Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
anthropic24. November 2025 · Q002309

Introducing advanced tool use for Claude

anthropic.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Anthropic stellt drei Beta-Funktionen vor: bedarfsgesteuerte Werkzeugsuche, codebasierte Orchestrierung mehrerer Werkzeuge und Beispiele für korrekte Aufrufparameter. Interne Tests hätten geringeren Kontextverbrauch und bessere Genauigkeit gezeigt; die Funktionen bringen jeweils zusätzlichen Aufwand mit sich und lohnen sich je nach Größe und Komplexität der Aufgabe unterschiedlich stark.

Mittel

Anthropic beschreibt drei Beta-Funktionen, die verschiedene Probleme beim Einsatz vieler Werkzeuge angehen. Das Tool Search Tool lädt Definitionen erst bei Bedarf. In einem angeführten Vergleich sinkt der Kontextverbrauch von rund 77.000 auf 8.700 Tokens; interne MCP-Tests hätten zudem höhere Genauigkeitswerte ergeben. Die Suche verursacht einen zusätzlichen Schritt und lohnt sich laut Bericht vor allem bei großen Werkzeugbibliotheken.

Programmatic Tool Calling lässt Claude mehrere Werkzeuge mit Code koordinieren und Zwischenergebnisse verarbeiten, ohne sie jeweils in den Modellkontext zu übernehmen. Anthropic berichtet von 37 Prozent weniger Tokens bei komplexen Rechercheaufgaben sowie Verbesserungen bei internen Wissensabruf- und GIA-Auswertungen. Besonders geeignet sei das Verfahren für große Datenmengen und mehrstufige Abläufe; einfache Einzelabfragen profitierten weniger.

Tool Use Examples ergänzen Schemas um Beispiele, die etwa Formate und den sinnvollen Einsatz optionaler Parameter zeigen. Laut internen Tests stieg dadurch die Genauigkeit bei komplexen Parametern von 72 auf 90 Prozent, allerdings unter zusätzlichem Tokenaufwand. Anthropic empfiehlt, jeweils beim größten Engpass anzusetzen. Die Leistungsangaben beruhen auf internen Tests; eine unabhängige Überprüfung wird im Bericht nicht genannt.

Ausführlich lesen

Der Bericht von Anthropic stellt drei Funktionen für den fortgeschrittenen Werkzeugeinsatz von Claude vor: Tool Search Tool, Programmatic Tool Calling und Tool Use Examples. Sie sollen laut Anthropic unterschiedliche Engpässe beim Einsatz großer Werkzeugbibliotheken und mehrstufiger Abläufe verringern.

Das Tool Search Tool lädt Werkzeugbeschreibungen nicht alle zu Beginn in den Kontext. Stattdessen kann Claude benötigte Werkzeuge gezielt suchen; deren vollständige Definitionen werden erst dann eingeblendet. Anthropic veranschaulicht den möglichen Platzbedarf mit einem Beispiel aus fünf MCP-Servern: 58 Werkzeuge könnten ungefähr 55.000 Tokens beanspruchen, noch bevor die Unterhaltung beginnt. Für einen Vergleich nennt der Bericht etwa 77.000 Tokens Verbrauch beim herkömmlichen Ansatz und 8.700 mit Suche, was einer Reduktion um 85 Prozent entspreche. Interne Tests hätten außerdem bessere Ergebnisse bei MCP-Auswertungen gezeigt: Opus 4 sei von 49 auf 74 Prozent und Opus 4.5 von 79,5 auf 88,1 Prozent gestiegen. Die Suche fügt jedoch einen zusätzlichen Schritt und damit mögliche Latenz hinzu. Anthropic empfiehlt sie besonders bei mehr als zehn Werkzeugen oder umfangreichen Definitionen; bei kleinen, häufig genutzten Bibliotheken sei der Nutzen geringer.

Programmatic Tool Calling lässt Claude Werkzeuge über generierten Code koordinieren. Ein Beispiel prüft, welche Beschäftigten ihr Reisebudget überschritten haben: Der Code ruft Team-, Budget- und Ausgabendaten ab, kann unabhängige Anfragen parallel ausführen und verarbeitet Zwischenergebnisse, ohne diese Claude jeweils vollständig in den Kontext zurückzugeben. Laut Bericht erhält das Modell am Ende nur die ausgewählten Ergebnisse. Anthropic berichtet für komplexe Rechercheaufgaben von durchschnittlich 43.588 auf 27.297 gesunkenen Tokens, also 37 Prozent weniger. Genannt werden auch bessere Werte bei internen Wissensabruf- und GIA-Auswertungen. Die Funktion erfordert allerdings eine Codeausführung und zahlt sich laut Anthropic vor allem bei großen Datenmengen, mehreren Werkzeugschritten oder nötigen Filtern und Zusammenfassungen aus; einfache Einzelabfragen profitieren weniger.

Tool Use Examples ergänzen JSON-Schemas um konkrete Beispiele für Werkzeugaufrufe. Beispiele können etwa Datumsformate, ID-Konventionen und Zusammenhänge zwischen optionalen Parametern verdeutlichen, die ein Schema allein nicht festlegt. Anthropic berichtet intern von einer Genauigkeitssteigerung bei komplexer Parameterbehandlung von 72 auf 90 Prozent. Beispiele verbrauchen zusätzliche Tokens und sind laut Bericht vor allem bei verschachtelten Eingaben und domänenspezifischen Regeln sinnvoll.

Anthropic empfiehlt, die Funktionen nach dem jeweiligen Engpass auszuwählen und bei Bedarf zu kombinieren: Suche für überladene Werkzeugdefinitionen, programmatische Aufrufe für umfangreiche Zwischendaten und Beispiele für Parameterfehler. Die beschriebenen Leistungswerte stammen aus internen Tests; der Bericht nennt keine unabhängige Prüfung dieser Ergebnisse. Zum Veröffentlichungszeitpunkt waren die Funktionen als Beta verfügbar.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist eine technische Produktankündigung zu Werkzeugnutzung bei Claude. Sicherheits-, Ausrichtungs- und Governance-Fragen werden darin nicht beantwortet, weshalb alle Einordnungen niedrig ausfallen. Die Leistungszahlen stammen überwiegend aus Anthropic-internen Tests und sind unabhängig nicht überprüft.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Ausgangsbefund, dass Tool-Definitionen bei Anthropic bereits bis zu 134.000 Tokens verbrauchten
  • Das Beispiel Claude for Excel, das Programmatic Tool Calling für Tabellen mit Tausenden Zeilen nutzt

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Aussage, die Leistungsangaben beruhten auf internen Tests, steht so nicht im Bericht; er nennt auch den externen GIA-Benchmark

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 42 %gleiches Oberthema, hilft nicht
    • Luna 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 80 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 43 %einzelne zitierbare Belege
    • JEV 35 %beantwortet direkt und ausführlich
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 27 %Hintergrund, keine Belege
    • Luna 47 %einzelne zitierbare Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Modelle teilen und schützen
Frieden und Sicherheit
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 58 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →