate, aufeinander abgestimmte Anfragen, keine Verlagerung von Komplexität in einen einzigen Prompt.

Claude verarbeitet kurze, präzise Prompt-Ketten besser als einen überlangen Mega-Prompt. Die Antworten und Ergebnisse entwickeln das Gespräch dabei weiter und beeinflussen die Richtung positiv.

Claude kann Antworten in nahezu jedem Format ausgeben: als geordnete Liste, als Tabelle mit Spalten, als fortlaufenden Fließtext, als Stichpunkte, als strukturierte Abschnitte mit Überschriften oder als kompakte Zusammenfassung. Je klarer die Formatvorgabe, desto direkter nutzbar ist das Ergebnis.

Claude ist sehr gut bei allgemeinen Wissensthemen, hat aber blinde Flecken bei sehr aktuellen Ereignissen, spezifischen regionalen Details und proprietären Unternehmensdaten. Durch den Vergleich mit eigenem Expertenwissen erkennst du schnell, in welchen Bereichen du bei Claude nachhaken oder die Aussagen verifizieren solltest.

Ein langer Chat trägt außerdem zur Token-Belastung bei: Jede Nachricht im selben Chat enthält den gesamten bisherigen Gesprächsverlauf. Je länger ein Chat, desto mehr Token verbraucht jede neue Anfrage — auch wenn sie nur kurz ist. Neuer Chat = leerer Kontext = weniger Token-Verbrauch.

Prompt-Optimierung lohnt sich: Die Tiefensuche analysiert mehrere Quellen und liefert ein strukturiertes Ergebnis — viel besser als eine einfache Suche. Der Unterschied zwischen einem ungenauen und einem präzisen Prompt ist bei der Tiefensuche besonders deutlich spürbar, weil Claude den Prompt als Leitfaden für die gesamte Recherche nutzt.

Der Vergleich zwischen einfacher Suche und Tiefensuche ist direkt spürbar: mehr Quellen, mehr Kontext, bessere und strukturiertere Ergebnisse. Claude stellt bei der Tiefensuche gezielte Rückfragen — das ist kein Fehler, sondern ein Feature. Diese Rückfragen helfen Claude, das Ergebnis weiter zu verfeinern.

Das Speichern als .txt-Datei und Hochladen ins Projektwissen ist der empfohlene Workflow für den KI-Workspace. Chat-Verläufe sind je Chat isoliert: Ergebnisse aus Chat A sind in Chat B nicht sichtbar. Nur Projektanweisungen und hochgeladene Dateien sind projektweit nutzbar.

Wer Erfolgskriterien direkt in den Prompt schreibt, gibt Claude einen klaren Maßstab für die Vollständigkeit und Qualität der Antwort. Claude kann dann gezielt prüfen, ob alle Anforderungen erfüllt wurden, und das Ergebnis entsprechend strukturieren. Der alternative Ansatz als Folge-Prompt ist für Einsteiger besonders empfehlenswert, damit der Ablauf Schritt für Schritt gelernt wird.

Du kannst diese Anweisung auch direkt in den Tiefensuche-Prompt schreiben — das funktioniert grundlegend. Der Vorteil als eigener Folge-Schritt: Klarer Lernablauf, du siehst die einzelnen Schritte bewusst. Empfehlung für Einsteiger: als Folge-Schritt zeigen, später im Projekt-Prompt automatisieren.

Claude erstellt in Sekunden eine strukturierte Präsentation — manuelles Tippen entfällt vollständig. Die PPT spiegelt dabei immer die Qualität der zugrunde liegenden Eingabe wider: Garbage in, Garbage out gilt auch hier. Gute Such- oder Recherche-Ergebnisse als Basis sind deshalb entscheidend.

Derselbe Workflow funktioniert auch für die Folienstruktur: Bitte Claude zuerst eine Gliederung zu zeigen und erst nach deiner Freigabe die vollständige PPT zu erstellen. Das spart erhebliche Iterationszeit, weil strukturelle Fehler früh erkannt und korrigiert werden können.

Zielgruppenangaben wirken nicht nur auf den Sprachstil, sondern auch auf die Struktur und Detailtiefe der Folien. Eine Präsentation für Einsteiger enthält mehr Erklärungen und weniger Fachbegriffe, während eine Experten-Präsentation direkt in technische Details einsteigt. Wer die Zielgruppe vergisst, erhält eine Präsentation im mittleren Stil — die selten wirklich passt.

Der Vergleich PPT #1 (aus einfacher Suche) vs. PPT #2 (aus Tiefensuche) macht den Mehrwert der Recherche unmittelbar sichtbar. Tiefensuche-Ergebnisse liefern eine deutlich reichhaltigere und fundiertere Präsentation. Das ist ein zentrales Learning des KI-Workspace: Die Qualität der Quelle bestimmt die Qualität der Ausgabe.

Sprechernotizen können in einem eigenen Prompt nach der PPT-Erstellung angefordert werden oder direkt im ursprünglichen Prompt spezifiziert werden. Bei der Integration ins Projektwissen als .txt gilt: Lade die Recherche-Datei als Projektwissen ab und starte die PPT-Erstellung in einem neuen Chat — Claude nutzt dann die volle Tiefe ohne Kontextverlust durch den Recherche-Verlauf.

Weiterer Grund: Gespeicherte Dateien können ins Projektwissen hochgeladen werden und sind dann in allen Folge-Chats des Projekts verfügbar. Eine nur im Chat liegende Datei ist dagegen ausschließlich in diesem einen Chat nutzbar. Kurzregel: Sofort lokal speichern = sicherer Besitz + wiederverwendbar. Im Chat lassen = nur vorläufig und isoliert.

Außerdem: Lass Claude die Recherche-Ergebnisse vor der PPT in 5 Kernaussagen verdichten — das verbessert die Folienstruktur sofort und macht die Präsentation klarer und kohärenter.

Was reingehört: Rolle von Claude, Sprache, Zielgruppe, Tonalität, wichtige Einschränkungen. Was NICHT reingehört: Aufgabenspezifische Prompts — diese gehören in den Chat. Kurz halten = mehr Kontext für deine Arbeit.

Projektordner schaffen einen dauerhaften Arbeitskontext — kein erneutes Erklären bei jedem neuen Chat. Wiederkehrende Aufgaben können systematisch aufgebaut werden — Claude wird zum persönlichen Arbeitsassistenten. Einmal gespeichert = dauerhaft nutzbar in jedem Folge-Chat desselben Projekts.

Token-Kosten entstehen nur, wenn Claude eine Datei aktiv liest — nicht dauerhaft pro Chat. Das Dokument liegt im Regal: Erst wenn Claude es bei einer Frage heranzieht, entstehen Token-Kosten. Fazit: Im Projektwissen gespeichert = kein Dauerverbrauch. Nur beim Einlesen in einen Chat entstehen Kosten.

Claude entscheidet durch RAG selbst, welche Dateien relevant sind — anhand deiner Frage. Fragst du nach Farben deiner Präsentation, lädt Claude das Branding-Dokument — aber nicht deinen Jahresbericht.

Einfluss auf: Formalität (locker bis professionell), Länge, Struktur (fließend oder Aufzählung) und Sprachstil. Stile sparen Wiederholungen: Einmal definiert, wirkt der Stil automatisch in jedem Chat. Claude kann so klingen wie du selbst — das steigert Akzeptanz und Qualität der Ergebnisse erheblich.

Wichtiger Unterschied: Im Prompt an Claude lieber positiv formulieren — „schreibe klar und direkt" statt „schreibe nicht unklar". Im Stil-Dokument hingegen sind präzise Verbote wirksam. Faustregel: Verbotene Wörter gehören in den Stil (Dauerliste), nicht in jeden Prompt. Im Prompt selbst: positiv, knapp, zielorientiert formulieren.

Lass Claude denselben Text in zwei verschiedenen Stilen umschreiben und vergleiche sie — so erkennst du besser, welcher Stil zu dir passt. Der Stil-Wechsel als Live-Demo ist besonders eindrucksvoll: dieselbe Frage einmal formal, einmal locker beantworten lassen — der Unterschied macht den Wert von Stilen sofort erlebbar.

Je länger KI-Texte werden, desto generischer klingen sie — das liegt an der sogenannten „Regression zum Mittelwert": Sprachmodelle tendieren bei langen Texten zu statistisch wahrscheinlichen Formulierungen. Stile helfen dagegen: Definiere klare Regeln für deinen Stil — Claude hält sich dann konsequent daran, auch auf Seite 15 eines langen Dokuments.

Jeder kennt das Problem: Du arbeitest in einem Chat, gibst immer mehr Kontext. Irgendwann vergisst das Modell die ersten Details. Die Antworten werden generisch. Du startest einen neuen Chat — und fängst von vorne an. Skills lösen genau dieses Problem.

Anthropic betont: Prägnanz ist der Schlüssel. Je klarer und kompakter ein Skill formuliert ist, desto besser arbeitet das Modell damit. Weniger Rauschen bedeutet mehr Qualität.

Die SKILL.md-Datei kombiniert YAML-Metadaten mit Markdown-Text. Sie definiert Name, Beschreibung und alle Regeln. Ein einfacher Skill besteht aus einer einzigen Datei. Komplexere Skills nutzen mehrere Ordner mit Ressourcen. Claude liest die Anleitung nur, wenn der Skill aktiviert wird — so bleibt der Kontext bei anderen Aufgaben unbelastet.

Beobachte nach Änderungen am Skill, welche Dateien Claude wirklich liest. Unerwartete Lese-Reihenfolgen zeigen laut Anthropic, dass die Struktur noch nicht intuitiv genug ist. Das ist ein wichtiges Qualitätssignal für die Skill-Optimierung.

Eigene Skills können jederzeit erstellt und erweitert werden — die KI wächst mit deinen Anforderungen. Versioniere deine SKILL.md: Speichere vor Änderungen eine Kopie mit Datum im Dateinamen — so kannst du bei Verschlechterung auf die letzte funktionierende Version zurückwechseln.

Skills entfalten ihren Wert vor allem bei Aufgaben, die du regelmäßig erledigst: Word-Dokumente im Firmen-Design, PowerPoint-Vorlagen, Excel-Kalkulationen, eigener Schreibstil oder Lead-Analyse. Diese fünf Bereiche sind laut praktischer Erfahrung die produktivsten Einsatzmöglichkeiten für eigene Skills.

Fazit: Claude intensiv benötigt? Einen fokussierten Block planen statt über den Tag verteilen.

Recherche-Sitzungen verbrauchen Token schneller, da mehrere Suchen und umfassende Analysen durchgeführt werden. Bei der Tiefensuche führt Claude mehrere Websuchen durch, liest Quellen und schreibt einen langen Bericht — das erzeugt viel mehr Input- und Output-Token als ein normaler Chat. Das Limit kann dadurch schneller erreicht werden als erwartet.

Tools und Konnektoren sind tokenintensiv. Durch deren Verwaltung kannst du sowohl dein verfügbares Kontextfenster maximieren als auch deine Nutzungslimits optimieren. Deaktiviere die Konnektoren für Websuche, Recherche und MCP in den Einstellungen unter „Suche und Tools", wenn diese für bestimmte Konversationen nicht benötigt werden.

Claude Sonnet oder Haiku reichen für viele Aufgaben vollkommen aus — und verbrauchen deutlich weniger Token als das Opus-Modell. Nur bei komplexen, langen Aufgaben mit hohem Reasoning-Bedarf lohnt sich Opus.